KI als Betriebssystem: Bauplan für die digitale Transformation

Die Vorstellung, Künstliche Intelligenz (KI) sei nur ein weiteres Werkzeug im digitalen Werkzeugkasten, ist längst überholt. Im AI FIRST Podcast erklärt Host Felix Schlenther, warum KI das Potenzial hat, zum zentralen Betriebssystem eines Unternehmens zu werden - eine tiefgreifende Verschiebung, die nicht nur die Effizienz steigert, sondern die gesamte Arbeitsweise revolutioniert. In dieser Episode teilt er einen detaillierten Bauplan für ein solches KI-Betriebssystem und zeigt, wie er und sein Team diesen Ansatz in die Praxis umgesetzt haben. Diese Episode ist ein Muss für Entscheider:innen und KI-Enthusiasten, die verstehen wollen, wie man KI von einem reaktiven Helfer zu einer proaktiven, steuernden Kraft im Unternehmen entwickelt und welche organisatorischen und technischen Weichen dafür gestellt werden müssen.

Das Wichtigste auf einen Blick

• KI als Betriebssystem, nicht als Werkzeug: Der fundamentale Wandel besteht darin, KI nicht als isoliertes Tool zu betrachten, sondern als integrierte Ebene, die alle Unternehmensprozesse steuert und ausführt. Felix argumentiert, dass dies die operative Grundlage der Zukunft ist.
• Die Kernbausteine des Systems: Ein KI-Betriebssystem besteht aus mehreren Schichten: einem zentralen OS-Agent, der als Steuerungseinheit dient, Skills (dokumentierte Prozesse), Kontext (das gesamte Unternehmenswissen), Tools (Zugriff auf alle relevanten Systeme) und einer klaren Governance (Regelwerk für die KI).
• Arbeit am System, nicht im System: Der entscheidende kulturelle Wandel für Mitarbeiter:innen besteht darin, ihre Energie nicht mehr in die Ausführung von Routineaufgaben zu stecken, sondern in die Verbesserung des Systems. Der Fokus liegt darauf, Skills zu optimieren, Kontext zu pflegen und Feedback zu geben, damit die KI die Arbeit erledigen kann.
• Modulare und dynamische Architektur: Ein effizientes KI-System überlädt den Agenten nicht mit dem gesamten Unternehmenswissen auf einmal. Stattdessen werden Skills und Kontext dynamisch und nur bei Bedarf geladen, um das Kontextfenster des Sprachmodells (LLM) schlank zu halten und die Leistung zu maximieren.
• Zwei Betriebsmodi - Augmentation und Automation: Das System arbeitet auf zwei Wegen. Zum einen durch Augmentation, bei der ein Mensch aktiv mit dem OS-Agent zusammenarbeitet, und zum anderen durch Automation, bei der eine Kette spezialisierter Agenten Aufgaben im Hintergrund vollautomatisch abarbeitet.
• Technologie als Ermöglicher, nicht als Differenziator: Während Tools wie Claude, Notion, Co-Pilot oder LangDoc die technische Basis liefern, liegt der wahre Wert in der sorgfältig aufgebauten Struktur aus Skills, Kontext und Governance. Diese Struktur ist übertragbar und bildet das eigentliche Kapital des Unternehmens.

Die Bausteine eines KI-Betriebssystems

Felix beschreibt das von ihm entwickelte System als eine Schichtenarchitektur, bei der jede Komponente eine klare Funktion erfüllt. An der Spitze steht der OS-Agent, ein zentraler, universeller Agent, den er auch als Super Agent oder General Purpose Agent bezeichnet. Anders als ein einfacher Chatbot ist dieser Agent darauf ausgelegt, Aufgaben aktiv auszuführen und das gesamte System zu steuern. Seine Anweisungen sind konfigurierbar, was es ermöglicht, sein Verhalten präzise zu definieren - ähnlich wie bei der Konfiguration eines Claude-Agenten über eine Markdown-Datei.

