Aaron Levie von Box: Wie Unternehmen zur KI-nativen Organisation werden

Wie organisieren Unternehmen ihr Wissen für KI-Agents, damit diese wirklich produktiv werden können? Box-CEO Aaron Levie diskutiert diese zentrale Herausforderung der KI-Ära und vergleicht sie mit der industriellen Revolution: Damals reichte es nicht, Dampfmaschinen durch Elektromotoren zu ersetzen - man musste die gesamten Fabriken neu denken. In der neuesten Episode des Podcasts AI to the DNA spricht er mit Host Christoph Magnussen darüber, warum die wahre KI-Revolution nicht in neuen Modellen, sondern in der grundlegenden Neuorganisation von Daten und Arbeitsprozessen liegt. Aaron, der sein Unternehmen Box seit 2005 leitet, gibt tiefe Einblicke, wie Firmen vom reaktiven Einsatz von KI zu einer echten, KI-nativen Arbeitsweise gelangen können. Diese Episode ist ein Muss für alle Entscheider:innen, die verstehen wollen, warum die Arbeit an der Datenbasis heute der entscheidende Wettbewerbsvorteil von morgen ist. Das Gespräch wurde auf Englisch geführt.

Das Wichtigste auf einen Blick

• Daten als Fundament: Der größte Hebel für den erfolgreichen KI-Einsatz liegt nicht in den Modellen selbst, sondern in der Organisation der Unternehmensdaten. Fragmentiertes Wissen über verschiedene Systeme hinweg ist die größte Hürde. KI-Agents benötigen eine klare, autoritative Wissensquelle (Source of Truth), um zuverlässig arbeiten zu können.
• Von Startups lernen: KI-native Startups machen es vor, indem sie Prozesse von Grund auf für die Zusammenarbeit mit Agents gestalten. Das bedeutet: radikale Dokumentation von Entscheidungen und Workflows, sodass KI-Systeme von Tag eins an mit dem richtigen Kontext versorgt sind.
• Die neue Rolle der IT: Die IT-Abteilung wandelt sich vom langsamen Verwalter zum schnellen Enabler. Ihre Aufgabe ist es, kontinuierlich die besten KI-Werkzeuge zu evaluieren und sicher bereitzustellen, anstatt Innovationen aus Sicherheitsgründen zu blockieren. Die Geschwindigkeit der Anpassung wird zum entscheidenden Faktor.
• Flexibilität durch Abstraktion: Statt sich an einen einzigen KI-Anbieter zu binden, sollten Unternehmen auf eine Abstraktionsschicht setzen. Ein solcher Model Router ermöglicht es, für jede Aufgabe das am besten geeignete Modell - sei es von OpenAI, Anthropic oder aus dem Open-Source-Bereich - flexibel auszuwählen und auszutauschen.
• Dezentralisierte KI-Budgets: Die Verantwortung für den ROI von KI-Investitionen sollte nicht zentral bei der IT, sondern in den Fachabteilungen liegen. Wenn der Vertriebsleiter das Budget für KI-Tools verantwortet, stellt er sicher, dass diese auch tatsächlich den Umsatz steigern.
• Ein Ökosystem aus Spezialisten: Es wird nicht den einen Super-Agenten für alles geben. Die Zukunft gehört einem Ökosystem aus vielen spezialisierten Agents, die auf bestimmte Aufgaben wie Softwareentwicklung (z.B. mit Codex), Rechtsanalyse oder Marketingkampagnen zugeschnitten sind.
• KI als Wachstums- statt als Sparmotor: Aaron vertritt eine optimistische Sicht auf die Zukunft der Arbeit. Er argumentiert, dass der Wettbewerbsdruck Unternehmen zwingen wird, KI zur Steigerung des Outputs und zur Verbesserung des Kundenservice zu nutzen, anstatt nur Arbeitsplätze abzubauen. Firmen, die mehr leisten, werden wachsen und einstellen.

