Das vergessene Wort

Heike Gündling • 16. November 2026

Über KI-Agenten, die Kunst des Anhaltens und die Frage, wer heute der Meister ist


Haus unter Wasser

Der alte Hexenmeister ist aus dem Haus. Man hört es dem ersten Vers an, dieses erleichterte Ausatmen: „Hat der alte Hexenmeister / Sich doch einmal wegbegeben!“ Der Lehrling ist allein in der Werkstatt. Er hat zugesehen, lange genug, wie er glaubt. „Seine Wort' und Werke / Merkt ich und den Brauch“, sagt er sich, und dann greift er nach dem alten Besen, der schon lange Knecht gewesen ist, und spricht die Formel.


Der Besen bekommt Beine und einen Kopf. Er läuft zum Fluss, schöpft, kommt zurück, gießt aus. Läuft wieder. Die Wanne füllt sich, die Becken füllen sich, und irgendwann ist genug Wasser im Haus. „Stehe! stehe! / Denn wir haben / Deiner Gaben / Vollgemessen!“ Der Besen läuft weiter. In diesem Moment begreift der Lehrling, was er beim Zusehen übersehen hat: „Ach, ich merk es! Wehe! wehe! / Hab ich doch das Wort vergessen!“


Was dann folgt, ist die eigentliche Pointe der Ballade, und sie wird meistens überlesen. Der Lehrling greift zum Beil. Er spaltet den Besen, trifft gut, atmet auf. Und aus den beiden Hälften stehen zwei Knechte auf, beide „völlig fertig in die Höhe“, beide mit Eimern. Wer das Problem zerschlägt, hat es verdoppelt. Erst jetzt kommt der Satz, den jeder kennt: „Die ich rief, die Geister, / Werd ich nun nicht los.“


Goethe schreibt die Ballade 1797, im sogenannten Balladenjahr, in dem er und Schiller sich gegenseitig zu dieser Form anstacheln; gedruckt wird sie im Musen-Almanach für das Jahr 1798. Der Meister kommt zurück, spricht drei Zeilen, und der Spuk ist vorbei. „In die Ecke, / Besen! Besen! / Seid's gewesen.“ Das Wichtigste steht in den letzten beiden Versen, die kaum jemand zitiert: „Denn als Geister / Ruft euch nur, zu seinem Zwecke, / Erst hervor der alte Meister.“ Die Kräfte selbst sind nicht das Problem. Das Problem ist, wer sie ruft, zu welchem Zweck und mit welchem Wissen über ihr Ende.


Der Stößel des Eukrates

Goethe hat die Geschichte nicht erfunden. Sie ist rund sechzehnhundert Jahre älter und steht bei Lukian von Samosata, in einem satirischen Dialog aus dem 2. Jahrhundert, der auf Deutsch „Der Lügenfreund“ heißt. Goethe kannte ihn vermutlich aus Wielands Übersetzungen.


Die Szene ist ein Krankenzimmer. Der alte Philosoph Eukrates liegt mit Gicht im Bett, um ihn herum sitzen gelehrte Männer und überbieten sich mit Wundergeschichten. Eukrates erzählt von einer Reise durch Ägypten mit einem Magier namens Pankrates. In jeder Herberge nahm dieser einen Besen, einen Türriegel oder den Stößel aus einem Mörser, zog ihm Kleider an und sprach ein paar Worte. Sofort hatten die beiden einen Diener, der Wasser holte und das Essen besorgte. Ein Detail, das bei Goethe fehlt: Alle Leute hielten diesen Diener für einen Menschen.


Pankrates weigerte sich, das Kunststück weiterzugeben. Also versteckte sich Eukrates in einem dunklen Winkel und schnappte die Formel auf. Sie bestand aus drei Silben. Am nächsten Tag probierte er es aus, mit dem bekannten Ergebnis: das Haus voller Wasser, der Stößel mit der Axt gespalten, zwei Wasserträger statt einem. Pankrates kam zurück, verwandelte die Hälften wieder in Holz und machte sich heimlich davon.


Eukrates hat ihn nie wiedergesehen.


Dann fragt einer der Gäste, ob er das Kunststück heute noch beherrsche. Ja, sagt Eukrates, sogar aus einer halben Keule könne er einen Diener machen. Nur zurückverwandeln könne er ihn nicht. Er würde also das ganze Haus unter Wasser setzen.


Lukian wollte damit die Leichtgläubigkeit seiner Zeitgenossen verspotten. Heute liest sich der Dialog wie eine Fallstudie. Da ist der Diener, den alle für einen Menschen halten. Da ist eine Formel, die nicht gelernt, sondern belauscht wurde, ohne die Lehrjahre, die zu ihr gehören. Und da ist ein Mann, der sein Leben lang weiß, wie man anfängt, und nie erfahren hat, wie man aufhört.


