PEACOQ setzt genau da an: Datenerfassung, Datenstrukturierung und das gezielte Zusammenführen von Informationen – damit Teams …

• Inhalte sauber erfassen und organisieren können (z. B. Ideen, Beiträge, Signale, Profile, Ressourcen),
• Zusammenhänge in Daten verstehen und erkunden können (z. B. Muster, Cluster, Entwicklungen),
• und Daten aktiv zusammenführen können (z. B. aus Einreichungen, Recherchen, Feedback und externen Quellen).

Je nach Projekt liegt der Schwerpunkt anders: mal stärker auf Steuerung und Workflow (Innovation, Community), mal stärker auf Erkunden und Verstehen (Foresight, Innovation), mal stärker auf Kuratieren und Zusammenführen (alle drei). Mehr Hintergrund zu PEACOQ findest du hier: peacoq.net.

Ein Beispiel aus der Praxis: Bewertungslogiken in Innovationswettbewerben

Aktuell begleiten wir mit PEACOQ u. a. einen Innovationswettbewerb (T-Challenge). Dort wird deutlich, was strukturierte Datenräume leisten: In der Evaluationsphase hilft PEACOQ dabei, Beiträge schnell sichtbar zu machen, vergleichbar einzuordnen und Entscheidungen nachvollziehbar vorzubereiten – gerade dann, wenn viele Expert*innen, Kriterien und Perspektiven beteiligt sind.

Wichtig: Das ist nur ein Anwendungsfall. PEACOQ ist nicht „die Bewertungsplattform“, sondern ein Baukasten für datenbasierte Zusammenarbeit in unterschiedlichen Prozesslogiken.

Warum unser Fokus zuletzt stark Richtung KI ging

Im letzten Jahr hat sich unser PEACOQ-Fokus spürbar Richtung KI verschoben – aus zwei Gründen:

1. KI in der Entwicklung: Wir nutzen KI inzwischen selbstverständlich, um Entwicklungs- und Konzeptarbeit schneller zu iterieren (z. B. beim Prototyping, in der Textarbeit, beim Strukturieren von Anforderungen).
2. KI in der Plattform: Gleichzeitig wächst die Nachfrage, KI direkt in der Plattformarbeit zu nutzen – nicht als „Spielerei“, sondern als konkrete Unterstützung in datenreichen Prozessen.

PEACOQ ist dafür ein idealer Ort: Viele Projekte scheitern an dem Punkt, an dem Daten zwar vorhanden sind, aber niemand sie schnell genug finden, einordnen und verbinden kann.

Welche KI-Funktionen wir bereits umgesetzt haben

In PEACOQ haben wir bereits mehrere KI-nahe Funktionen entwickelt und implementiert, u. a.:

• Content-Generierung: Unterstützung beim Erstellen von Inhalten (Text, teilweise auch Bild)
• Pre-Screening: Vorsortierung/Erstbewertung von Inhalten, um Reviews zu erleichtern
• Automatisiertes Erfassen & Vervollständigen: Daten anreichern, Lücken schließen, Felder konsistent machen
• Netzwerkgrafiken & Verbindungsvorschläge: KI schlägt relevante Beziehungen zwischen Datensätzen vor (z. B. thematische Nähe, ähnliche Akteure, gemeinsame Referenzen) und macht sie in Netzwerkvisualisierungen sichtbar

Das Ziel dahinter ist immer dasselbe: weniger Reibung im Workflow – mehr Fokus auf Inhalt und Entscheidung.

Der nächste große Schritt: AI-Features „peu à peu“

Aktuell integrieren wir schrittweise weitere KI-Funktionen und bauen bestehende aus. Ein zentrales neues Element ist dabei ein AI-Chatbot, der in einem laufenden Projekt entsteht.

Wichtiger als der Chat als Feature ist für uns, was er an der Plattformnutzung verändert: Er verschiebt die Interaktion mit Daten von „Suchen und Klicken“ hin zu „Fragen, Verstehen, Verbinden“.

Statt sich durch Listen, Filter und einzelne Datensätze zu arbeiten, können Nutzer*innen direkt mit dem Datenraum in einen Dialog gehen – zum Beispiel:

• Was sind aktuell die wichtigsten Themen in diesem Datenbestand?
• Welche Einträge hängen zusammen – und worüber?
• Was hat sich seit dem letzten Stand verändert?
• Zeig mir alles Relevante zu X und ordne es nach Y.

Kurz: Daten werden ansprechbar – und damit leichter zugänglich, gerade bei großen, komplexen Datenräumen. Gleichzeitig bleibt (und das ist entscheidend) die Struktur erhalten: Antworten lassen sich auf konkrete Datensätze zurückführen, nachvollziehen und im Team weiterbearbeiten.

Zweiter Entwicklungsstrang: PEACOQ als White-Label-Lösung zum Selbst-Konfigurieren

Parallel dazu treiben wir eine Entwicklung voran, die unser Angebot perspektivisch stark verändern kann:

Bisher entsteht PEACOQ vor allem individuell pro Kundenprojekt: Wir entwickeln Setups passend zu Prozess, Datenlogik und Nutzergruppen. Das bleibt wichtig – aber langfristig wollen wir PEACOQ als konfigurierbare White-Label-Lösung entwickeln.

Die Vision: Kund*innen können sich ihr System zusammenstellen – je nach Bedarf als …

• Innovationsmanagement-Tool,
• Foresight Suite,
• oder Community-Plattform,

… ohne jedes Mal eine komplette Individualentwicklung zu starten.

Das ist ein großer Schritt – technisch, inhaltlich und auch für die Zusammenarbeit mit Kund*innen: Es verschiebt sich von „Wir bauen euch etwas“ hin zu „Ihr konfiguriert eure Suite – und wir begleiten euch dabei strategisch, methodisch und technisch“.

Was das für die kommenden Monate bedeutet

Dieses Jahr wird PEACOQ an einigen Stellen grundlegend umgebaut: Modularisierung, KI-Integration, klare Konfigurationslogiken. Nicht, weil wir „mehr Features“ wollen, sondern weil wir ein Produkt entwickeln, das skalierbar, anpassbar und langfristig tragfähig ist.

Wir sind mittendrin im Umbau – und hoffen, bald konkretere Einblicke teilen zu können.