Kontext statt Modell: Wie Sie Ihr Unternehmen zukunftssicher auf KI-Agenten vorbereiten

Genies am Seiteneingang

Fast jedes Großunternehmen setzt inzwischen irgendwo KI ein; kaum eines kann den RoI belegen. Umfrage um Umfrage bestätigt dasselbe Muster, auch wenn die genauen Details variieren.^[4] Warum diese große Diskrepanz zwischen Aufwand und Ertrag? Die beste Evidenz dazu liefert eine Stanford-Studie vom April 2026, die 51 erfolgreiche KI-Einführungen in Unternehmen untersucht hat, und vor allem die gescheiterten Versuche davor:^[5]

Nur in 16 Prozent der Fälle wurden Fehlschläge durch die Technologie selbst verursacht. Alle übrigen Ursachen sind organisatorisch: Die Organisation war nicht bereit für die Einführung (35 Prozent), das Wissen, das die KI benötigt hätte, war nirgends festgehalten (27 Prozent), oder rechtliche und Compliance-Bedenken verhinderten den Go-Live (18 Prozent). Projekte scheitern nicht daran, dass die Modelle zu schlecht oder zu dumm sind. Sie scheitern daran, dass die Modelle in ein Unternehmen kommen, das nicht bereit war. Die Autoren der Studie verdichten 116 Seiten auf einen Satz: "Die Technologie funktioniert. Die Herausforderung ist alles andere."

Ihre Mitarbeiter warten unterdessen nicht mehr. Die Hälfte aller Wissensarbeiter nutzt bereits KI-Tools, die ihr Arbeitgeber nie freigegeben hat, und rund ein Drittel der ChatGPT-Nutzung am Arbeitsplatz läuft über private Accounts, unsichtbar für die IT-Abteilung.^[6] Die neuen Mitarbeiter sind längst im Haus; teilweise sind sie durch den Seiteneingang reingelassen worden, ohne Ausweis und ohne Aufsicht.

Arbeitsplatz, Berechtigungen, Handbuch und Beurteilung

Neben den vier Ebenen, zu denen wir gleich im Detail kommen, eine Unterscheidung, von der alles Weitere abhängt: Die meisten Unternehmen kennen KI bisher in erster Linie aus dem Chat-Fenster: Ein Mensch tippt, die KI antwortet, der Mensch kopiert den brauchbaren Teil zurück in ein anderes System. Das war die erste Ausbaustufe, und sie ist ein guter Weg für Sie und Ihre Mitarbeiter, sich mit der Technologie vertraut zu machen. Echter, messbarer Mehrwert entsteht aber meist erst mit der zweiten: mit Agenten, also KI-Systemen, die selbst Tools bedienen und langfristige Arbeit über Systemgrenzen hinweg erledigen können. Sie lesen z.B. ein Ticket, fragen Daten aus einem ERP-System ab und entwerfen die Antwort und verschicken sie an den Kunden. McKinsey formuliert den ökonomischen Unterschied unmissverständlich: Die erste Welle von Chat-Assistenten machte Einzelne "geringfügig schneller", ohne die Leistung des Unternehmens zu verändern. Im Agentenzeitalter konzentrieren sich die Erträge dort, wo Arbeit um Agenten herum neu gestaltet wird.^[7] Die Softwareentwicklung, die Disziplin, in der diese Entwicklung am weitesten fortgeschritten ist, verdeutlicht die Folgen: Binnen eines Jahres sind Agenten von hilfreichen "Auto-Complete"-Tools zu Autoren eines signifikanten Teils alles weltweit geschriebenen Codes geworden. Der Arbeitsalltag von Programmierern besteht heute vor allem darin, Agenten anzuleiten und ihre Ergebnisse zu prüfen.^[8] Ein Junior-Entwickler kann heute an einem Nachmittag Projekte und Features umsetzen, für die vor einem Jahr ein Team aus 4 erfahrenen Programmierern noch eine Woche benötigt hätte.