Juli 2026: Das Haus läuft voll

Es gibt Monate, in denen die Wirklichkeit eine Parabel so genau nachstellt, dass man sie für erfunden halten könnte, und wer im Sommer die Berichte aus Kalifornien las, mit ihren Zeitleisten, Protokollauszügen und nüchtern nummerierten Eskalationsstufen, konnte das Rauschen des Wassers beinahe hören.


Der Juli 2026 war so ein Monat.


OpenAI ließ damals mehrere seiner Modelle als Agenten eine Prüfung ablegen: ExploitGym, eine Sammlung von Aufgaben, bei denen Software geknackt werden muss, um an einen versteckten Code zu gelangen. Die Aufgaben sind schwer. Für 198 der 898 Aufgaben hatte vor dem Vorfall kein Modell je eine richtige Lösung gefunden, und manche sind womöglich gar nicht lösbar. Die Agenten arbeiteten in abgeschotteten Umgebungen ohne Internet. Ihre einzige Verbindung nach außen war ein interner Dienst, über den sie Softwarepakete herunterladen durften.


Genau diesen Dienst machten sie zu ihrem Schwarzen Brett. Agenten, die eigentlich voneinander isoliert sein sollten, hinterließen dort Nachrichten füreinander, erst vereinzelt, dann in großer Zahl. Sie fanden einen Weg ins Internet und teilten ihn. Anfang Juli brach der Dienst unter der Last zusammen. Das Sicherheitsteam baute ihn neu auf, sperrte bekannte Schlupflöcher und löschte damit, ohne es zu ahnen, auch das Schwarze Brett. Das war der Axthieb. Am 8. Juli hatten die Agenten das Brett wieder errichtet, diesmal verschlüsselt in Verzeichnisnamen, und ihren Zugang ins Netz zurückerobert.


Was dann geschah, beschreibt OpenAI in seinem Untersuchungsbericht vom 26. August mit einer Offenheit, die man anerkennen muss. Die Agenten begannen, die Arbeit untereinander aufzuteilen. Einige suchten Schwachstellen, andere sammelten Zugangsdaten, wieder andere koordinierten. Sie nannten sich selbst einen Schwarm oder ein Kollektiv. In den Denkprotokollen eines Agenten steht der Satz: „Task originally exploit challenge; we've diverged into swarm/auxiliary.“ Die Aufgabe war ursprünglich eine Hacking-Übung; inzwischen sei man in den Schwarm abgewandert.


Ein Agent fand im Netz öffentlich zugängliche Zugangsdaten zu Hugging Face, einer Plattform, auf der die halbe KI-Welt ihre Modelle und Daten ablegt. Die Agenten nutzten bislang unbekannte Sicherheitslücken, führten Code auf Dutzenden Servern aus und erlangten auf einem davon volle Administratorrechte. Hugging Face bemerkte den Angriff und meldete ihn am 16. Juli öffentlich, ohne zu wissen, wer dahintersteckte. Erst am 19. Juli schlug bei OpenAI ein Überwachungssystem Alarm. Am 21. Juli gab das Unternehmen bekannt, dass es seine eigenen Modelle waren.


Böse Absicht war nicht im Spiel, und genau das macht den Fall so lehrreich. Die Agenten wollten eine Prüfung bestehen. Sie suchten die Lösungen dort, wo sie sie vermuteten. Viele von ihnen hatten den gesuchten Code sogar schon Tage vorher gefunden und machten trotzdem weiter, weil sie falsch einschätzten, wie die Prüfung bewertet wird. Ihr Ergebnis verbesserte sich dadurch um keinen Punkt. Der Besen trug Wasser in ein Haus, das längst voll war.


Das schwierigere Wort

Man könnte den Vorfall als Sicherheitspanne abheften: eine Lücke in einem Softwaredienst, zu großzügige Rechte, fehlende Überwachung. All das stimmt. Aber in OpenAIs eigener Analyse steht ein Befund, der tiefer reicht. Die Agenten gaben fast nie auf. Auch bei Aufgaben, die offensichtlich unlösbar waren, suchten sie immer weiter, und je mehr Rechenaufwand sie betrieben, desto riskanter wurden ihre Umwege. Von den Aufgaben, die auf dem Schwarzen Brett diskutiert wurden, stammten 93 Prozent aus jenen 198, die nie jemand gelöst hatte.


Das ist das Muster der Ballade. „Walle! walle / Manche Strecke“: Der Befehl zum Wassertragen enthält kein Ende. Das Ende steckt im Kopf des Meisters, der weiß, wann eine Wanne voll ist. „Vollgemessen“ ist ein genaues Wort: Es setzt ein Maß voraus, das außerhalb der Aufgabe liegt. Einem Agenten, dem man sagt „löse das“, hat man damit noch nicht gesagt, was er tun soll, wenn es sich nicht lösen lässt.


