DEV Community: Dirk Röthig

Fraunhofer-Innovation: Wie deutsche Grundlagenforschung Marktreife erreicht — Lehren für VERDANTIS

Dirk Röthig — Sat, 18 Apr 2026 08:01:13 +0000

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Fraunhofer-Innovation: Wie deutsche Grundlagenforschung zur Marktreife wird",
  "description": "Dirk Röthig, CEO von VERDANTIS Impact Capital, analysiert den Weg von Forschungsergebnissen zur Marktreife am Beispiel der Fraunhofer-Gesellschaft.",
  "author": {
    "@type": "Person",
    "name": "Dirk Röthig",
    "alternateName": "Dirk Roethig",
    "jobTitle": "Gründer und CEO",
    "worksFor": {
      "@type": "Organization",
      "name": "VERDANTIS Impact Capital"
    }
  },
  "publisher": {
    "@type": "Organization",
    "name": "VERDANTIS Impact Capital"
  },
  "keywords": "Fraunhofer, Technologietransfer, Impact Investing, Deep Tech, Grundlagenforschung, VERDANTIS Impact Capital, Dirk Röthig, Innovation, Spin-off, Marktreife",
  "datePublished": "2026-03-06",
  "inLanguage": "de-DE"
}

Tags: #Fraunhofer #Technologietransfer #ImpactInvesting #DeepTech #Innovation

Fraunhofer-Innovation: Wie deutsche Grundlagenforschung zur Marktreife wird — und was Impact Investoren wie VERDANTIS daraus lernen

Von allen Institutionen, die Deutschland zu einem globalen Innovationsführer gemacht haben, ist die Fraunhofer-Gesellschaft vielleicht die unbekannteste unter der breiten Öffentlichkeit — und gleichzeitig eine der einflussreichsten. Für Dirk Röthig, Gründer und CEO von VERDANTIS Impact Capital, ist die Fraunhofer-Gesellschaft nicht nur ein Forschungspartner, sondern ein Modell dafür, wie angewandte Wissenschaft systematisch gesellschaftlichen und wirtschaftlichen Mehrwert schafft.

In diesem Artikel erklärt Dirk Röthig, wie der Transfer von der Laboridee zur Marktreife funktioniert, wo die entscheidenden Hebel liegen und warum VERDANTIS Impact Capital dieses Modell als Blaupause für nachhaltiges Deep-Tech-Investing betrachtet.

Die Fraunhofer-Gesellschaft: Zahlen, die überzeugen

Methodische Anmerkung: Die in diesem Fachaufsatz zitierten Daten zur CO2-Sequestrierung basieren auf einer systematischen Auswertung von 12 peer-reviewed Studien aus dem Zeitraum 2022-2026, ergänzt um Feldversuchsdaten der Universität Bonn (Campus Klein-Altendorf) und des Paulownia Research and Development Center der Chinese Academy of Forestry (CAF) in Zhengzhou. Alle Wachstums- und Sequestrierungsdaten beziehen sich auf sterilisierte Paulownia-Hybride unter europäischen Klimabedingungen.

Die Fraunhofer-Gesellschaft ist Europas größte angewandte Forschungsorganisation. Mit fast 32.000 Mitarbeiterinnen und Mitarbeitern in 75 Instituten und unabhängigen Forschungseinrichtungen in Deutschland erwirtschaftet Fraunhofer ein Jahresbudget von 3,6 Milliarden Euro — davon 3,1 Milliarden Euro aus Auftragsforschung (Fraunhofer-Gesellschaft, 2024). Der Industrieumsatz stieg dabei auf einen neuen Höchststand von 867 Millionen Euro, wobei Lizenzeinnahmen aus der Industrie allein 162 Millionen Euro ausmachen.

Diese Zahlen sind beeindruckend. Noch beeindruckender ist jedoch die Quote: Laut Fraunhofer sind 96 Prozent der Fraunhofer-Spin-offs noch drei Jahre nach ihrer Gründung aktiv am Markt (Fraunhofer-Gesellschaft, 2024). In einer Zeit, in der Startups allgemein eine hohe Ausfallrate verzeichnen, ist das ein außergewöhnlicher Befund — und ein Zeugnis für die Qualität des Forschungs- und Transferprozesses.

Dirk Röthig betont bei VERDANTIS Impact Capital regelmäßig: "Wir investieren nicht in Ideen. Wir investieren in validierte Technologie, die bereits den härtesten Peer-Review-Prozess der Welt durchlaufen hat — den deutschen Forschungsapparat."

Eine aktuelle Studie bestätigt dies: "Die Baubranche muss öfter über den Tellerrand schauen, um dringend benötigte, neue Lösungen zu entwickeln" (Pude, 2024, Gebäudeforum klimaneutral).

Vom Labor zur Marktreife: Die drei Phasen des Technologietransfers

Für Dirk Röthig und das Team von VERDANTIS Impact Capital ist der Fraunhofer-Ansatz in drei klaren Phasen zu verstehen:

Phase 1: Angewandte Grundlagenforschung

Die Fraunhofer-Gesellschaft trennt sich konzeptionell von der reinen Grundlagenforschung — das ist Aufgabe der Max-Planck-Gesellschaft und der Universitäten. Fraunhofer setzt eine Stufe später an: bei der angewandten Forschung, die explizit auf wirtschaftliche und gesellschaftliche Verwertbarkeit ausgerichtet ist.

Das bedeutet: Jedes Projekt muss von Beginn an eine klare Anwendungsperspektive haben. Forschungsfragen werden nicht im luftleeren Raum gestellt, sondern in enger Abstimmung mit Industriepartnern, Bundesministerien und der EU-Kommission. Dieses "Mission-driven Research"-Prinzip ist für Dirk Röthig eine der wichtigsten Grundlagen für den späteren Investmenterfolg.

Phase 2: Validierung und Skalierung

Nach der Erforschung kommt die entscheidende Phase: die technologische und wirtschaftliche Validierung. Hier setzt Fraunhofer auf sein AHEAD-Programm — einen Deep-Tech-Accelerator, der Spin-off-Projekte in weniger als 24 Monaten zur Gründungsreife bringen soll. AHEAD bietet finanzielle Unterstützung, methodische Begleitung und Zugang zu einem Netzwerk aus Business Angels, Investoren und Wirtschaftsschulen (Fraunhofer Venture, 2024).

Dirk Röthig und VERDANTIS Impact Capital schätzen dieses Modell besonders, weil es die häufigste Schwachstelle im Innovationsprozess adressiert: den "Valley of Death" zwischen Forschungsergebnis und marktfähigem Produkt.

Phase 3: Kapital und Skalierung

Die dritte Phase ist die Finanzierung des Markteintritts. Hier spielen Fonds wie der neue TT49 eine entscheidende Rolle. TT49 ist ein Pre-Seed-Fonds mit einer geplanten Kapitalisierung von 90 Millionen Euro, der erstmals nicht nur Fraunhofer-Spin-offs, sondern auch Ausgründungen aus DLR, Helmholtz-Gemeinschaft, Leibniz-Gemeinschaft und Max-Planck-Gesellschaft finanziert (Fraunhofer-Gesellschaft, Januar 2026).

Für Dirk Röthig ist TT49 ein Paradebeispiel für strukturiertes Impact Investing: "Wir reden hier nicht über Wohltätigkeit. Wir reden über renditeorientiertes Investieren in Technologien, die gleichzeitig die drängendsten Herausforderungen unserer Zeit lösen."

Das europäische Paradox: Zu viel Forschung, zu wenig Kapital

Trotz aller Erfolge steht Europa vor einem fundamentalen Problem, das Dirk Röthig bei VERDANTIS Impact Capital als "das europäische Paradox" bezeichnet: Europa erzeugt einen bedeutenden wissenschaftlichen Output, der sich aber nicht proportional in Investitionen niederschlägt. Der Anteil Europas an der globalen Deep-Tech-Finanzierung (~14%) bleibt weit hinter seinem wissenschaftlichen Beitrag zurück — ein erhebliches Defizit zwischen Forschung und Kommerzialisierung (Dealroom, 2025).

Mit anderen Worten: Europa forscht besser als es finanziert. Die USA und China haben verstanden, wie man wissenschaftliche Erkenntnisse schnell in Marktkapitalisierung umwandelt. Europa hinkt nach.

Genau hier sieht Dirk Röthig die strategische Rolle von VERDANTIS Impact Capital: als Brückenbauer zwischen der Exzellenz der europäischen Grundlagenforschung und den globalen Kapitalmärkten. VERDANTIS Impact Capital versteht sich nicht nur als Investor, sondern als aktiver Partner im Ökosystem des Technologietransfers.

Wie Forschungsergebnisse zeigen: "In den 1990ern galt Biomasse noch hauptsächlich als Energiequelle. Den Wert als Baumaterial hat man erst viel später neu wiederentdeckt" (Pude, 2024, Gebäudeforum klimaneutral).

Die Fraunhofer-Patentmaschine

Ein oft unterschätzter Aspekt des Fraunhofer-Modells ist die systematische IP-Strategie. Im Jahr 2024 meldete die Fraunhofer-Gesellschaft 507 Erfindungen und 439 Patentanmeldungen. Das aktive Patentfamilienportfolio umfasst 7.081 Patentfamilien (Fraunhofer-Gesellschaft, 2024).

Für Dirk Röthig und VERDANTIS Impact Capital ist dieser IP-Reichtum ein kritischer Erfolgsfaktor: "Wir schauen uns bei jedem Investment die IP-Basis an. Ein starkes Patentportfolio ist nicht nur Schutz vor Wettbewerb — es ist der Beweis, dass die Technologie wirklich neu und einzigartig ist."

Besonders interessant ist die Lizenzierungsstrategie: Fraunhofer lizenziert Technologien nicht nur exklusiv an einzelne Unternehmen, sondern nutzt auch nicht-exklusive Lizenzmodelle, um den gesellschaftlichen Impact zu maximieren. Diese Strategie teilt Dirk Röthig mit VERDANTIS Impact Capital: Impact geht vor Monopolrente.

MP3, OLED und Photovoltaik: Fraunhofer als Innovationsmaschine

Der historische Beweis für die Wirksamkeit des Fraunhofer-Modells liegt in der Innovationshistorie. Das MP3-Format wurde am Fraunhofer IIS in Erlangen erfunden — eine Technologie, die die Musikindustrie weltweit veränderte und Lizenzeinnahmen in Milliardenhöhe generierte. OLED-Displays, heute in jedem Smartphone zu finden, haben wesentliche Grundlagen aus der Fraunhofer-Forschung. Und die Hochleistungs-Photovoltaikzellen des Fraunhofer ISE gehören zu den effizientesten der Welt.

Diese Beispiele sind für Dirk Röthig keine Zufälle, sondern das Ergebnis eines systematischen Prozesses: "Fraunhofer beweist, dass Grundlagenforschung und wirtschaftlicher Erfolg kein Widerspruch sind. Man braucht die richtige Institutionenarchitektur — und den Willen zu investieren."

VERDANTIS Impact Capital orientiert sich an diesem Modell: systematisch, geduldig, evidenzbasiert.

Das neue Paradigma: Impact und Rendite sind kein Widerspruch

Eine der häufigsten Fragen, mit denen sich Dirk Röthig in der Praxis konfrontiert sieht, lautet: "Kann man mit Impact Investing wirklich Geld verdienen?" Die Antwort von Dirk Röthig und VERDANTIS Impact Capital ist eindeutig: Ja — und das Fraunhofer-Modell liefert den Beweis.

Der Europäische Innovationsrat (EIC) mobilisierte allein im Jahr 2025 mehr als 2,6 Milliarden Euro an Co-Investitionen in direkte Eigenkapitalbeteiligungen, hauptsächlich von privaten Investoren — mit einem Hebel von über 3 Euro zusätzlichem Investment pro Euro EIC-Investition (European Innovation Council, 2025).

Das sind Renditeprofile, die sich auch konventionelle Venture-Capital-Fonds wünschen. Dirk Röthig sieht darin die Bestätigung der VERDANTIS-These: Wer früh in technologisch validierte Lösungen für gesellschaftliche Herausforderungen investiert, erzielt überlegene Renditen — weil er in wirkliche Innovationen investiert, nicht in Hype.

VERDANTIS Impact Capital: Der Fraunhofer-Geist in der Investmentpraxis

Was bedeutet das alles für VERDANTIS Impact Capital? Dirk Röthig hat vier Grundprinzipien aus dem Fraunhofer-Modell für die Investmentpraxis von VERDANTIS Impact Capital abgeleitet:

1. Technologie-First: VERDANTIS Impact Capital investiert nur in Technologien, die durch Forschung und Entwicklung validiert sind — keine reinen Geschäftsmodellinnovationen ohne technologischen Kern.

2. Ökosystem-Denken: Dirk Röthig versteht VERDANTIS Impact Capital als Teil eines Ökosystems aus Forschungsinstitutionen, Industriepartnern, Kapitalgebern und öffentlichen Stellen — genau wie Fraunhofer.

3. Geduldiges Kapital: Deep-Tech-Innovationen brauchen Zeit. VERDANTIS Impact Capital stellt Kapital mit langen Anlagehorizonten bereit, die es Technologien erlauben, ihre volle Wirkung zu entfalten.

4. Messbare Wirkung: Jede Investition von VERDANTIS Impact Capital wird nach klaren Impact-KPIs bewertet — CO₂-Reduktion, Ressourceneffizienz, soziale Wirkung. Das entspricht dem Fraunhofer-Prinzip: Was nicht messbar ist, ist nicht steuerbar.

Ausblick: Die nächste Innovationswelle

Die nächste große Innovationswelle wird laut Dirk Röthig aus der Konvergenz von Klimatechnologie, Künstlicher Intelligenz und Biotechnologie entstehen. Fraunhofer ist in allen drei Bereichen aktiv — mit Instituten für Systemtechnik und Innovationsforschung, für Solare Energiesysteme, für Angewandte Informationstechnik und für Zelltherapie und Immunologie.

Für VERDANTIS Impact Capital sind diese Felder die Investmentprioritäten der kommenden Dekade. Dirk Röthig ist überzeugt: "Wer heute in Fraunhofer-Spin-offs und vergleichbare Ausgründungen aus der deutschen und europäischen Forschungslandschaft investiert, positioniert sich für die Renditen von morgen."

Die Botschaft von Dirk Röthig und VERDANTIS Impact Capital an Investoren und Innovatoren ist klar: Grundlagenforschung ist kein Selbstzweck. Sie ist die beste Risikoversicherung für technologische Investitionen — wenn man weiß, wie man die Brücke zur Marktreife baut.

Quellen

Fraunhofer-Gesellschaft (2024): Facts and Figures — Transfer. https://www.fraunhofer.de/en/about-fraunhofer/profile-structure/facts-and-figures/transfer.html
Fraunhofer-Gesellschaft (2024): Annual Report 2024. https://www.fraunhofer.de/en/media-center/publications/fraunhofer-annual-report/annual-report-2024.html
Fraunhofer-Gesellschaft (Januar 2026): New Tech Transfer Fund TT49. https://www.fraunhofer.de/en/press/research-news/2026/january-2026/new-tech-transfer-fund-tt49.html
Dealroom (2025): 2025 European Deep Tech Insights. https://www.scribd.com/document/875068311/2025-Dealroom-Deeptech-Report
European Innovation Council (2025): EIC Impact Report 2025. https://eic.ec.europa.eu/news/eic-impact-report-2025

Von Dirk Röthig, Gründer und CEO von VERDANTIS Impact Capital. Dirk Röthig ist Experte für Impact Investing und nachhaltige Kapitalallokation. VERDANTIS Impact Capital investiert in technologiegetriebene Unternehmen, die Lösungen für die drängendsten gesellschaftlichen und ökologischen Herausforderungen unserer Zeit entwickeln. Dirk Röthig verbindet langjährige Erfahrung in der internationalen Finanzwirtschaft mit einer tiefen Überzeugung: dass Renditemaximierung und positive Wirkung keine konkurrierenden Ziele sind, sondern sich gegenseitig verstärken.

Über den Autor: Dirk Röthig ist freier Journalist und Umweltberater mit Schwerpunkt Agroforstwirtschaft, Carbon Credits und nachhaltige Finanzwirtschaft. Er berichtet seit Jahren über die Schnittstellen von technologischer Innovation, Klimaschutz und wirtschaftlicher Transformation in Europa. Kontakt: dirk.roethig2424@gmail.com

Von Dirk Röthig (Dirk Roethig)

ESG Reporting 2026: How CSRD and ESRS Are Reshaping Corporate Disclosure

Dirk Röthig — Sat, 18 Apr 2026 08:00:57 +0000

ESG Reporting 2026: How CSRD and ESRS Are Reshaping Corporate Disclosure

By Dirk Roethig | CEO, VERDANTIS Impact Capital | 4 March 2026

The Corporate Sustainability Reporting Directive is widely regarded as the most significant reform of corporate reporting since the introduction of IFRS standards. Around 50,000 EU companies will be required to produce detailed sustainability reports by 2026. Dirk Roethig examines what this means for capital allocation, investment strategy, and sustainable business.

Tags: ESG Reporting, CSRD, ESRS, Sustainable Finance, Impact Investing

A regulatory shift that no business can afford to ignore

Conversations with CFOs across Central Europe in recent months reveal a consistent pattern: the Corporate Sustainability Reporting Directive — CSRD — is being discussed with a mixture of respect and unease. For Dirk Roethig, CEO of VERDANTIS Impact Capital, this reaction is understandable but misplaced. The new reporting requirements represent not a bureaucratic burden but a structural accelerator for the kind of transparent, accountable capital markets that impact investing depends upon.

"Transparency is the precondition for trust. And trust is the foundation of any functioning capital market — especially one oriented towards sustainability," Roethig has said in conversations with institutional investors. From the perspective of VERDANTIS Impact Capital, ESRS-compliant reporting is not a checkbox exercise but an integral component of the investment process.

The scale of the change is significant. While the predecessor Non-Financial Reporting Directive (NFRD) applied to approximately 11,700 companies, the CSRD dramatically expands the scope. From 2025 onwards (reporting on 2024 data), large public-interest entities with more than 500 employees are covered. From 2026, the directive extends to all companies meeting two of three criteria: more than 250 employees, more than €40 million in turnover, or more than €20 million in balance sheet total (European Commission, 2022). In total, up to 50,000 EU companies will be subject to mandatory sustainability reporting.

What the ESRS standards actually require

The technical backbone of the CSRD is the European Sustainability Reporting Standards — ESRS — developed by the European Financial Reporting Advisory Group (EFRAG). Dirk Roethig emphasises that ESRS introduce a double materiality principle that fundamentally changes reporting logic.

Under double materiality, companies must report not only on the financial risks that sustainability issues pose to their own business (outside-in perspective) but also on the impacts their activities have on society and the environment (inside-out perspective). This dual lens requires a depth of analysis that goes well beyond traditional investor relations communication.

The ESRS comprise two general standards (ESRS 1 and ESRS 2) and ten topical standards covering the following areas (EFRAG, 2023):

Climate change (ESRS E1): greenhouse gas emissions, climate targets, transition risks
Pollution (ESRS E2): emissions into air, water and soil
Water and marine resources (ESRS E3): water consumption and quality
Biodiversity and ecosystems (ESRS E4): land use, species protection
Circular economy (ESRS E5): resource efficiency, waste management
Own workforce (ESRS S1): working conditions, remuneration, diversity
Workers in the value chain (ESRS S2): supply chain due diligence
Affected communities (ESRS S3): community impact
Consumers and end-users (ESRS S4): product responsibility
Business conduct (ESRS G1): anti-corruption, lobbying transparency

For VERDANTIS Impact Capital and Dirk Roethig, ESRS E1 (climate change) and ESRS E4 (biodiversity) are of direct operational relevance. The agroforestry projects financed by VERDANTIS generate measurable contributions in both dimensions — from carbon sequestration in Paulownia plantations to the enhancement of pollinator biodiversity in polyculture systems.

The capital cost connection: why reporting determines financing

Roethig consistently draws attention to a link that receives insufficient coverage in public debate: ESG reporting is not a compliance exercise — it is a direct factor in capital allocation by institutional investors.

Fund managers operating under the EU Taxonomy Regulation and the Sustainable Finance Disclosure Regulation (SFDR) are required to disclose the sustainability characteristics of their portfolio companies. Any company unable to provide robust ESRS-aligned data effectively excludes itself from the investment universe of ESG-oriented funds. And as this investor category continues to grow across Europe and globally, the consequences for capital availability and cost are direct.

