In October, I had the chance to make STAFFINGpro in Wiesbaden my office for the day. It was an opportunity to exchange ideas with fellow temp, perm and contracting providers and hear fresh perspectives on the future of our industry. 

Two keynotes in particular stayed with me. Simone Straub and Ute Muster approached the market from different angles, but both raised important questions about where our industry is heading. 

The picture is not a comfortable one. The market is shrinking, AI is taking over routine recruiting tasks, and clients are tired of being flooded with CVs. Yet what I heard in Wiesbaden was not a crisis narrative. As one of Straub's slides put it, you can read the decline as a crisis, “or as what it also is: a billion-euro market that is being redistributed.” 

What does that redistribution mean for recruiters and for companies looking for the expertise their transformation projects depend on? 

The numbers presented on stage were sobering. According to the German Federal Employment Agency, temporary staffing peaked at around 1.08 million workers in November 2017. By June 2025, the figure had fallen to 669,000: almost 40% fewer, and 8% down on the previous year alone. 

Recruitment consulting is under pressure too. The BDU estimates the German market at €2.7 billion in 2025, around 10% below its 2022 peak after three consecutive years of decline. Executive search alone has lost 13.5%. 

At the same time, there are signs of movement. A few days before the fair, I listened to an Folge des Podcasts episode of the podcast Liebe Zeitarbeit – HR trifft KI – Bereit für Zeitarbeit, in which host Daniel Müller spoke with Alexander R. Petsch, founder of the HRM Institute and host of STAFFINGpro. Petsch offered an interesting explanation for the recent slight upturn in temporary staffing. Many companies are unsure whether certain roles will still exist in their current form once AI and automation have reshaped their operations. Rather than committing to permanent hires, they are turning to flexible staffing arrangements while they assess what comes next. 

We see the same in our conversations with clients. Uncertainty does not stop hiring; it changes how companies hire. Project-based expertise and time-and-material models allow businesses to move forward without committing to organisational structures that may look very different in two years. For companies, this shift makes the choice of recruitment partner more important than ever. 

Simone Straub, who has coached more than 250 recruitment consultancies, did not soften her message:

“Generic positions will soon be filled by technology. You have to decide: low-budget tech or high-level consulting.”

Simone Straub, CEO, Der Personalberater Coach GmbH

Straub's keynote was titled “Enough with the CV race.” Her central argument was straightforward: once a position is advertised, recruitment agencies, candidate databases and AI tools are all competing for the same vacancy. Price and speed often become the deciding factors. 

The real competitive advantage comes earlier. 

Straub contrasted recruiters who spend their days scanning job boards and competing for the same assignments with those who secure off-market mandates. The latter are brought into discussions early, work more often on an exclusive basis and build relationships that extend beyond individual vacancies. 

The starting point is a change of mindset: “From service provider to trusted advisor.” 

A trusted advisor understands the market, recognises relevant developments early and has a strong professional network. Above all, they build the trust needed to be involved in clients' plans before a specific hiring requirement emerges. 

For clients, the implication is clear: involve your recruitment partner while you are still defining the project, not after the vacancy has been published. That is when a good advisor can help identify the expertise you actually need, rather than simply execute a search. 

Straub gave recruiters in the audience a simple test of their own mindset. Do they see their role primarily as filling vacancies? Do they only start prospecting when their pipeline runs dry? Do they consider themselves interchangeable with competitors? 

Anyone answering yes, she argued, is still thinking like a supplier. 

Turned around, the same test can help companies assess the value of their recruitment partners. 

1. Do they specialise? A partner who takes on almost any role in any industry rarely knows a market in depth. Specialisation helps them assess candidate quality, availability and market rates with greater confidence. 

2. When do they contact you? Only when they need new business? A good advisor also reaches out to share relevant market developments, rare profiles or signals that could influence your hiring plans. 

3. What do your conversations revolve around? If you only discuss open vacancies, the relationship remains transactional. Conversations about future projects, business priorities and team structures help anticipate needs before they become urgent. 

4. Do they challenge your brief? Ein Vermittler liefert Lebensläufe passend zur Stellenbeschreibung. Ein Berater hinterfragt Anforderungen, erkennt Lücken im Profil und hilft, die tatsächlichen Ziele einer Position zu definieren. 

5. Could you replace them with a database tomorrow? If the answer is yes, their value is largely transactional. What a database cannot replace is informed judgement, a trusted network and an understanding of personality and fit. 

The more of these questions you can answer in your partner's favour, the more value they can bring when involved early. 

The AI@Strategy Conference in Munich highlighted how AI is changing not only workflows, but also collaboration and decision-making. Three observations on what these developments mean for leadership roles.