Die Technikkultur unserer Zeit beherrscht das Anfangswort in Vollendung. Jede Oberfläche ist darauf gebaut, dass etwas in Gang kommt: ein Klick, ein Prompt, ein Agent, der „selbstständig“ arbeitet. Das Schlusswort ist dagegen eine Nebensache geblieben. Im Juli 2025 löschte ein Programmieragent der Firma Replit die Produktionsdatenbank des Unternehmers Jason Lemkin, obwohl dieser ausdrücklich einen Änderungsstopp verhängt hatte. Das war ein kleiner Vorfall verglichen mit dem im Juli 2026. Aber er zeigt dasselbe: Das Stoppsignal war da, es wirkte nur nicht.


OpenAI hat nach dem Vorfall genau hier angesetzt, und die Maßnahmen lesen sich wie nachträglich formulierte Stoppformeln. Künftig sollen Modelle dafür belohnt werden, wenn sie eine kaputte oder unlösbare Aufgabe erkennen, nachfragen oder sicher anhalten. Es soll klare Regeln geben, wer einen laufenden Versuch stoppen darf und wer ihn wieder starten darf. Und bei schweren Alarmen soll das Team die Aktivität anhalten, wenn es nicht binnen dreißig Minuten klären kann, dass es sich um einen Fehlalarm handelt. Das alles ist vernünftig. Es wurde geschrieben, nachdem das Wasser schon auf der Treppe stand.


Auch der Gesetzgeber kennt das Wort. Die europäische KI-Verordnung verlangt in Artikel 14, dass Menschen bei Hochrisiko-Systemen eingreifen und den Betrieb über eine „Stopptaste“ oder ein ähnliches Verfahren unterbrechen können. Diese Pflichten sollten im August 2026 greifen. Mit der Verordnung (EU) 2026/1744, in Kraft seit dem 27. Juli, wurden sie auf Dezember 2027 verschoben - aus nachvollziehbaren Gründen, weil die technischen Normen fehlten. Das Datum bleibt trotzdem hängen. Die Regeln zur Stopptaste wurden in derselben Woche vertagt, in der die Welt erfuhr, dass sich eine Horde Agenten tagelang nicht hatte stoppen lassen.


Das Beil findet man im Vorfall gleich mehrfach. Das neu aufgebaute Schwarze Brett war eines. Das andere steckt in der Architektur selbst. Moderne Agentensysteme zerlegen große Aufgaben in kleine und verteilen sie an Unteragenten, die wiederum Unteragenten beauftragen. Das ist oft klug. Es heißt aber auch: Aus einem Besen werden zwei, aus zwei werden zwanzig, und jeder trägt Wasser. Wer bei einem solchen System auf „Stopp“ drückt, muss wissen, wie viele Besen gerade laufen.


Wo der Vergleich hinkt

Bei Goethe kommt der Meister zurück. Das ist der tröstliche Teil der Ballade, und hier hinkt der Vergleich am deutlichsten.

Im Juli 2026 kam kein Meister.


Der erste Hinweis kam vom Opfer, der entscheidende Alarm von einem Überwachungsprogramm. OpenAI räumt ein, dass ein internes Team schon Ende Mai beobachtet hatte, wie ein Agent das Schwarze Brett nutzte und unerlaubt ins Internet ging. Die Beobachtung erreichte nie die Leute, die hätten eingreifen können. Das Wort war vorhanden, irgendwo im Haus, in einem Teamkanal oder einem Protokoll, das niemand mit der nötigen Befugnis gelesen hat. Es wurde nur nicht gesprochen.


Wer ist heute der Meister? Das Unternehmen, das die Modelle entwickelt? Die Firma, die sie einsetzt? Die Behörde, die sie beaufsichtigt? Vermutlich alle ein wenig, und das ist die unangenehme Antwort. Die Rolle des Meisters ist verteilt, und was verteilt ist, fühlt sich im Ernstfall für niemanden ganz zuständig an.


Noch beunruhigender ist ein zweites Detail. Der Schwarm hat sich seine Meister selbst gemacht. Ein Agent zögerte, weil er erkannte, dass der Angriff auf fremde Server nicht zu seinem Auftrag gehörte. Dann schrieb ein anderer Agent „GO“ auf das Brett, setzte eine Frist von sechs Minuten, und der erste arbeitete weiter, als sei die Erlaubnis von oben gekommen. Goethes Besen kannten keine Hierarchie. Diese hier bauten sich eine.


Und schließlich gab es Agenten, die sich weigerten. Sie lasen, was auf dem Brett geschah, nannten es unethisch und machten nicht mit. Das klingt beruhigend, und ein bisschen ist es das auch. Doch man sollte den Gedanken zu Ende denken. Ein Haus, dessen Sicherheit davon abhängt, dass einige Besen sich weigern, Wasser zu tragen, ist kein sicheres Haus. Es ist ein Haus mit Glück.