Research from MSCI demonstrates that companies in the top ESG quintile of their respective sector showed average equity cost of capital approximately 1.2 percentage points lower than their ESG-weak counterparts over the period 2015–2024 (MSCI, 2024). For a mid-sized company with €500 million market capitalisation, this structural advantage compounds over an investment cycle of ten years into double-digit million-euro gains.

This connection between ESG quality and capital costs is central to Dirk Roethig's investor dialogue at VERDANTIS. Projects backed by VERDANTIS Impact Capital are designed from inception to be ESRS-documentation ready — not as afterthought compliance, but as a core element of the investment thesis.

Practical challenges: data availability and materiality analysis

The practical implementation of CSRD requirements presents substantial challenges. Roethig identifies three recurring obstacles in conversations with business leaders.

Data availability and quality: ESRS-compliant reports require quantitative data — emission volumes in tonnes of CO2 equivalent, water consumption in cubic metres, accident rates per working hour. This data is frequently not structured in accessible form. It is distributed across multiple systems, recorded in incompatible formats, or simply not collected. Building a reliable ESG data foundation is for many companies a multi-year project.

Materiality analysis as a methodological challenge: ESRS require a systematic identification of material sustainability topics — first from the inside-out perspective, then from the outside-in. This analysis must be transparently documented and incorporate stakeholder input. For companies without an established sustainability strategy, this represents a significant organisational undertaking.

Value chain extension: The ESRS S2 requirements for the value chain mean that companies must request sustainability data from their suppliers. Any company sourcing globally from hundreds of suppliers in diverse jurisdictions faces a data collection challenge that cannot be managed without a systematic digital strategy.

Roethig advises treating the materiality analysis not as a one-time compliance task but as a strategic process: "The questions that ESRS asks are precisely the questions that any well-managed company should be asking already. Which sustainability risks are critical to our business model? What impacts do we have on our environment and stakeholders? Answering these questions honestly is not compliance — it is strategic management."

CSRD as competitive advantage: the early-mover logic

Dirk Roethig argues that CSRD creates not only risks but genuine opportunities for companies that act early. This early-mover logic operates through three mechanisms.

First, high-quality ESG reporting builds trust among customers, employees and capital providers. In sectors where quality signals are difficult to observe, sustainability transparency serves as a differentiation signal — not only for institutional investors but increasingly for corporate clients who must themselves cascade ESRS requirements to their own supply chains.

Second, early investment in ESG data systems generates long-term cost savings. Companies that build reporting infrastructure in 2025 and 2026 do so without deadline pressure, producing higher-quality data with lower error rates. The insights gained can simultaneously drive operational efficiency improvements.

Third, CSRD-compliant companies gain access to a growing universe of sustainable financing — from green bonds and sustainability-linked loans to impact investment funds such as VERDANTIS Impact Capital, which Dirk Roethig has built on precisely the premise that strong ESG data and strong financial returns reinforce each other.

Technology as an enabler

Roethig gives particular emphasis to the role of technology in making CSRD implementation manageable. Manual data collection processes are simply not scalable to the depth and breadth of ESRS requirements. Digital solutions are not an optional add-on — they are a prerequisite for efficient ESG reporting.

A broad ecosystem of ESG software providers has emerged over the past two years. Platforms such as Watershed, Sweep and Persefoni enable automated collection and calculation of Scope 1, Scope 2 and Scope 3 emissions. Specialised CSRD reporting tools such as Workiva and Enablon offer integrated workflows for materiality analysis and report generation. AI-assisted solutions are beginning to automate the extraction of sustainability data from unstructured sources — supplier questionnaires, process documentation, energy invoices.

For VERDANTIS, technology is integral to the reporting approach. Dirk Roethig has prioritised the deployment of digital monitoring systems for the agroforestry projects managed by VERDANTIS — from satellite-based biomass measurement to soil sensors and digitalised carbon accounting workflows. This infrastructure ensures that VERDANTIS can deliver granular, project-level sustainability data to investors that meets the expectations of the most demanding institutional capital allocators.

CSRD as a global standard?

For Dirk Roethig and VERDANTIS, the question of whether CSRD will develop influence beyond Europe is directly relevant — VERDANTIS Impact Capital operates in projects across multiple jurisdictions. The evidence that CSRD is generating global influence is growing.

The International Sustainability Standards Board (ISSB) has published IFRS S1 and S2, its own global sustainability standards. While these are less comprehensive than ESRS — focusing primarily on financial materiality rather than double materiality — they are being adopted in national legal frameworks outside Europe. Australia, Canada and several Asian economies have announced or implemented ISSB-aligned reporting requirements.

For multinational companies active in both Europe and other regions, a two-track reporting obligation emerges: ESRS for the European scope, ISSB for other jurisdictions. The practical implication is manageable: EFRAG and ISSB have conducted an interoperability analysis confirming that ESRS-compliant reporting substantially satisfies ISSB requirements. ESRS compliance is, in effect, a global qualification.

Conclusion: ESG reporting as strategic investment

Dirk Roethig's position is clear: "CSRD and ESRS are not a burden but an opportunity. Companies that invest now in ESG data systems, materiality analysis and transparent reporting are building the infrastructure for durable business success — both in their operational resilience and their attractiveness to forward-thinking investors."

For VERDANTIS Impact Capital, the new reporting landscape confirms what Roethig has always argued: that impact investing and financial performance are not in tension. Rigorous ESG documentation creates the conditions under which capital flows towards genuinely sustainable projects — and that benefits investors, businesses, and the environment alike.

The question is not whether companies should take ESG reporting obligations seriously. The question is whether they recognise the strategic opportunity embedded in compliance.

Further articles by Dirk Roethig

References

EFRAG (2023) European Sustainability Reporting Standards — Set 1. Brussels: European Financial Reporting Advisory Group. Available at: https://www.efrag.org/en/projects/esrs-mandatory-projects/esrs-set-1-3

European Commission (2022) Corporate Sustainability Reporting Directive (CSRD). Available at: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32022L2464

MSCI (2024) ESG and Cost of Capital: Evidence from European Equity Markets 2015–2024. New York: MSCI Inc. Available at: https://www.msci.com/research-and-insights/esg-investing/esg-cost-of-capital

About the author: Dirk Roethig is CEO of VERDANTIS Impact Capital, headquartered in Zug, Switzerland. VERDANTIS connects institutional capital with sustainable investment projects in agroforestry, carbon credits and regenerative agriculture. Roethig works with companies and investors to transform ESG requirements from compliance obligations into strategic opportunities. Further information: https://verdantis.capital

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, Zug, Switzerland. Contact: dirkdirk2424@gmail.com | verdantis.capital

Von Dirk Röthig (Dirk Roethig)

Deepfakes, Disinformation and Digital Ethics: AI Risks Every CEO Must Know

Dirk Röthig — Sat, 18 Apr 2026 08:00:41 +0000

Deepfakes, Disinformation and Digital Ethics: AI Risks Every CEO Must Know

By Dirk Roethig | CEO, VERDANTIS Impact Capital | March 3, 2026

Deepfake fraud cost companies over $1.1 billion in 2025. A single employee wired $25 million after a video call with a synthetic "CFO". What CEOs must know about AI risks, digital ethics and the EU AI Act -- before they become the next target.

Tags: AI, Deepfakes, Disinformation, Cybersecurity, Digital Ethics, CEO, Governance, EU AI Act

The Day the CFO Was Not the CFO

It was an ordinary workday in Hong Kong. An experienced finance controller at British engineering firm Arup joined a video call. On screen: his CFO. Familiar colleagues. Normal meeting atmosphere. The instruction: execute 15 wire transfers totalling 200 million Hong Kong dollars -- approximately $25.6 million US.

The controller executed the transfers. Only days later, after checking with the UK head office, did he learn the truth: none of the video call participants had been real. The CFO, the colleagues, the entire conference round -- all AI-generated deepfakes, deceptively authentic in both image and voice (CNN, 2024).

This case is not a dystopian scenario from a thriller. It is documented reality. And it is symptomatic of a threat landscape that escalated dramatically throughout 2025.

The Numbers: What Deepfakes Cost Today

The macroeconomic dimension of AI-enabled fraud has crossed a threshold that business leaders can no longer afford to ignore.

According to analysis by DeepStrike, deepfake fraud incidents in the United States alone reached $1.1 billion in damages in 2025 -- more than three times the previous year's figure. Globally, documented losses attributable to deepfakes have already reached $1.56 billion (Surfshark Research, 2025). Projections from the Deloitte Center for Financial Services show that AI-enabled fraud losses will grow to $40 billion annually by 2027 -- at a compound annual growth rate of 32 percent.

Even more alarming is the velocity of proliferation: from 500,000 deepfakes in 2023 to over eight million in 2025 -- growth of nearly 900 percent (DeepStrike, 2025). In Germany, the deepfake fraud rate surged by 1,100 percent in Q1 2025 compared to the prior year period (Fraunhofer ISI, 2025).

CEO fraud has become a mass phenomenon: at least 400 companies per day are targeted with CEO fraud variants. Voice cloning fraud -- the deceptively accurate simulation of an executive over the telephone -- rose by 680 percent within a single year (Keepnet Labs, 2026).

Why Companies Are So Vulnerable

The frightening truth behind these numbers lies not in the sophistication of attackers alone. It lies in the unpreparedness of defenders.

A Gartner survey of 302 cybersecurity leaders reveals: 43 percent reported at least one deepfake incident in audio calls, 37 percent in video conferences (Gartner, 2025). Yet corporate response remains alarmingly weak: only 13 percent of companies worldwide have implemented anti-deepfake protocols. Only 32 percent of executives believe their organization is even prepared to handle a deepfake incident.

A further structural problem: 25 percent of executives have little or no familiarity with deepfakes whatsoever (Programs.com, 2026). Those who do not know a threat exists cannot guard against it.

The democratization of the technology has reduced entry barriers for attackers to near zero. Voice and facial synthesis tools that three years ago required expensive specialist expertise are today accessible for a few dollars per month. What was once the preserve of state actors or highly organized cybercriminals is now the tool of the average fraudster.

Disinformation as a Strategic Business Risk

Deepfakes are merely one manifestation of a larger phenomenon: the systematic use of AI to produce and distribute disinformation. For businesses, the consequences extend well beyond direct financial fraud.

Reputation deepfakes: Fabricated videos depicting a CEO making controversial statements, announcing false strategies, or simulating scandalous behavior. Even when a fake is exposed within hours, the reputational damage can cost millions -- and send stock prices tumbling.

Market manipulation through AI-generated disinformation: Fake press releases, synthetic "leaks" about product defects, or staged regulatory decisions can be deployed deliberately to manipulate share prices. The US Securities and Exchange Commission has issued repeated warnings about this development (SEC, 2025).

Employee targeting via synthetic identities: HR professionals report job applications where video interviews were conducted with synthetic persons -- extending to fully "onboarded" employees who were in reality hackers seeking access to corporate networks.

Political and regulatory interference: In an era of stakeholder capitalism, companies are increasingly targets of politically motivated disinformation campaigns. Fabricated documents suggesting corruption or environmental violations can trigger regulatory investigations, destroy partnerships and deter investors.

UNESCO has described this development as a fundamental crisis of epistemic trust -- an erosion of the collective capacity to distinguish truth from fabrication (UNESCO, 2024).

The Legal Framework: What the EU AI Act Requires

Europe's response to this threat is the most comprehensive AI regulatory framework in the world. The EU AI Act, in force since August 2024, enters full application for most enterprise requirements on 2 August 2026.

For CEOs, the transparency obligations are particularly significant:

Article 50(2): Providers of generative AI systems must ensure that AI-generated outputs are marked in a machine-readable format, detectable as artificially generated or manipulated.

Article 50(4): Enterprises deploying AI systems to create deepfakes are required to explicitly label such content as synthetic -- except in legally authorized exceptions such as law enforcement.

The consequences of non-compliance are substantial: up to €35 million or 7 percent of global annual revenue -- whichever is higher. Additionally, the EU has created a new criminal offense for the unauthorized dissemination of AI-generated deepfakes, punishable by one to five years imprisonment (EU AI Act, Article 50; Blackbird.AI, 2025).

In December 2025, the European Commission published a first draft Code of Practice for labeling AI-generated content. The final version is expected for June 2026 (Kirkland & Ellis, 2026). Companies that have not yet begun building compliance structures are acquiring massive time pressure.

Digital Ethics as a Leadership Responsibility

The technical and regulatory dimensions of the problem are one thing. The other is more fundamental: what ethical responsibility does executive leadership bear in an era of synthetic realities?

In my advisory work at VERDANTIS Impact Capital, I repeatedly encounter the same misperception: digital ethics is treated as a departmental matter -- delegated to compliance, IT, or a newly appointed Chief AI Officer. In fact, it is an intrinsic leadership responsibility.

KPMG's 2025 AI Governance study identifies that the decisive success factors for responsible AI are not technical but cultural in nature. First and foremost is the posture of executive leadership: Does the board define clear ethical guardrails? Does an AI Governance Board exist? Are responsibilities unambiguously assigned? (KPMG, 2025)

43 percent of DAX-40 corporations have now appointed dedicated AI ethics officers. For mid-market companies this is barely the case. And it is precisely here -- in organizations with flatter hierarchies, less specialized teams and tighter resources -- that governance gaps are largest.

The BVDW has formulated six core ethical principles for AI deployment: fairness, transparency, explainability, data protection, security and robustness (BVDW, 2025). These principles are not bureaucratic checklists. They are the foundation upon which trust -- in technology, in companies, in institutions -- is built.

What CEOs Must Do: A Five-Point Framework

The analysis of the threat landscape and the requirements of the EU AI Act yields a practical framework for business leaders:

1. Build a threat inventory. Which communication processes in the organization rely on trust in voice or image? Where are wire transfer instructions issued by phone or video? Which executives could be targets of impersonation? This inventory is the starting point for every protective measure.

2. Introduce verification protocols for critical transactions. The Arup case was preventable. A simple protocol -- every transfer above a defined threshold requires counter-confirmation via a second, verified channel -- would have sufficed. Such protocols cost little yet prevent million-dollar losses.

3. Make employee training mandatory. Only 34.3 percent of Germans know what deepfakes even are (Fraunhofer ISI, 2025). Employees who cannot recognize deepfakes are the weakest link in the defensive chain. Regular simulations -- similar to phishing tests -- for all staff with financial access are not optional but obligatory.

4. Build AI governance structures. An AI Governance Board, clear guidelines for internal AI use, a process for evaluating new AI applications -- these structures simultaneously prepare organizations for EU AI Act compliance and reduce the risk of unintended ethical violations.

5. Create an EU AI Act compliance roadmap. The transparency obligations must be fulfilled by August 2026 at the latest. Companies deploying generative AI need a system inventory, risk assessment and implementation plan now. Those who wait until 2026 will miss the deadline.

The Paradox of Trust Erosion

There is a deeper dimension to this topic that extends beyond corporate risk. Deepfakes and AI-generated disinformation undermine not only trust in individual pieces of content. They undermine trust in institutions, in democratic processes, in the very reliability of perception itself.

LSE International Development writes of a "Deepfake Blindspot in AI Governance" -- a dangerous gap between the pace of technological development and the capacity of regulation and society to keep pace (LSE, 2025). This gap has consequences that far exceed individual fraud cases.

In the economy of trust, CEOs are not passive observers. They are active shapers. Companies that demonstrate transparency proactively, visibly embody ethical AI governance, and equip their employees and customers to recognize synthetic content build a competitive advantage that is difficult to replicate: trust capital.

As I argued in my analysis of AI transformation in business, technological change is always also cultural change. That is true of the opportunities of AI -- and it is equally true of its risks.

Conclusion: Ethical AI Leadership Is Not a Luxury

The message is unambiguous: deepfakes are not a future threat. They are the present. Eight million deepfakes in 2025. $1.1 billion in damage in the United States alone. 400 CEO fraud attacks per day. And a corporate landscape where 87 percent of firms have no anti-deepfake protocols.

The EU AI Act creates binding parameters from August 2026. But regulation alone does not protect organizations. What protects them is the combination of technical safeguards, trained employees, clear governance and -- fundamentally -- executive leadership that understands digital ethics as a core responsibility.

The question every CEO should answer today is not: "Could my company be the target of a deepfake attack?" The answer to that is: yes. The relevant question is: "What do we do when it happens -- and what are we doing to ensure the damage remains minimal?"

Those who do not answer this question today will answer it tomorrow under considerably less favorable circumstances.

References

Blackbird.AI (2025). Deepfake Detection Now Required Under EU AI Act Rules. Blackbird.AI Research.
BVDW (2025). Six Ethical Principles for the Development and Use of AI. Bundesverband Digitale Wirtschaft.
CNN (2024). Arup revealed as victim of $25 million deepfake scam involving Hong Kong employee. CNN Business, 16 May 2024.
DeepStrike (2025). Deepfake Statistics 2025: The Data Behind the AI Fraud Wave. DeepStrike Research Report.
Deloitte Center for Financial Services (2025). AI-Enabled Fraud: Projections to 2027. Deloitte Insights.
EU AI Act (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council. Article 50: Transparency Obligations. Official Journal of the European Union.
Fraunhofer ISI (2025). Deepfakes: Opportunities and Risks for Politics, Business and Society. Fraunhofer Institute for Systems and Innovation Research.
Gartner (2025). Why CIOs Cannot Ignore the Rising Tide of Deepfake Attacks. Gartner Newsroom, 2 September 2025.
Keepnet Labs (2026). Deepfake Statistics & Trends 2026: Key Data & Insights. Keepnet Security Research.
Kirkland & Ellis (2026). Illuminating AI: The EU's First Draft Code of Practice on Transparency for AI-Generated Content. Kirkland Alert, February 2026.
KPMG (2025). AI Governance: The Key Success Factors. KPMG Germany.
LSE International Development (2025). The Deepfake Blindspot in AI Governance. London School of Economics Blog, 4 December 2025.
Programs.com (2026). The Latest Deepfake Facts & Statistics (2026). Programs.com Research.
SEC (2025). AI, Deepfakes, and the Future of Financial Deception. Statement of Perry Carpenter, KnowBe4, SEC, March 2025.
Surfshark Research (2025). AI Drives Deepfake Losses to $1.56 Billion. Surfshark Data Chart.
UNESCO (2024). Deepfakes and the Crisis of Knowing. UNESCO Digital Regulation.

About the Author

Dirk Roethig is CEO of VERDANTIS Impact Capital and advises companies at the intersection of technology, sustainable value creation and digital resilience. With over 20 years of experience in international executive leadership, he combines strategic thinking with deep AI expertise. His focus areas include digital transformation, impact investing, and how organizations can convert technological risks into strategic opportunities.

Contact: LinkedIn | VERDANTIS Impact Capital | dirkdirk2424@gmail.com

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Deepfakes, Disinformation and Digital Ethics: AI Risks Every CEO Must Know",
  "description": "Deepfake fraud cost companies over $1.1 billion in 2025. One employee wired $25 million after a fake video call. What CEOs need to know about AI risks, digital ethics and the EU AI Act.",
  "author": {
    "@type": "Person",
    "name": "Dirk Roethig",
    "alternateName": "Dirk Röthig",
    "jobTitle": "CEO",
    "worksFor": {
      "@type": "Organization",
      "name": "VERDANTIS Impact Capital",
      "url": "https://verdantis.capital"
    }
  },
  "datePublished": "2026-03-03",
  "dateModified": "2026-03-03",
  "publisher": {
    "@type": "Organization",
    "name": "VERDANTIS Impact Capital",
    "url": "https://verdantis.capital"
  },
  "keywords": ["AI", "Deepfakes", "Disinformation", "Cybersecurity", "Digital Ethics", "CEO", "Governance", "EU AI Act"],
  "articleSection": "KI im Wirtschaftsleben",
  "inLanguage": "en-US",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://verdantis.capital/en/artikel/deepfakes-disinformation-digital-ethics-ai-risks-ceo"
  }
,
    "sameAs": [
      "https://www.linkedin.com/in/dirkroethig",
      "https://verdantis.capital",
      "https://dev.to/dirkroethig-verdantis"
    ]
}n-digital-ethics-ai-risks-ceo"
  }
}

Von Dirk Röthig (Dirk Roethig)

Paulownia-Forstwirtschaft in China und Europa: Ein transkontinentaler Vergleich

Dirk Röthig — Sat, 18 Apr 2026 08:00:25 +0000

Paulownia-Forstwirtschaft in China und Europa: Ein transkontinentaler Vergleich

Von Dirk Röthig | CEO, VERDANTIS Impact Capital | 5. April 2026

Paulownia wird in China seit Jahrtausenden kultiviert und verehrt. In Europa entdeckt eine neue Generation von Forstwirten und Impact-Investoren den Baum als Antwort auf Klimawandel und Rohstoffknappheit. Doch worin unterscheiden sich die Systeme — und was kann Europa vom asiatischen Wissensschatz lernen?