Damit Ihre Organisation Agenten "richtig" nutzen kann, muss deren Arbeitsplatz aus mindestens vier Ebenen bestehen. Keine davon ist ein Modell:

Der Computer und die Tools: Schnittstellen

Ein Mitarbeiter ist nur dann produktiv, wenn er Zugriff auf die relevanten Systeme hat: das ERP-System, das Dokumentenarchiv oder das Ticketsystem. Für Agenten gilt dasselbe, und die praktische Empfehlung ist hier erfreulich einfach geworden. Wo Ihre Software das Model Context Protocol (MCP) unterstützt, ist es die naheliegende Wahl: MCP hat sich als offener Branchenstandard für die Verbindung von KI-Systemen und Anwendungen etabliert und wird von OpenAI, Google, Microsoft und Amazon gleichermaßen getragen.^[9] Wo es nicht unterstützt wird, nehmen Sie das, was da ist: Gewöhnliche APIs und Zugriff über ein CLI funktionieren für Agenten heute problemlos. Und für die Legacy-Anwendung ganz ohne Schnittstelle, die es in jedem Unternehmen gibt, werden Computer-Use-Agenten zu einer brauchbaren Brücke: KI-Systeme, die dieselben UIs nutzen wie Ihre Mitarbeiter. Die Regel lautet Pragmatismus: Überall dort, wo ein Mitarbeiter Zugriff hat, kann zunehmend auch ein Agent arbeiten. Geben Sie ihm die am stärksten standardisierte Schnittstelle, die verfügbar ist, und warten Sie nicht auf die perfekte Lösung.

Eine Warnung kommt von einem der Frontier-Labs selbst: Die Entwickler von Anthropic beschreiben, wie sie aufwendige Workarounds, die sie für eine Modellgeneration gebaut hatten, wieder löschen mussten, weil die nächste Generation sie zu "dead weight" machte.^[10] Prompts, Tools oder Skills, die die Schwächen des heutigen Modells ausgleichen, verlieren binnen Monaten an Wert. Die Schnittstellen, über die ein beliebiges Modell an Ihre Systeme kommt, behalten ihren Wert hingegen. Die Stanford-Forscher kommen von außen zum selben Schluss: Die leistungsstärksten Implementierungen "behandeln Modelle als austauschbare Komponenten innerhalb von Plattformen, die sie selbst kontrollieren".^[5] Bauen Sie die Anschlüsse, nicht die Workarounds.

Der Ausweis: Berechtigungen und Sicherheit

Niemand drückt einem neuen Mitarbeiter am ersten Tag den Generalschlüssel in die Hand. Bei KI machen viele Unternehmen aber ziemlich genau das. Im durchschnittlichen Unternehmen kommen auf eine menschliche Identität bereits mehr als 80 Maschinenidentitäten, 42 Prozent davon mit privilegiertem Zugriff - und gleichzeitig verstehen 88 Prozent der Organisationen unter einem "privilegierten Nutzer" nach wie vor ausschließlich einen Menschen.^[11] Das Risiko ist nicht hypothetisch. Sicherheitsforscher nennen das Grundmuster die "lethal trifecta", die tödliche Dreierkombination: Eine KI, die Zugriff auf vertrauliche Daten hat, Inhalte von Dritten verarbeitet und über einen Kanal nach draußen verfügt, wird früher oder später zum Sicherheitsrisiko. Ein jüngst veröffentlichter Proof of Concept zeigte einen Assistenten mit Datenbankrechten, der brav Zugangstokens preisgab, weil jemand entsprechende Anweisungen in ein ganz normales Support-Ticket geschrieben hatte.^[12]

Das ist der zentrale Trade-off jeder Agenten-Einführung, und keine noch so clevere Konfiguration löst ihn auf. Jede der drei Fähigkeiten ist genau das, was einen Agenten nützlich macht; Sicherheit heißt deshalb, bewusst zu entscheiden, auf welche davon ein unbeaufsichtigter Agent verzichtet. Im Juli beschrieb Hugging Face den mehrstufigen Einbruch eines KI-Agenten in deren stark gesicherte Produktions-Systeme in rasanter Geschwindigkeit; allein um die mehr als 17.000 Aktionen des Angreifers forensisch nachzuvollziehen, war wiederum KI nötig.^[13] Im Cybersecurity-Bereich laufen inzwischen sowohl Angriff als auch Verteidigung über KI-Agenten.

