Die sieben Stufen der KI-Adoption

Ein einziger viraler LinkedIn-Post reicht, und du hast das Gefühl, KI komplett falsch zu nutzen. Da lässt jemand 12 Claude-Code-Sitzungen parallel laufen. Bei jemand anderem beantwortet ein Agent die E-Mails, während er schläft. Und du streitest währenddessen immer noch mit ChatGPT.

Nur: Es geht nicht darum, mit jedem Power-User mitzuhalten. Den größten Wert holst du aus KI, wenn du sie so einsetzt, wie es zu deiner Arbeit passt und regelmäßig prüfst, ob mehr für dich drin wäre. Ich habe im März Paperclips Konzept von KI-Organisationen mit Budgets (öffnet in neuem Fenster) über das Dirigieren Dutzender Coding-Agenten für die Produktentwicklung verwendet, aber das Konzept passte nicht und wir mussten es wieder verwerfen. Zurück zu dem, was für uns funktioniert.

Dieser Leitfaden beschreibt sieben Stufen der KI-Adoption, vom einfachen Chatbot bis zur vollen Orchestrierung von Agenten. Mit jeder Stufe delegierst du mehr Arbeit an die KI und schenkst ihr mehr Vertrauen. Die folgenden Abschnitte zeigen mit Beispiel-Prompts, wie jede Stufe in der Praxis funktioniert: welche Stufen zu deinen Aufgaben und Abläufen passen, was auf jeder möglich ist und wann es Zeit für die nächste ist.

Die versiertesten KI-Nutzer:innen, die ich kenne, arbeiten auf mehreren Stufen gleichzeitig und wählen je nach Aufgabe die Stufe, die gerade passt. Die richtige Stufe für eine Aufgabe hängt in der Regel davon ab, wie sehr du der KI zutraust, ohne dein Eingreifen gute Arbeit zu liefern - und wie schlimm es ist, wenn sie doch einmal danebenliegt. Bei Aufgaben, bei denen viel auf dem Spiel steht, bleibst du entweder auf einer niedrigeren Stufe und baust Kontrollmechanismen ein, oder du bist bereit, die Zeit, die Entwicklerarbeit und die Tokens zu investieren, die dieselbe Qualität auf einer höheren Stufe mit weniger menschlicher Aufsicht kostet.

Die meisten, die mir erzählen, dass sie mit KI nicht recht weiterkommen, haben gute Gründe: Entweder ist die Qualität der Ergebnisse für ihre Arbeit zu niedrig, oder sie ist zu teuer zu erreichen. Sicher, eine Stufe aufzusteigen kostet Aufwand und Experimente oder einen Sprung in der Modellleistung.

Welche Stufe zu den meisten deiner Aufgaben passt, hängt auch von deiner Rolle ab. Grob gesagt liegt der Sweet Spot für Wissensarbeiter:innen derzeit irgendwo zwischen Stufe 2 und 3. Entwickler:innen sind öfter auf den Stufen 4 bis 7 unterwegs, auch, weil sie die Struktur selbst bauen können, die neuere, weniger stabile Systeme nutzbar macht, bevor sie für alle anderen bereit sind.

Die Stufen

Stufe 1: Chatbot

Was das ist: Du fragst, er antwortet. Das ist das klassische Chatbot-Erlebnis: ChatGPT, Claude, Gemini oder jedes andere Modell, das nicht in deinen Dateien oder Systemen steckt. Du gibst ihm eine Aufgabe, und er liefert eine Antwort.

Was sich auf dieser Stufe ändert: Du machst nicht mehr alles selbst, sondern entwirfst und fasst zusammen, mit einem KI-Generalisten, der immer verfügbar ist.

Wofür du diese Stufe nutzen kannst: Texte aus groben Notizen schreiben, Dokumente zusammenfassen oder Fragen zu hochgeladenen Dateien beantworten

Probier es aus:

Ich habe gleich ein schwieriges Gespräch mit einem Lieferanten, hier die Vorgeschichte in Stichpunkten. Nenn mir die drei stärksten Argumente für unsere Position, die zwei wahrscheinlichsten Einwände und je eine ruhige Antwort darauf.

Du gibst deine Stichpunkte hinein und bekommst eine fertige Argumentationslinie zurück. Ob die Argumente zu eurer Beziehung mit dem Lieferanten passen, entscheidest du.

