Das Problem ist nicht zu wenig KI
Viele Agenturen und Dienstleister haben inzwischen genug KI. Eher zu viel. Ein ChatGPT-Account hier. Claude dort. Ein n8n-Workflow im Keller. Ein Content-Bot, den jemand „nur mal testen“ wollte. Ein Meeting-Transcriber, der mehr Zusammenfassungen produziert als das Unternehmen Entscheidungen trifft. Drei Prompt-Listen in Notion. Eine davon heißt wahrscheinlich „Master Prompts“.
Man möchte kurz das Licht ausmachen. Das Problem ist nicht, dass KI fehlt. Das Problem ist, dass KI verteilt herumliegt — neben der Arbeit, außerhalb der Systeme, in privaten Accounts, in Tool-Demos, in Workflows, die niemand mehr anfassen möchte, weil sie aussehen wie ein Stromkasten nach einem Festival.
KI ist da. Aber sie ist nicht eingebaut.
Neben der Arbeit ist nicht in der Arbeit
Neben der Arbeit heißt: Ein Mensch kopiert Daten aus dem CRM, fügt sie in ein Chatfenster ein, bekommt einen Vorschlag, kopiert ihn zurück in eine Mail, schreibt eine Notiz ins Projektmanagement, vergisst den Status und fragt später im Slack, ob das schon freigegeben war. Das ist keine Produktivität. Das ist menschliche Middleware mit Kaffee.
In der Arbeit heißt: Der Vorgang öffnet sich in einer Oberfläche. Das System kennt Kunde, Projekt, Historie, offene Aufgaben und erlaubte Datenquellen. Die KI macht einen Vorschlag. Unsicherheiten werden markiert. Ein Mensch prüft. Nach Freigabe wird das Ergebnis dokumentiert und in die richtigen Systeme zurückgeschrieben.
Das klingt weniger spektakulär als „autonomer Agent“. Dafür muss später niemand archäologisch im Postfach tätig werden. Mehr in KI im Mittelstand.
Was eine KI-Schicht eigentlich ist
Eine KI-Schicht ersetzt nicht automatisch CRM, ERP, Projektmanagement, Wissensdatenbank, Dokumentenablage und Mail. Bitte nicht. Unternehmen haben schon genug Software, die beim Login so tut, als sei sie die Hauptperson.
Eine KI-Schicht liegt darüber oder dazwischen. Sie verbindet. Sie liest relevante Daten aus vorhandenen Systemen, ordnet Kontext, macht Vorschläge, fragt nach, wenn etwas fehlt, wartet auf Freigaben, schreibt Ergebnisse zurück, protokolliert, was passiert ist, und zeigt Menschen, was gerade läuft.
Die KI-Schicht ist keine weitere Insel. Sie ist die Brücke zwischen Inseln. Und ja, Brücken sind weniger aufregend als Raumschiffe. Aber sie bringen Menschen rüber. Raumschiffe stehen in Unternehmen meistens als Pilotprojekt im Hangar und heißen „Innovation Lab“.
Warum Prompts dafür nicht reichen
Prompts sind hilfreich. Aber sie sind flüchtig. Ein Prompt weiß nicht, welcher Kunde gemeint ist. Er kennt keinen Projektstatus. Er weiß nicht, welche Daten freigegeben sind. Er setzt keinen Zustand. Er schreibt nichts zurück. Er fragt nicht automatisch nach Freigabe.
Er kann einen Schritt verbessern, aber keinen Prozess tragen. Eine KI-Schicht dagegen gibt dem Modell eine Umgebung: Daten, Rollen, Regeln, Oberflächen, Logs, Grenzen.
Ohne diese Umgebung bleibt KI ein sehr begabter Praktikant, der ständig fragt: „Kannst du mir kurz den Kontext geben?“ Und irgendwann möchte man ihn in einen ruhigen Ordner verschieben. Siehe Prompting ist kein Prozess.
Die fünf Aufgaben einer KI-Schicht
Erstens: Kontext holen. Nicht alles in den Prompt kopieren. Nicht hoffen, dass jemand die richtige Datei findet. Die Schicht muss wissen, welche Systeme relevant sind und welche Daten sie laden darf.