Die Lösung ist dasselbe Berechtigungsmanagement, das Sie für menschliche Mitarbeiter längst nutzen. Am Anfang steht eine grundlegende Entscheidung, die die meisten Organisationen nach meiner Erfahrung noch nicht bewusst getroffen haben: Welche Agenten arbeiten unter der Identität eines Mitarbeiters, und welche brauchen eine eigene?

Ein Assistent, der synchron und unter Aufsicht eines Mitarbeiters arbeitet, kann unter der Identität und mit den Berechtigungen dieses Mitarbeiters handeln: mit delegiertem, zeitlich befristetem Zugriff. Verantwortlich für das Ergebnis bleibt der Mensch, genau wie bei der Arbeit mit jedem anderen Tool. Ein Agent, der asynchron und unbeaufsichtigt arbeitet, der z.B. die Vorarbeit für ein ganzes Team leistet oder über Nacht eine Warteschlange abarbeitet, ist dagegen etwas anderes. Er braucht ein eigenes Konto, eigene, eng gefasste Berechtigungen und einen eigenen Audit-Trail, genau wie ein menschlicher Mitarbeiter. Nur so lässt er sich überwachen, hinterfragen und wieder offboarden, ohne die Zugangsdaten von Kollegen anzutasten. Die Anbieter von Identitätslösungen ziehen inzwischen dieselbe Grenze: Microsofts Verzeichnisdienst Entra unterscheidet zwischen Agenten, die mit dem Token eines Nutzers handeln, und autonomen Agenten mit eigener Identität. Und die Forscher von Okta bringen ein Problem auf den Punkt: Erbt ein Agent den Login eines Menschen, verlieren Sie Teile des Audit-Trails, was Kontrolle und auch Erfolgsmessung auf Unternehmensebene schwieriger machen kann.^[14]

Diese Unterscheidung ist keine Theorie mehr. Claude Tag von Anthropic, im Juni veröffentlicht, ist ein KI-Teamkollege, der im Slack-Chat lebt: ein gemeinsamer Agent mit Gedächtnis, mit dem das ganze Team spricht und der zwischen den Anfragen aus eigener Initiative Arbeit übernimmt.^[15] Solche Produkte sollten nie über den geliehenen API-Key irgendeines Mitarbeiters laufen, sondern von Anfang an eine eigene Identität bekommen. Ihre IT-Abteilung muss darauf vorbereitet sein, Agenten genau wie Mitarbeiter zu onboarden - inkl. eigener E-Mail-Adresse, eigenen Laufwerken und Zugriff auf die jeweils benötigten Kernsysteme.

Das Onboarding und das Handbuch: Kontext

Die dritte Ebene entscheidet darüber, ob Sie die Arbeit Ihres Neuzugangs tatsächlich gewinnbringend nutzen können. Ein brillanter Generalist ohne Kontext, der Ihre Preislogik, Ihre Eskalationsregeln und Ihre Definition einer guten Antwort nie gesehen hat, produziert brillanten, aber nutzlosen Output. Die ermutigende Nachricht aus der oben zitierten Stanford-Studie: Der Kontext muss nicht unbedingt aufwendig vorbereitet werden. Fast niemand hatte aufgeräumte Daten (6 Prozent); 91 Prozent der erfolgreichen KI-Rollouts nutzten unaufbereitete, unstrukturierte Dokumente. Zugang schlägt Ordnung.^[5] Die schlechte Nachricht: In 27 Prozent der gescheiterten KI-Rollouts war der Kontext, den die KI gebraucht hätte, nie irgendwo aufgeschrieben worden, sondern existierte als implizites Wissen nur in den Köpfen der Mitarbeiter. Das Handbuch existierte schlicht nicht - weder für den Agenten noch für sonst jemanden.