Die zweite Schicht sind die Skills, die Felix als das gesamte Können der Organisation definiert. Hierbei handelt es sich nicht um einfache Prompts, sondern um detaillierte Prozessdokumentationen. Ein Skill beschreibt schrittweise eine Arbeitsanweisung und definiert, welcher Kontext benötigt wird, welche Tools zu verwenden sind, welche Regeln gelten und wie das fertige Ergebnis (Definition of Done) aussehen muss. Dieses Skillset ist die Wissensbasis, auf die der OS-Agent zurückgreift, um Aufgaben zu erledigen.

Darunter liegt der Kontext-Layer - alles, was die Organisation weiß. Um dieses Wissen zugänglich zu machen, hat Felix' Team eine Art Landkarte aller Datenquellen erstellt. Diese beschreibt, welche Informationen in welchem System zu finden sind und wie die Datenquellen miteinander in Beziehung stehen. So kann der Agent sich orientieren und für jede Aufgabe die relevanten Informationen gezielt abrufen. Dieser Ansatz ist eine pragmatische Form eines Wissensgraphen.

Um handeln zu können, benötigt der Agent Zugriff auf Tools und Systeme. Felix betont, dass die KI nicht nur Lese-, sondern auch Schreibzugriff auf alle relevanten Unternehmensanwendungen haben muss - vom CRM über Projektmanagement-Tools wie Asana bis hin zu Wissensdatenbanken wie Confluence oder SharePoint. Je konsolidierter die Datenlandschaft, desto reibungsloser kann die KI arbeiten.

Da ein derart mächtiger Zugriff auch Risiken birgt, ist eine klare Governance unerlässlich. Felix erklärt, dass bestehende KI-Richtlinien oft für Menschen geschrieben sind. Sein Team hat stattdessen ein Handbuch für die KI selbst erstellt. Eine Ampel-Logik regelt, was die KI darf: Grün steht für autonome Aufgaben (z. B. Meeting-Zusammenfassungen dokumentieren), Gelb für Aufgaben, die eine menschliche Freigabe erfordern (z. B. externe Kommunikation), und Rot für verbotene Aktionen (z. B. Personalentscheidungen). Diese Regeln sind fest in den Anweisungen des Agenten verankert.

Wie das System in der Praxis arbeitet: Augmentation und Automation

Das KI-Betriebssystem kann auf zwei Arten genutzt werden. Der erste Weg ist die Augmentation, eine direkte Zusammenarbeit zwischen Mensch und KI. Ein Mitarbeiter kann dem OS-Agent eine Aufgabe geben, wie die Ausarbeitung einer Präsentation. Der Agent greift dann selbstständig auf die passenden Skills, den relevanten Kontext und die nötigen Tools zu, um die Aufgabe zu lösen oder im Dialog mit dem Menschen zu verfeinern.

Der zweite, noch mächtigere Weg ist die Automation. Hierfür hat Felix' Team einen Agentic Layer entwickelt - eine Kette aus mehreren, spezialisierten und eher dummen Agenten, die vollautomatisch im Hintergrund arbeiten. Ein typischer Ablauf beginnt nach einem Kundentermin:

1. Ein Dokumentations-Agent fasst das Meeting-Transkript zusammen und speichert es.
2. Ein Aufgaben-Extraktions-Agent identifiziert daraus resultierende To-dos (z. B. Angebot erstellen).
3. Ein Skill-Scout durchsucht die Skill-Datenbank und weist der Aufgabe den passenden Skill zu. Sollte kein passender Skill existieren, versucht er, basierend auf dem vorhandenen Wissen einen neuen zu erstellen, der dann menschlich überprüft wird.
4. Ein Skill-Executor führt den zugewiesenen Skill aus.
5. Ein Feedback-Logger dokumentiert eventuelle Fehler oder Verbesserungsvorschläge und speist sie in eine Feedback-Datenbank ein.

Dieses modulare Design stellt sicher, dass jeder Agent eine klar definierte Aufgabe hat und nur die für den Moment benötigten Informationen lädt. Damit begegnet Felix dem Einwand aus der Community, dass ein universeller Agent durch zu viel Kontext überfordert werden könnte. Die dynamische und schlanke Architektur ist ein zentrales Erfolgsprinzip.