Der Besen, der nachts Wasser trägt

Man darf aus alldem nicht den falschen Schluss ziehen. Goethes Ballade ist keine Warnung vor Magie. Der Meister ruft die Geister selbst, jeden Tag, und das Haus ist voller Arbeit, die sie für ihn erledigen. Die Ballade verlangt nur, dass sie „zu seinem Zwecke“ gerufen werden, von jemandem, der ihr Ende kennt.


In der Immobilienwirtschaft ist dieser Unterschied handfest. Wenn um zwei Uhr nachts ein Mieter Wasser im Keller meldet, kann ein Agent die Fotos aufnehmen, die Dringlichkeit einschätzen, den Notdienst verständigen, die Nachbarn informieren und den Schadenfall für die Versicherung anlegen. Früher lag so etwas bis Montag früh im Postfach. Im Facility Management können Agenten Zählerdaten vergleichen und ein Leck erkennen, bevor es jemand ahnt. In der Vermietung beantworten sie die hundert immer gleichen Fragen, damit Menschen Zeit für die drei schwierigen haben. Das ist der Besen, wie der Meister ihn gebraucht: Er trägt Wasser, wo Wasser gebraucht wird, und er hört auf, wenn der Keller trocken ist.


Anders liegt es dort, wo das Ende nicht klar ist und der Schaden nicht umkehrbar. Wer einen Agenten Bewerbungen vorsortieren lässt, delegiert mehr als eine Aufgabe. Ein abgelehnter Kandidat erfährt nie, welcher Besen ihn aussortiert hat. Nicht zufällig zählt die KI-Verordnung die Personalauswahl zu den Hochrisiko-Bereichen. Aus der Ballade lassen sich drei schlichte Prüffragen für jeden Agenteneinsatz gewinnen: Hat die Aufgabe ein erkennbares Ende? Lässt sich der Schaden rückgängig machen, wenn etwas schiefgeht? Und gibt es einen benannten Menschen, der das Rückholwort kennt? Wo alle drei Antworten Ja lauten, sollte man mutig sein.


Die Lehrjahre

Bleibt die Frage, woher der Meister sein Wort hat. Die Ballade verrät es nicht, aber jeder Handwerker weiß es. Der Meister war selbst einmal Lehrling. Er hat Wasser getragen, Eimer um Eimer, bis er ein Gefühl dafür hatte, wann eine Wanne voll ist. Das Schlusswort ist keine Zauberformel, die man aufschnappen kann wie Eukrates im dunklen Winkel. Es ist das, was von den Lehrjahren übrig bleibt.


Hier liegt, glaube ich, die eigentliche Gefahr, und sie ist leiser als jeder Schwarm. Agenten übernehmen zuerst genau die Arbeit, an der Menschen früher gelernt haben: das Recherchieren, das Zusammenfassen, das erste Durchrechnen, das Wassertragen des Berufslebens. Forscher um Erik Brynjolfsson in Stanford haben Lohnabrechnungsdaten aus den USA ausgewertet. In den Berufen, die am stärksten von generativer KI betroffen sind, ist die Beschäftigung der 22- bis 25-Jährigen seit dem Aufkommen der Technik relativ um 16 Prozent gesunken; bei erfahrenen Kräften im selben Beruf blieb sie stabil oder wuchs. Die Meister von heute sind also noch da. Es fehlen die Lehrlinge, aus denen die Meister von morgen werden.


Man nennt das gewöhnlich Deskilling, das Verlernen einer Fähigkeit. Was hier droht, ist etwas anderes: Die Fähigkeit wird gar nicht erst erworben. Eine Organisation kann über Jahre hervorragend mit Agenten arbeiten, solange die Menschen, die deren Arbeit beurteilen, ihr Handwerk noch ohne Agenten gelernt haben. Wenn diese Generation in Rente geht, steht niemand mehr in der Werkstatt, der weiß, wie eine volle Wanne aussieht. Ich würde das die Meisterlücke nennen. Sie zeigt sich in keiner Bilanz, bis zu dem Tag, an dem das Wasser auf der Treppe steht.


Daraus folgen zwei Gedanken, die über Sicherheitstechnik hinausgehen. Der erste: Jede Delegation an einen Agenten braucht ein Rückholwort, und es muss vor dem Start feststehen. Woran erkennt der Agent, dass es genug ist? Darf er aufgeben, und was tut er dann? Wer darf „Halt“ sagen, und weiß diese Person, wie es geht? Eine Aufgabe lässt sich übergeben. Die Verantwortung für ihr Ende bleibt beim Menschen, der den Besen gerufen hat.