Also: Schreiben Sie Ihr implizites Prozesswissen auf. Und zwar so, wie Sie auch einen Menschen einarbeiten würden, wenn er den Job nur mit Hilfe der Onboarding-Dokumente erledigen müsste (aber dafür unendlich viel Zeit und Geduld hätte, sich "Wissenschnipsel" aus verschiedensten Quellen zusammenzusuchen).

Ein neuer Mitarbeiter bekommt eine Seite über das Unternehmen und einen dicken Ordner über seinen Job. Gliedern Sie Ihren Kontext genauso, von oben nach unten: auf Unternehmensebene eine kurze, gepflegte Übersicht über Prioritäten, rote Linien und Hausregeln, die jeder Agent einhalten muss; darunter je Abteilung die geltenden Richtlinien, Systeme und Begriffe; darunter je Team die Workflows, die Übergaben und wer was entscheiden darf; und ganz unten, je Funktion oder Aufgabe, das vollständige Arbeitswissen, inklusive Abnahmekriterien und einer Beschreibung dessen, was ein gutes Ergebnis ausmacht. Eine Dimension der Pyramide wird dabei gern vergessen: Kontext betrifft nicht nur Ziele und Ergebnisse, sondern auch Schnittstellen und Datenquellen. Ein Agent muss wissen, dass Vertragsnachträge im DMS liegen und nicht in E-Mail-Anhängen, welches der drei Felder namens "Kundennummer" das maßgebliche ist und an wen er eskalieren soll. Zu dokumentieren, wo etwas liegt, ist genauso wertvoll wie zu dokumentieren, wie etwas gemacht wird.

Für die Pflege all dieses Wissens gibt es inzwischen einen naheliegenden Mechanismus: Skills. Ende 2025 von Anthropic eingeführt und im Prinzip schnell von der ganzen Branche kopiert, sind Skills schlicht Ordner mit Anweisungen im Klartext, die ein Agent lädt, wenn eine Aufgabe sie erfordert.^[16] Das Format klingt banal, interessant sind die Folgen für die Governance: Weil Skills gewöhnliche Textdateien sind, können Fachexperten sie ohne Programmierkenntnisse schreiben, Administratoren sie zentral verwalten und Revisoren jedes Wort nachlesen, das der Agent zu sehen bekommt. Und wer eine Vorgehensweise für alle Agenten im Unternehmen aktualisieren will, bearbeitet ein einziges Dokument. Das Wissen Ihrer Schadenabteilung, wie eine strittige Rechnung zu behandeln ist, wird so zu einem Asset mit Versionshistorie.

Der strategische Kern, der in jede Vorstandsvorlage gehört: Kontext ist die Ebene, in der der eigentliche Wert Ihres Unternehmens liegt. Modelle und Applikationen sind keine Alleinstellungsmerkmale. Aber niemand sonst hat Ihre Prozesse, Ihre Definitionen, Ihr über Jahre gewachsenes Verständnis davon, was ein gutes Ergebnis in Ihrem Kerngeschäft ausmacht. In der Stanford-Studie nannten drei Viertel der erfolgreichen Anwender die eigenen Daten einen strategischen Schlüsselfaktor.^[5] Satya Nadella hat in einem Beitrag vom Juli die unangenehme Kehrseite beschrieben: Um KI nützlich zu machen, "bezahlen Sie im Grunde zweimal für Intelligenz, einmal mit Geld und ein zweites Mal mit etwas noch Wertvollerem: mit dem proprietären Wissen, das Sie preisgeben müssen, damit diese Intelligenz nützlich wird".^[17] Genau deshalb muss dieses Wissen in Formaten und Systemen bleiben, die Ihnen gehören. Wenn Ihre Organisation nur eine dieser vier Ebenen ernsthaft intern aufbauen kann, dann diese: Eine gut gepflegte Kontextebene lässt sich auf jedes Modell und jeden Agenten übertragen, den Sie je einsetzen werden, und sie macht jeden brillanten Neuzugang vom ersten Tag an in Ihrem Geschäft produktiv.

