Herzlich Willkommen zu den AI FIRST Insights!

Letzte Woche habe ich beschrieben, warum KI kein Tool und kein Mitarbeiter ist - sondern ein Betriebssystem. Ein System, das alle Fähigkeiten, allen Kontext und alle Tools vernetzt nutzen kann, statt in voneinander getrennten Agenten-Silos zu arbeiten.

Mit den neuesten Frontier-Modellen hat KI eine Qualität agentischer Fähigkeiten bekommen, die vorher nicht da war. Erst damit verschiebt sich grundlegend, wie KI in Unternehmen eingesetzt werden kann und warum ein systemischer Ansatz überlegen ist.

Heute zeige ich dir, was das konkret bedeutet. Was sich bei uns in den letzten 8 Wochen verändert hat, ein Vorher/Nachher-Beispiel aus unserem Alltag und was nötig war, damit das funktioniert.

Los geht's!

30 neue Plätze im AI Collective

Wir nehmen zum 01. April 30 neue Führungskräfte und Geschäftsführer in unser AI Collective auf. Dort triffst Du auf eine kuratierte Community aus 80 Personen, die die KI-Transformation in ihren Unternehmen vorantreiben. 

Was Dich erwartet:

• Accelerator Track – ein 8-wöchiges Onboarding-Programm, das sicherstellt, dass du vom ersten Tag an den bestmöglichen Start hast, direkt erste messbare Ergebnisse erzielst und konsequent in die Umsetzung kommst
• KI-Betriebssystem – unser erprobtes Framework, das wir dir vollständig bereitstellen, damit du es konzeptionell für dein Unternehmen nachbauen und als operative Grundlage nutzen kannst
• AI FIRST Hub mit Vorlagen (KI-Richtlinie, Leitbild Canvas, Use Case Scorecard, ...), Anleitungen (AI FIRST Playbook, KI-Hackathon, KI-Botschafter Community, ...) und Datenbanken (Prompts, Use Cases, Agenten, ...)
• Akademie mit ca. 20h Inhalten zu KI-Anwendung (Assistenten, Automationen und Agenten, Prompt Engineering, AI-First Routinen, ...) und KI-Leadership (Zielbild entwickeln, Change-Taktiken, Use Case Framework, ...)
• Wöchentliche Community Sessions zu KI-Anwendung (Tools, Automations, Agents, KI-Betriebssystem) und KI-Leadership (Strategie, Adaption, Change) – wo Mitglieder ihre aktuellen Themen einbringen und voneinander lernen
• Monatliche Deep Dives mit Fachexperten zu EU AI Act, Bild- & Video-KI, Datenstrategie, Agenten-Systemen u.v.m. – mit Gästen wie Elisabeth L'Orange, Tobias Zwingmann und Andreas Horn
• Coaches aus unserem Enablement und AI Automation Team, die dir mit Rat und Tat zur Seite stehen
• Community-Plattform mit garantierter Antwort innerhalb von 24h und einem Austausch, der auf echtem Vertrauen basiert

👉 Auf die Warteliste eintragen

Der Shift

Ich muss zuerst erklären, was sich technisch gerade verändert. Denn nur mit diesem Verständnis ergibt alles weitere einen Sinn.

Claude Opus 4.6 erschien am 05. Februar diesen Jahres. Mit diesem Modell kann KI nativ über viele Minuten an mehrschrittigen Aufgaben arbeiten, teils an fünf Aufgaben parallel. Sie lädt Kontext akkurat, nutzt Tools präzise, erkennt Fehler und korrigiert sie selbständig in Extraschleifen. Weit über Coding hinaus.

In der letzten METR Benchmark, die ich in den letzten Jahren wiederholt aufgegriffen habe, hat Opus 4.6 alle Testaufgaben gesprengt und konnte 14.5 Stunden an Coding-Aufgaben arbeiten. Vor 12 Monaten waren die Modelle bei ca. 1 Stunde. Wenn wir in ein paar Jahren auf diesen Chart gucken, werden wir ganz am Anfang einer exponentiellen Kurve sein.

Was heißt das jetzt?

Frage-Antwort-Chatbots sind Auslaufmodelle. Jeder Chatbot wird zu einem allgemeinen KI-Agenten, der Aufgaben eigenständig ausführt. Aktuell sind diese Fähigkeiten noch gar nicht in Copilot, Gemini oder ChatGPT angekommen. Claude führt das Feld an und alle anderen Anbieter werden folgen. 

Allgemeine KI-Agenten werden in der Lage sein, eine große Anzahl digitaler Aufgaben zu erledigen.

Dafür muss der allgemeine KI-Agent alle Fähigkeiten, allen Kontext und alle Tools des Unternehmens einsehen und nutzen können. Ist das der Fall, können je nach Aufgabe die passenden Fähigkeiten, der notwendige Kontext und erforderliche Tools abgerufen und kombiniert werden. Die KI baut sich dynamisch so zusammen, wie die Aufgabe es erfordert, statt dass ich als Mensch einen spezialisierten Agenten vorher statisch konfiguriere.