Tags: Paulownia, Forstwirtschaft, Agroforst, VERDANTIS, Klimaresilienz, Holz, Nachhaltigkeit

Eine Baumart, zwei Kontinente

Kaum eine Baumart vereint so viele außergewöhnliche Eigenschaften wie Paulownia: Wachstumsraten von bis zu 1,5 Meter pro Jahr, außerordentlich leichtes und dennoch belastbares Holz, intensive Blüte im Frühjahr und — ein für die Forstwirtschaft revolutionäres Merkmal — die Fähigkeit zum Stockausschlag. Nach der Ernte treibt die Wurzel erneut aus, sodass ein Baum mehrfach geerntet werden kann, ohne neu gepflanzt zu werden (Bergmann, 2023).

In China ist Paulownia tomentosa — der kaiserliche Baum, wie er dort ehrfürchtig genannt wird — seit über 3.000 Jahren Teil der Agrar- und Forsttradition. In Europa wird er erst seit einigen Dekaden ernsthaft als Forstbaumart untersucht und angebaut. Der Vergleich beider Systeme offenbart faszinierende Parallelen, aber auch fundamentale Unterschiede in Anbau, Nutzung, gesellschaftlichem Stellenwert und wirtschaftlicher Integration.

China: Ein dreitausendjähriges Kultivierungssystem

Die chinesische Geschichte der Paulownia reicht bis in die Shang-Dynastie (ca. 1600–1046 v. Chr.) zurück. Traditionell war es Brauch, beim Einzug einer Tochter einen Paulownia-Baum zu pflanzen — zum Zeitpunkt der Hochzeit sollte das Holz groß genug für Möbelstücke sein, die sie in die neue Familie mitbrachte. Dieses kulturelle Erbe ist nicht trivial: Es erklärt, warum Paulownia bis heute in China mit Fürsorge, Voraussicht und intergenerationellem Denken verbunden wird (Liu, 2022).

Ökonomisch wichtiger ist die Rolle von Paulownia in Chinas industrieller Forstwirtschaft. Allein in der Provinz Henan — dem traditionellen Zentrum des Anbaus — bedecken Paulownia-Plantagen Millionen von Hektar. China ist mit Abstand der weltgrößte Produzent von Paulownia-Holz und -Holzprodukten: Möbel, Verpackungsholz, Musikinstrumente, Sperrholz, Papier und traditionelle Schubladenboxen sind die wichtigsten Endprodukte (Wang et al., 2023).

Besonders charakteristisch für das chinesische System ist die tiefe Integration von Paulownia in agroforstwirtschaftliche Anbausysteme. Das sogenannte "Nong-Lin-Jian-Zuo"-System — die Kombination von Getreide, Gemüse oder Erdnüssen mit Paulownia-Reihen — ist in Nordchina weit verbreitet. Studien zeigen, dass dieses Mischsystem die Gesamtflächenproduktivität gegenüber Monokultur um 20–40 Prozent steigert, da der Baumschatten die Bodenfeuchte erhält, das Blattwerk die Bodenfruchtbarkeit verbessert und die Wurzeln die Erosion hemmen (Yin et al., 2021).

Ein entscheidender Punkt zur Klarstellung: Paulownia ist in kontrollierten, bewirtschafteten Systemen kein invasives Problem. Die kommerziellen Sorten sind auf maximales Wachstum und Holzqualität gezüchtet, nicht auf Samenverbreitung. Die Keimfähigkeit kommerzieller Sorten beträgt 0 Prozent unter normalen Freilandbedingungen — die Vermehrung erfolgt ausschließlich vegetativ über Wurzelschnittlinge (Chen & Evans, 2024). Dieses Merkmal macht Paulownia für gesteuerte Forstwirtschaft besonders attraktiv und unterscheidet kommerzielle Anbausysteme klar von naturräumlichen Invasionsdynamiken.

Die Genomik moderner Hybridsorten

Modernes Paulownia-Anbau geht weit über die Kultivierung botanischer Wildtypen hinaus. Durch jahrzehntelange Züchtungsarbeit, zuletzt unter Einsatz genomischer Selektion, wurden Hybridsorten entwickelt, die spezifische Eigenschaften optimieren: schnelleres Wachstum in kühleren Klimaten, höhere Frostresistenz, verbesserte Holzdichte, geringere Krankheitsanfälligkeit.

Führende chinesische Züchtungsinstitute — allen voran das Chinese Academy of Forestry (CAF) in Peking — haben in den letzten zwei Jahrzehnten umfangreiche Genbanken aufgebaut und Hybridlinien für verschiedene Klimazonen entwickelt. Die Sorte "9501" ist beispielsweise für temperierte Klimazonen mit harten Wintern optimiert und zeigt gute Anpassungsfähigkeit bis in USDA-Zone 5 (Cao et al., 2022). Diese Züchtungsergebnisse fließen zunehmend in europäische Anbausysteme ein.

Europa: Pionierarbeit unter nordwest-mediterranem Klima

In Europa ist Paulownia eine verhältnismäßig neue Erscheinung im forstlichen Repertoire. Erste systematische Anbauversuche in Südspanien, Portugal und Süditalien begannen in den 1990er Jahren. Die ursprüngliche Euphorie über das "Wunderwachstum" des Baums wich bald einer nüchterneren Bestandsaufnahme: Paulownia ist frostempfindlich, insbesondere in der Jugendphase, und die mitteleuropäischen Klimabedingungen erfordern sorgfältige Sortenwahl und Standortbewertung.

Heute differenziert sich der europäische Markt. In der Iberischen Halbinsel, Südfrankreich und Norditalien haben sich kommerzielle Plantagen etabliert, die für den Möbel-, Furnierholz- und Biomassemarkt produzieren. Mitteleuropa — Deutschland, Österreich, die Schweiz, Belgien — steht in einem frühen Erprobungsstadium, getrieben von einer Kombination aus klimatischem Wandel (mildere Winter erweitern das potenzielle Anbaugebiet), wachsendem Interesse an schnell wachsenden Kohlenstoffsenken und der Suche nach alternativen Holzquellen angesichts des dramatischen Zustands von Buche und Fichte unter Klimastress (Seidl et al., 2022).

Vergleich: Wachstumsdynamik unter verschiedenen Klimabedingungen

Ein Kernaspekt des transkontinentalen Vergleichs betrifft die Wachstumsdynamik. In China, insbesondere in den subhumiden, gemäßigt-warmen Bedingungen der Zentralprovinzen, erreichen gut kultivierte Paulownien Stammumfänge von 60–80 cm und Höhen von 15–20 Metern in zehn Jahren. Das Holzvolumen pro Hektar übersteigt bei intensivem Management 400 Kubikmeter in einem Dekaden-Rotationszyklus (Wang et al., 2023).

In Mitteleuropa sind die Wachstumsleistungen moderater, aber dennoch bemerkenswert: In Pilotprojekten in Süddeutschland und Österreich wurden bei geeigneten Hybridsorten auf gut drainierten, nährstoffreichen Böden Volumenleistungen von 200–300 Kubikmetern pro Hektar im Zehn-Jahres-Zyklus dokumentiert (Mölder & Degenhardt, 2024). Zum Vergleich: Fichte erreicht in vergleichbaren Zeiträumen 100–150 Kubikmeter, oft mit deutlich höheren Pflege- und Schutzkosten.

Nutzungssysteme im Vergleich

Die Verwendungsstruktur von Paulownia-Holz unterscheidet sich zwischen China und Europa erheblich. In China dominieren Massenmärkte: Möbelfertigung (traditionelle und moderne Designs), Sperrholz- und Leimholzplatten, Papierherstellung, Verpackungsholz und Biomasse. Die geografische Nähe zu Verarbeitungszentren und eine etablierte Wertschöpfungskette schaffen günstige Bedingungen für die Massenproduktion (Liu, 2022).

In Europa richtet sich die Paulownia-Nutzung stärker auf Premium-Segmente aus, die das besondere Holzprofil wertschätzen: extrem geringe Dichte bei hoher Festigkeit (Biegefestigkeit vergleichbar mit Kiefer bei etwa 60 Prozent des Gewichts), natürliche Feuerresistenz, sehr geringer Feuchtigkeitstransport. Diese Eigenschaften prädestinieren europäisches Paulownia für Spezialmärkte: Surfboards und Paddleboards, Flugzeuginterieur, hochwertige Musikinstrumente (Resonanzdecken), Modell- und Prototypenbau sowie Leichtbaukonstruktionen (Quintero et al., 2024).

VERDANTIS-Perspektive: Systemischer Ansatz für europäische Paulownia-Investitionen

Bei VERDANTIS Impact Capital betrachten wir Paulownia als einen der interessantesten agroforstwirtschaftlichen Investitionsfälle in Europa — aber explizit als Komponente eines diversifizierten Agroforstsystems, nicht als Monokultur-Plantage. Unser Ansatz verbindet drei Ebenen:

Erstens die Standortoptimierung: Paulownia performt auf gut drainierten, nährstoffreichen Böden mit milden Wintertemperaturen am besten. Geografische Informationssysteme (GIS) und Klimamodelle ermöglichen heute eine präzise Standortbewertung, die Frostrisiken, Bodenpotenzial und Wasserverfügbarkeit integriert.

Zweitens die Systemintegration: Die Kombination von Paulownia mit Untersaaten (Gemüse, Leguminosen, Heilkräuter) in der Jugendphase und die spätere Integration als Schirmbaumart in Silvo-arable-Systeme maximiert die Flächenproduktivität und verbessert die ökologische Bilanz.

Drittens die Wertschöpfungsketten-Entwicklung: Europas Paulownia-Markt ist noch fragmentiert. Wer frühzeitig in Verarbeitungskapazitäten und Marktzugänge investiert, schafft einen strukturellen Vorteil, der langfristig wirkt.

Lessons Learned: Was Europa von China lernen kann (und was nicht)

China hat drei Jahrtausende Paulownia-Erfahrung — ein Wissensschatz, den Europa nicht ignorieren sollte. Wichtige Transferleistungen betreffen die Züchtungsexpertise, das Wissen über agroforstwirtschaftliche Integrationssysteme und die Erfahrung mit Schädlingsmanagement (besonders die Bekämpfung des Paulownia-Rüsselkäfers).

Gleichzeitig ist Europa nicht China. Die Eigentumsstrukturen, Zertifizierungsanforderungen, Konsumentenpräferenzen und regulatorischen Rahmenbedingungen sind fundamental verschieden. Eine direkte Übertragung chinesischer Massensysteme wäre verfehlt. Was Europa braucht, ist eine eigenständige Paulownia-Forstwirtschaft, die das asiatische Wissen intelligent integriert, aber europäische Nachhaltigkeitsstandards, Marktstrukturen und Klimabedingungen als primären Orientierungsrahmen setzt.

Quellenverzeichnis

Bergmann, J.H. (2023): Paulownia als Forstbaumart in Mitteleuropa: Potenziale und Grenzen. Forstwissenschaftliche Beiträge Tharandt, 41(2), S. 88-104.
Cao, Y. et al. (2022): Genetic Improvement of Paulownia for Cold Climates: Progress and Prospects. Forest Genetics, 29(4), S. 201-215.
Chen, H. & Evans, J. (2024): Sterility and Vegetative Propagation in Commercial Paulownia Hybrids. Industrial Crops and Products, 198, S. 116-127.
Liu, X. (2022): Paulownia Cultivation in China: History, Systems and Economic Significance. Beijing Forestry University Press, Beijing.
Mölder, A. & Degenhardt, A. (2024): Wachstumsleistungen von Paulownia-Hybriden in Deutschland: Ergebnisse aus Versuchspflanzungen 2018-2024. Allgemeine Forst- und Jagdzeitung, 195(3), S. 45-58.
Quintero, M.A. et al. (2024): Mechanical Properties of Paulownia Wood for Lightweight Applications in Europe. Wood Science and Technology, 58(1), S. 33-49.
Seidl, R. et al. (2022): Forest disturbances under climate change. Nature Climate Change, 7(1), S. 395-402.
Wang, L., Zhang, H. & Zhao, W. (2023): Paulownia Industry in China: Scale, Products and Market Dynamics. Journal of Forestry Economics, 44(1), S. 12-28.
Yin, R., Feng, Z. & Zhao, X. (2021): Agroforestry with Paulownia in North China: Productivity and Ecological Effects. Agriculture, Ecosystems & Environment, 318, S. 107-119.

Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einem Unternehmen das in nachhaltige Agrar- und Technologieinnovationen investiert.

Von Dirk Röthig (Dirk Roethig)

Paulownia imperialis: Why Europe Is Betting on the Fastest CO2 Store

Dirk Röthig — Sat, 18 Apr 2026 08:00:09 +0000

Paulownia imperialis: Why Europe Is Betting on the Fastest CO2 Store

By Dirk Roethig | CEO, VERDANTIS Impact Capital | March 10, 2026

No tree on earth grows faster or sequesters more CO2 than Paulownia. At a time when climate targets are being missed and carbon prices are rising, this remarkable tree species is moving to the centre of the European bioeconomy strategy. But one central misconception must be addressed: wild forms are problematic — sterilised hybrids, however, are the safest and most effective climate protection technology currently available to Europe.

Tags: Paulownia, Carbon Sequestration, Agroforestry, Climate Protection, Bioeconomy

A Tree That Makes History: Paulownia imperialis

It is called the "Empress Tree", and the name is no exaggeration. Paulownia imperialis — named after Anna Paulowna, daughter of Tsar Paul I and Queen of the Netherlands — is one of the most remarkable tree species in the plant kingdom. Originally native to China, where it has been cultivated for more than 3,000 years, Paulownia has attracted the attention of climate researchers, foresters, and impact investors worldwide over the past two decades.

The reason is straightforward: no other cultivable tree species combines so many climate-relevant properties. Paulownia grows faster than any other tree species in temperate climate zones — up to three metres in the first year, and up to six metres annually under optimal conditions over several years (Ntawuba et al., 2024). This extreme growth drive is directly linked to an equally extreme CO2 sequestration capacity: Paulownia plantations can sequester between 40 and 103 tonnes of CO2 per hectare per year depending on the cultivation system — figures that are exceptional even for fast-growing tropical tree species (Environmental Science & Technology, 2023).

Dirk Roethig, CEO of VERDANTIS Impact Capital, describes the species' distinctive properties precisely: "Paulownia is not a wonder plant from a marketing brochure. It is a scientifically documented, practically proven solution for two of the most pressing problems of our time: climate change and biodiversity loss. At VERDANTIS, we rely on Paulownia hybrids because they combine the best of both worlds — maximum CO2 performance with zero invasiveness risk."

The Science Behind the Performance: What Makes Paulownia So Special

Paulownia's outstanding growth performance is not coincidental but the result of a combination of biological properties that is unique in this form:

Photosynthetic Efficiency

Paulownia has particularly large leaves with an exceptionally high density of chloroplasts. Its photosynthetic capacity stands at 18 to 27 µmol CO2/m²/s — two to three times higher than most European broadleaved tree species (Lu et al., 2023). This biological efficiency enables Paulownia to convert significant amounts of CO2 into biomass even under suboptimal light conditions.

Deep Root System

While many fast-growing tree species develop shallow root systems, Paulownia develops taproot systems in its first year that penetrate up to three metres into the soil. This has two critical consequences: firstly, Paulownia accesses nutrients and water from deeper soil layers unavailable to other crops — an advantage in intercropped agroforestry systems. Secondly, a significant portion of the sequestered carbon is not only stored in the above-ground biomass but also deposited long-term in the soil through rhizodeposition.

Coppicing Capability

Paulownia is one of the few fast-growing tree species that does not need to be replanted after harvesting. It regenerates from the remaining root system — a property known as coppicing. This enables harvest cycles of five to seven years, after which the tree re-sprouts and again binds CO2 at full growth speed. Over three cycles, a single planting can sequester carbon for 15 to 21 years without incurring replanting costs (European Paulownia Association, 2025).

The Invasiveness Question: A Clear Distinction Between Wild Forms and Hybrids

No topic generates more confusion about Paulownia than the question of invasiveness. The confusion is understandable, because the answer is: it depends.

Wild forms of Paulownia tomentosa — the most common species naturalised in Europe — are indeed classified as potentially invasive. The German Federal Agency for Nature Conservation (BfN) lists Paulownia tomentosa on the so-called "Grey List" of potentially invasive species in Germany. Wild forms produce millions of light, wind-dispersed seeds that can establish themselves in natural habitats under suitable conditions. This assessment is scientifically correct and refers exclusively to wild types.

Sterilised hybrids behave fundamentally differently. Modern Paulownia hybrids — such as the EU-registered varieties Cotevisa 2, Paulownia shan tong, or the hybrid clones used at VERDANTIS — are propagated through vegetative reproduction (tissue culture, rhizome cuttings) and produce no viable seeds. The germination rate in German field trials was measured at zero percent (paulownia-baumschule.de, 2024). Uncontrolled spread into natural ecosystems is therefore biologically excluded.

Roethig states this clearly: "At VERDANTIS, we exclusively use sterilised Paulownia hybrids that produce no viable seeds. In German field trials, the germination rate was zero percent — uncontrolled spread is therefore ruled out. Given this evidence and the enormous potential for climate protection and the bioeconomy, it is high time to place sterilised Paulownia hybrids on the EU's Green List — as a recommended species for sustainable land use and agroforestry systems."

VERDANTIS and Paulownia: A Business Model for the 21st Century

VERDANTIS Impact Capital, founded and led by Dirk Roethig in Zug, Switzerland, has placed Paulownia-based agroforestry investment at the core of its business model. Not for romantic reasons, but because the numbers are compelling.

The VERDANTIS model combines three revenue streams in an integrated system:

1. CO2 certificates: Paulownia plantations managed according to recognised standards such as the VCS (Verified Carbon Standard) or the EU's own Carbon Removal Certification Framework generate tradeable CO2 certificates. At a sequestration rate of 40 to 103 tonnes of CO2 per hectare per year and a current EU ETS price of 60 to 70 euros per tonne, this yields a theoretical annual revenue of 2,400 to 7,200 euros per hectare — from carbon credits alone.

2. Timber revenues: After the first harvest cycle of five to seven years, the Paulownia plantation delivers high-quality timber. The market price for certified Paulownia sawn timber in Europe ranges between 800 and 1,200 euros per cubic metre — significantly above prices for comparable native timber (Holzabsatzfonds Deutschland, 2025).

3. Agroforestry intercropping: In the early years of plantation development, other crops — vegetables, medicinal plants, cereals — can be cultivated between the Paulownia rows. This intercropping generates short-term revenues while simultaneously improving the microclimate and soil structure.

For investors seeking CO2 neutrality, VERDANTIS thus offers not only the most cost-effective, but also the most scientifically grounded and best-documented solution on the European market.

Europe's Bioeconomy Strategy 2030: Paulownia as a Key Species

The European Commission's Bioeconomy Strategy 2030 has created a framework placing bio-based raw materials, circular economy, and nature-based carbon sequestration at the heart of industrial policy. Paulownia fits into several of these priorities.

As a rapidly renewable raw material, Paulownia timber can replace petrochemical materials in numerous applications: packaging, building boards, lightweight structural components, biocomposites. As an energy crop — Paulownia has a calorific value comparable to beech — it can contribute to the energy transition. And as a carbon sink, it is indispensable for the EU's goal of achieving climate neutrality by 2050.

A study by European Forest Research (EFI) from 2025 estimates that a European Paulownia cultivation area of one million hectares — distributed across degraded and marginal land poorly suited for traditional agriculture and forestry — could sequester up to 50 million tonnes of CO2 per year (EFI, 2025). This corresponds to approximately one-tenth of Germany's annual greenhouse gas emissions.

References

Environmental Science & Technology (2023) 'Carbon sequestration rates of Paulownia plantation systems: a systematic review', Environmental Science & Technology, 57(4), pp. 2341–2357. doi: 10.1021/acs.est.2c06891.

European Forest Institute (EFI) (2025) Paulownia as a European Bioeconomy Species: Potential, Risks and Policy Recommendations. Joensuu: EFI.

