Wie wir unser KI-Betriebssystem aufgebaut haben

Intro

In dieser Solo-Folge des AI FIRST Podcast liefert Felix den kompletten Bauplan: Wie hat AI FIRST das eigene KI-Betriebssystem aufgebaut? In der letzten Folge hatte Felix die These aufgestellt, dass KI kein Tool und kein Mitarbeiter mehr ist – sondern zum Betriebssystem des Unternehmens werden muss. Die Resonanz war überwältigend. Jetzt folgt die Praxis: Von der Architektur über die Agentenkette bis zum wichtigsten Mindset-Shift – arbeite am System, nicht im System. Felix erklärt die sechs Bausteine des Systems, warum ein einziger OS-Agent 25 spezialisierte Agents ersetzt und wie eine Ampellogik in der Governance sicherstellt, dass KI nur das tut, was sie darf. Eine detaillierte Anleitung für Unternehmen, die KI vom Chatbot zum Betriebssystem weiterentwickeln wollen.

Inhaltsübersicht

Rückblick: Warum KI kein Tool und kein Mitarbeiter mehr ist
Die 6 Bausteine des KI-Betriebssystems im Überblick
Baustein 1: Der OS-Agent – ein Agent statt 25 spezialisierte
Baustein 2: Skills – alles, was die Organisation kann
Baustein 3: Kontext – alles, was die Organisation weiß
Baustein 4: Tools – alle Systeme im Unternehmen anbinden
Baustein 5: Governance – die Ampellogik (Grün, Gelb, Rot)
Der Agentic Layer: Die 5-Agent-Kette für Automation
Die Lernschleife: Silent Patch und Feedback-Datenbank
Wie das System arbeitet: Augmentation und Automation
Einwand aus der Community: Warum nicht spezialisierte Agents?
Technische Voraussetzungen: Claude, Notion, LangDoc, Copilot
Organisatorische Voraussetzungen: Am System arbeiten, nicht im System
Warum das KI-Betriebssystem die Adaption beschleunigt

Detaillierte Zusammenfassung

Von KI-Agents zum KI-Betriebssystem

AI FIRST hatte über fast zwei Jahre ein Team aus 25 spezialisierten KI-Agents aufgebaut – von einer persönlichen Assistentin über Podcast-Nachbereitung bis zur Buchhaltung. Das Problem: Die Agents arbeiteten in Silos. Das menschliche Team musste weiterhin koordinieren und Aufgaben hin- und herschieben. Mit den neuen Modellfähigkeiten – insbesondere Claude Opus 4.6 – wurde ein fundamentaler Architekturwechsel möglich: Alles, was vorher in spezialisierten Agents steckte, wurde in Skills und Kontext verschoben, damit ein einziger General-Purpose-Agent das gesamte System steuern kann.

Die 6 Bausteine des Systems

1. OS-Agent: Ein einziger General Purpose Agent sitzt obenauf und kann das gesamte System steuern. Keine Persona, keine künstliche Persönlichkeit – nur eine schlanke Hülle für die Ausführung von Skills. Der Agent sucht sich je nach Aufgabe den passenden Skill und führt ihn aus.

2. Skills – Alles, was die Organisation kann: Detaillierte Prozessdokumentationen, die definieren, welcher Kontext geladen werden muss, welche Schritte notwendig sind, welche Tools wann eingesetzt werden und wie das Ergebnis aussehen soll. Felix betont: „Das ist am Ende einfach eine gute Prozessbeschreibung per Text."

3. Kontext – Alles, was die Organisation weiß: Eine Art Landkarte für den OS-Agent, die beschreibt, wo welche Daten zu finden sind und wie Datenquellen zusammenhängen. Das Kontextfenster wird immer minimal belastet – nur laden, was für die aktuelle Aufgabe nötig ist.

4. Tools – Alle Systeme im Unternehmen: CRM, Projektmanagement, SharePoint, CMS, Marketing-Cloud – KI braucht nicht nur Lesezugriff, sondern muss diese Tools aktiv nutzen können. Empfehlung: Datenquellen so weit wie möglich konsolidieren.