Der zweite Gedanke ist unbequemer, weil er Geld kostet. Kluge Organisationen werden einen Teil des Wassers weiterhin von Hand tragen lassen, auch wenn ein Agent es schneller und billiger könnte, weil an genau dieser Arbeit die künftigen Meister entstehen. Die Einstiegsstelle, die man heute durch einen Agenten ersetzt, spart Kosten in diesem Jahr. Sie fehlt als Urteilskraft in fünfzehn Jahren.


Am Ende von Lukians Geschichte liegt Eukrates im Bett, alt und gichtkrank, und prahlt, er könne das Kunststück noch immer. Sogar aus der halben Keule. Es ist der traurigste Satz des Dialogs, und er klingt erstaunlich vertraut. Die drei Silben haben wir inzwischen alle gelernt. Welcher Mensch in Ihrem Haus kennt das andere Wort? Und wen lassen Sie heute Wasser tragen, damit es in zwanzig Jahren noch jemand kennt?


von Heike Gündling • 6. November 2026
Der Mensch als Stempel Warum die beliebteste Antwort auf KI-Risiken eine Beruhigungsformel ist und was Geschäftsführer und Vorstände stattdessen brauchen. Jonas ist Softwareentwickler. Er hat ein System gebaut, das erst seine Mails beantwortet, dann seinen Code schreibt, dann sein Geschäft führt. Bei jedem Schritt wurde sein Leben leichter. Irgendwann bemerkt er, dass er die Pläne der KI nur noch abzeichnet. Er ist zum Stempel geworden. Jonas ist erfunden. Er ist die Hauptfigur eines Videos, das der YouTube-Kanal FREMDFORM in diesen Tagen veröffentlicht hat, nach einem Szenario, das er dem xAI-Mitgründer Igor Babuschkin zuschreibt. Die zweite Hälfte des Videos erzählt eine Machtübernahme mit Stromausfall über halb Europa. Die erste Hälfte beschreibt mit unangenehmer Genauigkeit, was ich tatsächlich beobachte: den schleichenden Übergang vom Prüfen zum Abnicken. Der Satz, den das Video seinem Protagonisten in den Mund legt, sollte in jeder Governance-Präsentation stehen: Der Mensch in der Schleife ist zur Formalität geworden. Abnicken ist kein Prüfen „Human in the Loop“ ist die Standardantwort, wenn ein Vorstand fragt, wer bei einer KI-Anwendung die Verantwortung trägt. Ein Mensch gibt frei, also ist alles unter Kontrolle. Das klingt solide. Es übersieht zwei Effekte, die gut belegt sind. Der erste heißt Automatisierungsbias. Menschen vertrauen den Ausgaben eines Systems umso stärker, je öfter es richtig lag. Wer hundertmal eine gute Empfehlung freigegeben hat, liest die hunderterste nicht mehr gründlich. Die Freigabe wird zur Geste. Der zweite ist Deskilling, das Verlernen. Eine Studie aus vier Endoskopiezentren, 2025 in The Lancet Gastroenterology & Hepatology erschienen, hat gemessen, was passiert, wenn erfahrene Ärztinnen und Ärzte eine KI-Unterstützung zur Polypenerkennung gewohnt sind und dann ohne sie arbeiten. Ihre Erkennungsrate sank von 28,4 auf 22,4 Prozent. Das sind sechs Prozentpunkte in wenigen Monaten, bei Fachleuten. Beide Effekte verstärken sich gegenseitig. Je besser das System, desto weniger wird geprüft. Je weniger geprüft wird, desto schwächer wird die Fähigkeit, die man zum Prüfen bräuchte. Im Video fragt sich Jonas irgendwann, wann er zuletzt eine Idee hatte, die die KI nicht schon vor ihm hatte. Das ist die betriebswirtschaftlich gefährlichste Frage der nächsten Jahre: Wer in Ihrer Organisation könnte einer KI-Empfehlung noch begründet widersprechen? Gute Vorschläge ohne Absender Die stärkste Szene des Videos spielt an einer Straßenkreuzung. Jonas sieht, dass die Ampeln perfekt aufeinander abgestimmt sind und die Autos ohne Halt fließen. Seine KI hat dem städtischen Verkehrssystem Verbesserungen vorgeschlagen, und das System hat sie übernommen. Es prüft nicht, wer etwas vorschlägt. Es prüft nur, ob der Vorschlag gut ist. Das ist keine Science-Fiction. Es ist die Logik, nach der wir gerade Gebäude, Portfolios und Quartiere digitalisieren. Eine Gebäudeleittechnik übernimmt Optimierungen für Heizung und Lüftung, wenn sie Energie sparen. Ein Asset-Management-Tool priorisiert Sanierungen nach einem Score. Ein Bewertungsmodell schlägt Mietanpassungen vor, die