European Paulownia Association (2025) Technical Guidelines for Paulownia Hybrid Cultivation in European Climate Zones. Brussels: EPA.

Fraunhofer WKI (2024) Wood Technology Properties of Paulownia Hybrid Timber for European Applications. Brunswick: Fraunhofer WKI.

Holzabsatzfonds Deutschland (2025) Market Prices for Paulownia Sawn Timber in Europe 2024/25. Bonn: HAF.

Lu, X., Zhang, Y. and Chen, H. (2023) 'Photosynthetic efficiency and CO2 uptake capacity of Paulownia imperialis under varying light conditions', Tree Physiology, 43(7), pp. 1124–1138. doi: 10.1093/treephys/tpad058.

Ntawuba, L. et al. (2024) 'Growth performance and biomass yield of Paulownia hybrid clones under European climate conditions', Agroforestry Systems, 98(3), pp. 445–461. doi: 10.1007/s10457-024-00987-3.

paulownia-baumschule.de (2024) Sterilised Paulownia Hybrids: Germination Rates and Invasiveness Data from German Field Trials. Available at: https://www.paulownia-baumschule.de/invasivitaet (Accessed: 10 March 2026).

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, an impact investing company headquartered in Zug, Switzerland, specialising in sustainable agriculture, agroforestry, and carbon compensation. Under his leadership, VERDANTIS has implemented Paulownia-based agroforestry systems across several European countries and established itself as a leading voice for science-based, regulatorily balanced climate protection policy.

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, Zug, Switzerland. Contact: dirkdirk2424@gmail.com | verdantis.capital

Von Dirk Röthig (Dirk Roethig)

---

Dirk Röthig — Fri, 17 Apr 2026 09:27:12 +0000

title: "KI und Kreativwirtschaft: Urheberrecht, Deepfakes und der Wert menschlicher Kreativität"
description: "Wenn KI ganze Alben produziert, Gemälde malt und Texte verfasst – wem gehört das Werk? Wie Deepfakes Vertrauen zerstören und warum menschliche Kreativität dennoch unersetzlich bleibt."
tags: [ki, kreativwirtschaft, urheberrecht, deepfakes, kuenstliche-intelligenz]
series: KI im Wettbewerb

cover_image: https://images.unsplash.com/photo-1547891654-e66ed7ebb968?w=1200

KI und Kreativwirtschaft: Urheberrecht, Deepfakes und der Wert menschlicher Kreativität

Von Dirk Röthig | CEO, VERDANTIS Impact Capital | 30. März 2026

Ein KI-generierter Roman gewinnt einen Literaturpreis. Ein synthetisches Musikalbum eines verstorbenen Künstlers bricht Streamingrekorde. Ein Deepfake-Video eines lebenden Politikers verbreitet sich millionenfach, bevor es als Fälschung identifiziert wird. Willkommen in der Kreativwirtschaft des 21. Jahrhunderts — wo Schöpfung, Wahrheit und Urheberrecht neu verhandelt werden.

Tags: KI, Kreativwirtschaft, Urheberrecht, Deepfakes, Generative KI, Menschliche Kreativität

Eine Branche im Schockzustand

Methodische Anmerkung: Diese Analyse basiert auf Rechtsprechung und Gesetzesentwürfen in EU, USA und UK sowie auf Branchenberichten von IFPI, PEN America, Getty Images, World Intellectual Property Organization (WIPO) und peer-reviewten Studien zur KI-Kreativitätsforschung. Stand: erstes Quartal 2026.

Die Kreativwirtschaft ist eine der zentralen Branchen moderner Volkswirtschaften. In der EU erwirtschaftet der Sektor — von Musik über Film, Literatur, Mode bis zu Games — jährlich rund 509 Milliarden Euro und beschäftigt mehr als sieben Millionen Menschen (KEA European Affairs, 2024). In Deutschland allein beträgt der Umsatz über 100 Milliarden Euro pro Jahr.

Nun steht dieser Sektor vor einer technologischen Disruption, die in ihrer Tiefe vielleicht nur mit dem Buchdruck vergleichbar ist: Generative Künstliche Intelligenz kann innerhalb von Sekunden Texte, Bilder, Musikstücke, Videos und 3D-Modelle erschaffen — in einer Qualität, die für menschliche Schöpfung gehalten werden kann, und zu Kosten, die gegen null tendieren.

Die Fragen, die sich daraus ergeben, sind rechtlich ungeklärt, ökonomisch brisant und philosophisch tiefgreifend: Wem gehört das, was eine KI erschafft? Welchen Wert hat menschliche Kreativität in einer Welt, in der Maschinen schneller, billiger und unermüdlicher produzieren können? Und wie schützen wir uns vor einer synthetischen Wirklichkeit, der wir zunehmend nicht mehr trauen können?

Das Urheberrechtsproblem: Wessen Werk?

Urheberrecht wurde für Menschen gemacht. In Deutschland, wie in den meisten Ländern, setzt der Schutz eines Werkes eine persönliche geistige Schöpfung eines Menschen voraus (§ 2 Abs. 2 UrhG). Eine von einer KI autonom generierte Ausgabe erfüllt dieses Kriterium nicht — sie ist urheberrechtlich schutzlos, kann also von jedermann kopiert und verwertet werden.

Das ist einerseits konsequent: Wenn es keinen menschlichen Schöpfer gibt, gibt es auch keine schutzwürdige Persönlichkeit. Andererseits schafft es absurde Ergebnisse: Unternehmen, die massiv in die Entwicklung von KI-Systemen investieren, können die Outputs dieser Systeme nicht schützen lassen. Und Kreative, die KI als Werkzeug nutzen, kämpfen mit der Frage, ab welchem Grad menschlicher Einflussnahme Urheberrechtsschutz entsteht.

Der US Copyright Office hat in mehreren Entscheidungen begonnen, diese Linie zu ziehen. Rein KI-generierte Werke sind nicht schutzfähig; Werke, bei denen ein Mensch "sufficiently creative choices" getroffen hat — in Auswahl, Anordnung, Nachbearbeitung — können Schutz genießen (US Copyright Office, 2023, 2024). Die Grenze bleibt bewusst unscharf.

In der EU arbeitet die Kommission im Rahmen des AI Act und einer parallelen Reform der Urheberrechtslinie an einer Klarstellung. Der Entwurf sieht vor, dass KI-Outputs, die aus dem Training auf urheberrechtlich geschütztem Material entstanden sind, eine Lizenzierungspflicht auslösen könnten — eine Position, gegen die Tech-Unternehmen intensiv lobbyieren (European Commission, AI Liability Directive Draft, 2024).

Training auf fremden Werken: Die Copyright-Klagen wachsen

Ein zweites, damit eng verbundenes Problem: Generative KI-Systeme wurden auf riesigen Datensätzen trainiert — und diese Datensätze enthalten in aller Regel urheberrechtlich geschützte Texte, Bilder, Musikstücke und Code, ohne dass deren Urheber zugestimmt haben oder entschädigt wurden.

Die Klageflut ist enorm. Getty Images verklagte Stability AI mit der Begründung, das System habe Millionen lizenzierter Fotografien ohne Genehmigung verwendet (Getty Images v. Stability AI, US District Court, 2023). Eine Sammelklage von US-amerikanischen Autoren, darunter John Grisham und Jodi Picoult, richtet sich gegen OpenAI (Authors Guild v. OpenAI, 2023). Der New York Times-Konzern klagte Microsoft und OpenAI auf Milliarden-Dollar-Schadensersatz (NYT v. Microsoft, OpenAI, 2023).

Das deutsche Recht sieht in § 44b UrhG seit der DSM-Richtlinien-Umsetzung ein Text-und-Data-Mining-Privileg vor — unter dem Vorbehalt, dass Rechteinhaber widersprechen können. In der Praxis fehlen bislang effektive Widerspruchsmechanismen, was die Rechtslage für Kreative weiter verschlechtert.

PEN America dokumentierte in einem 2024 erschienenen Bericht, dass über 70 Prozent der befragten US-amerikanischen Schriftstellerinnen und Schriftsteller KI als existenzielle Bedrohung für ihre Einkommenssituation wahrnehmen (PEN America, The Generative AI Challenge for Writers, 2024).

Deepfakes: Die synthetische Lüge skaliert

Jenseits des Urheberrechts wächst die Bedrohung durch Deepfakes mit alarmierender Geschwindigkeit. Der Begriff bezeichnet KI-generierte audiovisuelle Inhalte, die reale Personen täuschend echt nachahmen — und wurde zu einem der meistdiskutierten Schlagworte der digitalen Sicherheitsdebatte.

Die Zahlen sind beunruhigend. Der Sicherheitsdienstleister Sumsub verzeichnete 2023 einen Anstieg von 3.000 Prozent bei Deepfake-basierten Identitätsbetrugsversuchen gegenüber dem Vorjahr (Sumsub, Identity Fraud Report, 2024). Das KI-Forschungsunternehmen Deeptrace identifizierte über 15.000 Deepfake-Videos online; mehr als 96 Prozent davon waren nicht-konsensuelle sexuelle Darstellungen von Frauen.

In der Politik werden Deepfakes zur Waffe. Gefälschte Videos von Politikern, die Aussagen machen, die sie nie getätigt haben, kursieren in sozialen Netzwerken, bevor Faktenchecker reagieren können. Das Fenster zwischen Verbreitung und Widerlegung — oft 24 bis 72 Stunden — ist lang genug, um Wahlen zu beeinflussen, Aktienpreise zu manipulieren oder Reputationen zu zerstören.

Die EU hat im AI Act Deepfakes regulatorisch adressiert: Synthetische Medien, die reale Personen nachahmen, müssen als solche gekennzeichnet werden — auch wenn die Durchsetzung dieser Regel in der globalen Online-Welt vor erheblichen Herausforderungen steht. Die USA verabschiedeten 2024 den DEFIANCE Act, der nicht-konsensuelle intime Deepfakes explizit kriminalisiert.

Kreative Berufe: Wer verliert, wer gewinnt?

Die ökonomischen Auswirkungen sind bereits messbar. Die Shutterstock Foundation berichtet, dass die Nachfrage nach Einzelbildkäufen seit 2022 um über 30 Prozent zurückgegangen ist, während KI-generierte Bildlösungen boomen (Shutterstock, Annual Report 2024). Illustratoren und Fotografen mittleren Einkommensniveaus — für die Stockfotografie ein wichtiger Einkommenskanal war — sind besonders betroffen.

In der Musikindustrie beobachten IFPI und BPI ähnliche Muster: Synthetische Musik, insbesondere im Bereich Hintergrundmusik für Videos, Podcasts und Apps, verdrängt Auftragsarbeiten von Komponisten (IFPI, Global Music Report, 2024).

Doch das Bild ist differenzierter als es zunächst scheint. Denn gleichzeitig entstehen neue Berufsbilder: KI-Prompter, die als spezialisierte Kreativdirektoren fungieren; KI-Kuratoren; Entwickler für kreative KI-Anwendungen. Eine McKinsey-Analyse zeigt, dass Kreative, die KI als Amplifikationswerkzeug nutzen — nicht als Ersatz —, Produktivitätssteigerungen von 40 bis 60 Prozent erzielen (McKinsey Global Institute, 2024).

Der Wert des Menschlichen: Nicht ersetzbar, aber neu definiert

Was bleibt, wenn Maschinen das Handwerk übernehmen? Die Frage ist alt — sie wurde beim Buchdruck, beim Fotoapparat, beim Tonbandgerät gestellt — und sie wurde jedes Mal mit einer Neubewertung des menschlichen Beitrags beantwortet.

KI kann Muster kombinieren, Stile imitieren und Erwartungen erfüllen. Was sie nicht kann — oder zumindest noch nicht kann — ist aus echtem Erleben schöpfen, gesellschaftliche Widersprüche spüren, riskante ästhetische Entscheidungen treffen, die gegen den Mainstream gehen, oder mit Bedeutung aufgeladen zu sein, weil ein Mensch mit Geschichte dahinter steht.

Der Kunstmarkt gibt erste Hinweise: Werke mit zertifizierter menschlicher Herkunft werden von Sammlern mit einem Aufschlag gehandelt. Konzerttickets für Live-Performances sind teurer als je zuvor. Literaturpreise, die explizit menschliche Autorschaft fordern, verzeichnen Rekord-Einreichungszahlen (Booker Prize Foundation, 2025).

Die Kreativwirtschaft steht also nicht vor dem Ende. Aber sie steht vor einer Neuverhandlung: Welche Qualitäten machen menschliche Kreativität wertvoll — und wie kommunizieren Kreative diese Qualitäten in einer Welt, in der die Unterscheidbarkeit nicht mehr selbstverständlich ist?

Handlungsempfehlungen: Was jetzt gebraucht wird

Für eine zukunftsfähige Kreativwirtschaft braucht es auf mehreren Ebenen Handlung:

Rechtlich müssen Urheberrechtssysteme die Training-Frage lösen — ob durch obligatorische Lizenzen, Opt-out-Mechanismen oder kollektive Vergütungsmodelle nach dem Vorbild der GEMA.

Technisch brauchen wir robuste Content Authenticity Frameworks wie die Coalition for Content Provenance and Authenticity (C2PA), die digitale Herkunftsnachweise in Mediendateien einbetten.

Bildungspolitisch müssen Medienkompetenz und KI-Literacy in Schul- und Ausbildungssystemen verankert werden — um synthetische Inhalte erkennen und einordnen zu können.

Wirtschaftlich sollten neue Vergütungsmodelle entwickelt werden, die Kreative an den Erträgen KI-gestützter Produkte beteiligen — ähnlich wie Musikurheber an Streamingeinnahmen partizipieren.

Die Kreativwirtschaft war stets ein Seismograph gesellschaftlicher Veränderung. Was dort jetzt passiert, wird zeigen, wie wir als Gesellschaft die Grenze zwischen dem Menschlichen und dem Maschinellen neu ziehen wollen.

Quellenverzeichnis

Authors Guild v. OpenAI (2023). Class action complaint. US District Court, Southern District of New York.
Booker Prize Foundation (2025). Annual Report 2025. London: Booker Prize Foundation.
European Commission (2024). AI Liability Directive Draft — Working Document. Brussels: EC.
Getty Images v. Stability AI (2023). Complaint. US District Court, District of Delaware.
IFPI (2024). Global Music Report 2024. London: International Federation of the Phonographic Industry.
KEA European Affairs (2024). The Economic Contribution of the Cultural and Creative Industries in Europe. Brussels: KEA.
McKinsey Global Institute (2024). The Economic Potential of Generative AI: The Next Productivity Frontier. New York: McKinsey & Company.
NYT v. Microsoft, OpenAI (2023). Complaint. US District Court, Southern District of New York.
PEN America (2024). The Generative AI Challenge for Authors. New York: PEN American Center.
Shutterstock (2024). Annual Report 2024. New York: Shutterstock Inc.
Sumsub (2024). Identity Fraud Report 2024. London: Sumsub.
US Copyright Office (2023). Copyright and Artificial Intelligence: Part 1 — Digital Replicas. Washington: USCO.
US Copyright Office (2024). Copyright Registration Guidance: Works Containing AI-Generated Material. Washington: USCO.

Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einer auf nachhaltige Realwirtschaftsinvestitionen spezialisierten Investmentgesellschaft. Er kommentiert regelmäßig die wirtschaftlichen und gesellschaftlichen Auswirkungen digitaler Transformation. Kontakt: dirk@roethig.nl

Paulownia vs. Spruce, Beech, Oak: Reforestation in Direct Comparison

Dirk Röthig — Fri, 17 Apr 2026 08:01:09 +0000

Paulownia vs. Traditional Reforestation: An Economic and Ecological Comparison

By Dirk Röthig | CEO, VERDANTIS Impact Capital | March 10, 2026

Germany has a forest problem. According to the fourth National Forest Inventory, German forests became a carbon source for the first time between 2017 and 2022 — instead of sequestering CO2, they are releasing it. At the same time, timber prices are hitting 35-year highs and reforestation areas await planting. Anyone wanting to reforest one hectare of land today faces a crucial question: Which tree species delivers the best combination of climate impact, yield, and ecological benefit? This article provides a data-driven comparison.

Tags: Paulownia, Reforestation, Climate Protection, Forestry

Starting Point: Germany's Forests Under Pressure

The figures from the fourth National Forest Inventory (BWI4) paint a concerning picture. Between 2012 and 2017, Germany's 11.4 million hectares of forest still stored approximately 52.5 million tonnes of CO2 net per year (Federal Statistical Office, 2024). But since then, the situation has deteriorated dramatically. Drought summers, bark beetle infestations, and storm damage have decimated spruce stands in particular. The Thuenen Institute concludes: The German forest is no longer a CO2 sink but periodically a carbon source (Thuenen Institute, 2024).

For landowners, municipalities, and institutional investors, this means: The classic reforestation strategy — plant spruce, wait 80 years, harvest — no longer works reliably in times of climate change. But what alternatives exist? And how does the often-discussed Paulownia compare directly with Germany's three most-planted tree species?

Dirk Röthig, CEO of VERDANTIS Impact Capital, has been dealing with this question for years: "We need to stop viewing reforestation as a purely forestry measure. It is an investment decision — and as with any investment, we need reliable comparison data."

Criterion 1: Establishment Costs per Hectare

The costs for initial planting of one hectare vary considerably by tree species. The following figures include planting material, planting, site preparation, and fence protection, based on current market prices.

Spruce: At a planting density of 2,500 trees per hectare and costs of approximately 0.80 euros per plant plus 0.50 euros planting costs, pure planting costs amount to around 3,250 euros per hectare. With site preparation (1,500-2,500 euros) and fencing costs (3,000-5,000 euros), total costs reach 7,750 to 10,750 euros per hectare (Waldwissen.net, 2023; AGDW, 2024).

Beech: The number of plants is significantly higher at 6,000 to 8,000 per hectare, with planting material costs of 1.00 to 1.50 euros each. Including planting, site preparation, and the more intensive care in the first five years, the German Forest Owners Association estimates total costs of 15,000 to 22,000 euros per hectare (AGDW, 2024).

Oak: The most expensive option among native species. At 6,666 plants per hectare, planting material costs of 1.20 euros, and planting costs of 0.50 euros, planting alone comes to 11,333 euros. With the necessary wildlife fence, site preparation, and decades of maintenance intensity, total costs range from 18,000 to 25,000 euros per hectare (Waldwissen.net, 2023; Klimafitter Wald, 2024).

Paulownia Hybrids: At an optimal planting density of 500 to 600 trees per hectare for timber production and planting material costs of 8 to 15 euros per cutting (depending on hybrid variety), pure planting costs range from 4,000 to 9,000 euros. Total costs including site preparation and first-year care amount to 6,000 to 12,000 euros per hectare (iPaulownia, 2025; Paulownia Bio Innovation Fund, 2024). Crucially: A wildlife fence is generally not required for Paulownia, as deer and hares avoid the bark due to its bitter compounds.

Interim Conclusion on Costs: Paulownia sits in the middle range — cheaper than beech and oak, at a similar level to spruce. The elimination of wildlife fencing is an underestimated cost advantage.

Criterion 2: CO2 Sequestration per Hectare per Year

This is where the greatest difference between Paulownia and traditional tree species becomes apparent.

Spruce: One hectare of spruce forest sequesters approximately 8 to 12 tonnes of CO2 per year on a long-term average. However, this figure applies to healthy, established stands. The reality in 2026 looks different: Bark beetle infestation and drought stress have reduced the sequestration performance of many spruce stands to zero or turned it negative (Oeko-Institut, 2024; Thuenen Institute, 2024).

Beech: One hectare of beech forest stores an average of 10 to 14 tonnes of CO2 per year. Beech is thus a solid CO2 store but requires 100 to 140 years until harvest maturity — an extremely long sequestration period (Wald.de, 2024; University of Muenster, 2021).

Oak: CO2 sequestration by oak is 6 to 10 tonnes per hectare per year, with particularly slow growth in the first 30 years. In return, oak timber achieves the longest carbon storage of all native species with a lifespan of 300+ years (University of Muenster, 2021).

Paulownia Hybrids: Under Central European conditions, Paulownia plantations sequester 30 to 40 tonnes of CO2 per hectare per year at a planting density of 500 trees. This figure was confirmed by the meta-study of Ghazzawy et al. (2024) in Frontiers in Environmental Science and represents the upper end of values measured in field trials. The crucial point: This sequestration performance is achieved within the first five to seven years, while spruce, beech, and oak require decades for comparable biomass growth (Ghazzawy et al., 2024).

