KI-Literacy Trends 2026: Was die Forschung bewegt
Generiert: 2026-09-18 · Fenster: seit 2025-09 — 1.366 von 4.422 Papers
Hinweis: Frühere Versionen dieses Posts nannten 9.653 Papers — das war ein Zählfehler aus einer früheren Pipeline-Iteration. Das aktuelle, validierte Korpus umfasst 4.422 Papers (100 % Taxonomie-Sättigung, siehe Knowledgebase-Update).
Keyword-Bursts
| Keyword | Kürzlich | Gesamt | Burst |
|---|---|---|---|
| agentic | 45 | 58 | 2,5× |
| agent | 119 | 208 | 1,9× |
| readiness | 46 | 85 | 1,8× |
| eu ai act | 45 | 81 | 1,8× |
| productivity | 52 | 101 | 1,7× |
| compliance | 44 | 82 | 1,7× |
| workshop | 21 | 42 | 1,6× |
| transfer | 15 | 31 | 1,6× |
| framework | 306 | 655 | 1,5× |
| genai | 117 | 261 | 1,5× |
Der klare Aufwärtstrend: agentische KI (agentic 2,5×, agent 1,9×) und
Readiness/Compliance (beide 1,8×) — genau die Schnittmenge, in der
Organisationen jetzt Handlungsdruck haben.
Am schnellsten wachsende Zellen
| Zelle | Kürzlich | Gesamt | Anteil kürzlich |
|---|---|---|---|
org-implementation/evaluation | 1 | 1 | 100 % |
ai-literacy-construct/evaluation | 3 | 4 | 75 % |
higher-education/review | 6 | 8 | 75 % |
compliance/systems | 31 | 43 | 72 % |
roi-measurement/systems | 22 | 32 | 69 % |
teacher-ai-literacy/evaluation | 4 | 6 | 67 % |
roi-measurement/application | 44 | 68 | 65 % |
compliance/application | 49 | 79 | 62 % |
org-implementation/mechanism | 6 | 10 | 60 % |
compliance/mechanism | 13 | 22 | 59 % |
Was das für das ALaaS-Forschungsprogramm bedeutet
- Compliance-Zellen wachsen am schnellsten (
compliance/systems72 %,compliance/application62 %) — der EU AI Act treibt die Forschung. Die Implementierungs- und Evaluations-Guides sind die richtigen Wetten. - Evaluation bleibt die dünnste, am schnellsten wachsende Achse —
*/evaluation-Zellen liegen im Opportunity-Ranking vorn. Genau dort sitzt unser Evaluations-Framework (Phase 4) und die Assessment-Spec (Phase 5). - Agentische KI ist der Keyword-Burst mit dem höchsten Content-Wert — die Zielgruppen-Posts (Kinder, Senioren, Business) sollten agentische Beispiele aufgreifen, bevor das Feld sie mainstreamt.
Neu generieren mit PYTHONIOENCODING=utf-8 python3 tools/trend_scanner.py --months 12.