Das Fundament der KI-Revolution: Warum unstrukturierte Daten die größte Hürde sind

Christoph eröffnet das Gespräch mit einer Analogie zur industriellen Revolution: Der bloße Austausch einer Technologie reicht nicht aus; die gesamte Arbeitsorganisation muss sich ändern. Aaron Levie stimmt zu und identifiziert das größte Hindernis für die heutige KI-Revolution: die chaotische Datenlandschaft in den meisten Unternehmen. Agents, so erklärt er, sind anders als Menschen. Sie können nicht intuitiv Kollegen fragen oder sich durch unübersichtliche Systeme navigieren. Sie benötigen klaren, direkten Zugriff auf die richtigen Informationen. Das Problem: In vielen Firmen existiert keine zentrale Wahrheit. Ein Kundenvertrag kann an fünf verschiedenen Orten gespeichert sein - fünf potenzielle Fehlerquellen für einen KI-Agenten. Diese Fragmentierung macht es fast unmöglich, KI zuverlässig in bestehende Prozesse zu integrieren.

Die Lösung dieser Herausforderung ist laut Aaron keine technologische, sondern eine organisatorische Schwerstarbeit. Es erfordert menschliche Experten - bei Box nennt man sie Forward Deployed Engineers -, die gemeinsam mit dem Kunden die Arbeitsabläufe und Datenquellen analysieren, die Informationen konsolidieren und in eine Cloud-Infrastruktur überführen. Erst wenn diese saubere, agenten-lesbare Datenbasis geschaffen ist, können KI-Modelle evaluiert und in die Prozesse eingebunden werden. Diese Modernisierung der Informationsarchitektur ist der entscheidende, aber auch aufwendigste Schritt, um das volle Potenzial von KI auszuschöpfen.

Vom Startup lernen: Wie Unternehmen KI-nativ werden

Wie sieht eine Organisation aus, die von Grund auf für das KI-Zeitalter gebaut ist? Aaron verweist auf kleine, moderne Startups. Diese Unternehmen behandeln KI-Agents nicht als nachträgliches Add-on, sondern als vollwertige Teammitglieder. Ihre Arbeitsweise ist von zwei Prinzipien geprägt: Erstens dokumentieren sie alles - Entscheidungen, Prozesse, Wissen -, sodass ein Agent sofort den gesamten Kontext eines Unternehmens versteht. Zweitens entwerfen sie ihre Workflows von vornherein so, dass Agents nahtlos teilnehmen können und Menschen gezielt als Überprüfungs- und Freigabeinstanz eingebunden sind. Es geht um eine Symbiose, bei der der Mensch die Verantwortung für das Ergebnis behält, aber durch den Agenten eine massive Produktivitätssteigerung erfährt.

Für etablierte Großunternehmen wie Box selbst ist dieser Wandel eine immense Herausforderung. Es geht nicht nur um Technologie, sondern um tiefgreifendes Change Management. Aaron betont, dass Box sich diesem Wandel voll verschrieben hat. In der Softwareentwicklung beispielsweise hat sich der Werkzeugkasten in nur zwei Jahren mehrfach geändert - von GitHub Copilot über Cursor bis hin zu Kombinationen mit Werkzeugen wie Claude Code und Codex. Dieser ständige Wandel ist die neue Normalität. Das Ziel ist nicht, Arbeitsplätze zu ersetzen, sondern den Output pro Mitarbeiter zu vervielfachen und als Unternehmen insgesamt mehr zu erreichen.

Die neue IT-Abteilung: Vom Verwalter zum KI-Strategen

Traditionell agierten IT-Abteilungen oft als Bremser, die aus Sicherheitsbedenken den Zugang zu neuen Technologien einschränkten. Diese Haltung, so Aaron, ist im KI-Zeitalter nicht mehr tragbar. Die IT muss sich zu einem proaktiven Partner entwickeln, der sich intensiv mit dem KI-Markt auseinandersetzt und die besten verfügbaren Tools schnell und sicher für die Mitarbeiter bereitstellt. Das bedeutet, nicht alle paar Jahre, sondern alle paar Monate die eigene Technologiestrategie zu überprüfen und anzupassen. Die IT schafft die sichere und leistungsfähige Plattform, auf der die Fachabteilungen ihre KI-Anwendungen aufbauen können.