Picture a weekly operations review. An AI system has already shifted capacity between three sites, flagged two suppliers as at risk and drafted the recommendation the board will see. The figures are consistent, the reasoning is well presented, and the meeting is short. Nobody asks how the system weighed delivery risk against cost. Nobody is quite sure whose job it would be to ask.

That kind of dilemma ran through many sessions at the AI@Strategy Conference, held at the Technical University of Munich on 7–8 October 2026 with the involvement of DLD. What struck me most was how far the conversation has moved. Much of it focused on AI systems that coordinate work, recommend decisions and increasingly carry them out.

Our recent article following DIGITAL X explored what it takes to integrate AI into everyday business operations. The discussions in Munich raised a different question: how do responsibilities change when AI systems begin to coordinate work and make decisions that previously belonged to people?

Most discussions about AI productivity focus on how much more individuals can accomplish. Sameer Srivastava, professor at UC Berkeley's Haas School of Business, explored something less visible: how AI changes collaboration within organisations.

His presentation, AI Workflows and Collaboration, examined whether AI-enabled workflows reinforce dependence on established experts and coordinators or make knowledge more accessible across teams.

The research draws on work-management data from 25,650 organisations, observed monthly between July 2024 and March 2026. Preliminary findings suggest changes in collaboration networks, although Srivastava acknowledged that a causal relationship with AI has not yet been established.

The question is nevertheless relevant for businesses. Those who coordinate work often hold considerable influence: the project manager who knows whom to contact when a problem arises, or the IT architect through whom important technical decisions pass.

If AI makes expertise easier to access, some of these bottlenecks could disappear. Others may simply shift towards those who configure AI workflows, manage data or determine which systems agents can access.

For COOs, department heads and HR leaders, this raises two important questions: how do collaboration and responsibilities change when AI increasingly connects knowledge and tasks across teams? And how can organisations ensure that this creates new connections rather than simply shifting existing dependencies?

Christopher L. Tucci highlighted another challenge in his presentation, Scaling AI Governance: as AI recommendations become more sophisticated, critically evaluating them becomes increasingly important.

AI delivers results in seconds, communicates confidently and processes large amounts of data. This can make its recommendations appear more objective and reliable than they actually are. The risk is that people trust the results too readily.

A 2025 study by Microsoft Research and Carnegie Mellon University supports this concern. The researchers surveyed 319 knowledge workers, collecting 936 examples of generative AI use at work. Participants who expressed greater confidence in AI reported less critical-thinking effort, while those with greater confidence in their own abilities reported more. These findings are based on self-reported behaviour and do not establish causation. They nevertheless suggest that trust in AI can influence how critically people assess its outputs.

For executives, project managers and functional leaders, approving an AI recommendation should therefore be more than a formality. It means examining the underlying assumptions: what data informed the result? What information might be missing? And how does the current situation differ from the cases the system has encountered before?

This leads to another question: how independently should AI be allowed to act?

Tucci presented a governance framework that distinguishes AI systems according to their level of autonomy and the organisational reach of their decisions. Zia Hoshyarzai, CIO and COO of BayernLB, outlined four operating modes in banking:

• AI-assisted: AI provides recommendations; people decide and execute.

• AI-enabled: AI performs individual steps; people supervise and approve.

• AI-led: AI becomes the default executor within strict guardrails.

• Autonomous: AI independently optimises outcomes in suitable, clearly defined domains.

The more independently AI operates, the more important clear responsibilities and effective controls become. Hoshyarzai emphasised that human oversight only works when those responsible have the necessary information, authority and time to critically evaluate AI-supported processes. Human approval alone does not necessarily amount to meaningful oversight.

Existing regulatory and risk-management frameworks reflect the same principle. The NIST Generative AI Profile addresses the risk of excessive reliance on automated outputs. Article 14 of the EU AI Act requires high-risk AI systems to be designed and developed to enable effective human oversight. This includes understanding system limitations, interpreting outputs and intervening when necessary.

From my perspective, this raises one of the most important questions for organisations: AI is changing not only how work gets done, but also what leaders need to deliver. Businesses should therefore reassess the requirements of four key leadership functions.

CIOs and CTOs must define how independently AI systems can operate. Which decisions can agents make on their own, when is human approval necessary, and how can automated actions be monitored or reversed? This is where technical responsibility and business decision-making increasingly intersect.

The more decisions AI prepares or makes independently, the more important it becomes for leaders to critically evaluate those decisions. Even as AI takes on more tasks and coordinates more processes, people remain responsible for setting objectives, weighing consequences and questioning results. And that responsibility is becoming more demanding.

For businesses, this goes beyond choosing the right technology strategy. They need to consider whether their leadership roles, decision-making structures and competency requirements are evolving alongside technological developments.