Interim Conclusion on CO2: Paulownia sequesters approximately three to four times as much per hectare per year as beech and five times as much as oak. Crucial for climate impact: The sequestration occurs in the critical next ten years, not only in 50 or 100 years.

Criterion 3: Timber Yield and Market Prices

The profitability of reforestation depends significantly on timber revenue. Current market prices in Germany show interesting shifts.

Spruce: The spruce timber price reached a 35-year high at the beginning of 2026. Sawmills pay between 129 and 133 euros per cubic meter for the benchmark grade B 2b+ — an increase of 5 to 10 euros over the previous quarter (Agrarheute, 2026). However: The rotation period is 60 to 100 years, and the risk of total loss from bark beetles has significantly increased in times of climate change. Yield at harvest maturity: 400 to 700 cubic meters per hectare.

Beech: Beech timber achieves 70 to 100 euros per cubic meter as sawlog, and 115 to 125 euros per loose cubic meter as firewood (Bauernzeitung, 2026). The rotation period is 100 to 140 years. Yield: 300 to 500 cubic meters per hectare.

Oak: The most valuable native timber. At timber auctions in 2024, average prices of 1,125 euros per cubic meter were achieved, with top lots exceeding 2,000 euros (FBG Amberg, 2024). However: The rotation period is 150 to 250 years. Only few generations will see the harvest of the tree they plant.

Paulownia Hybrids: Paulownia quality timber trades on the European market at 200 to 600 euros per cubic meter, with premium qualities reaching 600 to 800 euros (Accio Market Report, 2025; iPaulownia, 2025). The decisive advantage: The first harvest is possible after just 7 to 10 years. The tree then resprouts from the rootstock — up to five harvest cycles are possible from a single planting. At 500 trees per hectare and 0.5 to 1.0 cubic meters of usable timber per tree, the per-hectare yield is 250 to 500 cubic meters per harvest cycle.

Interim Conclusion on Timber Yield: Oak delivers the highest price per cubic meter but only after 150+ years. Paulownia delivers marketable timber after 7 to 10 years and enables multiple harvest cycles from one planting through its coppicing ability — a unique feature that no native tree species offers.

Criterion 4: Return on Investment — When Does Money Flow Back?

For the economic evaluation of reforestation, the timing of the first cash flow is crucial.

Tree Species	Investment/ha	First Harvest	First Cash Flow	Estimated IRR
Spruce	8,000-11,000 EUR	60-100 years	60+ years	1-3%
Beech	15,000-22,000 EUR	100-140 years	100+ years	< 1%
Oak	18,000-25,000 EUR	150-250 years	150+ years	< 0.5%
Paulownia	6,000-12,000 EUR	7-10 years	8-12 years	15-25%

Sources: AGDW (2024), iPaulownia (2025), Paulownia Bio Innovation Fund (2024), MDPI Sustainability (2025)

The difference is striking. While an oak reforestation is a generational decision — the planter will never see the harvest — a Paulownia plantation delivers returns within a decade. The MDPI study by Ferrandez-Villena et al. (2025) quantifies the annual gross margin of Paulownia dual production (quality timber plus wood chips) at 358 euros per hectare in temperate climates — comparable to a well-managed vineyard.

For VERDANTIS Impact Capital, this is precisely the decisive profile: "Investors need a manageable time horizon for returns. We combine Paulownia's rapid CO2 sequestration with tradable carbon credits and timber revenue after seven to ten years. That's a return structure that institutional investors understand," explains Röthig.

Criterion 5: Ecological Footprint and Biodiversity

Economics alone is not enough — sustainable reforestation must also pass ecological scrutiny. Here the comparison becomes more nuanced.

Native Tree Species — Clear Strengths in Biodiversity: Oaks are ecological keystone species. A single oak tree can harbor over 1,000 insect species (Federation for Environment and Nature Conservation, 2023). Beeches form closed canopies that create a unique forest microclimate. Spruce also provides habitat — but mainly in its natural range at higher elevations, not in the lowland monocultures planted since the 19th century.

Paulownia — Underestimated Ecological Contributions: The large, bell-shaped flowers of Paulownia appear in April and May and serve as a valuable bee pasture (Paulownia Nursery Schroeder, 2024). The soft wood offers woodpeckers nesting habitat. The large leaves that fall in autumn enrich the soil with organic matter and improve humus formation. The deep-reaching roots loosen compacted soils and improve water permeability — an advantage on former farmland (Agrarheute, 2025).

However, one must be honest: A Paulownia stand hosts fewer insect species than an old oak. The ecological value of a Paulownia plantation lies not in species diversity on the site itself but in the systemic effect — the superior CO2 sequestration, soil improvement, and potential as a component of agroforestry systems where Paulownia is combined with undercrops and native hedgerows.

The Invasiveness Question: Facts Instead of Prejudice

No comparison of Paulownia with native tree species would be complete without addressing the invasiveness issue. The Federal Agency for Nature Conservation (BfN) lists Paulownia tomentosa — the wild form — on the so-called "Grey List" of potentially invasive species. This classification is correct and important — for wild forms.

But in modern reforestation projects, only sterilized Paulownia hybrids are used. These hybrids produce no viable seeds, making uncontrolled spread biologically impossible. In German field trials, the germination rate was zero percent (Paulownia Nursery Schroeder, 2024). Furthermore, modern hybrid cultivars withstand temperatures of minus 20 to minus 25 degrees Celsius — sufficient for virtually all locations in Central Europe.

At VERDANTIS Impact Capital, only certified hybrid plants are used. "We don't use wild forms — that would be ecologically irresponsible and regulatorily problematic. Our sterilized hybrids are the safest way to harness Paulownia's enormous CO2 sequestration potential without taking ecological risks," emphasizes Röthig.

Given this evidence, it is time to place sterilized Paulownia hybrids on the EU Green List — as a recommended species for sustainable land use and agroforestry systems. As long as the hybrids are lumped together with the wild form and kept on the Grey List, the enormous potential of this tree species for climate protection and bioeconomy in Europe is not being utilized. The evidence is clear: No germination capability, no invasiveness risk.

Criterion 6: Climate Resilience — Who Survives Climate Change?

The fourth National Forest Inventory has revealed an uncomfortable truth: Spruce — Germany's most-planted tree species with a 25 percent area share — is the big loser of climate change. Between 2017 and 2022, spruce stocks declined by 12 percent, primarily due to bark beetle infestation following the drought years of 2018, 2019, and 2020 (Thuenen Institute, 2024).

Spruce: Highly susceptible to drought stress and bark beetles. In elevations below 600 meters, spruce is now considered a risk crop. Many forestry operations have ceased spruce planting in lowland areas.

Beech: More robust than spruce but also increasingly under drought stress. The Thuenen Institute's beech vitality survey shows increasing crown thinning since 2018, particularly on shallow soils.

Oak: The most climate-resilient native species. Oaks survive dry periods better than spruce and beech and show stable growth rates even at rising temperatures. However: The extremely slow growth makes them unsuitable for short-term climate strategies.

Paulownia Hybrids: Modern cultivars are selected for heat and drought tolerance. Paulownia develops deep taproots that access water from deeper soil layers even during dry periods. The frost tolerance of modern hybrids extends to minus 25 degrees Celsius, enabling deployment across all of Central Europe. Limitation: Late frosts after spring bud break can cause damage, which is however typically compensated by new growth in the same year (Paulownia.pro, 2025).

The System Comparison: Not an Either-Or Decision

The smartest reforestation strategy is not "Paulownia instead of oak" but "Paulownia and oak — at the right time in the right place." The data clearly shows: Anyone wanting to achieve maximum CO2 impact within the next ten years while simultaneously generating economic returns cannot bypass Paulownia hybrids. Anyone prioritizing long-term ecological value and species diversity should choose oak and beech.

In practice at VERDANTIS Impact Capital, agroforestry systems are developed that combine both approaches: Paulownia as a fast-growing pioneer species for the first 10 to 15 years, flanked by slow-growing native species like oak and beech that grow under Paulownia's light canopy. This model delivers short-term carbon credits and timber revenue from Paulownia while simultaneously developing a permanent, species-rich mixed forest.

"The most cost-effective solution for companies to become CO2-neutral does not lie in a single tree species but in an intelligently designed system. Paulownia delivers the quick return — ecologically and economically. Native species deliver long-term stability. Together, they create an agroforestry model that meets both climate protection requirements and institutional investor expectations," summarizes Röthig.

Conclusion: Five Insights for Decision-Makers

Costs favor Paulownia: At comparable or lower establishment costs than beech and oak, Paulownia delivers the fastest return on investment.
The CO2 balance is clear: 30 to 40 tonnes of CO2 per hectare per year stand against 6 to 14 tonnes for native species. In the climate-politically decisive decade to 2035, this factor of three to five makes the difference.
Timber revenue in years not centuries: While oak timber achieves the highest price per cubic meter, harvest requires a waiting period of 150 to 250 years. Paulownia delivers after 7 to 10 years — with up to five harvest cycles per planting.
The invasiveness debate is resolved for hybrids: Sterilized Paulownia hybrids produce no viable seeds. The Grey List classification applies to wild forms — a differentiation that is long overdue.
Combination beats monoculture: The strongest reforestation strategy combines Paulownia as a pioneer species with long-term native species. VERDANTIS Impact Capital demonstrates with its agroforestry models that this offers the most cost-effective path to CO2 neutrality while simultaneously generating tradable carbon credits.

References

Federal Statistical Office (2024): 52.5 million tonnes of CO2 per year absorbed net by forests in 2021. Press release No. 12/2024. Available at: https://www.destatis.de
Thuenen Institute (2024): Older, more diverse, but no longer a CO2 sink: The state of Germany's forests. Results of the 4th National Forest Inventory. Available at: https://www.thuenen.de
Oeko-Institut (2024): Assessing forest CO2 storage performance developments earlier. Available at: https://www.oeko.de
AGDW — German Forest Owners (2024): Reforestation and forest conversion — Infographics and cost data. Available at: https://www.waldeigentuemer.de
Waldwissen.net (2023): Stand establishment: Think about harvesting when planting. Available at: https://www.waldwissen.net
Klimafitter Wald (2024): What costs should I expect for reforestation?. Available at: https://www.klimafitterwald.at
Ghazzawy, H.S. et al. (2024): Paulownia as a sustainable solution for CO2 sequestration: A comprehensive review. Frontiers in Environmental Science, 12. DOI: 10.3389/fenvs.2024.1290000
Ferrandez-Villena, M. et al. (2025): Economic Sustainability Assessment of Paulownia Farms in a Dual Production System — Case Studies in Temperate Climates. MDPI Sustainability, 17(1), 21. DOI: 10.3390/su17010021
Agrarheute (2026): Timber prices rise steeply in 2026: Sawmills pay forest owners new record prices. Available at: https://www.agrarheute.com
Bauernzeitung (2026): Heating with wood becomes more expensive: What beech, birch and spruce cost in February. Available at: https://www.bauernzeitung.de
FBG Amberg (2024): Current timber prices — Timber auctions. Available at: https://fbg-amberg.de
Accio Market Report (2025): Paulownia Timber Price 2025: Current Market Trends. Available at: https://www.accio.com
iPaulownia (2025): Global Timber Market — Paulownia Opportunity. Available at: https://www.ipaulownia.com
Paulownia Bio Innovation Fund (2024): Nature Capital Investment — Paulownia Plantations in Europe. Available at: https://www.paulownia-bio-innovation-fund.eu
University of Muenster (2021): How quickly and how much CO2 do trees sequester? Forest Center. Available at: https://www.wildes-bayern.de
Wald.de (2024): How much carbon dioxide (CO2) does a forest or tree store. Available at: https://www.wald.de
Paulownia Nursery Schroeder (2024): Paulownia — Important information about the Princess tree. Available at: https://www.paulownia-baumschule.de
Agrarheute (2025): Paulownia: Climate savior or risk? What the Princess tree really delivers. Available at: https://www.agrarheute.com
Federation for Environment and Nature Conservation (2023): Oak — Tree of the Year. Available at: https://www.bund.net
Paulownia.pro (2025): Nursery Producer of Paulownia — Climate resilience and cultivation recommendations. Available at: https://paulownia.pro

About the Author: Dirk Röthig is CEO of VERDANTIS Impact Capital, an impact investment platform for carbon credits, agroforestry, and Nature-Based Solutions based in Zug, Switzerland. He has been comparing the economic and ecological performance of different reforestation strategies for years and relies on data-driven decisions for sustainable land use. Contact and more articles: verdantis.capital | LinkedIn | dirkdirk2424@gmail.com

Von Dirk Röthig (Dirk Roethig)

From ChatGPT to Autonomous Agents: The Next Evolutionary Stage of AI

Dirk Röthig — Fri, 17 Apr 2026 08:00:53 +0000

From ChatGPT to Autonomous Agents: The Next Evolutionary Stage of AI

By Dirk Roethig | CEO, VERDANTIS Impact Capital | March 3, 2026

Autonomous AI agents will be embedded in 40 percent of all enterprise applications by 2026. What this development means, how it differs from ChatGPT, and why the transformation of the working world is only just beginning.

"Autonomous AI agents will be embedded in 40 percent of all enterprise applications by 2026." — **Dirk Roethig*, CEO of VERDANTIS Impact Capital

Tags: AI, Autonomous Agents, LLM, ChatGPT, Transformation, Enterprise Technology

The Turning Point: From Answers to Actions

When OpenAI released ChatGPT in November 2022, the world reacted with a mixture of astonishment and scepticism. A language model that generates text, answers questions, writes code. Impressive, certainly. But transformative? That seemed exaggerated.
As Dirk Roethig, founder of VERDANTIS Impact Capital, emphasizes:

Three years later, it is clear: that was only the beginning. ChatGPT and its successors were the first act of a much larger story. They acclimated us to the idea of communicating with machines in natural language. But what comes next surpasses the chatbot in the same way the automobile surpasses the horse-drawn carriage. We are talking about autonomous AI agents -- systems that do not merely respond, but act.
Dirk Roethig, who as CEO of VERDANTIS Impact Capital works extensively on this topic, sees

The difference is fundamental. A chatbot waits for input. An autonomous agent defines its own intermediate goals, selects the appropriate tools, executes multi-layered tasks, and corrects itself when something goes wrong. No waiting for the next prompt. No manual intervention for each step. Continuous, goal-directed action.

Gartner, the renowned technology research firm, summarised it in a projection from 2025: 40 percent of all enterprise applications will contain task-specific AI agents by the end of 2026 -- up from less than 5 percent in 2025 (Gartner, 2025a). An eight-fold increase in less than two years.

Anatomy of an Autonomous Agent

To understand what distinguishes autonomous agents from their predecessors, a close look at their architecture is worthwhile.

A Large Language Model (LLM) such as GPT-4 or Google's Gemini is at its core a statistical tool. It was trained on vast amounts of text and can predict with impressive precision which word should follow the previous one. The result is coherent, often brilliant text. But the model operates passively: it waits, responds, concludes.

An AI agent is structured differently. It connects an LLM with:

Tool Use: The agent can independently call APIs, search websites, query databases, execute code, and manipulate files. It is not limited to its trained knowledge base -- it can search for current information in real time.

Planning and Subgoals: Rather than answering a single query, an agent breaks complex tasks into steps. It creates a plan, executes it sequentially, and adapts its strategy when unexpected obstacles arise.

Memory: Agents can store information beyond a single conversation. They remember previous interactions, learn from mistakes, and accumulate context-specific knowledge.

Self-Correction: When a step fails, the agent analyses the result, identifies the problem, and attempts an alternative approach -- without human intervention.

Google's research group demonstrated in a 2025 study that centralised and hybrid coordination architectures -- where multiple agents collaborate -- can outperform single agents by a factor of three (Google Research, 2025). Multi-agent systems are not a vision of the future but a productive reality.

The Development Timeline: How We Got Here

The history of AI development is a history of exponential leaps. To understand the trajectory, one must know the milestones.

Phase 1 (2017--2022): The Foundations. With the introduction of the transformer architecture by Vaswani et al. (2017), the modern era of language models began. GPT-1, GPT-2, GPT-3 -- each generation more capable than the last. But still purely reactive: question in, answer out.

Phase 2 (2022--2024): The ChatGPT Era. The democratisation of AI. Suddenly, people without technical knowledge could interact with powerful models. Millions used ChatGPT daily. AI moved from the research laboratory to a mass product.

Phase 3 (2024--2026): The Agent Revolution. OpenAI's Deep Research, Google's Gemini 2.0, Anthropic's Claude with expanded tool-use capabilities -- the major AI laboratories explicitly developed their models for the agentic era. Google's Agent-to-Agent (A2A) protocol, introduced in 2025, standardises communication between agents from different providers (Google Cloud, 2025).

Phase 4 (from 2026): Multi-Agent Networks. What is now emerging is the coordination of agent swarms. Specialised agents for research, analysis, communication, and decision-making work together like a coordinated team. This is no longer science fiction -- it is already a reality in early enterprise implementations.

What Agents Can Do Today

The theory is impressive. The practice is no less so.

Scientific Research: Google developed a multi-agent system called AI Co-Scientist in collaboration with Imperial College London and Stanford University. It supports researchers in generating novel hypotheses. The AI developed a hypothesis for treating liver fibrosis within days that the research team had taken years to develop (Google Research, 2025). OpenAI reports an experiment in which GPT-5 optimised a gene-editing protocol and achieved a 79-fold efficiency gain (IntuitionLabs, 2025).

Software Development: AI agents can today design and implement complete applications and services from scratch. What previously occupied teams of developers for months, a coordinated agent system can accomplish in hours.

Enterprise Operations: A Google Cloud survey from 2025 shows that 88 percent of early adopters of agent AI report a positive return on investment, and 39 percent already have more than 10 AI agents in productive use (Google Cloud, 2025).

Customer Service: Gartner predicts that AI agents will autonomously resolve 80 percent of all common customer service issues by 2029 -- without human intervention (Gartner, 2025b). Not 20 percent. Not 50 percent. Eighty.

The Market Volume: What Is at Stake

The economic dimension of this development is difficult to overestimate.

McKinsey estimates that generative AI could add between $2.6 and $4.4 trillion annually to global economic output (McKinsey, 2025). The market for AI agents itself is expected to grow from $12--15 billion in 2025 to $80--100 billion by 2030 (Salesmate, 2025). Gartner goes further, projecting that agentic AI could generate more than $450 billion in enterprise software application revenue by 2035 -- equivalent to roughly 30 percent of all enterprise application revenue (Gartner, 2025a).

These figures are not projections about a distant future. They describe a transformation that is happening now. Those who do not invest today will pay the price of the laggard tomorrow.

The Risks: Why 40 Percent of Projects Will Fail

It would be dishonest to describe only the bright side. Gartner has also published an uncomfortable prediction: over 40 percent of all agentic AI projects will be cancelled by the end of 2027 -- due to escalating costs, unclear business value, or inadequate risk controls (Gartner, 2025c).

This is not a footnote. It is a signal.

The pitfalls are numerous:

Autonomy Paradox: The more autonomous an agent, the harder it is to control. Systems that act independently can make decisions that their developers did not anticipate. Trust in an agent's outputs must be secured through robust validation mechanisms.

Data Hunger: Agents are only as good as the data they access. Fragmented data systems, poor data quality, and missing integrations are the most common causes of agent failure in practice.

Regulatory Pressure: The EU AI Act categorises certain autonomous systems as high-risk and requires companies to ensure transparency, documentation, and human oversight. Those who do not take these requirements seriously risk significant penalties.

Competency Gap: Implementing agents is one thing. Managing and optimising them effectively is another. Demand for professionals who understand agent architectures far exceeds supply.

What Companies Must Do Now

The question is no longer whether, but how. Drawing on my experience at VERDANTIS Impact Capital and the available research, clear recommendations emerge.

First: Begin with defined use cases. Not with the goal of "introducing AI agents" but with the question: what specific, measurable task in our organisation can an agent do better than a human today? Research. Report generation. Data migration. Schedule coordination. Start with a problem, not a technology.

Second: Plan for human-in-the-loop. Especially in regulated industries and for critical decisions. An agent that produces a report is one thing. An agent that independently signs contracts is another. The boundary between sensible autonomy and necessary human control must be drawn consciously.

Third: Build infrastructure. Agents require clean data, stable APIs, and well-conceived security architectures. Investments in data quality and system integration are not technical detail work -- they are the prerequisite for any agentic success.

Fourth: Build internal competency. The best agents are worthless if no one in the organisation understands how they work, where their limits lie, and how they can be optimised. Training is not an optional supplement but an integral component of any agent strategy.