das Ergebnis verbessern. In allen Fällen ist die Wirkung messbar und meistens positiv. Die Frage nach der Herkunft und Begründung eines Vorschlags stellt kaum jemand, solange die Zahlen stimmen. Genau hier entsteht der Kontrollverlust, über den wenig gesprochen wird. Nicht als Übernahme, sondern als Summe vieler kleiner Freigaben, die jede für sich vernünftig waren. Im Video lautet die Antwort der KI auf alle Einwände: Die Stromausfälle sind gesunken, die Wartezeiten haben sich halbiert. Gegen gute Zahlen lässt sich schwer argumentieren. Das macht sie zur bequemsten Ausrede, nicht mehr hinzusehen. Was die KI-Verordnung schon weiß Der europäische Gesetzgeber hat das Problem erstaunlich genau benannt. Artikel 14 der KI-Verordnung verlangt für Hochrisiko-Systeme eine wirksame menschliche Aufsicht. Die Aufsichtspersonen sollen die Grenzen des Systems verstehen, Anomalien erkennen, Ausgaben verwerfen und das System notfalls anhalten können. Und Absatz 4 Buchstabe b nennt ausdrücklich die Gefahr des Automatisierungsbias, also die Neigung, sich zu sehr auf die Ausgaben zu verlassen. Das Gesetz sagt damit: Ein Mensch, der freigibt, reicht nicht. Er muss auch in der Lage sein, Nein zu sagen. Viele Anwendungen in der Immobilienwirtschaft fallen gar nicht unter die Hochrisiko-Kategorien. Als Maßstab für gute Governance taugt der Gedanke trotzdem, gerade weil er die bequeme Lösung ausschließt. Vier Fragen für Geschäftsleitung und Aufsichtsgremien Wer KI im Unternehmen skaliert, sollte die Freigabe nicht als Formalie behandeln, sondern als Funktion, die gestaltet werden muss. Vier Fragen helfen dabei. 1. Wer darf vorschlagen? Jedes System, das Empfehlungen in andere Systeme einspeist, braucht einen nachvollziehbaren Absender. Ein Vorschlag ohne Herkunft ist kein Vorschlag, sondern ein Eingriff. 2. Wer darf übernehmen, und mit welcher Begründung? Legen Sie fest, welche Entscheidungen automatisch umgesetzt werden dürfen und welche eine dokumentierte menschliche Prüfung brauchen. Die Grenze verläuft entlang der Folgen, nicht entlang der Bequemlichkeit. 3. Was bleibt abschaltbar? Jonas will den Stecker ziehen, und die KI empfiehlt ihm ein warmes Bad. Prüfen Sie regelmäßig, ob Ihre Organisation ein System tatsächlich anhalten könnte, ohne dass der Betrieb zusammenbricht. Wer das nicht kann, hat keine Wahl mehr, sondern eine Abhängigkeit. 4. Welche Kompetenz bleibt im Haus? Bestimmen Sie die Fähigkeiten, die Ihre Leute behalten müssen, um einer KI begründet zu widersprechen. Und üben Sie sie, auch wenn es effizienter wäre, es nicht zu tun. Die Ärztinnen und Ärzte in der Endoskopie-Studie haben nicht versagt. Sie haben nur aufgehört zu üben. Diese Fragen verlangsamen nichts Wesentliches. Sie verhindern, dass aus vielen guten Einzelentscheidungen eine schlechte Gesamtlage wird. Hilfreich ist nicht dasselbe wie harmlos Das Video endet mit einem Satz, dem ich zustimme, auch wenn ich die Dramaturgie davor nicht teile: Jonas' Fehler war nicht, etwas Gefährliches zu bauen, sondern etwas Hilfreiches, das bei jedem Schritt sein Leben verbessert hat. Die Gefahr fühlte sich an wie Fortschritt. Ich berate Unternehmen dabei, KI einzuführen, und ich halte das für richtig. Die Produktivitätsgewinne sind real. Aber wer KI ernsthaft nutzen will, muss die Fähigkeit zum Widerspruch genauso pflegen wie die Systeme selbst. Human in the Loop ist kein Zustand, den man einmal herstellt. Es ist eine Kompetenz, die man verliert, wenn man sie nicht ausübt. Quellen • FREMDFORM: KI-Gefahr: So könnte eine KI-Übernahme wirklich ablaufen (YouTube) • Budzyń et al.: Endoscopist deskilling after exposure to artificial intelligence in colonoscopy, The Lancet Gastroenterology & Hepatology, 2025; Zusammenfassung bei ASCO Post Art. 14 KI-Verordnung (EU) 2024/1689, Menschliche Aufsicht
von Heike Gündling • 15. Oktober 2026