Ich lade den 30-seitigen Jahresbericht unseres Branchenverbands hoch. Fasse zusammen, was davon unser Geschäft direkt betrifft, und beantworte: Welche Fristen kommen auf uns zu, welche Förderungen werden erwähnt, und welche Entwicklung wird im Bericht nur angedeutet, aber nicht ausgeführt?

Rein geht ein PDF, heraus kommen Zusammenfassung und Antworten. Deine Aufgabe ist der Abgleich: Steht das wirklich so im Bericht?

Wann die nächste Stufe dran ist: Chatbots helfen bei vielen Aufgaben, aber jede Sitzung braucht Handarbeit: Du erklärst, was du willst, lieferst den nötigen Dokument, Transkripte und Kontext und trägst die Antwort dorthin, wo deine Arbeit tatsächlich passiert.

Stufe 2: Copilot

Was das ist: Du beschreibst eine Aufgabe, und der Copilot arbeitet sie Schritt für Schritt ab, zwischendurch meldet er sich für deine Freigaben. Er kann auf deine Dateien und Systeme zugreifen, Aktionen auf deinem Computer ausführen und Informationen aus mehreren Quellen zusammentragen.

Ein Unterschied ist dabei wichtig: Ein Copilot ist auf dieser Stufe reaktiv. Er wartet, bis du ihn losschickst, und beginnt keine Aufgabe, solange du es ihm nicht ausdrücklich sagst.

Was sich auf dieser Stufe ändert: Die KI wird zum echten Ausführenden, der mehrstufige Aufgaben unter Aufsicht erledigt.

Wofür du diese Stufe nutzen kannst: Zahlen aus einer Datei verwenden, um eine andere zu aktualisieren, oder aus einem Satz Quelldokumente etwas Neues bauen, ein Dashboard zum Beispiel

Probier es aus:

Sammle aus den Abschlussberichten in unserem Projektordner je drei Kennzahlen: Dauer, Budgettreue und Nacharbeiten. Leg mir eine Übersicht als Tabelle vor. Zeig mir vor dem Auswerten, welche Dateien du verwenden willst.

Du übergibst den Projektordner und erhältst eine Kennzahlen-Übersicht, aber erst, nachdem du die Dateiauswahl gesehen hast. Genau dort liegt deine Entscheidung: Ist die Auswahl vollständig?

Bau aus diesen drei Exporten unserer Zeiterfassung eine gemeinsame Monatsübersicht pro Team, vergleiche sie gegen die NPS-Umfragedaten unserer Kunden. Sag mir vorher, wie du mit den unterschiedlichen Spaltennamen umgehen willst, und ändere nichts an den Quelldateien.

Du übergibst drei Exporte und die Umfragedaten, zurück kommt eine gemeinsame Monatsübersicht. Vor dem Zusammenführen entscheidest du, wie mit den Spaltennamen umgegangen wird, daran hängt, ob die Zahlen am Ende vergleichbar sind.

Wann die nächste Stufe dran ist: Mit einem Copiloten bleibt der Prozess iterativ: Der Copilot erledigt einen Schritt, du prüfst und verfeinerst, und wieder von vorn. Überleg dir die nächste Stufe, wenn du Kontrolle gegen Tempo tauschen willst, oder gegen die Möglichkeit, einen Prototyp in einem Durchgang zu bauen, ohne selbst Code zu schreiben.

Stufe 3: Zielgesteuerter Agent

Was das ist: Du gibst einem Agenten ein größeres Ziel vor und lässt ihn länger selbstständig daran arbeiten. Er plant die nötigen Schritte und führt sie innerhalb deiner Vorgaben aus; danach prüfst du das Ergebnis. Beim Copiloten begleitest du die einzelnen Schritte. Beim zielgesteuerten Agenten legst du fest, was am Ende herauskommen soll und welche Grenzen gelten, und überlässt ihm den Weg dorthin. Beim Entwickeln von Software wird diese Arbeitsweise oft „Vibe Coding“ genannt. Auf dieser Stufe baust du typischerweise etwas, womit andere arbeiten werden, etwa einen Prototyp oder eine Landingpage.

Welche Aufgaben du einem Agenten überlassen kannst, hängt davon ab, wie fähig das Modell ist. Diese Einschätzung ändert sich mit jedem Release. Eine Landingpage lasse ich zum Beispiel gern von einem Agenten umsetzen, weil die Modelle gut genug sind, um eine zu bauen, die meinem Anspruch genügt. Bei einem komplexen Foliensatz schaffe ich das nicht, zumindest noch nicht: Das Ergebnis liegt so weit von dem entfernt, was ich will, dass das Korrigieren länger dauert, als es selbst zu machen. Je besser die Modelle werden, desto mehr Arbeit kannst du einem Agenten überlassen.