Die Voraussetzungen: Technik und Organisation

Um ein solches System aufzubauen, sind sowohl technische als auch organisatorische Grundlagen notwendig. Technisch gesehen braucht es eine Plattform, die einen zentralen, universellen Agenten unterstützt, der Skills ausführen, auf Daten zugreifen und mit externen Tools interagieren kann. Felix beobachtet, dass sich der Markt genau in diese Richtung entwickelt: Claude verfolgt diesen Ansatz von Beginn an, während ChatGPT (Business), Microsoft Co-Pilot (mit Co-Pilot Cowork) und LangDoc ebenfalls Funktionen für General-Purpose-Agents und Skills einführen.

Sein Team stand vor der Wahl zwischen Claude Code für maximale Flexibilität und einem Setup auf Basis von Notion. Sie entschieden sich für Notion, da es bereits das zentrale Nervensystem des Unternehmens war und alle relevanten Daten enthielt, was die Implementierung erleichterte. Felix betont jedoch, dass die gewählte Technologie zweitrangig ist. Der eigentliche Wert liegt in der geschaffenen Struktur aus Skills, Kontext und Governance, die sich auf jedes zukünftige System übertragen lässt.

Auf organisatorischer Ebene sind drei Schritte entscheidend:

1. Das Unternehmen für KI optimieren: Alle Prozesse, alles Wissen und alle Regeln müssen so dokumentiert und strukturiert werden, dass eine KI sie verstehen und nutzen kann. Das bedeutet oft, von visuellen Formaten wie PowerPoint auf maschinenlesbare Texte (z. B. Markdown) umzusteigen.
2. Klare Regeln definieren: Eine robuste Governance entscheidet, was die KI autonom tun darf, wo menschliche Kontrolle nötig ist und welche Bereiche tabu sind.
3. Den Mindset-Wandel vollziehen: Dies ist laut Felix der schwierigste, aber wichtigste Punkt. Die Mitarbeiter müssen lernen, am System zu arbeiten, anstatt im System. Ihre Hauptaufgabe wird es, die Fähigkeiten der KI durch besseres Training, präzisere Skills und kontinuierliches Feedback zu erweitern, anstatt die Aufgaben selbst zu erledigen.

Praktische Schritte und abschließende Gedanken

Felix rät davon ab, eine 100%-Lösung von Anfang an anzustreben. Stattdessen empfiehlt er einen pragmatischen, iterativen Ansatz. Beginne in einem überschaubaren Bereich, etwa in einer einzelnen Abteilung, um ein Proof of Concept zu erstellen und Erfahrungen zu sammeln. Der Fokus sollte zunächst darauf liegen, die grundlegende Struktur aus Skills und Kontext aufzubauen, da dies den nachhaltigsten Wert schafft.

Ein zentraler Hebel für die Akzeptanz im Unternehmen ist, dass nicht jeder zum Prompting-Experten werden muss. Wenn die Skills gut dokumentiert sind, können Mitarbeiter:innen einfache Anweisungen an den OS-Agenten geben und erhalten dennoch hochwertige Ergebnisse. Die wichtigste neue Fähigkeit wird das Delegieren an das System. Systemisches Denken gewinnt ebenfalls an Bedeutung, um zu verstehen, wie Änderungen an einer Stelle das Gesamtsystem beeinflussen.

Schließlich macht Felix deutlich, dass der Betrieb und die Weiterentwicklung eines solchen KI-Betriebssystems eine dedizierte Rolle erfordert. Es ist keine Nebentätigkeit, sondern eine zentrale strategische Aufgabe. Sein Team hat dafür eigens eine Person eingestellt, die das System verantwortet und vorantreibt. Denn nur durch kontinuierliche Pflege und Verbesserung kann das System sein volles Potenzial entfalten und einem Unternehmen helfen, in einer immer schneller werdenden, KI-getriebenen Welt wettbewerbsfähig zu bleiben.