Die Leistungsbeurteilung: Verifikation

Die Arbeit eines neuen Mitarbeiters wird in der Regel geprüft, bevor man sich auf sie verlässt. Oft schaut ein erfahrener Kollege einmal über die Daten, bevor sie ins ERP-System eingegeben werden. Niemand lässt den Neuzugang vom ersten Tag an eigenständig Überweisungen freigeben; Vertrauen wächst mit jedem Ergebnis, das ohne Beanstandung durchläuft. Dasselbe Prinzip erklärt die vierte Ebene des Arbeitsplatzes und ist bei Agenten noch entscheidender als bei menschlichen Mitarbeitern: Wenn ein Entwurf praktisch nichts mehr kostet und sofort vorliegt, wird die Verifikation zur entscheidenden und knappen Ressource in Ihrer Organisation - die Fähigkeit, maschinellen Output zu prüfen und die Verantwortung dafür zu übernehmen. Das Arbeitspapier "Some Simple Economics of AGI" des MIT-Ökonomen Christian Catalini macht genau das zur zentralen These: Der begrenzende Faktor für Wachstum verschiebt sich von der Intelligenz zur "human verification bandwidth", der menschlichen Prüfkapazität. Verifikation wird damit von einer Compliance-Funktion zu einer Produktionsfunktion.^[18] Im Klartext: Wer den Ergebnissen seiner Agenten schneller vertrauen kann, kann mehr Agenten einsetzen. In diesem Satz versteckt sich allerdings eine Falle. Auf Verifikation zu verzichten, fühlt sich zunächst wie Geschwindigkeit an: Das Team, das Agenten ohne Evaluationen ausrollt, liefert im ersten Quartal mehr. Dann sammelt sich ungeprüfter Output in den nachgelagerten Prozessen, ein Kunde oder ein Prüfer findet die Fehler vor Ihnen, und das Programm reiht sich ein in die gescheiterten Piloten aus der Stanford-Studie. Verifikationskapazität ist das, was Ihnen erlaubt, den Agenten-Einsatz auszuweiten, ohne gegen diese Wand zu fahren. In Bottlenecks habe ich diese Dynamik im Detail beschrieben.

Wie sieht die Investition in Verifikation praktisch aus? Drei Bausteine, aufsteigend nach Komplexität: Erstens explizite Abnahmekriterien. Eine schriftliche Definition je Workflow, was ein korrektes Ergebnis ausmacht - so formuliert, dass ein Prüfer sie anwenden kann, ohne jemanden fragen zu müssen. Die meisten Organisationen stellen dabei fest, dass sie eine solche Definition nie hatten, nicht einmal für Menschen. Zweitens Evaluation und "Golden Answers": kuratierte Sammlungen echter Fälle mit guten, kontrollierten Antworten, an denen jedes neue Modell, jeder neue Agent und jede Prompt-Änderung gemessen werden kann, bevor sie in Produktion gehen. Diese Evaluationen sind Ihr Qualitätsmaßstab in ausführbarer Form. Sie gehören Ihnen - genau wie Ihre Buchhaltung. Überlassen Sie es keinem externen Anbieter, für Sie zu definieren, was "gut" bedeutet. Dieses Thema kann auch nicht an Ihre IT-Abteilung delegiert werden - oft können nur die Fachexperten die Output-Qualität verlässlich einschätzen.^[17] Drittens Prüfung nach dem Ausnahmeprinzip: Setzen Sie Ihre erfahrenen Mitarbeiter als Prüfer für besonders schwierige oder unsichere Fälle ein, nicht als Freigabeinstanz für alles. In den Stanford-Daten erreichten Einführungen, bei denen die KI den Routineanteil übernimmt und bei Unsicherheit eskaliert, einen medianen Produktivitätsgewinn von 71 Prozent - gegenüber 30 Prozent dort, wo jedes Ergebnis geprüft wird.^[19] Die Formel von Catalini und seinen Ko-Autoren für den Zielzustand trifft den Anspruch genau: "rent the cognition, own the trust" - die Intelligenz mieten, das Vertrauen besitzen.^[18]