Was sich auf dieser Stufe ändert: Du definierst das Ziel, die Rahmenbedingungen (Constraints) und wie die KI ihre Arbeit selbst auf Qualität prüfen kann. Die einzelnen Arbeitsschritte plant der Agent selbstständig.

Ein guter Auftrag beantwortet deshalb drei Fragen: Was soll am Ende möglich sein? Welche Grenzen gelten, etwa bei Zeit, Budget, erlaubten Daten und Änderungen an bestehenden Systemen? Und woran kann der Agent erkennen, ob sein Ergebnis gut genug ist? Dafür braucht er konkrete Prüfmöglichkeiten: Testdaten mit bekannten Ergebnissen, Beispiele für die gewünschte Qualität oder Zugriff auf Werkzeuge, mit denen er etwa ein Formular selbst ausprobieren kann. „Prüf deine Arbeit“ allein ist zu wenig. Gib ihm Kriterien und Möglichkeiten, Fehler zu finden und zu beheben, bevor er dir das Ergebnis vorlegt. Du prüfst anschließend, ob es dein Ziel tatsächlich erfüllt.

Wofür du diese Stufe nutzen kannst: Prototypen, interne Tools und erste Produktversionen bauen. Auf dieser Stufe kannst du etwas bauen, das andere benutzen können, ohne dass du selbst eine Zeile Code schreibst. Meist deckt sie auch Routineaufgaben ab, etwa wiederkehrende Formulare ausfüllen oder wöchentliche Statusberichte entwerfen.

Probier es aus:

Bau ein kleines Anmelde-Tool für unsere Kundenveranstaltung: Name, Firma, Essenswunsch und eine Vorschau der Bestätigungsmail. Die Anmeldungen sollen als Tabelle exportierbar sein. Ich will es heute intern zeigen können. Verwende nur Platzhalterdaten, versende keine echten E-Mails und binde keine kostenpflichtigen Dienste ein. Prüfe mit Testanmeldungen im Browser, ob alle Angaben korrekt in der Vorschau und im Export ankommen und leere Pflichtfelder abgefangen werden. Behebe gefundene Fehler und sag mir zum Schluss, was du geprüft hast und was noch offen ist.

Du übergibst Ziel, Grenzen und konkrete Qualitätskriterien und erhältst ein Anmelde-Formular samt Prüfbericht. Der Agent kann Fehler schon während der Umsetzung selbst finden. Du entscheidest am Ergebnis: Reicht es für die interne Runde heute?

Bau aus diesen drei Exporten unserer Zeiterfassung eine gemeinsame Monatsübersicht pro Team, vergleiche sie gegen die NPS-Umfragedaten unserer Kunden. Stelle Hypothesen auf, welche Personen oder Teams am schlechtesten und besten performen. Vergleiche gegen deren Workload und schaue ob es Korrelationen mit offenen Tasks je Team oder Kunde gibt. Erstelle einen interaktiven Report als HTML-Datei.

Du übergibst Exporte und Umfragedaten und bekommst einen fertigen Report samt Hypothesen zurück. Deine Entscheidung wiegt hier schwerer als sonst: Vermutungen über die Leistung einzelner Personen bleiben Vermutungen, und du legst fest, was davon überhaupt aus dem Report herausgeht.

Wann die nächste Stufe dran ist: Ein zielgesteuerter Agent ist schnell, liefert aber oft unebene oder unzuverlässige Ergebnisse. Für einen Prototyp mag das reichen; steht mehr auf dem Spiel, brauchst du ein wiederholbares System um den Agenten, das sein Denken und Ausführen strukturiert. Überleg dir die nächste Stufe, wenn du das Tempo und die Vielseitigkeit des Agenten mit mehr strukturierter Qualitätskontrolle verbinden willst.

Stufe 4: Workflows

Was das ist: Du baust ein System um deinen Agenten, das seine Ergebnisse professionalisiert. Dieses System heißt „Harness“. Statt eines einzelnen Durchlaufs plant dein Agent, prüft nach, bewertet die eigene Sicherheit und schickt Code durch weitere Schutzschichten, damit die Ergebnisse verlässlicher werden. Das ist der Übergang vom Vibe Coding zum Agentic Engineering. Das Tempo bleibt hoch, aber weil du den Prozess strukturiert und Leitplanken eingezogen hast, die Fehler fangen und beheben, steigt die Qualität.