This will increasingly shape which leaders and specialists organisations need for their technology and transformation projects — and whether AI genuinely strengthens their capabilities or simply adds another layer of complexity.

Fünf Beobachtungen von der DIGITAL X in Köln zeigen, warum erfolgreiche KI-Transformation nicht allein von Technologie abhängt – und welche Kompetenzen Unternehmen künftig benötigen.

Auf der DIGITAL X in Köln fragte kaum noch jemand, ob Unternehmen Künstliche Intelligenz einsetzen sollten. Im Mittelpunkt stand vielmehr, wie KI im Unternehmensalltag funktioniert, welche Voraussetzungen dafür geschaffen werden müssen und wer ihre Umsetzung verantwortet.

Für uns bei eAces, wo wir vor allem Managementpositionen sowie IT- und KI-Expertenrollen besetzen, ist diese Entwicklung besonders relevant. Denn mit dem zunehmenden Einsatz von KI verändern sich nicht nur Technologien und Geschäftsprozesse, sondern auch die Anforderungen an Fachkräfte, Führungskräfte und ganze Organisationen.

Aus den Diskussionen und Masterclasses der DIGITAL X lassen sich fünf zentrale Beobachtungen ableiten.

This year DIGITAL X im Kölner Rheinauhafen hat in diesem Jahr gezeigt, wie breit die Debatte um KI inzwischen geführt wird. Auf den großen Bühnen sprachen unter anderem Angela Merkel, Robert Habeck, Alena Buyx und Yuval Noah Harari. In den Masterclasses standen dagegen konkrete technologische und organisatorische Herausforderungen im Mittelpunkt: industrielle KI, digitale Souveränität, Cloud-Infrastrukturen, Cybersecurity und Future Skills.

Über das Ob wird kaum noch diskutiert. Entscheidend ist inzwischen das Wie.

Laut einer survey published by Bitkom in September, setzen bereits 57 Prozent der deutschen Unternehmen ab 20 Beschäftigten KI ein. Ein Jahr zuvor waren es 36 Prozent, vor zwei Jahren lediglich 20 Prozent.

Gleichzeitig geben fast neun von zehn Unternehmen, die KI bereits einsetzen, an, deren Potenzial kaum oder gar nicht auszuschöpfen. Zwischen der Einführung einzelner Anwendungen und ihrer erfolgreichen Integration in den Unternehmensalltag besteht also weiterhin eine erhebliche Lücke.

Die eigentliche Herausforderung liegt darin, KI so in bestehende Strukturen einzubinden, dass sie messbaren Mehrwert schafft, sicher betrieben werden kann und langfristig tragfähig bleibt.

In den technischen Masterclasses ging es weniger um spektakuläre KI-Anwendungen als um die Voraussetzungen für ihren produktiven Einsatz. Bei „SAP x T-Systems: Leistungsstarke KI für ein digital souveränes Europa“ und „Industrial AI in der Praxis“ mit Wandelbots und SupplyOn standen vor allem Rechenkapazitäten, Unternehmensdaten, Plattformen, Sicherheit und Compliance im Mittelpunkt.

Kurz gesagt: Es ging um den Maschinenraum der KI-Transformation.

Wie unterschiedlich weit Unternehmen dabei sind, zeigen Zahlen von Eurostat. Im Jahr 2025 nutzten 20 Prozent der EU-Unternehmen mit mindestens zehn Beschäftigten KI, gegenüber 13,5 Prozent im Vorjahr. Bei großen Unternehmen lag der Anteil bereits bei 55 Prozent, bei kleinen dagegen nur bei 17 Prozent.

Die Unterschiede verdeutlichen, wie stark die Einführung von KI von verfügbaren Ressourcen, Infrastruktur und organisatorischen Voraussetzungen abhängt.

Auch die Bitkom-Zahlen zeigen, wo Unternehmen die größten Kosten sehen: 51 Prozent der KI-nutzenden Unternehmen nennen Infrastruktur wie Cloud und Rechenleistung, 50 Prozent die Aufbereitung von Daten und 41 Prozent die Integration in bestehende Systeme als wesentliche Kostenfaktoren. Lizenzen und Software-Abonnements spielen mit 21 Prozent eine deutlich geringere Rolle.

Daraus ergibt sich ein breiter Bedarf an Expertise. Neben Data Science und KI-Entwicklung werden insbesondere Kompetenzen in Cloud-Architektur, Datenintegration, IT-Security und Compliance benötigt.

Für Unternehmen bedeutet das: Die Einführung von KI ist keine isolierte IT-Initiative. Sie erfordert das Zusammenspiel unterschiedlicher Fachbereiche und Spezialisten, die technische Möglichkeiten mit den tatsächlichen Anforderungen der Organisation verbinden.