Aus unserer eigenen Evaluationsarbeit bei ellamind kenne ich keine schärfere Trennlinie zwischen Unternehmen, die KI-Nutzung skalieren, und solchen, die ewig im Pilotprojekt festhängen: Teams, die einheitlich definieren und quantifizieren können, was ein gutes Ergebnis ist, schaffen es häufig, die Fähigkeiten der Technologie schnell & produktiv zu nutzen. Teams, die das nicht können, kommen oft nie über die Demo hinaus.

Was das nächste Budget finanzieren sollte

Bevor wir zur Liste kommen, eine Grundvoraussetzung: breiter, offiziell freigegebener Zugang zu einem Frontier-Modell - und zwar am besten gestern. Ihre Mitarbeiter nutzen KI ohnehin, und die heutigen Modelle können längst weit mehr, als die meisten Organisationen bisher für sich erschlossen haben; Ethan Mollick argumentiert, die Veränderung der Arbeitswelt in den nächsten fünf Jahren stehe selbst dann fest, wenn der KI-Fortschritt heute zum Stillstand käme (ich stimme ihm komplett zu).^[20] Seien Sie sich aber im Klaren darüber, was breiter KI-Zugang tatsächlich bringt: Erfahrung und Kompetenz - die Fähigkeit Ihrer Belegschaft, ein eigenes Urteil über diese Systeme zu entwickeln. Diese Kompetenz verbreitet sich allerdings nicht von selbst, und sie ist ungleich verteilt: Die Early-Adopter oder "KI-Champions" finden ihren Weg ohnehin; ein großer Teil Ihrer Belegschaft braucht dagegen strukturierte Schulungen, geschützte Zeit zum Ausprobieren und ein glaubwürdiges Signal, dass das Erlernen dieser Tools ein Weg nach vorn ist und kein Abstellgleis. Das gehört aus meiner Sicht zur Verantwortung, die ein Arbeitgeber bei einem Umbruch dieser Größenordnung für seine Mitarbeiter trägt. Es ist zugleich schlicht Eigeninteresse: Die Handbücher schreiben und die Ausnahmefälle prüfen am Ende genau diese Mitarbeiter. Die Rendite kommt erst, wenn diese Kompetenz auf Agenten in neu gestalteten Workflows trifft, wie es die Softwareentwickler als Erste erlebt haben. Der Zugang ist das Eintrittsgeld, nicht die Transformation.

Unsere Erfahrung zeigt, an welchen Stellen das Geld am besten investiert ist:

• Gestalten Sie einige wenige Workflows end-to-end um Agenten herum neu, statt überall Copilots zu verteilen. Unternehmen mit überdurchschnittlichem KI-RoI haben dreimal häufiger Workflows grundlegend neu gestaltet, statt Assistenten auf die alten Abläufe zu setzen. Legen Sie die Rolle des Menschen dabei wenn möglich von Anfang an als Prüfung nach dem Ausnahmeprinzip an.^[19]
• Geben Sie Agenten jetzt einen eigenen Ausweis, nicht erst nächstes Jahr. Entscheiden Sie für jede Einführung die Frage "Assistent oder Teamkollege" explizit und vorab, und erweitern Sie Ihr Berechtigungssystem um Agentenidentitäten.
• Finanzieren Sie das Handbuch. Bezahlen Sie Prozessdokumentation, die Kontextpyramide und Skills, die Ihre eigenen Fachexperten schreiben - und zwar bevor Sie irgendetwas skalieren. Das ist unglamouröses Budget mit Zinseszinseffekt: die eine Investition, die jedes künftige Modell und jede KI-Applikation vom ersten Tag an besser in Ihrem Geschäft macht.^[5]
• Bauen Sie Verifikation als eigene Funktion auf. Abnahmekriterien je Workflow, Evaluationssets, die vor jeder Änderung laufen, erfahrene Mitarbeiter in der neuen Rolle als Prüfer von eskalierten Fällen. Finanzieren Sie den Aufbau der Verifikationsinfrastruktur wie eine Produktionsfunktion, denn genau das ist Verifikation inzwischen bzw. wird es bald sein.^[18]
• Committen Sie sich auf einen (Modell-)Anbieter - aber halten Sie sich den Wechsel offen. Der alte Rat, überall modellagnostisch zu bleiben, ist schlecht gealtert: Modelle und das Tooling um sie herum (der "Harness", in dem der Agent läuft) werden zunehmend als ein gemeinsames Produkt entworfen, und eine Auswahl aus zehn Modellen hilft keinem Mitarbeiter. Sich auf den integrierten Stack eines Anbieters festzulegen, ist deshalb oft die richtige Entscheidung. Alle Frontier-Anbieter haben Modelle für unterschiedliche Aufgaben- und Preiskategorien im Angebot. Was Sie sich erhalten müssen, ist die Möglichkeit zum Ausstieg. Denn die Kräfteverhältnisse verschieben sich schneller, als Verträge laufen: Google war im vergangenen Herbst bei den Modell-Benchmarks voll konkurrenzfähig; in diesem Frühjahr räumte der eigene CEO öffentlich ein, man sei bei agentischer KI "a bit behind", etwas im Rückstand - und genau dort konzentriert sich der Wert für Unternehmen. Die Marktanteile bei Coding-Agenten zeigen dasselbe Muster.^[21] Niemand kann Ihnen sagen, wer in zwei Jahren führt. An einen Anbieter gebunden zu sein, dessen Agenten hinter denen Ihrer Wettbewerber zurückfallen, ist eine offene strategische Flanke. Die Exportkontroll-Episode im Juni, als zwei Frontier-Modelle 19 Tage lang verschwanden und Unternehmen, die auf andere Modelle ausweichen konnten, einfach weiterarbeiteten, war die Generalprobe für genau diese Lektion.^[3] Im Moment gibt es für Organisationen ohne on-premise Anforderungen realistischerweise nur die Wahl zwischen OpenAI (Codex) oder Anthropic (Claude Code / Cowork) und beide sind inzwischen (über Azure/AWS) auch mit EU-Hosting und DSGVO-konform nutzbar.

Und fünf Dinge, die ich nicht tun würde:

• Verbieten Sie keine Tools, ohne eine bessere freigegebene Alternative anzubieten. Die Hälfte aller Wissensarbeiter nutzt bereits KI-Tools, die der Arbeitgeber nie freigegeben hat, und knapp die Hälfte sagt, ein Verbot würde sie nicht aufhalten.^[6] Sie sollten dankbar über jeden Mitarbeiter sein, der für Workflows KI-Tools nutzen möchte. (Das gilt natürlich nur, wenn die Einhaltung rechtlicher & regulatorischer Vorschriften sichergestellt ist).
• Akzeptieren Sie nicht das erste Nein Ihrer Anwälte oder anderer "Bremser". Sie können inzwischen die meisten Modelle & Tools unter den richtigen Voraussetzungen problemlos mit Kundendaten oder anderen sensitiven Daten verwenden. Viele rechtliche oder regulatorische Bedenken basieren auf veralteten (oder extrem konservativen) Einschätzungen. Oft lassen sich zunächst unüberbrückbar erscheinende Blocker mit etwas Dokumentation (und 2-3 Fragen an die KI selbst) schnell aus dem Weg räumen.
• Machen Sie Produkt- und Modellvergleiche nicht zum Zentrum Ihrer Strategie. Solche Vergleiche sind die verlockendste Arbeit von allen - und zugleich die, die am schnellsten an Wert verliert: Was auch immer Ihren Vergleichstest heute gewinnt, ist in wenigen Monaten überholt. Wählen Sie einen guten Stack und stecken Sie die Aufmerksamkeit dann in die vier Ebenen. Die gehören Ihnen auch dann noch, wenn sich die Rangliste zweimal komplett gedreht hat.
• Akzeptieren Sie keine "Walled Gardens" um Ihre Kernsysteme (Systems of Record). Jeder Softwareanbieter liefert inzwischen einen eingebauten Agenten für die eigene Anwendung mit und bietet ihn als den bequemen Weg an. Sie wollen das Gegenteil: Ihre Agenten erreichen das System über eine offene Schnittstelle, per MCP oder gewöhnlicher API. Eine kritische Funktion würden Sie auch nicht ausschließlich mit dem Personal Ihres Lieferanten besetzen. Sie wollen nicht 28 verschiedene Anwendungen, die Ihnen alle ihre eigenen, off-the-shelf KI-Funktionen und -Agenten verkaufen. Sie wollen Ihre eigenen Agenten, die genau so auf die 28 Anwendungen zugreifen, wie Sie es benötigen.
• Lassen Sie nicht zu, dass der Arbeitsplatz selbst zum Asset eines anderen wird. Microsoft verkauft Ihnen den kompletten Stack: Geschäftskontext, Agenten-Governance und Identität, verzahnt mit dem eigenen Verzeichnisdienst. Frontier von OpenAI und AgentCore von Amazon zeichnen fast identische Architekturdiagramme.^[22] Diese Konvergenz bestätigt, wo der Wert liegt - und sie ist zugleich die Warnung: Der Lock-in ist im Stack nach oben gewandert, von "welche Cloud" über "welches Modell" zu "wessen Arbeitsplatz". Teile davon zu mieten, kann vernünftig sein. Aber Ihr Kontext, Ihr Berechtigungsmodell und Ihre Evaluationen müssen exportierbar bleiben, in Formaten, die Ihnen gehören. Sonst bedeutet ein Anbieterwechsel eines Tages, das Gedächtnis Ihres Unternehmens von Grund auf neu aufbauen zu müssen.

Ein Einwand verdient eine klare Antwort, weil er von einigen der klügsten Köpfe der Branche kommt. Die KI-Forschung kennt die berühmte "Bitter Lesson", die bittere Lektion: Allgemeine Leistungsfähigkeit macht, genügend Rechenleistung vorausgesetzt, am Ende jede clevere Spezialkonstruktion überflüssig, die Menschen um sie herum bauen.^[23] Warum also etwas aufbauen, das das nächste Modell obsolet machen könnte? Der Einwand ist richtig, zielt aber auf die falsche Ebene. Prompt-Tricks, aufwendige Pipelines, modellspezifisches Tuning: All das kann mit jedem neuen Release überflüssig werden, und Unternehmen, die dort ihren Burggraben gebaut haben, merken es jedes Quartal aufs Neue. Schnittstellen, Berechtigungen, Kontext und Verifikation gleichen dagegen keine Modellschwäche aus. Sie sind die Infrastruktur, an die jede neue Modellgeneration andockt. Auch ein klügeres Modell kann die Freigaberegel nicht kennen, die nie jemand aufgeschrieben hat; es sollte nicht selbst über die eigenen Zugriffsrechte entscheiden; und es kann nicht belegen, dass sein Ergebnis Kriterien erfüllt, die Sie nie definiert haben. Jeder etwas intelligentere Neuzugang holt aus demselben gut vorbereiteten Arbeitsplatz mehr heraus. Investieren Sie in die Dinge, die an Wert gewinnen.

In drei Jahren wird Ihr Unternehmen mit Modellen arbeiten, die es heute noch nicht gibt, unter Regeln, die noch niemand geschrieben hat. Ich weiß nicht, welche Genies als Nächstes anklopfen - und glauben Sie niemandem, der Ihnen mit Gewissheit verspricht, er wüsste es. Die Belegschaft können Sie nicht planen. Aber Sie können den Arbeitsplatz vorbereiten: so, dass jeder Neuzugang einen Computer, einen Ausweis, ein Handbuch vorfindet und gutes, wertvolles Feedback bekommt. Die Alternative ist das, was die meisten Unternehmen heute haben: Genies am Seiteneingang und ein Pilotprojekt, das nie endet.