Ein zentraler Baustein dieser Strategie ist die Unabhängigkeit von einzelnen Modell-Anbietern. Aaron plädiert für eine Abstraktionsschicht, eine Art Model Router. Diese Schicht ermöglicht es einem Unternehmen, je nach Anwendungsfall dynamisch das beste Modell auszuwählen. Für eine komplexe Planungsaufgabe könnte ein Frontier-Modell wie das von Anthropic ideal sein, während für die Verarbeitung großer Textmengen ein günstigeres Open-Source-Modell die bessere Wahl ist. Diese Flexibilität schützt vor einem Vendor-Lock-in und optimiert gleichzeitig Kosten und Leistung. Die Verantwortung für die Budgetierung und den Nachweis des Return on Investment (ROI) sollte dabei direkt in den Fachbereichen liegen, die die KI nutzen, um sicherzustellen, dass die Technologie messbare Geschäftsergebnisse liefert.

Die Zukunft der Arbeit: Ein Ökosystem spezialisierter KI-Agents

Auf die Frage von Christoph, ob es bald das iPhone der Agents geben wird - also eine zentrale, dominante Anwendung -, antwortet Aaron mit einer klaren Absage. Er glaubt nicht an einen allmächtigen Super-Agenten. Stattdessen erwartet er eine Zukunft, die von einer Vielzahl hochspezialisierter Agents geprägt ist. Ein Entwicklerteam wird andere Agent-Systeme nutzen (wie Devin oder die in Cursor integrierten Tools) als eine Rechtsabteilung (die auf Harvey setzt) oder ein Marketingteam. Diese spezialisierten Systeme werden über Schnittstellen wie MCP miteinander kommunizieren und sich zu einem intelligenten Ökosystem verbinden.

Dabei wird die klassische grafische Benutzeroberfläche (GUI) nicht verschwinden. Aaron beschreibt eine symbiotische Beziehung: Agents arbeiten im Hintergrund oft headless über APIs, aber der Mensch wird weiterhin gut gestaltete Oberflächen nutzen wollen, um sich einen Überblick zu verschaffen, Daten zu visualisieren oder komplexe Aufgaben zu steuern. Ähnlich wie man heute fließend zwischen dem Smartphone und dem Desktop-PC wechselt, wird man in Zukunft nahtlos zwischen der Interaktion mit einem Agenten und der direkten Arbeit in einer Software-Anwendung hin- und herspringen.

Praktische Schritte zur KI-Integration

Wie kannst Du diese Erkenntnisse nun in Deinem Unternehmen umsetzen? Aaron Levies Ausführungen lassen sich in einige konkrete Handlungsempfehlungen übersetzen:

1. Starte mit einer Dateninventur: Bevor Du über fortschrittliche KI-Anwendungen nachdenkst, schaffe Ordnung im Fundament. Identifiziere, wo wichtige Informationen liegen, konsolidiere fragmentierte Daten und etabliere klare Sources of Truth. Dies ist die wichtigste, wenn auch mühsamste Vorarbeit.
2. Dokumentiere wie für eine Maschine: Beginne damit, Prozesse und Entscheidungen so zu dokumentieren, als ob ein KI-Agent sie lesen müsste. Je strukturierter und klarer Dein internes Wissen erfasst ist, desto einfacher wird es, KI effektiv zu integrieren.
3. Ermächtige Deine IT zur Geschwindigkeit: Gib Deiner IT-Abteilung den Auftrag und die Ressourcen, schnell zu agieren. Fördere eine Kultur des Experimentierens und der kontinuierlichen Anpassung an neue Tools, anstatt eine starre, veraltete Technologielandschaft zu verteidigen.
4. Denke in Plattformen, nicht in Einzellösungen: Setze auf eine flexible Architektur mit einer Abstraktionsschicht (Model Router), die Dir die Freiheit gibt, die besten Modelle für jeden Job zu wählen. Vermeide es, Dich von einem einzigen Anbieter abhängig zu machen.
5. Verankere die Verantwortung im Geschäftsbereich: Übertrage die Budget- und ROI-Verantwortung für KI-Initiativen an die Fachabteilungen. Nur wenn die Teams, die den Nutzen haben, auch die Kosten tragen, entsteht ein echter Anreiz für eine wertschöpfende Nutzung.