Ein Einstieg sind Skills: gespeicherte Arbeitsanweisungen, die festlegen, welche Schritte die KI durchläuft, welche Vorlagen sie nutzt und woran sie das Ergebnis prüft. Damit schaffst du einen wiederholbaren Workflow, statt den Ablauf bei jeder Aufgabe neu zu erklären. Ein Skill für Kundenangebote kann etwa vorgeben: E-Mails und Meetingnotizen auswerten, offene Fragen sammeln, das Angebot nach eurer Vorlage schreiben und Leistungen sowie Annahmen prüfen.

Für solche Abläufe brauchst du vor allem ein gutes Verständnis deiner Arbeit und deiner Qualitätsmaßstäbe. Aufwendige technische Workflows sind dagegen vor allem das Revier von Entwickler:innen. Einen Plan prüfen, entscheiden, welche Tests nötig sind, und den Harness entwerfen, der den Agenten in der Spur hält. All das braucht ein Verständnis dafür, was unter der Haube passiert. Vieles davon wird in den nächsten sechs bis zwölf Monaten in die Plattformen einziehen; im Moment braucht die Umsetzung noch technisches Urteilsvermögen.

Was sich auf dieser Stufe ändert: Du erwartest vom Agenten nicht mehr, dass er im ersten Wurf liefert. Du entwirfst einen wiederholbaren Prozess mit fest eingebauten Standards. Damit kannst du ihm Arbeit anvertrauen, die du sonst lieber selbst machen würdest.

Wofür du diese Stufe nutzen kannst: Angebote oder Berichte mit einem Skill nach festen Vorgaben erstellen, Features mit einem Planen-Prüfen-Umsetzen-Zyklus liefern, einen per Vibe Coding entstandenen Prototyp stabil genug für den echten Betrieb machen oder einen Prozess bauen, dem andere Entwickler:innen im Team folgen können

Probier es aus:

Bitte erstelle ein Angebot für unseren Kunden basierend auf dem E-Mailverlauf und den zwei Meetingtranskripten anbei. Erstelle zwei Subagenten: Prüf diese Änderung wie ein skeptischer CTO und als Rechtsschutzberater des Kunden, jeweils mit den stärksten Einwänden gegen das Angebot. Prüfe diese Einwände und füge Lösungen dafür in die Präsentation ein. Schlussendlich, sag mir auf einer Skala von 1 bis 100, wie sicher du dir bist, nenn die schwächsten Stellen der Umsetzung und mach so lange weitere Durchgänge, bis du über 90 liegst oder klar erklären kannst, warum nicht.

Du übergibst Mailverlauf und Transkripte und erhältst ein Angebot, das zwei kritische Rollen schon durchlaufen hat. Du entscheidest, ob die Einwände wirklich entkräftet sind und ob du der Selbsteinschätzung des Agenten glaubst.

Wann die nächste Stufe dran ist: Auch der ausgefeilteste Workflow startet erst, wenn du ihn anstößt. Genau dieses Anstoßen und Warten kann zum Engpass werden. Überleg dir die nächste Stufe, wenn es Bereiche in deinem Leben oder deiner Arbeit gibt, die du einem Agenten anvertrauen würdest, ohne dass er vorher bei dir nachfragt. (Beim heutigen Stand der Modelle sind das eher administrative oder häusliche Aufgaben mit wenig Risiko.)

Stufe 5: Assistent

Was das ist: Ein Agent wartet, bis du ihm etwas aufträgst. Ein Assistent dagegen handelt in deinem Namen, ohne dass du ihn anstößt. Er kann einen Bereich überwachen, wiederkehrende Arbeit erledigen und dir rund um die Uhr relevante Informationen vorlegen. Die Datei heartbeat.md von OpenClaw feuert zum Beispiel jede halbe Stunde mit Anweisungen zu den Prioritäten, und der Agent handelt von selbst. Kein Prompt nötig.

Was sich auf dieser Stufe ändert: Die KI wechselt von reaktiver Hilfe zu proaktiver, laufender Unterstützung.

Wofür du diese Stufe nutzen kannst: Wiederkehrende Recherchen, ein Thema beobachten, das dir wichtig ist, oder persönliche Verwaltungsarbeit, die sonst liegen bleibt

Diese Stufe braucht weiterhin entweder technisches Wissen oder jemanden, der dich durchs Aufsetzen führt und deinen Assistenten repariert, wenn er ausfällt. Bei Code Q betreiben wir so einen Assistenten mit cc-connect (öffnet in neuem Fenster) für das Projektmanagement. Er funktioniert zuverlässig, weil ihn ein Code-Q-Entwickler betreut.

