Warum KI kein Tool und auch kein Mitarbeiter ist

Intro

In dieser Solo-Folge des AI FIRST Podcast teilt Felix Schlenther seine Reflexionen über die dramatischen Veränderungen der letzten acht Wochen im KI-Markt – und warum diese alles verändern, was wir über den Einsatz von KI in Unternehmen zu wissen glaubten. Neue Modellgenerationen wie Opus 4.6 und GPT 5.4 können erstmals über Stunden eigenständig an komplexen Aufgaben arbeiten. Felix erklärt, warum spezialisierte KI-Agenten und Chatbots ausgedient haben und wie ein KI-Betriebssystem mit Skill-Logik, Prozessdokumentation und Lernschleifen die digitale Arbeit in Unternehmen grundlegend neu organisiert. Eine ehrliche Bestandsaufnahme darüber, wie AI FIRST die eigene Organisation gerade komplett umstellt.

Inhaltsübersicht

Was sich in den letzten acht Wochen im KI-Markt verändert hat
Von Sekunden zu 14,5 Stunden: Die neue Leistungsfähigkeit von KI-Modellen
Warum AI FIRST alles hinterfragt – und die eigene Organisation umstellt
Phase 1: KI als Tool – und warum das nicht mehr reicht
Phase 2: KI als Mitarbeiter – und warum auch das überholt ist
Das Experiment: Ein General-Purpose-Agent, der alle Aufgaben übernimmt
Von spezialisierten Agenten zu einer Skill-Logik
Unternehmen umbauen – für KI, nicht nur für Menschen
KI als Betriebssystem: Was das konkret bedeutet
Selbstlernende Systeme mit eingebauter Feedbackschleife
Die vier Bausteine: Prozesse, Daten, Schnittstellen, Governance
Warum KI uns menschlicher machen kann

Detaillierte Zusammenfassung

Der Wendepunkt: Neue Modellgenerationen verändern alles

In den letzten acht Wochen hat sich die Anwendung von KI für Felix grundlegend verändert. Mehrere Ereignisse bauten aufeinander auf: Claude Code wurde als Coding Agent extrem performant, Moldbot und OpenClaw erweiterten die agentischen Fähigkeiten, und vor allem die neuen Modellgenerationen Opus 4.6 und GPT 5.4 markieren einen exponentiellen Sprung.

Der entscheidende Unterschied: Während KI-Modelle vor drei Jahren nur Sekunden an einer Aufgabe arbeiten konnten, hat Opus 4.6 erstmals 14,5 Stunden eigenständig an einer komplexen Aufgabe gearbeitet. Damit sind die Skalierungsgesetze endgültig bestätigt – und der Sprung von wenigen Stunden auf über 14 Stunden ist gewaltig.

Diese Entwicklung deckt sich mit den Prognosen von AI 2027, einem Forecast von fünf KI-Experten, darunter Ex-OpenAI-Forscher: Die KI-Labore würden zuerst Coding knacken, damit bessere KI bauen und in einen selbstbeschleunigenden Faktor eintreten. Genau das scheint gerade zu passieren.

Phase 1: KI als Tool – der Anfang

Am Anfang setzte AI FIRST KI als Tool ein – als Verlängerung der eigenen Fähigkeiten. Verschiedene spezialisierte Tools für verschiedene Aufgaben: Meeting-Transkription, Prototypen coden, Bilderstellung, Texterstellung. Doch schon 2023/2024 wurde klar, dass die zugrundeliegenden Modelle viel flexibler werden und immer mehr menschenähnliche Fähigkeiten entwickeln.

Phase 2: KI als Mitarbeiter – ein Zwischenschritt

Der nächste logische Schritt war, KI als Mitarbeiter zu definieren. Jedes Teammitglied bei AI FIRST baute sich ein eigenes Team aus KI-Agenten auf – bis zu 25 spezialisierte Agenten für verschiedene Rollen wie Controlling, Content-Marketing oder Sales. Die Menschen im Team wurden zu Führungskräften ihrer KI-Mitarbeiter.

Bis vor wenigen Wochen hätte Felix diese Strategie noch jedem empfohlen: KI-Agenten als Mitarbeiter ins Organigramm integrieren und darüber die Organisation skalieren, anstatt den Headcount zu erhöhen.

Das Experiment: Ein Agent für alles

Doch dann machte AI FIRST ein entscheidendes Experiment. Einem einzigen Agenten wurden Zugriff auf die System-Prompts aller anderen Agenten, eine umfassende Kontextkarte mit allen Unternehmensdaten und sämtliche Tools und Schnittstellen gegeben.

Das Ergebnis war beeindruckend: Dieser eine Agent mit dem Opus-Modell hat Sales-Termine nachbereitet, Kundenprojekte ongeboardet, Support-Anfragen beantwortet und Marketing-Assets gebaut – alles Aufgaben, die vorher spezialisierte Agenten erledigten. Er zog sich selbstständig die richtigen Anweisungen, den nötigen Kontext und die passenden Tools und lieferte mit sehr hoher Qualität.

Eigentlich muss ich nur noch ein Ziel beschreiben und das Modell arbeitet sich Schritt für Schritt darauf hin.

Von Agenten zu Skills: Die neue Methodik

Die Konsequenz aus diesem Experiment: Der Weg führt weg von vielen spezialisierten Agenten hin zu einer Skill-Logik. Ein Skill beschreibt, wie Dinge in der Organisation getan werden – wie ein Angebot erstellt wird, wie Kundenanfragen beantwortet werden, wie Marketing-Content entsteht.

