
Digitale Plattformen prägen seit Jahren unseren Alltag. Ob wir online einkaufen, Unterkünfte buchen oder Musik streamen, Plattformen wie Amazon, Airbnb, oder Spotify verbinden Menschen, Unternehmen und Informationen auf effiziente Weise. Ihr Erfolg beruhte bislang vor allem darauf, Angebot und Nachfrage zusammenzubringen, Netzwerkeffekte zu schaffen und große Mengen an Daten auszuwerten.
Mit dem rasanten Fortschritt der generativen künstlichen Intelligenz (GenAI), beginnt nun jedoch eine neue Entwicklungsphase. Im Gegensatz zu traditioneller KI, die hauptsächlich Muster erkennt, kann GenAI Kontexte verstehen, aus Beispielen lernen und völlig neue Inhalte wie Texte, Code, Bilder und Videos erschaffen.
Dieser Wandel verändert sowohl das Nutzererlebnis als auch die Geschäftsmodelle digitaler Plattformen grundlegend. Nach Wessel et al. (2025) lassen sich vier zentrale Mechanismen beobachten, welche die Spielregeln und Funktionsweisen von Plattformen neu definieren:
Statt nur vordefinierte, starre Abläufe auszuführen, übernimmt GenAI nun komplexe kognitive und kreative Aufgaben, die zuvor menschliche Intelligenz erforderten. Schnittstellen und Werkzeuge (Boundary Resources) entwickeln sich dadurch von passiven Zugängen zu aktiven, intelligenten Vermittlern, die natürlichen Sprachkontext verstehen, aus Beispielen lernen und flexible Lösungen für unstrukturierte Anfragen generieren. Beispiele wie GitHub Copilot, das in natürlicher Sprache formulierte Programmieranforderungen ableiten kann, Upwork beim KI-gestützten Freelancer-Matching oder TikTok bei der Inhaltsmoderation zeigen, wie sich die Möglichkeiten für und auf Plattformen dadurch verändern.
Gleichzeitig wirft diese Entwicklung grundlegende Fragen zur Plattform-Governance auf. Es geht vor allem darum, wer am Ende die Verantwortung trägt und wie viel menschliche Kontrolle in zunehmend automatisierten Prozessen überhaupt nötig ist. Wenn Systeme immer mehr Entscheidungen eigenständig treffen, verschwimmen schnell die Haftungsfragen bei Fehlern. Plattformbetreiber stehen deshalb vor der Aufgabe, diese KI-Funktionen so clever zu gestalten und einzubinden, dass sie den Wert der Plattform tatsächlich steigern, statt Vertrauen, Governance und Qualität zu gefährden.
In der Vergangenheit erforderte die aktive Teilnahme an der Wertschöpfung von Plattformen oft spezielle Fähigkeiten, wie etwa Programmieren für Apps oder Design-Know-how für Marketinginhalte. GenAI baut kognitive und technische Hürden, die die Teilnahme früher einschränkten, ab, indem es komplexe Fähigkeiten über intuitive Benutzeroberflächen zugänglich macht. Dies zeigt sich beispielsweise in der Text-to-Design-Funktion von Canva, die es auch Nicht-Designern ermöglicht, professionelle visuelle Inhalte zu erstellen, indem sie ihre Anforderungen in einfacher Sprache beschreiben.
Diese Demokratisierung befeuert Netzwerkeffekte, da plötzlich eine viel größere und diversere Gruppe von Nutzer*innen aktiv zur Plattform beitragen kann. Für Plattformbetreiber bringt das jedoch neue Hürden mit sich: Wenn durch KI-Tools plötzlich viel mehr Inhalte oder Beiträge auf eine Plattform strömen, wird es schwerer, echte von gefälschten oder minderwertigen Beiträgen zu unterscheiden. Gleichzeitig geraten bestehende Akteur*innen unter Druck, wenn automatisierte Lösungen ihre Arbeit teilweise ersetzen oder entwerten. Plattformbetreiber müssen deshalb neue Regeln entwickeln. Das Ziel muss sein, einerseits die Barrieren für neue Teilnehmer niedrig zu halten, gleichzeitig aber hohe Qualitätsstandards zu sichern und die Interessen der bisherigen Leistungsträger zu schützen.
Plattformen leben davon, Nutzer*innen relevante Inhalte zu bieten. Mit GenAI entwickelt sich dies zur Hyper-Personalisierung. Anstatt nur auf standardisierte Interaktionen zu setzen, synthetisiert GenAI riesige Datenmengen, um Inhalte auf individueller Ebene in Echtzeit neu zu generieren. Spotify nutzt beispielsweise KI, um aus dem Hörverhalten ihrer Nutzer*innen personalisierte Playlists wie den „Discover Weekly“ oder individuelle Musikempfehlungen zu erstellen. Gleichzeitig liefern die Interaktionen der Nutzer*innen, beispielsweise abgespielte Songs, Likes oder Überspringen von Titeln, die Daten, mit denen die KI laufend dazulernt und ihre Empfehlungen verbessert. So profitieren sowohl die Nutzer*innen von einem individuelleren Angebot als auch die Plattform von einem attraktiveren Service.
Maßgeschneiderte Inhalte und individuelle Interaktionen binden Nutzer*innen deutlich stärker an die Plattform und steigern das Engagement enorm. Auf der anderen Seite nehmen Risiken wie Filterblasen, ausufernde Datensammlungen, Datenschutzprobleme und die Gefahr gezielter Manipulation zu. Für Plattformbetreiber wird Governance damit zur Gratwanderung, bei der die Vorteile der Hyper-Personalisierung nicht auf Kosten von Nutzerschutz und ethischer Verantwortung gehen dürfen.
Innovation auf digitalen Plattformen verabschiedet sich vom rein menschzentrierten Ansatz: Durch GenAI entsteht kollaborative Innovation. GenAI ist dabei längst kein stummes Werkzeug mehr, das nur Befehle ausführt, sondern ein aktiver Partner im kreativen Prozess. Durch kontinuierliche Feedbackschleifen entwickeln Mensch und KI gemeinsam Ideen weiter, die keiner von beiden alleine erschaffen könnte, wie etwa beim Programmieren mit GitHub Copilot, oder beim Designen mit Adobe Firefly. Das Ziel ist also nicht, den Menschen zu ersetzen, sondern durch intelligente Synergien völlig neue kreative Freiräume zu schaffen. Für Plattformbetreiber heißt das allerdings auch, dass sie künftig Regeln schaffen müssen, die diese Co-Creation fördern, ohne die menschliche Kontrolle und Kreativität einzuschränken.
GenAI verändert die Rahmenbedingungen für digitale Plattformen grundlegend. Sie liefert enorme Effizienz- und Innovationsvorteile, erzwingt aber zeitgleich ein völliges Umdenken in der Governance.
Wer tiefer in die Details eintauchen möchte, findet das vollständige Paper hier:
Wessel, M., Adam, M., Benlian, A., Majchrzak, A., & Thies, F. (2025). Generative AI and its Transformative Value for Digital Platforms. Journal of Management Information Systems, 42(2), 346–369. https://doi.org/10.1080/07421222.2025.2487315
| Cookie | Dauer | Beschreibung |
|---|---|---|
| cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
| cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
| cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
| cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
| cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
| viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