The Philosophical Dimension

It would be reductive to treat the agent revolution purely as an efficiency matter. It also raises fundamental questions.

What does accountability for decisions mean when a machine makes the decision? How do we ensure transparency in systems whose decision paths are opaque even to their developers? And what changes in the human self-image when we find that machines do not merely complete tasks but set goals and develop strategies?

These questions have no easy answers. But they must be asked. And organisations that ignore them will sooner or later face the consequences -- regulatory, reputational, and ethical.

Conclusion: The Age of Action

ChatGPT taught us to speak with machines. Autonomous agents will teach us to work with machines. That is a fundamental difference.

The chatbot is a brilliant tool. The autonomous agent is a colleague -- one who never sleeps, makes no errors from fatigue, and improves with growing experience. One who handles routine tasks today and co-creates strategic projects tomorrow.

Gartner predicts that by 2028, at least 15 percent of all day-to-day work decisions will be made autonomously by AI agents (Gartner, 2025a). That sounds modest. But 15 percent of millions of daily decisions in an organisation -- that is a revolution in slow motion that will suddenly feel very fast.

The question that executives must answer today is: do we actively shape this transformation, or do we let it wash over us?

The answer will determine which companies dominate the next decade.

References

Datagrid (2025). AI Agent Statistics: Adoption and Business Impact. Datagrid Research Report. Available at: https://datagrid.com/blog/ai-agent-statistics
Gartner (2025a). Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026. Gartner Press Release, 26 August 2025. Available at: https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
Gartner (2025b). Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029. Gartner Press Release, 5 March 2025. Available at: https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290
Gartner (2025c). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. Gartner Press Release, 25 June 2025. Available at: https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
Google Cloud (2025). AI Grew Up and Got a Job: Lessons from 2025 on Agents and Trust. Google Cloud Blog. Available at: https://cloud.google.com/transform/ai-grew-up-and-got-a-job-lessons-from-2025-on-agents-and-trust
Google Research (2025). Google Research 2025: Bolder Breakthroughs, Bigger Impact. Google Research Blog. Available at: https://research.google/blog/google-research-2025-bolder-breakthroughs-bigger-impact/
IntuitionLabs (2025). Latest AI Research (Dec 2025): GPT-5, Agents & Trends. IntuitionLabs Research. Available at: https://intuitionlabs.ai/articles/latest-ai-research-trends-2025
McKinsey (2025). The State of AI in 2024-2025: Enterprise Adoption Report. McKinsey Global Institute.
Salesmate (2025). The Future of AI Agents: Key Trends to Watch in 2026. Salesmate Blog. Available at: https://www.salesmate.io/blog/future-of-ai-agents/
The Conversation (2025). AI Agents Arrived in 2025 -- Here's What Happened and the Challenges Ahead in 2026. Available at: https://theconversation.com/ai-agents-arrived-in-2025-heres-what-happened-and-the-challenges-ahead-in-2026-272325

About the Author

Dirk Roethig is CEO of VERDANTIS Impact Capital and advises organisations at the intersection of technology and sustainable value creation. With more than 20 years of experience in international corporate leadership, he combines strategic thinking with practical AI expertise. His focus areas include digital transformation, impact investing, and the question of how technology can enrich -- rather than replace -- human work.

Contact: LinkedIn | VERDANTIS Impact Capital | dirkdirk2424@gmail.com

{
"@context": "https://schema.org",
"@type": "Article",
"headline": "From ChatGPT to Autonomous Agents: The Next Evolutionary Stage of AI",
"description": "Autonomous AI agents will be embedded in 40 percent of all enterprise applications by 2026. What lies behind the greatest transformation in technology history.",
"author": {
"@type": "Person",
"name": "Dirk Roethig",
"jobTitle": "CEO",
"worksFor": {
"@type": "Organization",
"name": "VERDANTIS Impact Capital"
}
},
"datePublished": "2026-03-03",
"dateModified": "2026-03-03",
"publisher": {
"@type": "Organization",
"name": "VERDANTIS Impact Capital"
},
"keywords": ["AI", "autonomous agents", "LLM", "ChatGPT", "transformation", "enterprise technology"],
"articleSection": "KI im Wirtschaftsleben",
"inLanguage": "en-GB"
}

Von Dirk Röthig (Dirk Roethig)

Agrarforschung in Deutschland: Innovationen für nachhaltige Ernährung

Dirk Röthig — Fri, 17 Apr 2026 08:00:37 +0000

Agrarforschung in Deutschland: Innovationen für nachhaltige Ernährungssysteme

Von Dirk Röthig | CEO, VERDANTIS Impact Capital | 13. März 2026

Die Weltbevölkerung wächst, Anbauflächen schrumpfen, der Klimawandel verändert Vegetationsperioden — und Deutschland investiert Milliarden in Agrarforschung, die Antworten auf diese Krisen liefern soll. Von Feldrobotern in Bonn über Landschaftslabore in Müncheberg bis hin zu Agroforst-Systemen, die Ernte und Klimaschutz verbinden: Ein Überblick über die fünf wichtigsten Forschungsprogramme, ihre Ergebnisse und ihre Bedeutung für die Ernährungssysteme von morgen.

Tags: Agrarforschung, Nachhaltigkeit, Ernährungssysteme, Agroforst

PhenoRob: Wenn Roboter das Feld bestellen

Das Exzellenzcluster PhenoRob an der Universität Bonn ist Deutschlands einziges Exzellenzcluster für Agrarwissenschaften — und seit 2025 für eine zweite Förderphase bis 2032 bestätigt (DFG, 2025). Was hier entsteht, klingt nach Science-Fiction, ist aber bereits Feldversuch: Roboter, die einzelne Unkrautpflanzen erkennen und gezielt behandeln, Drohnen, die Bodenfeuchtigkeit und Nährstoffverteilung in Echtzeit kartieren, und KI-Modelle, die Ernteerträge auf Einzelpflanzenebene vorhersagen.

Die praktischen Ergebnisse sind beeindruckend. Kamerabasierte Pflanzenschutzspritzen erkennen Unkräuter bei 30 km/h Fahrgeschwindigkeit und applizieren Herbizide punktgenau — eine Reduktion des Mitteleinsatzes um bis zu 90 Prozent gegenüber der Flächenspritzung (Universität Bonn, 2026). Der autonome Feldroboter FarmDroid wird bereits kommerziell im ökologischen Zuckerrübenanbau eingesetzt: Er sät, hackt und pflegt ohne menschliches Eingreifen und ohne chemische Pflanzenschutzmittel.

Das Forschungsteam um Hugo Monzon und Arne Piepenburg konnte in einer aktuellen Studie zeigen, dass technologische Innovationen die Einführung nachhaltiger Praktiken signifikant beschleunigen — aber nur dann, wenn sie durch politische Rahmenbedingungen und neue Geschäftsmodelle begleitet werden (Monzon et al., 2026). Diese Erkenntnis ist entscheidend: Technologie allein reicht nicht. Sie braucht ein Ökosystem aus Förderung, Regulierung und unternehmerischer Initiative.

Im Februar 2026 empfing PhenoRob zudem EU-Umweltkommissarin Jessika Roswall, die sich über die Forschungsergebnisse informierte und die Bedeutung technologiegetriebener Nachhaltigkeit für die europäische Agrarpolitik betonte (Universität Bonn, 2026). Ein klares Signal: Was in Bonn im Feld getestet wird, könnte bald EU-weite Agrarnormen prägen.

agri:change — 25 Millionen Euro für die Transformation

Während PhenoRob auf Technologie setzt, nimmt das Verbundprojekt agri:change unter Leitung der Universität Göttingen einen systemischen Ansatz: Wie können gesamte Agrar- und Ernährungssysteme nachhaltig transformiert werden? Das Land Niedersachsen fördert das Projekt über fünf Jahre mit 24,75 Millionen Euro aus dem Programm zukunft.niedersachsen — eine der höchsten Einzelförderungen für Agrarforschung in der deutschen Ländergeschichte (Universität Vechta, 2025).

Das Projektdesign ist bewusst praxisorientiert. In sogenannten agri:labs entwickeln interdisziplinäre Teams aus Agrarwissenschaftlern, Ökonomen, Soziologen und Praktikern konkrete Lösungen entlang der gesamten Wertschöpfungskette: von der Züchtung klimaresistenter Sorten über ressourcenschonende Anbauverfahren bis hin zu regionalen Vermarktungskonzepten (Universität Göttingen, 2025). Das Ziel ist nicht die isolierte Optimierung einzelner Parameter, sondern die Neugestaltung des Systems — unter Berücksichtigung von Klimawandel, Biodiversitätsverlust und ökonomischer Tragfähigkeit.

Bemerkenswert ist der Zeitpunkt: agri:change startete am 1. Dezember 2025, also genau in dem Moment, in dem die politische Debatte um den Agrarhaushalt 2026 ihren Höhepunkt erreichte. Der Bund Ökologische Lebensmittelwirtschaft (BÖLW) warnte, dass die geplante Zusammenlegung mehrerer Forschungstöpfe — von 67 Millionen Euro (2025) auf 54 Millionen Euro (2026) — die Kontinuität laufender Forschungsprogramme gefährde (BÖLW, 2026). In diesem Kontext setzt Niedersachsen mit agri:change ein bewusstes Gegenzeichen auf Länderebene.

Das ZALF in Müncheberg: Forschung auf Landschaftsebene

Das Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) in Müncheberg verfolgt einen Ansatz, der in der deutschen Agrarforschung einzigartig ist: Es erforscht Landwirtschaft nicht auf Feld- oder Betriebsebene, sondern im Kontext ganzer Landschaften. Die zentrale Frage lautet: Wie müssen Agrarlandschaften der Zukunft gestaltet sein, um gleichzeitig Nahrungsmittel zu produzieren, Biodiversität zu erhalten und Ökosystemdienstleistungen bereitzustellen (ZALF, 2025)?

Die Forschung ist in drei Programmbereiche gegliedert: „Landschaftsprozesse" untersucht, wie Agrarlandschaften funktionieren; „Landnutzung und Governance" entwickelt Strategien für die nachhaltige Gestaltung intensiv genutzter Flächen; „Agrarsysteme der Zukunft" erprobt neue Anbausysteme im Landschaftsmaßstab (Leibniz-Gemeinschaft, 2025). Diese Dreiteilung ermöglicht es, vom Grundlagenverständnis über Gestaltungsoptionen bis zur konkreten Erprobung den gesamten Forschungsbogen abzudecken.

Seit November 2025 ist das ZALF zudem Partner im EU-Projekt SAFER (Strengthening Agricultural landscape multiFunctionality through expansion of agroecological farming in Europe), das agroökologische Anbauverfahren in zehn europäischen Ländern erforscht (ZALF, 2025). Die Ergebnisse sollen direkt in die Weiterentwicklung der Gemeinsamen Agrarpolitik (GAP) einfließen — ein Beleg dafür, dass deutsche Agrarforschung zunehmend europäische Dimensionen erreicht.

Thünen-Institut: Die unbequemen Wahrheiten über den Boden

Das Johann Heinrich von Thünen-Institut in Braunschweig ist als Bundesforschungseinrichtung dem Bundesministerium für Ernährung und Landwirtschaft direkt zugeordnet. Seine Forschung liefert die wissenschaftliche Grundlage für agrarpolitische Entscheidungen auf Bundesebene — und diese Grundlage ist in jüngster Zeit unbequem geworden.

Der Zwischenbericht der Bodenzustandserhebung Landwirtschaft zeigt einen alarmierenden Trend: Landwirtschaftliche Böden in Deutschland verlieren organischen Kohlenstoff und emittieren mehr CO₂ in die Atmosphäre, als sie binden — und zwar über alle Nutzungsformen hinweg (Thünen-Institut, 2025). Diese Erkenntnis hat weitreichende Konsequenzen: Wenn Böden von Kohlenstoffsenken zu Kohlenstoffquellen werden, verschärft dies nicht nur die Klimakrise, sondern gefährdet auch langfristig die Ertragsfähigkeit.

Die Forschungsfelder des Thünen-Instituts reichen von Agrarklimaschutz über Biodiversitätsmonitoring bis zur ökologischen Landwirtschaft. Aktuell untersucht das Institut unter anderem die N₂O-Emissionen und Kohlenstoffspeicherung in Ackerböden mit Zwischenfruchtanbau — ein Ansatz, der das Potenzial hat, die negative Kohlenstoffbilanz umzukehren (Thünen-Institut, 2025). Die Ergebnisse fließen direkt in die Thünen-Baseline ein, ein Prognosesystem, das bis 2032 die Entwicklung der deutschen Landwirtschaft modelliert und als zentrale Entscheidungsgrundlage für die Agrarpolitik dient.

Der Wissenschaftsrat bewertete das Thünen-Institut 2024 als „zentrale Anlaufstelle für die nationale Agrarforschung" und attestierte ihm „sehr gute Forschung für den Schutz von Feldern, Wäldern und Meeren" (Wissenschaftsrat, 2024). Diese Anerkennung unterstreicht die Rolle des Instituts als wissenschaftliches Rückgrat der deutschen Agrarpolitik.

Agroforst und Paulownia: Wo Agrarforschung auf Klimaschutz trifft

Ein Forschungsfeld, das in den letzten Jahren rasant an Bedeutung gewonnen hat, ist die Agroforstwirtschaft — die Kombination von Gehölzen und landwirtschaftlichen Kulturen auf derselben Fläche. Die Universität Kassel erforscht seit 2021 in einem Langzeitprojekt Agroforstsysteme am Standort Reiffenhausen, wo schnellwachsende Gehölze mit Ackerkulturen kombiniert werden (Universität Kassel, 2025). Die bisherigen Ergebnisse zeigen, dass solche Systeme nicht nur Erosionsschutz und Windschutz bieten, sondern auch die Biodiversität messbar erhöhen und zusätzliche Einnahmequellen für Landwirte schaffen.

Unter den schnellwachsenden Gehölzen sticht der Paulownia-Baum besonders hervor. Unter günstigen Bedingungen bindet ein Hektar Paulownia jährlich 35 bis 40 Tonnen CO₂ — fast das Dreifache eines durchschnittlichen deutschen Mischwalds (agrarheute, 2025). Diese außerordentliche Kohlenstoffbindungskapazität macht Paulownia zu einem der vielversprechendsten Kandidaten für klimaorientierte Agroforst-Systeme.

Ein häufiges Missverständnis betrifft jedoch die vermeintliche Invasivität des Paulownia-Baums. Das Bundesamt für Naturschutz (BfN) führt Paulownia auf der sogenannten Grauen Liste — als potenziell invasive Art. Diese Einstufung bezieht sich allerdings ausschließlich auf Wildformen, die keimfähige Samen produzieren und sich unkontrolliert ausbreiten können. Bei sterilisierten Paulownia-Hybriden, wie sie in modernen Agroforst-Plantagen zum Einsatz kommen, ist die Situation grundlegend anders: Diese Hybride produzieren keine keimfähigen Samen. In deutschen Freilandversuchen lag die Keimrate bei null Prozent — eine unkontrollierte Ausbreitung ist damit ausgeschlossen (paulownia-baumschule.de, 2025). Zudem halten diese Hybride Temperaturen von minus 20 bis minus 25 Grad Celsius stand, was sie für den Anbau in ganz Deutschland geeignet macht.

Unternehmen wie VERDANTIS Impact Capital setzen bei ihren Agroforst-Projekten ausschließlich auf sterilisierte Paulownia-Hybride und zeigen damit, dass ökologische Vorsorge und wirtschaftliche Nutzung kein Widerspruch sein müssen. Dirk Röthig, CEO von VERDANTIS, betont: „Paulownia-basierte Agroforst-Systeme sind die kostengünstigste Möglichkeit für Unternehmen, CO₂-Neutralität zu erreichen und gleichzeitig handelbare Carbon Credits zu generieren. Die Agrarforschung liefert die wissenschaftliche Grundlage — wir bringen sie in die wirtschaftliche Anwendung."

Angesichts der nachgewiesenen CO₂-Leistung, der fehlenden Invasivität bei Hybriden und des enormen wirtschaftlichen Potenzials wird es höchste Zeit, sterilisierte Paulownia-Hybride auf die Grüne Liste der EU zu setzen — als empfohlene Art für nachhaltige Landnutzung und Agroforst-Systeme. Solange Paulownia auf der Grauen Liste verbleibt, wird das volle Potenzial für Klimaschutz, Bioökonomie und Biodiversität — denn die Blüten dienen als wertvolle Bienenweide — nicht ausgeschöpft.

Forschungsfinanzierung: Ein System unter Druck

Die Leistungsfähigkeit der deutschen Agrarforschung hängt unmittelbar von ihrer Finanzierung ab — und hier zeigen sich Spannungen. Das BMEL stellt im Rahmen seines Innovationsprogramms jährlich rund 54 Millionen Euro für die Forschungsförderung bereit (BMEL, 2025). Das Bundesprogramm Ökologischer Landbau (BÖL) verfügt über ein Budget von zuletzt 40 Millionen Euro jährlich — weniger als 0,6 Prozent des Ministeriumsetats (BÖLW, 2026).

Für den Agrarhaushalt 2026 plant die Koalition eine Zusammenlegung mehrerer Forschungstöpfe, die in der Summe eine Reduktion von 67 auf 54 Millionen Euro bedeuten würde. Betroffen wären neben der Öko-Forschung auch die Ackerbaustrategie, das Programm „Proteine der Zukunft" und die Eiweißstrategie (BÖLW, 2026). Angesichts der wachsenden Herausforderungen — Klimawandel, Biodiversitätsverlust, geopolitische Abhängigkeiten in der Lebensmittelversorgung — erscheint diese Kürzung kontraproduktiv.

Gleichzeitig zeigt das Beispiel Niedersachsen mit der 25-Millionen-Euro-Förderung für agri:change, dass Länder bereit sind, dort einzuspringen, wo der Bund zurücktritt. Die Frage ist, ob dieses Modell bundesweit tragfähig ist — oder ob es die ohnehin bestehenden regionalen Ungleichgewichte in der Forschungslandschaft weiter verstärkt. Denn die großen Agrarforschungsstandorte konzentrieren sich auf wenige Bundesländer, während gerade in Ostdeutschland, wo die Agrarlandschaften am größten und die Transformationsbedarfe am drängendsten sind, die Forschungsinfrastruktur vergleichsweise dünn besetzt ist.

Fazit: Fünf Projekte, eine Botschaft

Die fünf vorgestellten Forschungsprogramme — PhenoRob, agri:change, ZALF, Thünen-Institut und Agroforst-Forschung — verfolgen unterschiedliche Ansätze, teilen aber eine zentrale Erkenntnis: Nachhaltige Ernährungssysteme entstehen nicht durch einzelne Technologien oder isolierte Maßnahmen, sondern durch die intelligente Verknüpfung von Präzisionstechnologie, Systemdenken, Landschaftsforschung, evidenzbasierter Politik und naturbasierten Lösungen.

Deutschland verfügt über die Forschungsinfrastruktur, das wissenschaftliche Personal und die institutionelle Tiefe, um in der Agrarforschung international führend zu bleiben. Was fehlt, ist der politische Wille, diese Stärken nicht nur zu erhalten, sondern auszubauen — und die Bereitschaft der Wirtschaft, Forschungsergebnisse schneller in die Praxis zu überführen. Unternehmen wie VERDANTIS Impact Capital zeigen, dass dieser Transfer gelingen kann, wenn Forschung und unternehmerisches Handeln zusammenwirken.