Mit diesem technologischen Shift benötigen wir keine Vielzahl mühselig konfigurierter und spezialisierter KI-Agenten mehr, die wir alle einzeln warten müssen. Wir benötigen ein System, in dem KI sich selbst jeden notwendigen Agenten aus den bestehenden Fähigkeiten, Tools und Daten zusammenbauen und fortlaufend verbessern und aktualisieren kann.

Oder wie will SoftBank bitte 2.5 Millionen KI-Agenten steuern, überwachen und aktuell halten?

Das ist der Kern unseres KI-Betriebssystems: Ein System, das Fähigkeiten, Kontext, Tools und Regeln im Unternehmen so organisiert, dass Arbeit wiederholbar, skalierbar und qualitätsgesichert von einer KI ausgeführt werden kann. Und das mit jeder Ausführung dazulernt, wie Prozesse noch besser ablaufen können und diese Anpassungen selbstständig im System vornehmen kann. 

Vorher/Nachher: Die Angebotserstellung

Ich mache es an einem konkreten Beispiel fest. Der Prozess sieht auf den ersten Blick ähnlich aus. Der Unterschied steckt im Detail.

Vorher — mit spezialisierten KI-Agenten

• Schritt 1: Meeting mit einem potenziellen Kunden beendet. Die Aufnahme wird gespeichert.
• Schritt 2: Mein Meeting-Agent fasst das Gespräch zusammen. Er erkennt: Das war ein Kundentermin, es soll ein Angebot erstellt werden. Er leitet die Aufgabe an den Angebots-Agenten weiter.
• Schritt 3: Der Angebots-Agent erstellt das Angebot. Er kennt unser Template, hat Zugriff auf die Preisstruktur und arbeitet sein Briefing ab.
• Schritt 4: Ich prüfe das Angebot, korrigiere, gebe frei.

Das funktioniert — solange alles im Standard bleibt. Aber:

• Wenn im Meeting eine ungewöhnliche Anforderung aufkam, die nicht im Briefing steht, reagiert der Agent nicht flexibel. Er liefert Durchschnitt oder bleibt stecken.
• Wenn sich etwas Grundlegendes im Angebotsprozess verändert, muss ich das Briefing des Agenten manuell anpassen. Bei jedem betroffenen Agenten einzeln.
• Wenn der Agent Zugriff auf neuen Kontext benötigt, zB neue Produkt-Dokumentationen, muss ich diesen Kontext-Zugriff manuell bereitstellen und dem Agenten erklären, wie er damit umgehen soll.
• Wenn der Agent einen Fehler macht oder eine Verbesserung identifiziert, ändert sich nichts. Beim nächsten Mal macht er den gleichen Fehler, wenn ich nicht eingreife. 

Heute — mit dem Betriebssystem

• Schritt 1: Meeting beendet. Aufnahme wird automatisch in unserer Meeting-Datenbank gespeichert.
• Schritt 2: Das System extrahiert alle Aufgaben aus dem Gespräch. Nicht nur „Angebot erstellen", sondern auch „Follow-up-Mail schreiben", „Referenzcase schicken" — alles, was im Meeting besprochen wurde. Automatisch, ohne dass ich etwas delegiere.
• Schritt 3: Für jede Aufgabe sucht das System die passende Fähigkeit in unserer Fähigkeiten-Datenbank. Findet ihn. Dokumentiert die Zuordnung transparent. Und führt ihn aus - alles in einem Durchlauf. Das System schlüpft in jede Rolle, die die jeweilige Aufgabe erfordert. Für das Angebot zieht es sich den Projektkontext, die Angebotshistorie, die Meeting-Inhalte und unsere Arbeitsanweisung zusammen. Alles vernetzt.
• Schritt 4 (wichtig): Wenn eine Aufgabe auftaucht, für die es noch keine Fähigkeit gibt, erstellt das System sich selbst eine neue Fähigkeit - weil das Erstellen neuer Fähigkeiten wiederum eine Fähigkeit im Betriebssystem ist.
• Schritt 5: Wenn bei der Ausführung etwas nicht passt - zum Beispiel ein Sonderfall, der in der Arbeitsanweisung nicht vorgesehen ist - erkennt das System den blinden Fleck. Es gibt sich selbst ein Feedback: „Hier fehlt eine Regelung für Sonderfall X. Vorschlag: Arbeitsanweisung wie folgt anpassen..." Beim nächsten Mal greift die Anpassung automatisch, wenn ich das freigebe.
• Schritt 6: Ich prüfe das Ergebnis und gebe frei.

Das KI-Betriebssystem erkennt anfallende Arbeit (Meetings, Mails, To Do Liste, …) und kombiniert dann alle Fähigkeiten, Daten und Tools so, dass diese Arbeit erledigt wird. Mit einer eingebauten Feedback- und Verbesserungsschleife. 

Zuvor musste ich jeden KI-Agenten einzeln aufsetzen, Systemprompts schreiben, Daten bereitstellen, Tools zuweisen und in den Prozess integrieren. Und fortlaufend anpassen. 

Das macht das System jetzt selbst.