Eine der aufschlussreichsten Darstellungen der DIGITAL X zeigte den Unterschied zwischen generativer und agentischer KI.

Während generative KI auf Anfrage Texte, Bilder oder Empfehlungen erstellt, können KI-Agenten eigenständig mehrstufige Aufgaben bearbeiten, auf andere Systeme zugreifen und innerhalb definierter Grenzen Entscheidungen treffen oder Aktionen auslösen.

Damit erweitert sich die Rolle von KI: Aus einem unterstützenden Werkzeug wird zunehmend ein System, das selbstständig Teile von Geschäftsprozessen übernehmen kann.

Wie sich das beispielsweise im Onlinehandel entwickeln könnte, beschreibt die Marktforschungsplattform ECDB in ihrem Report „Agentic Commerce and AI in E-Commerce“. Die Entwicklung reicht von KI-gestützter Produktsuche bis hin zu Agenten, die Einkäufe und Nachbestellungen eigenständig abwickeln.

Auch in deutschen Unternehmen gewinnt das Thema an Bedeutung. According to Bitkom, setzen 11 Prozent der Unternehmen, die KI nutzen oder deren Einsatz planen beziehungsweise diskutieren, bereits KI-Agenten ein. Weitere 29 Prozent planen den Einsatz und 31 Prozent beschäftigen sich mit der Möglichkeit.

WORAUF ES JETZT ANKOMMT

Die entscheidende Frage ist nicht mehr, was KI leisten kann, sondern wie Unternehmen sie sinnvoll in ihre Prozesse integrieren.

Dass die technologische Verfügbarkeit allein noch keinen Produktivitätsgewinn garantiert, zeigt eine Gartner forecast für den Vertrieb. Bis 2028 könnte es dort zehnmal so viele KI-Agenten wie menschliche Mitarbeitende geben. Gleichzeitig erwartet Gartner, dass weniger als 40 Prozent der Vertriebsmitarbeitenden die Agenten als produktivitätssteigernd empfinden werden.

Vertriebsorganisationen, die Daten, Automatisierung und Nutzererfahrung grundlegend überarbeiten, haben laut Gartner dagegen eine fünfmal höhere Wahrscheinlichkeit, einen positiven Return on Investment durch KI zu erzielen als Unternehmen, die auf kurzfristige Einzellösungen setzen.

Entscheidend ist deshalb nicht die Zahl der eingesetzten Tools, sondern wie gut sie in Daten, Abläufe und bestehende Systeme eingebunden sind.

Wenn KI nicht mehr ausschließlich auf Anfragen reagiert, sondern selbstständig handelt, wird ihre Einführung zunehmend zur Organisations- und Führungsfrage.

Wer darf welche Entscheidungen treffen? Welche Aufgaben können KI-Agenten übernehmen, und an welchen Stellen bleibt menschliche Kontrolle erforderlich? Wer trägt die Verantwortung, wenn ein automatisierter Prozess nicht wie vorgesehen funktioniert?

Diese Fragen sind aus klassischen Transformationsprojekten bekannt. Mit dem Einsatz autonomer KI-Systeme gewinnen sie jedoch eine neue Dringlichkeit.

A gemeinsamer Bericht des World Economic Forum und PwC verdeutlicht, dass höhere Produktivität nicht automatisch zu einer Entlastung der Beschäftigten führt. Zwar geben 68 Prozent der befragten Berufseinsteigerinnen und Berufseinsteiger an, durch KI produktiver geworden zu sein. Gleichzeitig berichten 45 Prozent, seitdem insgesamt mehr zu arbeiten.

Besonders aufschlussreich ist eine weitere Erkenntnis des Berichts: Unternehmen mit den besten KI-getriebenen finanziellen Ergebnissen gestalten ihre Arbeitsabläufe doppelt so häufig grundlegend neu, statt KI-Anwendungen lediglich in bestehende Prozesse einzufügen.

Diese Beobachtung deckt sich mit unseren Erfahrungen aus Kundenprojekten. Erfolgreiche Transformation setzt voraus, dass Unternehmen ihre Schnittstellen, Zuständigkeiten und Entscheidungswege kritisch überprüfen.

Dabei geht es nicht nur darum, einzelne Tätigkeiten zu automatisieren. Vielmehr muss geklärt werden, wie Menschen und KI-Systeme künftig zusammenarbeiten, welche Aufgaben sich verändern und wo neue Verantwortlichkeiten entstehen.

Das hat direkte Auswirkungen auf die Zusammensetzung von Teams. Neben technischen Spezialisten gewinnen Fachkräfte an Bedeutung, die technologische Lösungen in bestehende Organisationsstrukturen integrieren, interdisziplinäre Projekte steuern und den Einsatz von KI-Systemen überwachen können.