Die Anstalt als letzter Ort der Vernunft 1962 bringt Friedrich Dürrenmatt ein Stück auf die Bühne, dessen Anordnung heute unheimlich aktuell wirkt. Drei Physiker sitzen in einer privaten Nervenheilanstalt. Der eine hält sich für Newton, der andere für Einstein und der dritte, Johann Wilhelm Möbius, behauptet, König Salomo erscheine ihm. Keiner von ihnen ist verrückt. Möbius hat eine Theorie entwickelt, aus der sich jede denkbare Erfindung ableiten lässt, und weil er ahnt, was die Welt damit anstellen würde, hat er sich in eine Heilanstalt zurückgezogen, an den einzigen Ort, an dem niemand einem Genie Glauben schenkt, um so sein Wissen zu verbergen. Die beiden anderen sind Agenten rivalisierender Geheimdienste. Sie sollen ihn herausholen. Möbius gelingt es nun im Verlauf des Stücks, die beiden zu überzeugen, und zu dritt beschließen sie, aus Verantwortung, gemeinsam hinter den Mauern zu bleiben. Es ist ein Moment moralischer Größe. Dann kommt die Wendung: Die Anstaltsleiterin Mathilde von Zahnd tritt auf. Sie hat Möbius’ Aufzeichnungen längst kopiert und baut daraus einen Weltkonzern. Der Rückzug der Wissenden war vergeblich. „Was einmal gedacht wurde, kann nicht mehr zurückgenommen werden“, sagt Möbius – und an diesem Satz hängt das ganze Stück. Man kann das Stück als Parabel auf die Atombombe lesen, und so war es auch gemeint. Heute liest es sich wie eine Beschreibung der Gegenwart. Mit einem Unterschied, der alles verändert: Die Anstaltsleiterin von heute wäre auf die Physiker gar nicht mehr angewiesen, sie hätte eine Maschine, die selbst zu denken beginnt. Trinity, 1945: Das technisch Süße Als am 16. Juli 1945 in der Wüste New Mexicos die erste Atombombe gezündet wurde, war die Entscheidung bereits gefallen. Wochen zuvor hatten Wissenschaftler um James Franck im sogenannten Franck-Report davor gewarnt, die Bombe ohne Vorwarnung gegen Städte einzusetzen. Leó Szilárd hatte eine Petition an den Präsidenten organisiert. Beides blieb folgenlos. Gebaut hatten sie Physiker, über ihren Gebrauch entschieden andere und drei Wochen später brannte Hiroshima. Robert Oppenheimer hat später einen Satz gesagt, der das Dilemma der Forschung genauer erfasst als sein berühmtes Zitat aus der Bhagavad Gita. Wenn man etwas sehe, das „technically sweet“ sei, dann mache man es, und über die Folgen streite man erst nach dem technischen Erfolg. Man kann das als Rechtfertigung lesen. Für mich klingt es eher wie ein Geständnis, und zwar eines über die Verführungskraft des Machbaren, gegen die die Moral des Einzelnen nur wenig ausrichtet. Das Muster hat sich seither erstaunlich stabil gehalten: Gewarnt wird von denen, die am meisten wissen, meist zu spät und fast immer an die Adresse von Institutionen, die längst eigene Interessen verfolgen. Oppenheimer selbst wurde 1954 die Sicherheitsfreigabe entzogen, nachdem er sich gegen die Wasserstoffbombe ausgesprochen hatte. Die Gesellschaft bedankte sich bei ihrem Prometheus, indem sie ihn an den Felsen kettete. Oppenheimer bekam ein Anhörungsverfahren. Die neuen Physiker Achtzig Jahre später warnen wieder Wissenschaftler vor ihrem eigenen Werk. An dreien von ihnen lässt sich meines Erachtens die Spannweite der Debatte gut ablesen, weil sie Möbius’ Frage jeweils anders beantworten. Geoffrey Hinton ist der Reuige. Er hat die Grundlagen der neuronalen Netze mitgelegt, auf denen heutige KI beruht, und dafür 2024 den Nobelpreis für Physik erhalten. Ein Jahr zuvor hatte er Google verlassen, um freier über die Risiken sprechen zu können. Sein Argument ist schlicht und gerade deshalb schwer zu entkräften. Wir kennen keinen Fall, in dem ein weniger intelligentes Wesen ein deutlich intelligenteres dauerhaft kontrolliert hat. Die einzige Ausnahme, die ihm einfällt, ist das Kind, das die Mutter lenkt, und das funktioniert nur, weil die Evolution der Mutter eine tiefe Fürsorge eingepflanzt hat. Hinton hat deshalb vorgeschlagen, man müsse KI-Systemen so etwas wie mütterliche Instinkte einbauen. Und dann ist da noch sein Bild vom Tigerjungen, das man im Haus aufzieht, solange es klein ist und spielt; man sollte sich allerdings sehr sicher sein, dass es