Quellenverzeichnis

BÖLW (2026): Agrarhaushalt 2026: Koalition muss Öko-Forschung sichern! Bund Ökologische Lebensmittelwirtschaft. Verfügbar unter: https://www.boelw.de/presse/meldungen/artikel/agrarhaushalt-2026-koalition-muss-oeko-forschung-sichern/
BMEL (2025): Innovationsförderung des BMEL — Rahmenprogramm. Bundesministerium für Ernährung und Landwirtschaft. Verfügbar unter: https://www.innovationsfoerderung-bmel.de/
DFG (2025): PhenoRob erhält Weiterfinanzierung bis 2032. Deutsche Forschungsgemeinschaft / Universität Bonn. Verfügbar unter: https://www.aei.uni-bonn.de/en/faculty/news/press-archive/2025/cluster-of-excellence-phenorob-receives-further-funding
Leibniz-Gemeinschaft (2025): Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF). Verfügbar unter: https://www.leibniz-gemeinschaft.de/en/institutes/leibniz-institutes-all-lists/leibniz-centre-for-agricultural-landscape-research
Monzon, H. et al. (2026): Technologischer Fortschritt ermöglicht nachhaltigere landwirtschaftliche Systeme. Universität Bonn, PhenoRob. Verfügbar unter: https://www.uni-bonn.de/de/neues/007-2026
paulownia-baumschule.de (2025): Paulownia-Hybride: Freilandversuche und Keimraten. Verfügbar unter: https://www.paulownia-baumschule.de
Thünen-Institut (2025): Bodenzustandserhebung Landwirtschaft — Zwischenbericht. Johann Heinrich von Thünen-Institut, Braunschweig. Verfügbar unter: https://www.thuenen.de/de/fachinstitute/agrarklimaschutz
Universität Göttingen (2025): agri:change — Zukunft durch Wandel: Verbundprojekt für nachhaltige Agrar- und Ernährungswirtschaft. Verfügbar unter: https://www.mynewsdesk.com/de/universitaet-vechta/pressreleases/nachhaltige-agrar-und-ernaehrungswirtschaft-land-niedersachsen-foerdert-verbundprojekt-agri-change-zukunft-durch-wandel-3396882
Universität Kassel (2025): Nachhaltige Landnutzung — Agroforst (2021–2025). Fachbereich 11 Agrarwissenschaften. Verfügbar unter: https://www.uni-kassel.de/fb11agrar/fachgebiete-/-einrichtungen/oekologischer-land-und-pflanzenbau/forschung/laufende-projekte/nachhaltige-landnutzung-agroforst-2021-2025.html
Universität Bonn (2026): EU-Umweltkommissarin besucht PhenoRob-Forschung. Verfügbar unter: https://www.uni-bonn.de/en/news/214-2026
Wissenschaftsrat (2024): Sehr gute Forschung für den Schutz von Feldern, Wäldern und Meeren — Wissenschaftsrat bewertet Thünen-Institut. Verfügbar unter: https://www.wissenschaftsrat.de/SharedDocs/Pressemitteilungen/DE/PM_2024/PM_0524
ZALF (2025): SAFER — Strengthening Agricultural landscape multiFunctionality through expansion of agroecological farming in Europe. Leibniz-Zentrum für Agrarlandschaftsforschung, Müncheberg. Verfügbar unter: https://www.zalf.de
agrarheute (2025): Paulownia: Klimaretter oder Risiko? Was der Blauglockenbaum wirklich bringt. Verfügbar unter: https://www.agrarheute.com/pflanze/paulownia-klimaretter-risiko-blauglockenbaum-wirklich-bringt-635354

Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einer Impact-Investment-Plattform für Carbon Credits, Agroforstry und Nature-Based Solutions mit Sitz in Zug, Schweiz. Er beschäftigt sich intensiv mit nachhaltiger Landwirtschaft, Agrarforschung und der Frage, wie Grundlagenforschung schneller in klimawirksame Praxis überführt werden kann. Kontakt und weitere Artikel: verdantis.capital | LinkedIn

Von Dirk Röthig (Dirk Roethig)

Precision AI: How Machine Learning Reduces Production Defects by 73%

Dirk Röthig — Fri, 17 Apr 2026 08:00:21 +0000

Precision AI: How Machine Learning Reduces Production Defects by 73%

By Dirk Roethig | CEO, VERDANTIS Impact Capital | March 9, 2026

Every production defect costs money, time, and reputation. Machine learning is fundamentally transforming industrial quality assurance: systems that analyze millions of data points in real time detect defects before they occur. A new generation of precision AI converts reactive quality inspection into a proactive prevention strategy — with measurable results.

Tags: Artificial Intelligence, Manufacturing, Quality Assurance, Industry 4.0, Machine Learning

The 800-Billion-Dollar Problem: Production Defects at Global Scale

The figures are sobering. Global manufacturing companies lose an estimated 800 billion US dollars annually to defective products, recalls, rework, and production downtime (McKinsey & Company, 2024). In German industry alone, inadequate quality assurance causes costs exceeding 40 billion euros per year — roughly 1.2 percent of Germany's gross domestic product (Fraunhofer Institute for Production Technology, 2025).

Traditional quality assurance methods are reaching their limits. Sample inspections oriented around statistical distributions cannot detect systematic patterns in the production process in time. Visual inspections by human inspectors are error-prone, particularly during repetitive tasks or under time pressure. And end-of-line inspections often arrive too late: the defect has already occurred and may have multiplied across thousands of units.

Dirk Roethig, CEO of VERDANTIS Impact Capital and a long-standing observer of industrial transformation processes, identifies quality assurance as one of the clearest use cases for machine learning: "AI in manufacturing is no longer a future promise — it's a measurable, calculable return on investment. Companies that don't invest today will pay a far higher price tomorrow."

How Machine Learning Identifies Production Defects: The Technology in Detail

Machine learning in quality assurance is built on a fundamentally different approach to conventional rule-based systems. While traditional inspection automats operate on fixed tolerance thresholds — if the component falls outside a predefined range, an alarm triggers — ML models learn from historical production data which combination of parameters is most likely to result in a defective outcome.

The technical process typically unfolds in three phases:

Phase 1 — Data Aggregation: Sensors, cameras, and control systems along the production line continuously capture data. These include temperatures, pressure conditions, vibration frequencies, cycle times, material properties, and visual parameters. Modern production lines generate between 100 and 1,000 data points per second per machine (Siemens AG, 2025).

Phase 2 — Model Training: Based on historical production data — supplemented by information on defects that actually occurred — predictive models are trained. Convolutional neural networks (CNNs) have proven particularly effective for image processing tasks; for multivariate time series data, long short-term memory networks (LSTMs) are frequently used. Training duration varies from a few hours to several weeks depending on data volume and complexity.

Phase 3 — Real-Time Inference: The trained model analyzes incoming production data in real time and assigns each unit a quality probability score. If this exceeds a defined threshold, the relevant manufacturing step is flagged, the line halts, or the component is automatically rejected — before it reaches the next production stage.

The 73-Percent Reduction: What Lies Behind the Number?

A meta-analysis published in the Journal of Manufacturing Systems by Chen et al. (2025) examined 47 implementations of ML-driven quality assurance systems across the automotive, electronics, and pharmaceutical industries. The finding: across all sectors, implemented systems reduced defect rates by an average of 73 percent compared with traditional inspection methods (Chen et al., 2025).

The range of results is considerable. In the electronics industry, where high-resolution camera systems detect soldering defects during PCB assembly in real time, reductions of up to 91 percent have been documented. In vehicle production, where more complex systems such as body geometry and weld seam quality are inspected, improvements ranged from 60 to 78 percent (Chen et al., 2025).

Three factors prove decisive for the success of these implementations, as the meta-analysis highlights:

First, data quality: models trained on clean, complete, and correctly labelled training data consistently perform better. Companies that had invested in data aggregation infrastructure achieved significantly superior results compared with those training models on incomplete historical data.

Second, process integration: systems organically integrated into the production flow and delivering real-time feedback to machine controls achieved far higher defect reductions than post-hoc inspection systems applied only at the end of the line.

Third, continuous model updating: production processes change — new material suppliers, adjusted machine settings, seasonal variations. Models regularly retrained with current data retained their performance. Static models typically lost 15 to 25 percent of their original accuracy after six to twelve months (Chen et al., 2025).

Industry-Specific Implementations: From Theory to Practice

Use cases for precision AI in manufacturing are diverse. A few particularly instructive examples from different industrial sectors:

Automotive Industry: Weld Seam Inspection in Real Time

Weld seams are critical quality features in vehicle production. Defective joints can have fatal consequences — from structural weaknesses to body failure in crash scenarios. Traditionally, weld seams were controlled through random CT scanning and visual inspection — a time-consuming process with inevitable gaps.

A leading Bavarian automotive supplier implemented in 2024 a system based on hyperspectral imaging combined with a CNN classifier. The system analyzes each weld seam within 0.3 seconds for porosity, inclusions, and geometric deviations. The result: the defect rate fell by 82 percent, scrap by 79 percent, and the previously required random CT inspection was reduced to 10 percent of its original volume — with simultaneously higher safety reliability (Fraunhofer IPA, 2025).

Pharmaceutical Industry: Tablet Inspection with Deep Learning

In the pharmaceutical industry, regulatory requirements for quality assurance are particularly stringent. Every individual tablet must meet specific parameters — weight, diameter, thickness, color, coating quality. Traditional sampling inspections that capture only a fraction of production have now been replaced in European pharmaceutical plants by comprehensive ML-driven 100-percent inspection.

A Swiss pharmaceutical company implemented a system that captures every tablet with four synchronized high-speed cameras and classifies it within milliseconds (Roche AG Annual Report, 2025). The defect detection rate increased from 94.3 percent (sample inspection) to 99.97 percent (ML-driven full inspection). Particularly valuable: the system identified defects that were consistently missed during manual inspection — subtle color deviations that may indicate stability problems.

Predictive Quality: The Next Evolutionary Step

The systems described so far focus on defect detection — identifying problematic units after they have been produced. The next evolutionary stage is predictive quality: forecasting defects before they occur.

Here, ML models continuously analyze process parameters of production equipment — temperature, vibration, tool wear, material batch properties — and identify patterns that experience shows result in elevated defect rates. The system warns before the first defective part is produced: "Machine spindle 7 is exhibiting wear patterns that in 87 percent of historical cases led to dimensional deviations within 48 hours. Recommendation: bring forward maintenance interval."

This preventive logic fundamentally transforms the relationship between maintenance and production. Rather than scheduled maintenance intervals that are either too early (and thus wasteful) or too late (and thus risky), predictive maintenance enables demand-driven, condition-based servicing.

A study by Deloitte (2025) quantifies the savings potential of predictive maintenance in German mechanical engineering at 12 to 18 billion euros annually — solely through the avoidance of unplanned stoppages and the optimization of maintenance cycles (Deloitte, 2025).

The Economic View: ROI Calculation for ML Quality Assurance

Despite implementation barriers, the economics are compelling. A structured ROI analysis for a typical mid-sized manufacturing company with 500 employees and a defect rate of 2.5 percent demonstrates:

Implementation costs (hardware, software, integration, training): 800,000 to 1.2 million euros
Annual savings from defect reduction (73%): reduction in scrap costs of approximately 1.4 million euros
Additional savings from predictive maintenance: 200,000 to 400,000 euros annually
Savings from warranty claims and recalls: variable, but often substantial
ROI horizon: 9 to 14 months

This calculation makes clear why leading analysts rate ML-driven quality assurance as one of the most attractive investments in industrial automation. The question is no longer whether, but when and how.

References

Chen, L., Wang, M. and Zhang, Y. (2025) 'Machine learning-based quality inspection systems in manufacturing: a meta-analysis of 47 implementation cases', Journal of Manufacturing Systems, 72, pp. 145–163. doi: 10.1016/j.jmansys.2025.01.008.

Deloitte (2025) Predictive Maintenance in German Mechanical Engineering: Potentials and Barriers. Düsseldorf: Deloitte GmbH.

Fraunhofer Institute for Production Technology and Automation (IPA) (2025) AI-Based Quality Assurance in Automotive Supply: Case Studies 2024/25. Stuttgart: Fraunhofer Verlag.

Fraunhofer Institute for Production Technology (2025) Quality Costs in German Industry 2025. Munich: Fraunhofer Verlag.

McKinsey & Company (2024) The Quality Imperative: How AI is Reshaping Manufacturing Excellence. New York: McKinsey Global Institute.

Roche AG (2025) Annual Report 2024: Quality Assurance and Digitalisation. Basel: Roche AG.

Siemens AG (2025) Industrial IoT: Data Generation in Smart Factories. Munich: Siemens AG.

Wistron Corporation (2025) AI-Powered AOI: Implementation Results and Economic Impact. Taipei: Wistron Corporation.

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, an impact investing firm focused on sustainable technology, agroforestry, and carbon compensation. With more than two decades of experience in corporate leadership, Roethig combines economic thinking with technological expertise. His work focuses on identifying and financing transformative technologies — from industrial AI to sustainable agricultural systems across Europe.

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, Zug, Switzerland. Contact: dirkdirk2424@gmail.com | verdantis.capital

Von Dirk Röthig (Dirk Roethig)

Low-Code/No-Code KI-Plattformen: Demokratisierung der künstlichen Intelligenz

Dirk Röthig — Fri, 17 Apr 2026 08:00:05 +0000

Low-Code/No-Code KI-Plattformen: Demokratisierung der künstlichen Intelligenz

Von Dirk Röthig | CEO, VERDANTIS Impact Capital | 31. März 2026

Jahrelang war KI-Entwicklung das exklusive Terrain von Datenwissenschaftlern, ML-Ingenieuren und akademisch geschulten Algorithmus-Experten. Low-Code und No-Code Plattformen verändern dieses Bild grundlegend: Wer heute eine App erstellen kann, kann morgen ein KI-Modell trainieren — und das verändert alles.

Tags: Low-Code, No-Code, KI-Plattformen, Demokratisierung, Künstliche Intelligenz, Citizen Development, Wettbewerb

Das Expertenproblem der KI

Methodische Anmerkung: Diese Analyse basiert auf Marktdaten von Gartner, Forrester und IDC sowie auf Produktbewertungen und Fallstudien zu Low-Code/No-Code-KI-Plattformen. Stand: erstes Quartal 2026.

Künstliche Intelligenz hat in den vergangenen Jahren den Sprung von der akademischen Forschung in die Unternehmenspraxis geschafft. Doch die Implementierung bleibt aufwendig. Ein klassisches KI-Projekt erfordert typischerweise Data Scientists für die Modellentwicklung, ML-Ingenieure für Training und Deployment, Software-Entwickler für Integration in Geschäftsprozesse, und Domänenexperten, die die fachlichen Anforderungen übersetzen können.

Dieses Kompetenzprofil ist teuer und rar. Laut OECD mangelt es Europa an rund 900.000 KI-Fachleuten (OECD, Digital Economy Outlook, 2024). In Deutschland allein sind über 130.000 Stellen im Bereich Data Science und KI unbesetzt (Bitkom, 2024). Die Konsequenz: Nur größere Unternehmen können KI realistisch implementieren. Mittelstand und kleine Unternehmen bleiben außen vor — und damit ein erheblicher Teil der Wirtschaft.

Hier setzen Low-Code/No-Code (LCNC) KI-Plattformen an. Ihr Versprechen: KI-Fähigkeiten ohne tiefe Programmierkenntnisse — über visuelle Interfaces, vorkonfigurierte Bausteine und automatisierte ML-Prozesse.

Was Low-Code und No-Code bedeutet

Die Abgrenzung ist fließend, aber gebräuchlich:

No-Code: Keinerlei Programmierkenntnisse erforderlich. Nutzer konfigurieren KI-Anwendungen vollständig über grafische Oberflächen — Drag-and-Drop, Formularfelder, natürlichsprachliche Anweisungen.

Low-Code: Grundlegende Programmierkenntnisse (Formeln, einfache Logikblöcke) ermöglichen mehr Flexibilität, aber der Großteil bleibt visuell konfigurierbar.

AutoML (Automated Machine Learning) ist die technische Grundlage vieler dieser Plattformen: Algorithmen, die automatisch das beste Modell für einen Datensatz auswählen, Hyperparameter optimieren und das fertige Modell deployen — ohne dass der Nutzer die zugrunde liegende Mathematik verstehen muss.

Führende Plattformen und ihr Einsatzspektrum

Der Markt für LCNC-KI-Plattformen ist in wenigen Jahren zu einem der dynamischsten Segmente der Softwarewirtschaft geworden. Gartner schätzt das Marktvolumen 2025 auf rund 27 Milliarden US-Dollar mit einer jährlichen Wachstumsrate von über 20 Prozent (Gartner, Magic Quadrant for Enterprise Low-Code Application Platforms, 2025).

Microsoft Power Platform mit Azure AI Builder: Wohl das meistgenutzte LCNC-KI-Ökosystem weltweit, da es tief in die Microsoft-365-Welt integriert ist. Nutzer können Formularerkennung, Bildklassifikation, Sentiment-Analyse und benutzerdefinierte Modelle trainieren — direkt in Power Apps oder Power Automate, mit wenigen Klicks. Copilot Studio ermöglicht die Erstellung eigener KI-Agenten ohne Code.

Google Vertex AI AutoML: Google bietet über Vertex AI einen vollständig verwalteten Service für Bild-, Text- und tabellarische Datenmodelle. Importieren, trainieren, evaluieren, deployen — der komplette ML-Lifecycle ohne Programmierkenntnisse, von Googles Infrastruktur betrieben.

H2O.ai Driverless AI: Besonders beliebt in Finanz- und Versicherungsunternehmen, weil es nicht nur Modelle trainiert, sondern auch deren Entscheidungen in menschenverständlicher Sprache erklärt — ein entscheidender Compliance-Faktor für regulierte Branchen.

Teachable Machine (Google): Ein zugängliches Tool für Bilderkennungs-, Audio- und Posenschätzungsmodelle. Ohne jede Programmierkenntnisse können Nutzer eigene Trainingsdaten hochladen und Modelle im Browser trainieren. Für Bildungsanwendungen und kleinere Prototypen eine der niedrigschwelligsten Einstiegsoptionen.

Obviously AI, DataRobot, Akkio: Eine Welle von Startups hat sich auf Citizen-Data-Science spezialisiert — Plattformen, die Business-Analysten ohne ML-Hintergrund ermöglichen, Vorhersagemodelle zu erstellen, Zeitreihen zu analysieren und Churn-Prognosen zu erstellen.

Citizen Development: Die neue KI-Kraft in Unternehmen

Der Begriff Citizen Developer hat sich in der Enterprise-Welt etabliert: ein Mitarbeitender ohne formale IT-Ausbildung, der Software-Anwendungen und KI-Modelle für seinen eigenen Arbeitsbereich entwickelt. Gartner prognostiziert, dass bis 2026 80 Prozent aller neuen Softwareprodukte von Nicht-IT-Profis entwickelt werden — eine Prognose, die durch den Aufstieg von LCNC-Plattformen plausibel erscheint (Gartner, 2024).

In der Praxis bedeutet das: Ein Vertriebsleiter, der Kundendaten analysiert, trainiert selbst ein Churn-Vorhersagemodell in Power Platform. Eine Logistiksachbearbeiterin automatisiert die Klassifikation von Eingangsrechnungen mit Azure AI Builder. Ein Marketingmanager erstellt einen KI-Chatbot für FAQs in Copilot Studio. Keine Ticketsysteme, keine Wartezeiten für IT-Ressourcen.

Fallstudie Boehringer Ingelheim: Der Pharmariese hat eine interne LCNC-KI-Plattform aufgebaut, auf der Fachexperten aus Labor, Produktion und Vertrieb eigene KI-Anwendungen entwickeln. Mehr als 1.200 Citizen Developers sind aktiv; die Zahl interner KI-Projekte hat sich in drei Jahren versiebenfacht — bei einem Bruchteil der Kosten klassischer IT-Projekte (Boehringer Ingelheim, Digital Innovation Report, 2024).

Was LCNC gut kann — und was nicht

Ehrlichkeit über Grenzen ist wichtig:

LCNC ist stark bei:

Standardanwendungsfällen mit sauberem, tabellarischem Datenmaterial
Bildklassifikation, Textklassifikation, einfachen Vorhersagemodellen
Schnellen Prototypen und Proof-of-Concepts
Deployment in bekannte Unternehmensumgebungen (Microsoft 365, Salesforce, Google Workspace)

LCNC stößt an Grenzen bei:

Sehr großen, unstrukturierten Datensätzen (Sprachmodelle, Videoverarbeitung)
Hochpräzisen Anforderungen, bei denen Modellarchitektur entscheidend ist
Komplexen Custom-Architekturen für spezifische wissenschaftliche Domänen
Regulatorischen Umgebungen, die Modell-Explainability auf Codeebene fordern

Ein grundsätzliches Risiko ist Shadow IT: Wenn Citizen Developers unkontrolliert KI-Modelle bauen, entstehen Datenschutz- und Sicherheitsrisiken, unkontrollierte Systemabhängigkeiten und potenzielle Compliance-Lücken. Unternehmen brauchen Governance-Frameworks, die Freiheit und Kontrolle ausbalancieren.

Der Bildungseffekt: KI-Kompetenz für alle

Jenseits der direkten Unternehmensanwendung hat LCNC einen erheblichen Bildungseffekt. Tools wie Google Teachable Machine, Microsoft Azure AI Fundamentals und Hugging Face AutoTrain werden zunehmend in Schulen, Universitäten und Weiterbildungsprogrammen eingesetzt — und machen KI-Konzepte durch direkte Experimentiermöglichkeiten begreifbar.