OpenClaw ist die beliebteste Plattform für persönliche KI-Assistenten, aber von Haus aus instabil und aufwendig einzurichten. Das Gedächtnisproblem (in den Tools meist „Memory“ genannt) ist nicht gelöst; zwischen den Sitzungen kann verloren gehen, was er schon wusste.

Persönliche Anwendungen mit wenig Risiko (den Posteingang auf E-Mails von der Schule deines Kindes überwachen, die Haushaltseinkäufe mitschreiben) sind mit den heutigen Modellen leichter zu haben, als einem Assistenten Zugriff auf deine Arbeitssysteme zu geben; das braucht Entwickler- und IT-Unterstützung, damit es sicher bleibt. Risikotoleranz zählt hier mehr als auf jeder Stufe davor.

Teile davon lassen sich inzwischen auch mit der Schedule-Funktion von Claude Cowork oder mit ChatGPT for Work abbilden. ChatGPT for Work mit Schedules in einem Thread als Heartbeat ist leichter aufzusetzen, und ich nutze es persönlich lieber. Dabei braucht es eine klare Struktur zum Verwalten des Gedächtnisses in Markdown-Dateien und Wiederherstellmöglichkeiten (z.B. durch Git) wenn es zu Fehlern kommt.

Probier es aus:

Prüf alle 30 Minuten meinen Kalender und markiere Termine in den nächsten zwei Stunden, die Vorbereitung brauchen. Such zu jedem markierten Termin anhand der Teilnehmenden und des Titels in meinen Notizen und E-Mails nach relevanten Informationen. Hat ein Meeting keine Agenda, entwirf eine nach unserer Agenda-Vorlage und füll sie mit dem gefundenen Kontext.

Ab hier übergibst du keine Datei mehr, sondern Zugriff: Kalender, Notizen, E-Mails und eure Agenda-Vorlage. Zurück kommt eine vorbereitete Agenda, ohne dass du fragst. Du entscheidest, was davon wirklich dringend ist, und schärfst die Regeln nach.

Überwache meinen Posteingang auf E-Mails von der Schule meiner Kinder. Gib mir jeden Morgen eine kurze Zusammenfassung von allem, was ich wissen oder erledigen muss.

Du gibst dein Postfach frei und bekommst jeden Morgen eine Zusammenfassung. Deine Entscheidung ist, was du davon selbst in die Hand nimmst.

Wann die nächste Stufe dran ist: Richtig aufgesetzt, übernimmt ein Always-on-Assistent proaktiv eine ganze Bandbreite von Aufgaben. Überleg dir die nächste Stufe, wenn dein Assistent noch mehr für dich erledigen soll, du aber seinen laufenden Arbeitsablauf nicht stören willst oder fürchtest, sein Gedächtnis zu überladen.

Stufe 6: Multi-Agent

Was das ist: Du steuerst mehrere langlaufende Agenten oder Assistenten gleichzeitig. Jeder hat eine Rolle, eine Aufgabe oder einen Zuständigkeitsbereich, und deine Arbeit sieht zunehmend aus wie die Leitung eines kleinen Teams. Diese Stufe ist aktuell klar das Terrain erfahrener Entwickler:innen. Dass Wissensarbeiter:innen mehrere parallele Agenten-Sitzungen betreiben, ist selten.

Was sich auf dieser Stufe ändert: Deine Produktivität vervielfacht sich, wenn nicht mehr ein Agent eine Aufgabe erledigt, sondern mehrere parallel arbeiten.

Wofür du diese Stufe nutzen kannst: Umsetzung und Planung gleichzeitig laufen lassen oder wiederkehrende Recherchearbeit automatisieren, bis sie deine direkte Aufmerksamkeit nicht mehr braucht

Probier es aus:

Du hast bereits einen Always-on-Agenten, vielleicht einen eigenen Claude-Agenten auf einem eigenen Mac mini, der euer Projektmanagement zum Produktlaunch erledigt. Statt seinen Ablauf für eine fachfremde Aufgabe zu unterbrechen, erstellst du einen zweiten, der den Fortschritt des Produktes beobachten soll und bei jedem fertigen Feature die Webseite und Docs um dieses erweitern soll.

Du übergibst keine Aufgabe mehr, sondern eine Zuständigkeit. Der Agent erhält einen eigenen Auftrag und ein eigenes Gedächtnis. Deine Entscheidung ist die Abgrenzung: Wer schaut worauf, damit sich die beiden nicht ins Gehege kommen?

