by Veronika Altenbach
Zwei Organisationen, derselbe DAM-Anbieter, dieselben KI-Funktionen. Die eine berichtet von messbarem Erfolg. Die andere von verpufften Pilotprojekten. Dieses Muster ist kein Zufall – die aktuelle Branchenstudie zeigt es systematisch: 79 % der Organisationen nutzen KI aktiv, aber nur 54 % halten sich selbst für erfolgreich damit. Und zwischen experimentierenden und voll eingebetteten Anwendern liegt eine Erfolgslücke von 42 Punkten.
Die 2026 State of AI in DAM & Content Operations von Huddart Consulting hat dafür 271 Content-Operations-Verantwortliche befragt. Aus drei Perspektiven:
Die deutlichste Erkenntnis: Was Erfolg mit KI im Digital Asset Management trennt, ist nicht die Wahl der Plattform. Es ist die operative Reife der Organisation, die sie betreibt – also das Zusammenspiel von Menschen, Prozessen, Daten und Technologie, das die Studie als «Foundations» bezeichnet. Wir sprechen im Folgenden von den vier Säulen operativer Reife. In diesem Beitrag zeigen wir Ihnen, was diese Säulen konkret bedeuten, warum sie der wirksamste selbst steuerbare Hebel sind – und wo die meisten Organisationen heute stehen.
Die Studie misst die KI-Reife auf einer fünfstufigen Skala – von «Early Stage» bis «Leading». Der Befund ist robust: Reife korreliert stärker mit KI-Erfolg als jeder andere im Datensatz erfasste Faktor. Reife ist dabei nicht der einzige Erfolgstreiber. Aber sie ist der einzige, den eine Organisation selbst in der Hand hat. Branche, Grösse und Budget lassen sich nicht steuern. Foundations schon.
Sichtbar wird das genau dort, wo KI im DAM heute am besten funktioniert. Metadata-Tagging und Enrichment gehören mit 65 % zu den Top-Use-Cases. Workflow-Automatisierung folgt mit 63 %, Search und Discovery mit 58 %. Diese Anwendungsfälle haben eines gemeinsam: Sie setzen saubere Metadaten, klare Prozesse und integrierte Systeme voraus – also Grundlagen. Wo diese fehlen, bleibt KI im Pilotstatus stecken. Der Sprung in den produktiven Betrieb gelingt nicht.
Reife ist in der Studie nicht abstrakt definiert. Sie ist gemessen – als operative Readiness in fünf Stufen, von «Not Ready Yet» bis «Built for AI». Der Zusammenhang mit Erfolg ist linear und deutlich:
Die Mehrheit der Organisationen liegt heute auf Stufe 3 – «Building Readiness». Das reicht, um zu experimentieren. Es reicht nicht, um zu skalieren. Genau dieser Sprung entscheidet, ob KI-Investitionen Wirkung entfalten – oder im Pilotstatus stehen bleiben.
Aus unseren DAM-Projekten beobachten wir, was diesen Sprung typischerweise auslöst: strukturierte Metadaten, die über das hinausgehen, was KI selbst aus einem Asset auslesen kann. KI erkennt Inhalte im Bild – aber sie liefert keine Urheberrechte, keine Verwendungsrechte, keine Zuordnung zu Produkten oder Kampagnen. Genau diese Informationen sind aber die Voraussetzung dafür, dass Assets weiterverarbeitet, automatisiert ausgespielt und über Systemgrenzen hinweg eingesetzt werden können. Wer sie sauber pflegt, kann skalieren. Wer nur auf KI-Auto-Tags vertraut, bleibt im Pilotbetrieb.
Die Studie zerlegt operative Reife in vier Dimensionen. Sie müssen zusammen funktionieren. Im DAM- und Content-Operations-Kontext bedeuten sie konkret:
Vier Säulen, ein gemeinsamer Effekt: Sie tragen das Fundament, auf dem KI im DAM verlässlich, wiederholbar und messbar arbeitet.