5. Governance – Alle Regeln, die gelten: Ein Handbuch mit Ampellogik:

🟢 Grün = KI darf autonom handeln (z.B. Meeting-Dokumentation)
🟡 Gelb = KI darf vorbereiten, braucht aber menschliche Freigabe (z.B. alles, was nach außen geht)
🔴 Rot = Sofortiger Stopp (z.B. Personalentscheidungen)

6. Lernschleife: Zwei Wege: (1) Silent Patch – direktes Feedback wird sofort in den ausgeführten Skill eingebaut. (2) Feedback-Datenbank – systematisches Feedback wird gesammelt, von Menschen freigegeben und ins System eingebaut.

Die 5-Agent-Kette (Agentic Layer)

Neben dem OS-Agent für direkte Zusammenarbeit (Augmentation) gibt es einen Agentic Layer für Automation:

Dokumentation: Alles was passiert (Meetings, E-Mails, Reviews) wird im System dokumentiert
Aufgabenextraktion: Aus Dokumentationen werden Aufgaben extrahiert
Skill-Scout: Findet den passenden Skill – oder erstellt einen neuen, wenn keiner existiert
Skill Executor: Führt zugewiesene Skills parallel aus
Feedback-Logger: Dokumentiert Fehler und Verbesserungsvorschläge

Technische Voraussetzungen

Felix vergleicht drei Optionen:

Claude Code: Maximale Flexibilität, erfordert aber Terminal-Nutzung und Markdown-basierte Ablage – ideal für Solo-Unternehmer und kleine Teams
Notion: Pragmatischster Weg für AI FIRST, da bereits alle Daten dort lagen und die KI-Funktionen alles Notwendige abdecken
LangDoc & Copilot Cowork: Ergänzende Optionen für den Weg nach außen und zusätzliche Agent-Funktionen

Der wichtigste Mindset-Shift

„Arbeite am System und nicht im System." Das bedeutet: Skills kontrollieren und verbessern, KI-Ergebnisse feedbacken, Kontext aktuell halten – statt die Arbeit selbst zu machen. Wenn jede Person im Team so arbeitet, wird das System fortlaufend besser und kann einen immer größeren Anteil der Arbeit übernehmen.

Die Marktentwicklung bestätigt die Richtung

Die großen KI-Anbieter bewegen sich in genau diese Richtung: Anthropic führt mit Claude den Weg an – ein einziger General-Purpose-Agent statt vieler spezialisierter. ChatGPT führt Skills ein und wird zum Agent. LangDoc bietet bereits Skills und Workflows. Und Microsoft hat mit Copilot 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
Ein OS-Agent ersetzt 25 spezialisierte Agents: Statt hunderte spezialisierter KI-Agents aufzubauen, braucht es eine Skill-Logik: dokumentierte Prozesse, die ein General-Purpose-Agent je nach Bedarf abruft und ausführt. Skalierbarkeit, Wartbarkeit
Das Kontextfenster minimal halten: Der OS-Agent lädt immer nur die Skills und den Kontext, die für die aktuelle Aufgabe nötig sind – statt alles im Kontextfenster mitzuschleppen. Modularität, Performance
Governance muss auch für KI geschrieben werden: Eine Ampellogik definiert, was KI autonom darf (Grün), wo menschliche Freigabe nötig ist (Gelb) und was sofort geblockt wird (Rot). Compliance, Kontrolle
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
Sechs Bausteine für das KI-Betriebssystem: OS-Agent, Skills, Kontext, Tools, Governance und Lernschleife bilden das Fundament – ohne sie bleibt KI ein netter Chatbot. Infrastruktur, Enablement
Am System arbeiten, nicht im System: Die Rolle verändert sich: von „ich mache die Arbeit" zu „ich baue und steuere das System, das die Arbeit macht." Das erfordert einen dedizierten Owner und ein radikales Umdenken. Organisationsentwicklung, Transformation