Wann die nächste Stufe dran ist: Langlaufende Agenten sind wertvoll, weil sie weitgehend selbstständig arbeiten. Ihre Ziele setzen und ihren Fortschritt bewerten musst aber weiterhin du. Überleg dir die nächste Stufe, wenn du so viele dieser Agenten hast, dass du den Überblick verlierst, wer wofür zuständig ist.

Stufe 7: Orchestrator

Was das ist: Ein Orchestrator-Agent führt ein Team von Agenten. Er plant, delegiert, überwacht den Fortschritt und bündelt die Ergebnisse, damit du dich auf das große Bild konzentrieren kannst: übergeordnete Ziele setzen, wichtige Entscheidungen prüfen. Tools wie Gas Town (öffnet in neuem Fenster), Paperclip (öffnet in neuem Fenster) und Symphony (öffnet in neuem Fenster) (von OpenAI) sind frühe Beispiele für dieses Modell.

Wichtig: Diese Stufe ist hochexperimentell. Selbst Entwickler:innen an der vordersten Front füllen die Rolle des Orchestrators noch großteils selbst aus, statt einem Orchestrator-Agenten komplexe Koordinationsarbeit anzuvertrauen.

Was sich auf dieser Stufe ändert: Du steuerst nicht mehr jeden einzelnen Agenten, sondern setzt Ziele, ziehst Leitplanken ein und legst Freigabe-Schwellen fest.

Wofür du diese Stufe nutzen kannst: Projekte, die sich nur rechnen, wenn du dich selbst als Engpass herausnimmst. Dafür brauchst du ein System, das den Überblick behält, wer was tut, die Arbeit über mehrere Agenten hinweg taktet und dafür sorgt, dass die richtigen Probleme ohne dein Zutun eskaliert werden

Probier es aus:

Agiere als zentraler Produktmanager für unser Projekt X. Analysiere laufend Kunden-Feedback über unser Feedbacktool und App-Nutzung über Posthog. Erstelle daraus abgeleitete Feature-Wünsche unserer Kunden als neue Tickets. Weise diese jeweils Code Agents zu, und prüfe den Projekt-Status in Asana einmal die Stunde. Wenn der Coding Agent den Task abgeschlossen hat, triggere unseren Review Agent. Einmal die Woche Montag um 9:00 Uhr erstelle ein neues Release mit den gebündelten Features und aktualisiere unsere Doku. Prüfe in den nächsten 3 Stunden im Takt von 5 Minuten, ob neue Fehler über Sentry herein kommen, und falls ja, weise sie mit hoher Priorität Coding Agents für Quickfixes zu. Manage die ganze Deployment-Pipeline.

Hier übergibst du ein ganzes Aufgabenfeld samt Zugängen zu Feedback, Analytics, Tickets und Deployment. Zurück kommen keine Rohdaten mehr, sondern Releases und Eskalationen. Deine Entscheidung ist die Schwelle: Was darf ohne dich hinausgehen, und was landet auf jeden Fall bei dir?

Was die Stufen messen

In diesen Stufen steckt kein Werturteil. Die allermeisten Menschen sollten sich zum Beispiel nicht an Orchestrierung versuchen, weil die Modelle für die meisten Anwendungsfälle nicht zuverlässig genug sind. Mit jeder Verbesserung der Technik kann es sich aber lohnen, eine Stufe neu anzuschauen, die für dich oder dein Unternehmen bisher außer Reichweite war. Ein Modell-Release kann alle nach oben ziehen und Tools wie Systeme zuverlässiger und leichter bedienbar machen.

Wenn du eines aus diesem Leitfaden mitnimmst, dann das: KI-Nutzung ist kein Wettbewerb. Du würdest auch nicht damit angeben, dass acht Praktikant:innen die ganze Nacht an einem wichtigen Projekt gearbeitet haben, ohne dass du ihre Ergebnisse angesehen hast. Du würdest monatelang eng mit ihnen arbeiten, bis du sicher bist, dass sie genug gelernt haben, um selbstständig arbeiten zu können. Rechne mit einem ähnlichen Aufwand für deine Agenten, bevor du ihnen auf der nächsten Autonomiestufe verlässliche Ergebnisse zutrauen kannst. Herauszufinden, welche Stufen zu deinen Aufgaben passen (statt auszuprobieren, wie weit du um des Aufstiegs willen kommst), ist das Wichtigste, was du für einen besseren Umgang mit der Technik tun kannst.