Die Studie identifiziert drei Disziplinen, die erfolgreiche Organisationen vom Durchschnitt trennen. Sie sind allesamt operativer Natur – nicht technologischer:
In unseren Projekten sehen wir den Unterschied zwischen «KI testen» und «KI betreiben» sehr konkret. Wer KI ernsthaft im DAM einsetzt, kontrolliert die KI-getaggten Assets, prüft die Qualität automatischer Übersetzungen und überprüft regelmässig – etwa jährlich mit denselben Test-Assets –, wie sich die Modelle weiterentwickeln. Das ist keine Frage der Toolauswahl, sondern eine Frage der operativen Disziplin. Genau diese Disziplin ist es, die Stufe 3 (Building Readiness) von Stufe 5 (Built for AI) trennt.
Operative Reife korreliert über den gesamten Datensatz hinweg am stärksten mit KI-Erfolg im DAM. Sie ist gleichzeitig der einzige Faktor, den eine Organisation aktiv aufbauen kann. Einkaufen lässt sie sich nicht. Sie entsteht über People, Process, Data und Technology hinweg – in dieser Reihenfolge ihrer typischen Engpässe. Wer 2026 mit KI im Digital Asset Management Wirkung erzielen will, beginnt nicht mit der Toolauswahl. Sondern mit der ehrlichen Standortbestimmung.
Aus unserer Sicht entscheidet sich in den nächsten sechs Monaten, welche DAM-Programme die Säulen gebaut haben – und welche im Pilotstatus stecken bleiben. Wer vor jeder weiteren KI-Investition die Frage «Stehen die Säulen?» ehrlich beantwortet, spart sich Projekte, die nicht skalieren.Wir analysieren mit Ihnen den Reifegrad Ihrer Content- und Asset-Operations – von Metadatenqualität über Governance bis zur Stack-Integration. Und wir zeigen Ihnen, wo der nächste sinnvolle Schritt liegt.
Operative Reife beschreibt das Zusammenspiel von People, Process, Data und Technology in einer Organisation – also die Grundlagen, auf denen KI im Digital Asset Management überhaupt zuverlässig funktionieren kann. Die Huddart-Studie 2026 misst diese Reife in fünf Stufen und zeigt: Sie korreliert stärker mit KI-Erfolg als jeder andere Faktor.
Weil die Grundlagen fehlen. KI-Anwendungsfälle wie Metadata-Tagging, Workflow-Automatisierung oder Search und Discovery setzen saubere Metadaten, klare Prozesse und integrierte Systeme voraus. Wo diese Grundlagen nicht stehen, bleibt KI im Experimentierstatus – unabhängig von der Wahl der Plattform.
Die Mehrheit liegt auf Stufe 3 von 5 – «Building Readiness». Das reicht, um KI zu testen, aber nicht, um sie zu skalieren. Genau dieser Sprung von Stufe 3 auf Stufe 4 entscheidet, ob KI-Investitionen Wirkung entfalten.
Eine formale KI-Strategie, die konkret regelt, welche Use-Cases priorisiert werden, wer Entscheidungen trifft und an welchen KPIs gemessen wird. Kombiniert mit aktiven KI-Champion-Netzwerken und Trainingsprogrammen hebt sich die Erfolgsquote auf 63 % – gegenüber 54 % im Studien-Durchschnitt.
In unserer digitalen Welt ist die effiziente Verwaltung von Metadaten unerlässlich, um Inhalte schnell zu finden und automatisierte Workflows zu erstellen. Erfahren Sie, wie Metadata Mapping und künstliche Intelligenz die manuelle Arbeit minimiert und das schnelle Auffinden von Inhalten ermöglicht.
Mehr
DAM-Migrationen sind heute Transformationsprojekte. Warum Datenqualität, Governance und Integration über den Erfolg entscheiden, zeigt dieser Beitrag.
Mehr
Die Suche in einem DAM-System entscheidet über Effizienz und Produktivität – denn ein DAM ist nur so gut wie seine Suchfunktionen. Erfahren Sie, warum eine leistungsstarke Suche unverzichtbar ist, welche Technologien die Auffindbarkeit digitaler Assets optimieren und wie KI-gestützte Algorithmen das Suchen und Finden neu definieren.
Mehr