Drei zentrale Voraussetzungen

Das Ergebnis kommt nicht durch ein besseres Modell allein. Das Modell ist die Voraussetzung. Aber die eigentliche Arbeit liegt woanders.

1. Das Implizite explizit machen

KI kann nichts nutzen, was sie nicht sieht.

In jedem Unternehmen gibt es einen riesigen Berg an Wissen, der nirgendwo aufgeschrieben ist. Die Spitze über Wasser - das ist das, was explizit festgehalten ist. Dokumente, CRM-Daten, Organigramm, Produktkatalog. Den kann KI heute schon nutzen.

Aber der Teil unter Wasser ist viel größer. Und er ist entscheidend. Wie laufen Prozesse wirklich — nicht wie es im Prozesshandbuch steht, sondern wie sie tatsächlich ablaufen? Wer entscheidet am Ende was? Nach welchen Kriterien treffen wir Entscheidungen? Wann eskalieren wir ein Kundenproblem? Was ist „gut genug" bei einem Ergebnis?

Das wissen nur die Menschen, die es jeden Tag tun.

Also haben wir alles umgedreht. Wir haben das Implizite explizit gemacht. Mehrere tausend Seiten Kontext maschinenlesbar aufbereitet. Produktdokumentation und Prozesse, aber auch Prinzipien, Entscheidungslogik, Kommunikationsregeln, Tonalität. Alles, was vorher in Köpfen steckte, haben wir rausgeholt und aufgeschrieben.

2. Alle Fähigkeiten dokumentieren

Auf dieser Basis haben wir jede einzelne Fähigkeit im Unternehmen im Detail aufgeschrieben. Eine Fähigkeit beschreibt, wie wir Dinge tun. So präzise, dass KI sie eigenständig ausführen kann.

Die Dokumentation einer Fähigkeit ist ähnlich zum Schreiben eines Systemprompts für einen Agenten. Der große Unterschied ist, dass Fähigkeiten von allen Agenten ausgeführt werden können, wenn sie gut aufgesetzt sind.

Fähigkeiten sind bei uns: Podcast vorbereiten, Podcast nachbereiten, Kundenprojekt onboarden, Community Session vorbereiten, aber auch Meta-Fähigkeiten wie “Fähigkeit erstellen”. Für jede Fähigkeit ist dokumentiert: Wie genau machen wir das? Was darf auf keinen Fall passieren? Woran erkennen wir, dass das Ergebnis gut ist?

57 Fähigkeiten haben wir heute dokumentiert, alle von Menschen erstellt, die zuvor diese Fähigkeit “genutzt” haben. Jede Fähigkeit hat einen klaren Owner, der für die Weiterentwicklung zuständig ist. 

“Skill-Engineering” wird vermutlich als Begriff an die Stelle von Prompt-Engineering treten. Die Disziplin steht noch ganz am Anfang, aber im Endeffekt wird’s wieder darauf ankommen, sehr präzise zu beschreiben, wie sich KI verhalten soll. 

3. Den gesamten Kontext zugänglich machen

Damit das System mit all diesen Skills auch arbeiten kann, braucht es Zugriff auf den gesamten Kontext. Auf alles. E-Mails, Meetings, Kundenprojekte, Angebotshistorie, Kalender, interne Kommunikation, jedes Content-Artefakt.

Wir haben dutzende Datenbanken und alle Tools für KI zugänglich gemacht. Alles an einem Ort, maschinenlesbar und vernetzt. Wenn das System jetzt ein Angebot erstellt, greift es auf die letzte Kommunikation mit dem Kunden zu, auf die Meeting-Notizen, auf ähnliche Angebote aus der Vergangenheit. Alles in einem Zugriff.

Wenn KI als Betriebssystem einen immer größeren Anteil der anfallenden Arbeit erledigen soll (was sie kann), dann müssen wir unser Unternehmen so strukturieren, dass KI darin optimal arbeiten kann. 

Das ist der Kern des AI-First Prinzips.

🏁 Fazit

Vor 8 Wochen haben wir aufgehört, KI als digitale Mitarbeiter zu organisieren, und angefangen, ein Betriebssystem zu bauen. Das erfordert viel Disziplin in der Umsetzung, ein wenig Mut, die alte Arbeitsweise loszulassen, und eine große Anpassungsfähigkeit.

Wir lernen selbst jeden Tag dazu, wie das System besser werden kann, wie sich unsere Arbeitsweise anpassen muss und wodurch wir neuen Wert generieren, wenn die reine Erledigung der Arbeit zunehmend bei KI liegt.

In den nächsten Wochen zeige ich dir, woraus unser Betriebssystem besteht. Die Bausteine, die Architektur und die Logik dahinter.

Bis nächsten Sonntag,

Felix

P.S. Ab April nehmen wir wieder neue Mitglieder ins AI Collective auf. Wenn du sehen willst, wie wir unser KI-Betriebssystem konkret aufbauen, und mit anderen Führungskräften daran arbeiten willst, dasselbe für dein Unternehmen zu tun - dann ist das der richtige Ort dafür.

👉 Auf die Warteliste eintragen