Zweitens: Zustand halten. Ein Prozess darf nicht jedes Mal bei null anfangen. Wenn ein Vorgang pausiert, muss er später genau dort weitergehen — mit Historie, Zwischenstand und offenen Punkten.
Drittens: Vorschläge machen. KI soll nicht einfach „irgendwas generieren“. Sie soll auf Basis des Kontexts eine konkrete nächste Aktion vorschlagen: Antwort, Analyse, Zusammenfassung, Entscheidungsvorlage, Follow-up.
Viertens: Menschen einbinden. Freigabe, Korrektur, Veto, Ergänzung — nicht als lästige Bremse, sondern als Teil des Systems. Gute KI legt dem Menschen die richtigen Entscheidungen besser vorbereitet auf den Tisch.
Fünftens: zurückschreiben und protokollieren. Wenn nach der KI-Ausgabe alles wieder manuell kopiert werden muss, wurde nur die halbe Strecke gebaut. Ergebnisse müssen ins CRM, ins Ticket, ins Projekt, in die Dokumentation — und zwar nachvollziehbar.
Ein Beispiel: Kundenanfrage ohne Tool-Pingpong
Ohne KI-Schicht: Jemand liest die Mail, sucht den Kunden im CRM, öffnet das letzte Angebot, fragt im Projektchannel nach dem Stand, findet eine alte Datei, schreibt eine Antwort, wartet auf Freigabe, vergisst, das CRM zu aktualisieren. Zwei Tage später fragt jemand, was aus der Anfrage wurde. Normaler Dienstag, nur mit mehr Sucherei.
Mit KI-Schicht: Die Anfrage wird erkannt. Das System zeigt Kunde, laufendes Projekt, letzte Kommunikation, offene Aufgaben, relevante Dokumente und bisherige Entscheidungen. Die KI schlägt eine Antwort und nächste Schritte vor. Unsichere Punkte werden markiert. Ein Mensch prüft. Nach Freigabe geht die Antwort raus, der Vorgang wird aktualisiert und der nächste Schritt gesetzt.
Das ist keine Magie. Das ist Arbeit, die nicht ständig auseinanderfällt. Siehe CRM- und E-Mail-Integration.
Warum n8n und Make nicht automatisch eine KI-Schicht sind
n8n, Make und Zapier sind nützlich — für einfache Abläufe sogar sehr. Wenn ein Formular ausgefüllt wird und danach ein Ticket entstehen soll: super. Dafür braucht niemand ein Enterprise-Manifest.
Aber eine KI-Schicht ist mehr als eine Trigger-Kette. Sie muss Zustand halten, Berechtigungen berücksichtigen, menschliche Entscheidungen abbilden, Unsicherheit erkennen, Kontext aus mehreren Systemen zusammenführen und erklären können, was sie getan hat.
Eine lange Automationskette kann das manchmal simulieren — so wie man mit Klebeband auch kurz ein Möbelstück retten kann. Aber irgendwann sitzt jemand drauf.
Governance ohne Panik
Eine KI-Schicht braucht Governance. Das klingt sofort nach Kontrollgremium, Excel-Matrix und einer Person, die „Risikokategorie“ sagt, ohne zu blinzeln. Aber praktisch heißt es nur: Welche Daten darf die KI sehen? Welche Tools darf sie nutzen? Welche Aktionen darf sie ausführen? Wann braucht sie Freigabe? Wer ist verantwortlich? Was wird geloggt? Wann wird etwas abgeschaltet?
Das ist nicht gegen Innovation. Das ist Innovation mit Sicherheitsgurt. Und wer schon einmal in einem Unternehmen erlebt hat, wie ein „kleiner Test“ plötzlich in Produktion war, weiß: Sicherheitsgurte sind keine schlechte Idee. Mehr in KI-Governance für KMU.