Diese Skills werden dokumentiert und einem General-Purpose-Agent bereitgestellt. Anstatt einen spezialisierten Agenten zu beauftragen, sagt man nur noch: „Erstell mir ein Angebot" – und der Agent sucht sich den passenden Skill, zieht den nötigen Kontext und führt die Aufgabe aus.

Dieser Ansatz ist deutlich skalierbarer als hunderte oder tausende spezialisierte Agenten, die niemand mehr überblicken, warten oder kontrollieren kann.

KI als Betriebssystem des Unternehmens

Felix' zentrale These: KI ist weder Tool noch Mitarbeiter – KI wird das Betriebssystem des Unternehmens. Ein System, das alle Fähigkeiten der Organisation (was sie kann), den gesamten Kontext (was sie weiß), die Governance (welche Regeln gelten) und alle Systeme und Tools so steuert und nutzt, dass digitale Arbeit wiederholbar, skalierbar und qualitätsgesichert erledigt werden kann.

Das bedeutet konkret: Unternehmen müssen so umgebaut werden, dass KI darin möglichst gut arbeiten kann – nicht nur Menschen. Hierarchie-Ebenen, Abstimmungsschleifen und aufwendige Präsentationen, die für menschliche Zusammenarbeit notwendig sind, braucht eine KI nicht.

Die Rolle von Wissensarbeitern verändert sich: von „ich mache die Arbeit" zu „ich baue und steuere das System, das die Arbeit macht".

Selbstlernende Systeme mit Feedbackschleife

Ein zentrales Prinzip des KI-Betriebssystems ist die Selbstverbesserung. Bei AI FIRST ist nach jeder Ausführung eine Lernschleife eingebaut: Wenn die KI auf einen Spezialfall trifft, der nicht in der Prozessdokumentation beschrieben ist, macht sie einen Vorschlag zur Anpassung. Ein Mensch gibt das frei, die KI überarbeitet die Dokumentation – und beim nächsten Mal ist der Prozess bereits abgedeckt.

Jedes Feedback, das nach einer KI-Ausführung gegeben wird, fließt automatisch in die Anweisungen ein, sodass dasselbe Feedback nicht erneut gegeben werden muss. Das System wird mit jeder Nutzung besser.

Die vier Bausteine

Damit ein KI-Betriebssystem funktioniert, braucht es vier Grundlagen:

Prozesse: Alle Abläufe müssen dokumentiert sein – so wie sie wirklich ablaufen, nicht wie sie in den Köpfen existieren. Nur wenn implizites Wissen explizit gemacht wird, kann KI echte Arbeit übernehmen.
Daten: Die KI muss wissen, was die Organisation weiß. Veraltete oder unzugängliche Daten schneiden einen Großteil der Anwendungsfälle ab.
Schnittstellen: KI braucht Zugang zu den Systemen und Tools, die für die Aufgabenerledigung notwendig sind. Ohne Integration bleibt Copy-Paste die Realität.
Governance: Ein klares Regelwerk definiert, was KI darf und was nicht – und stellt die menschliche Kontrolle sicher.

Die Marktentwicklung bestätigt die Richtung

Die großen KI-Anbieter bewegen sich in genau diese Richtung: Anthropic führt mit Claude den Weg an, OpenAI hat mit OpenAI Frontier eine Enterprise-Plattform gelauncht, und Microsoft hat mit Cowork eine KI angekündigt, die den gesamten Microsoft-Stack nicht nur lesen, sondern auch steuern kann. Der Trend geht klar weg von einzelnen Chatbots hin zu umfassenden, sich selbst verbessernden Systemen.

Kernaussagen

KI ist kein Tool und kein Mitarbeiter: KI muss als Betriebssystem des Unternehmens gedacht werden – ein System, das alle Fähigkeiten, Daten, Tools und Regeln der Organisation nutzt, um digitale Arbeit eigenständig auszuführen. Paradigmenwechsel, Systemdenken
Von Agenten zu Skills: Statt hunderte spezialisierter KI-Agenten aufzubauen, braucht es eine Skill-Logik: dokumentierte Prozesse, die ein General-Purpose-Agent je nach Bedarf abruft und ausführt. Skalierbarkeit, Wartbarkeit
Neue Modelle ermöglichen einen Quantensprung: Opus 4.6 und GPT 5.4 können erstmals über Stunden eigenständig an komplexen, mehrschrittigen Aufgaben arbeiten – inklusive selbstständiger Fehlerkorrektur und paralleler Unteraufgaben. Agentische KI, Autonomie
Selbstlernende Systeme sind der Schlüssel: Eingebaute Feedbackschleifen sorgen dafür, dass das KI-System mit jeder Ausführung besser wird und sich selbst erweitert. Kontinuierliche Verbesserung, Lernschleifen
Vier Bausteine für das KI-Betriebssystem: Dokumentierte Prozesse, zugängliche Daten, Systemschnittstellen und klare Governance bilden das Fundament – ohne sie bleibt KI ein netter Chatbot. Infrastruktur, Enablement
Unternehmen müssen für KI umgebaut werden: Die Organisation muss so gestaltet sein, dass KI darin optimal arbeiten kann – nicht nur Menschen. Das erfordert ein radikales Umdenken bei Strukturen und Abläufen. Organisationsentwicklung, Transformation
KI kann uns menschlicher machen: Die freigewordene Kapazität ermöglicht es, zu dem zurückzukehren, wofür man den Job eigentlich angetreten ist – kreative, strategische und zwischenmenschliche Arbeit. New Work, Potenzialentfaltung