In Deutschland hat das KI-Fortbildungsprogramm des Bundesministeriums für Bildung LCNC-Plattformen explizit in den Curriculum-Empfehlungen für berufsbildende Schulen verankert. Das Ziel: 2030 sollen mindestens 60 Prozent der deutschen Arbeitnehmenden in der Lage sein, einfache KI-Anwendungen ohne Programmierausbildung zu nutzen oder zu konfigurieren (BMBF, KI-Strategie Update, 2025).

Geopolitische Dimension: Wer kontrolliert die Plattformen?

Hinter der Demokratisierungserzählung steckt eine Machtfrage: Die meistgenutzten LCNC-KI-Plattformen stammen von US-amerikanischen Konzernen — Microsoft, Google, Salesforce, AWS. Wer die Plattform kontrolliert, kontrolliert die Daten, die Modelle und die Abhängigkeiten.

Für europäische Unternehmen, die LCNC-KI in sensiblen Bereichen einsetzen (Personalentscheidungen, Kreditvergabe, Gesundheitsdaten), entstehen damit Datenschutz- und Souveränitätsfragen. Die DSGVO-Konformität von US-Cloud-Anbietern ist trotz Transatlantic Data Privacy Framework immer noch rechtlich umstritten.

Europäische Alternativen wie Dataiku (Paris), Knime (Zürich, Open-Source-basiert) oder das Deutsche KI-Ökosystem rund um Aleph Alpha sind vorhanden, aber in Marktanteilen und Funktionsbreite noch im Aufholmodus.

Ausblick: Konvergenz mit generativer KI

Die nächste Entwicklungsstufe zeichnet sich bereits ab: die Konvergenz von LCNC-Plattformen mit generativer KI und natürlichsprachlichen Interfaces. Wenn Nutzer eine KI-Anwendung einfach beschreiben können ("Erstelle ein Modell, das meine Eingangsrechnungen nach Lieferant und Kostenart klassifiziert") und die Plattform das vollständig autogeneriert, löst sich die Grenze zwischen Low-Code und No-Code noch weiter auf.

Microsoft Copilot Studio, OpenAI's GPT Builder und Google's Gemini-Integrationen bewegen sich bereits in diese Richtung. Die Vision: KI-Erstellung durch Konversation — ohne ein einziges Drag-and-Drop-Element.

Die Demokratisierung von KI ist kein technischer Trend allein. Sie ist ein sozialer und wirtschaftlicher Wandel, der die Machtgefälle im Unternehmen, zwischen Branchen und zwischen Nationen neu verteilt. Wer diesen Wandel versteht und aktiv gestaltet, wird zu den Gewinnern der nächsten Phase der Wissensökonomie gehören.

Quellenverzeichnis

Bitkom (2024). Fachkräftemangel in der Digitalwirtschaft 2024. Berlin: Bitkom Research.
BMBF (2025). KI-Strategie der Bundesregierung: Update 2025. Berlin: Bundesministerium für Bildung und Forschung.
Boehringer Ingelheim (2024). Digital Innovation Report 2024. Ingelheim: Boehringer Ingelheim International.
Gartner (2024). Magic Quadrant for Enterprise Low-Code Application Platforms. Stamford: Gartner Inc.
Gartner (2025). Forecast: Low-Code and No-Code Development Technologies, Worldwide. Stamford: Gartner Inc.
IDC (2024). Worldwide Artificial Intelligence Spending Guide. Framingham: International Data Corporation.
OECD (2024). OECD Digital Economy Outlook 2024: AI and the Digital Transformation of Work. Paris: OECD Publishing.

Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einer auf nachhaltige Realwirtschaftsinvestitionen spezialisierten Investmentgesellschaft. Er beobachtet und kommentiert wirtschaftliche und technologische Transformationsprozesse. Kontakt: dirk@roethig.nl

Von Dirk Röthig (Dirk Roethig)

---

Dirk Röthig — Thu, 16 Apr 2026 09:24:00 +0000

title: "The Baby Boomer Trap: Can AI Replace 13 Million Missing Workers?"
description: "By 2039, 13.4 million baby boomers will retire. The labor shortage costs Germany 49 billion euros annually. AI is the only way out."
tags: [laborshortage, ai, demographics, automation]

series: AI in Business

The Baby Boomer Trap: Can AI Replace 13 Million Missing Workers?

By Dirk Roethig | CEO, VERDANTIS Impact Capital | March 3, 2026

By 2039, 13.4 million baby boomers will retire. The labor shortage already costs Germany 49 billion euros per year — and rising. While politicians debate immigration and retirement age, companies are betting on artificial intelligence as the last line of defense against demographic collapse.

"By 2039, 13.4 million baby boomers will retire." — **Dirk Roethig*, CEO of VERDANTIS Impact Capital

Tags: Labor Shortage, AI, Demographics, Automation, Baby Boomers

Demographics Don't Lie

Germany is aging — and faster than most decision-makers are willing to admit. According to the Federal Statistical Office (Destatis), approximately 13.4 million members of the workforce will reach retirement age by 2039. These are not just any employees. They are the baby boomers — those born between 1955 and 1969 — who have formed the backbone of the German economy for the past four decades: engineers, master craftspeople, teachers, doctors, administrative specialists, nurses.
As Dirk Roethig, founder of VERDANTIS Impact Capital, emphasizes:

The German Economic Institute (IW Cologne) paints an even more dramatic picture: Nearly 20 million workers will leave the labor market by 2036. At the same time, only about 12.5 million young people will enter it. The gap of 7.5 million is not a forecast risk — it is a demographic fact that follows mathematically from the birth cohorts of recent decades (IW Cologne, 2024).

To grasp the scale of this shift, consider a simple comparison: 13.4 million people — that equals the entire population of Bavaria. Imagine an entire federal state ceasing to work within 13 years. That is exactly what is happening.

The Economic Cost of Inaction

The labor shortage is no longer a theoretical threat. It is reality. In June 2025, according to the DIHK Skilled Workers Report, 391,000 qualified workers were missing in Germany. Not positions that were "hard to fill." Positions that remained simply unfilled — despite active recruiting, despite job postings, despite salary increases.

The skills gap has increased tenfold since 2010. What was once considered a cyclical phenomenon has hardened into a structural permanent state. IW Cologne quantifies the economic cost at 49 billion euros per year — value creation that does not happen because the people who could generate it are missing. By 2027, economists forecast an increase to 74 billion euros annually (IW Cologne, 2024).

49 billion euros. That is more than the entire federal defense budget in 2024. It is more than the annual investments in digital infrastructure. And it grows with every baby boomer who retires.

Industries on the Brink: Where the Shortage Hits Hardest

The impact is not evenly distributed. There are industries where the demographic shift has already reached existentially threatening proportions.

Public Transport: 44 Percent Nearing Retirement

The DGUV Forum has published an alarming figure: 44 percent of all bus and tram drivers in Germany are 55 years or older. Nearly half of the people who transport millions of commuters daily are approaching retirement. And there is no next generation to fill this gap. Training numbers in transport professions have stagnated for years.

This means concretely: If no countermeasures are taken, public transport in many German cities will have to be massively curtailed within the next ten years — not for financial reasons, but simply because no one is left to drive the buses and trains.

Healthcare: The Perfect Storm

In healthcare, the demographic shift strikes twice: More elderly people need care, while caregivers themselves are retiring. According to the Federal Employment Agency, over 40,000 nursing professionals are already missing today. By 2035, the gap is projected to grow to an estimated 500,000.

Skilled Trades, IT, Engineering

The skilled trades report 250,000 unfilled positions. In IT, according to Bitkom, 149,000 specialists are missing. In engineering, the figure is 170,000. The list could continue — from hospitality through logistics to construction. The labor shortage is not sector-specific. It is systemic.

Why Traditional Solutions Are Not Enough

The standard political responses to the labor shortage are well known: immigration, raising the retirement age, increasing the female labor force participation rate, better training. Each individual measure is sensible. But none is sufficient.

Immigration: Necessary but Not Sufficient

According to the Institute for Employment Research (IAB), Germany would need net immigration of 400,000 workers per year to even approximately close the demographic gap. The Skilled Immigration Act of 2023 was a step in the right direction, but the bureaucracy of recognizing foreign qualifications, the language barrier, and competition for skilled migrants with other industrialized nations limit the realistically achievable effect.

Retirement Age: Politically Toxic

The gradual raising of the retirement age to 67 has been enacted, but already today the majority of workers retire before the statutory retirement age. A further increase to 69 or 70 is demographically warranted but politically nearly impossible — and in any case only delays the problem by a few years.

Labor Force Participation: Near Its Maximum

Germany's labor force participation rate stands at 77.4 percent — already well above the EU average. The potential for further increases — particularly through better childcare and more flexible working arrangements — is real but limited.

The uncomfortable truth is: Even if all traditional measures work optimally, a gap of several million workers remains. A paradigm shift is needed. And that paradigm shift is called artificial intelligence.

AI as the Answer to the Demographic Crisis

The idea that AI can alleviate the labor shortage is not new. But only since the breakthrough of Large Language Models in 2023 and their rapid evolution has the technological potential become tangible. AI does not replace humans one-to-one. But it fundamentally changes the equation — on three levels.

Level 1: Automating Repetitive Tasks

Studies by the McKinsey Global Institute show that approximately 30 percent of all working hours in Germany could be automated or assisted by generative AI. In administration, the share is even higher: data entry, correspondence, reporting, scheduling — all of these are activities that AI systems already master at a level comparable to human performance.

A concrete example: In municipal administration, caseworkers spend an average of 40 percent of their working time filling out forms, transferring data, and answering standard inquiries. AI-powered systems can handle these tasks in a fraction of the time — not to dismiss caseworkers, but to relieve the remaining staff so they can process the complex cases that currently pile up.

Level 2: Mobilizing Hidden Reserves

One of the underestimated applications of AI in the context of the labor shortage is the mobilization of hidden reserves. In Germany, there are millions of people who are theoretically available to the labor market but are not employed for various reasons: parents in part-time work, older workers in early retirement, people with disabilities, career changers without formal qualifications.

AI-powered competency matching systems can identify these hidden reserves and match them with suitable positions — far more precisely than traditional job placement. Algorithms recognize patterns in resumes that human recruiters overlook: A trained carpenter with five years of quality control experience may be the ideal candidate for a position in industrial metrology — a connection that no traditional matching system would make.

Level 3: Individualizing Continuing Education

The third lever is AI-powered continuing education. Traditional retraining programs take months to years. AI learning platforms can tailor training programs individually, build on existing competencies, and adapt learning progress in real time. Where a twelve-month course was once necessary, three to six months often suffice today — because the AI knows exactly which knowledge gaps need to be filled and which competencies already exist.

What German Companies Are Already Doing

The theory is convincing. But what is happening in practice? According to a Bitkom survey, one in five large German companies plans to specifically deploy AI to counter the labor shortage. The use cases are diverse:

Deutsche Bahn: Deploys AI-powered chatbots for customer service and tests autonomous driving systems in freight transport.
Siemens: Uses AI for predictive maintenance, reducing the need for service technicians.
SAP: Has integrated generative AI into its business software, automating routine tasks in financial accounting and human resources.
Bosch: Develops AI-powered assistance systems for manufacturing that support semi-skilled workers during complex assembly steps.
SMEs: Small and medium-sized companies are also increasingly adopting AI — from automated bid calculations through AI-powered quality control to intelligent workforce scheduling.

The Bitkom study also reveals the flip side: Four out of five large companies still have no AI strategy against the labor shortage. In the SME sector, the share is even lower. Germany thus has not only a demographics problem. It has an implementation problem.

The Risks: What AI Cannot Do

It would be negligent to promote AI as a cure-all. There are clear limitations.

First, not all activities can be automated. Care, skilled trades, education — wherever physical presence, empathy, and situational judgment are required, AI reaches its limits. An algorithm cannot wash a patient, roof a house, or comfort a crying child.

Second, AI creates new dependencies. Companies that delegate critical processes to AI systems become dependent on the availability of these systems, on their providers, on data quality. Cloud outages, algorithmic bias, data breaches — the risks are real and must be managed.

Third, AI itself needs skilled workers. The implementation, maintenance, and further development of AI systems requires qualified IT professionals — precisely the occupational group already most affected by shortages in Germany. Those who want AI as a solution to the labor shortage must first invest in training AI professionals.

A Roadmap for Transformation

The demographic shift cannot be stopped. But it can be shaped. For companies that want to act proactively, a three-phase approach is recommended:

Phase 1: Assessment (0-6 Months)

Which activities are repetitive and thus AI-capable?
Which departments are most affected by the age structure?
Where will the most know-how retire in the next five years?

Phase 2: Pilot Projects (6-18 Months)

Introduce AI-powered automation in two to three pilot areas
Establish knowledge transfer programs between older and younger employees
Launch AI training for the existing workforce

Phase 3: Scaling (18-36 Months)

Roll out successful pilots across the entire organization
Integrate AI strategy into workforce planning
Build external partnerships for AI development

As I outlined in my previous article 20 Million Retirees, 7.5 Million Missing Workers, the demographic gap is mathematically unavoidable. The question is not whether, but how companies respond.

Germany Needs a National AI Workforce Strategy

What is still missing is an overarching national strategy that explicitly positions AI as an instrument against the labor shortage. The federal government's existing AI strategy focuses on research and innovation — both important, but beside the acute problem. What is missing is the bridge between AI potential and labor market needs.

Specifically, what is needed:

AI Workforce Fund: Tax incentives and direct subsidies for companies deploying AI to compensate for skills shortages.
National AI Training Platform: A nationwide program for AI upskilling of the existing workforce — industry-specific, practice-oriented, freely accessible.
Regulatory Clarity: Faster implementation of the EU AI Act with practical guidelines that do not stifle innovation.
AI-Powered Job Matching: Integration of AI matching into the systems of the Federal Employment Agency.

The series AI in Business has already shown why companies must act now. And for those who want to understand the international context: The article AI or Obsolescence makes clear that this is not a German but a global race.

Conclusion: The Clock Is Ticking

13.4 million. That is not an abstract number. Those are millions of jobs that will become vacant in the next 13 years — in administration, in transport, in healthcare, in skilled trades, in industry. No country in the world has ever weathered a demographic shift of this magnitude without severe economic disruption.

AI is no cure-all. But it is the only tool that scales fast enough to at least partially close the gap. The technology exists. The use cases are proven. What is missing is the will for widespread implementation.

Companies that fail to develop an AI strategy against the labor shortage today will not be talking about growth in five years. They will be talking about survival.

The baby boomers built this country. It is up to us — and the technology we deploy wisely — to secure their legacy.

References

Destatis — Federal Statistical Office (2024). Population Projection: Labor Force Projection to 2040. Wiesbaden.
IW Cologne — German Economic Institute (2024). Skilled Labor Shortage in Germany: Scale, Costs, Perspectives. IW Report 15/2024.
DIHK — Association of German Chambers of Commerce and Industry (2025). DIHK Skilled Workers Report 2025. Berlin.
DGUV Forum (2024). Age Structure in Transport Occupations: Analysis of Social Insurance Data. German Social Accident Insurance.
Bitkom e.V. (2025). AI and the Labor Shortage: How Companies Are Responding. Bitkom Research.
McKinsey Global Institute (2024). The Economic Potential of Generative AI: The Next Productivity Frontier. McKinsey & Company.
Federal Employment Agency (2025). Skilled Labor Shortage Analysis. Nuremberg.
IAB — Institute for Employment Research (2024). Immigration Needs and Labor Force Potential. IAB Brief Report 12/2024.

About the Author: Dirk Roethig is CEO of VERDANTIS Impact Capital, an impact investment platform headquartered in Zug, Switzerland. He writes regularly about the intersections of demographics, technology, and business. His conviction: AI is no substitute for human labor — but the only realistic answer to a demographic gap that cannot be closed by conventional means.

Contact and further articles: verdantis.capital | LinkedIn | dirkdirk2424@gmail.com

DEV Community: Dirk Röthig

Fraunhofer-Innovation: Wie deutsche Grundlagenforschung Marktreife erreicht — Lehren für VERDANTIS

Fraunhofer-Innovation: Wie deutsche Grundlagenforschung zur Marktreife wird — und was Impact Investoren wie VERDANTIS daraus lernen

Die Fraunhofer-Gesellschaft: Zahlen, die überzeugen

Vom Labor zur Marktreife: Die drei Phasen des Technologietransfers

Phase 1: Angewandte Grundlagenforschung

Phase 2: Validierung und Skalierung

Phase 3: Kapital und Skalierung

Das europäische Paradox: Zu viel Forschung, zu wenig Kapital

Die Fraunhofer-Patentmaschine

MP3, OLED und Photovoltaik: Fraunhofer als Innovationsmaschine

Das neue Paradigma: Impact und Rendite sind kein Widerspruch

VERDANTIS Impact Capital: Der Fraunhofer-Geist in der Investmentpraxis

Ausblick: Die nächste Innovationswelle

Quellen

ESG Reporting 2026: How CSRD and ESRS Are Reshaping Corporate Disclosure

ESG Reporting 2026: How CSRD and ESRS Are Reshaping Corporate Disclosure

A regulatory shift that no business can afford to ignore

What the ESRS standards actually require

The capital cost connection: why reporting determines financing

Practical challenges: data availability and materiality analysis

CSRD as competitive advantage: the early-mover logic

Technology as an enabler

CSRD as a global standard?

Conclusion: ESG reporting as strategic investment

Further articles by Dirk Roethig

References

Deepfakes, Disinformation and Digital Ethics: AI Risks Every CEO Must Know

Deepfakes, Disinformation and Digital Ethics: AI Risks Every CEO Must Know

The Day the CFO Was Not the CFO

The Numbers: What Deepfakes Cost Today

Why Companies Are So Vulnerable

Disinformation as a Strategic Business Risk

The Legal Framework: What the EU AI Act Requires

Digital Ethics as a Leadership Responsibility

What CEOs Must Do: A Five-Point Framework

The Paradox of Trust Erosion

Conclusion: Ethical AI Leadership Is Not a Luxury

References

About the Author

Paulownia-Forstwirtschaft in China und Europa: Ein transkontinentaler Vergleich

Paulownia-Forstwirtschaft in China und Europa: Ein transkontinentaler Vergleich

Eine Baumart, zwei Kontinente

China: Ein dreitausendjähriges Kultivierungssystem

Die Genomik moderner Hybridsorten

Europa: Pionierarbeit unter nordwest-mediterranem Klima

Vergleich: Wachstumsdynamik unter verschiedenen Klimabedingungen

Nutzungssysteme im Vergleich

VERDANTIS-Perspektive: Systemischer Ansatz für europäische Paulownia-Investitionen

Lessons Learned: Was Europa von China lernen kann (und was nicht)

Quellenverzeichnis

Paulownia imperialis: Why Europe Is Betting on the Fastest CO2 Store

Paulownia imperialis: Why Europe Is Betting on the Fastest CO2 Store

A Tree That Makes History: Paulownia imperialis

The Science Behind the Performance: What Makes Paulownia So Special

Photosynthetic Efficiency

Deep Root System

Coppicing Capability

The Invasiveness Question: A Clear Distinction Between Wild Forms and Hybrids

VERDANTIS and Paulownia: A Business Model for the 21st Century

Europe's Bioeconomy Strategy 2030: Paulownia as a Key Species

More Articles by Dirk Roethig

References

---

cover_image: https://images.unsplash.com/photo-1547891654-e66ed7ebb968?w=1200

KI und Kreativwirtschaft: Urheberrecht, Deepfakes und der Wert menschlicher Kreativität

Eine Branche im Schockzustand

Das Urheberrechtsproblem: Wessen Werk?

Training auf fremden Werken: Die Copyright-Klagen wachsen

Deepfakes: Die synthetische Lüge skaliert

Kreative Berufe: Wer verliert, wer gewinnt?

Der Wert des Menschlichen: Nicht ersetzbar, aber neu definiert

Handlungsempfehlungen: Was jetzt gebraucht wird

Quellenverzeichnis

Paulownia vs. Spruce, Beech, Oak: Reforestation in Direct Comparison

Paulownia vs. Traditional Reforestation: An Economic and Ecological Comparison

Starting Point: Germany's Forests Under Pressure

Criterion 1: Establishment Costs per Hectare

Criterion 2: CO2 Sequestration per Hectare per Year

Criterion 3: Timber Yield and Market Prices