Agenten brauchen Führung
Agenten klingen nach Autonomie. Und Autonomie klingt nach Entlastung — bis man fünf Agenten hat, die alle ein bisschen autonom sind und keiner weiß, wer sie beaufsichtigt.
Ohne zentrale Schicht entsteht Agenten-Wildwuchs: doppelte Aufgaben, unklare Rechte, verwaiste Automationen, keine Logs, keine Verantwortlichen. Das ist nicht Skalierung. Das ist ein kleines digitales Gehege, in dem alle Türen offenstehen.
Eine KI-Schicht führt diese Agenten. Sie macht sichtbar, was läuft, welche Rolle ein Agent hat, welche Daten er nutzt und wo ein Mensch eingreifen muss. Siehe Effizienz durch KI-Übergaben und KI-Consulting ohne Bullshit.
Der Experte wird wichtiger, nicht überflüssig
Eine gute KI-Schicht ersetzt keine erfahrenen Leute. Sie macht sie wirksamer. Der erfahrene Berater erkennt, ob eine Empfehlung tragfähig ist. Der Projektleiter sieht, ob ein Vorschlag zur Realität passt. Die Texterin merkt, ob eine Ausgabe nur glatt klingt oder wirklich trifft.
KI kann vorbereiten, sortieren, zusammenfassen, verknüpfen und beschleunigen. Aber Urteilskraft entsteht nicht automatisch aus mehr Token. Sie entsteht aus Erfahrung.
Eine KI-Schicht sollte diese Erfahrung an die richtige Stelle bringen, statt sie im Tool-Chaos zu verschütten.
Was Dienstleister jetzt lernen müssen
Dienstleister gewinnen nicht dadurch, dass sie den neuesten Prompt kennen. Der ist nächste Woche sowieso in einem kostenlosen PDF mit 6.000 anderen Prompts begraben.
Sie gewinnen, wenn sie Systeme verstehen: Wie läuft Arbeit wirklich? Welche Daten sind wichtig? Welche Beziehungen gibt es? Welche Oberfläche braucht das Team? Welche Schritte darf KI übernehmen? Welche bleiben beim Menschen? Wie wird Qualität geprüft? Wie wird Erfolg gemessen?
Das ist weniger glamourös als „KI-Hack“. Aber es baut Kompetenz. Und Kompetenz ist schwerer zu kopieren als ein Prompt. Siehe Datenmodelle für Berater.
Wo ich ansetze
Ich helfe Agenturen, Dienstleistern und Beratern, diese KI-Schicht zu denken und zu bauen — nicht als Riesenprojekt mit 14 Lenkungskreisen, sondern vom konkreten Use Case aus: Lead-Qualifizierung, Angebotserstellung, Kunden-Onboarding, Support-Triage, Content-Freigabe, Projektübergaben.
Wir klären Daten, Rollen, Risiken, Freigaben, Oberfläche und Messung. Dann entscheiden wir, was reicht: einfache Automation, vorhandenes Tool, eigenes kleines System oder eine echte Agenten-Oberfläche.
Das Ziel ist nicht, möglichst viel KI einzubauen. Das Ziel ist, dass Arbeit weniger dumm organisiert ist. KI ist dabei Mittel. Nicht Religion. Einstieg oft über Bauen statt Kaufen oder ein KI-Audit.
Fazit: Das nächste Modell rettet keine schlechte Architektur
Es wird bessere Modelle geben. Schnellere. Günstigere. Multimodalere. Wahrscheinlich auch eins, das in Präsentationen noch besser so tut, als hätte es echte Gefühle für Quartalsziele.
Aber kein Modell rettet eine schlechte Architektur. Wenn Daten verstreut sind, Prozesse unklar, Freigaben zufällig und Ergebnisse nicht dokumentiert, wird das beste Modell nur schneller hübschen Nebel erzeugen.
Die Frage ist nicht: Welches Modell nutzen wir? Die Frage ist: Wo sitzt KI in unserer Arbeit? Wenn die Antwort lautet „in einem Chatfenster nebenbei“, ist das kein System. Dann ist es ein Experiment. Kann man machen. Aber bitte nicht mit Strategie verwechseln.