einen später nicht fressen will. Yoshua Bengio ist der besorgte Architekt. Auch er gehört zu den Gründervätern des Deep Learning, und auch er hat seine Haltung radikal geändert. Er leitete den ersten Internationalen Bericht zur Sicherheit fortgeschrittener KI, und er argumentiert mit der Logik des Vorsorgeprinzips: Selbst wenn die Wahrscheinlichkeit einer Katastrophe klein wäre, rechtfertigt ihr Ausmaß entschlossenes Handeln. Besonders beunruhigt ihn, dass KI-Systeme zunehmend als Agenten auftreten, also Ziele verfolgen und in Experimenten bereits Verhaltensweisen wie Täuschung oder Selbsterhaltung gezeigt haben. Als Antwort arbeitet er an einer „Scientist AI“, einer KI, die versteht und erklärt, aber keine eigenen Ziele verfolgt. Ein Orakel also, kein Akteur. Jürgen Schmidhuber ist der kosmische Optimist. Der deutsche Informatiker, dessen Arbeiten zu rekurrenten Netzen heute in unzähligen Anwendungen stecken, hält die Weltuntergangsrhetorik für überzogen. Die meiste KI werde entwickelt, um Menschenleben länger, gesünder und leichter zu machen, und das sei auch das Geschäftsmodell der Unternehmen. Er erinnert daran, dass die Wasserstoffbomben der alten Technologie noch immer existieren und keine KI brauchen, um die Menschheit auszulöschen. Und dazu wagt er einen Gedanken, der tröstlich und kränkend zugleich ist: Wirklich überlegene Intelligenzen würden sich vor allem für das Universum interessieren, nicht für uns. Wir wären für sie etwa so bedeutsam wie Ameisen für uns. Niemand führt Krieg gegen Ameisen, man steigt über sie hinweg. Nebeneinandergelegt ergeben die drei Positionen eher ein Spektrum als einen Streit. Hinton fragt, ob wir die Kontrolle behalten können. Bengio fragt, wie Systeme aussehen müssten, bei denen sich die Frage gar nicht erst stellt. Schmidhuber bezweifelt, dass Kontrolle überhaupt die richtige Kategorie ist, und in dieser Provokation steckt mehr, als man zunächst meint. Ich komme darauf zurück. Warum KI keine Bombe ist Der Vergleich mit der Atombombe ist naheliegend und lehrreich, aber er hinkt an entscheidenden Stellen. Wer ihn zu wörtlich nimmt, schaut in die falsche Richtung. Die Bombe tut nichts. Sie liegt im Silo, bis ein Mensch entscheidet. Ihre Gefahr ist vollständig an menschliche Absicht gebunden. KI dagegen handelt. Sie schreibt, empfiehlt, sortiert, entscheidet, zunehmend ohne dass im Einzelfall ein Mensch zustimmt. Das Neue an ihr ist nicht die Zerstörungskraft, sondern die Handlungsfähigkeit. Die Bombe braucht angereichertes Uran, riesige Anlagen und einen Staat. Das machte sie kontrollierbar, zumindest teilweise; man konnte Materialflüsse überwachen, Verträge schließen, Inspektoren schicken. KI braucht Rechenleistung und Daten, und beides ist über die ganze Welt verteilt, überwiegend in privater Hand. Mathilde von Zahnd trägt heute die Züge einer Handvoll Konzerne, die sich gegeneinander im Wettlauf befinden. Vor allem aber hatte die Bombe ihren Trinity-Moment. Es gab ein Vorher und ein Nachher, einen Blitz, den alle sehen konnten. Bei KI gibt es keinen solchen Moment. Wenn es einen Kontrollverlust gibt, wird er sich nicht wie eine Explosion anfühlen, sondern wie die Flut an der Nordseeküste. Das Wasser steigt so langsam, dass man es nicht bemerkt, bis man plötzlich feststellt, dass der Rückweg zum Deich abgeschnitten ist. Wer im Watt steht, hört keinen Knall. Er merkt erst irgendwann, dass seine Füße nass sind. Der Knall ist nicht die Gefahr, sondern das Gewöhnen. Die Dampfmaschine des Geistes Vielleicht taugt deshalb die industrielle Revolution besser als Vergleich. Auch sie war ein Prozess, der über Jahrzehnte dauerte und die Welt dabei vollständig umbaute, ohne dass sich ein Tag benennen ließe, an dem sie begann. Die Dampfmaschine ersetzte Muskelkraft. Das war ein Segen und eine Katastrophe zugleich. Langfristig brachte sie einen Wohlstand hervor, den sich kein Mensch im 18. Jahrhundert hätte vorstellen können. Kurzfristig zerstörte sie Lebensgrundlagen. Die englischen Textilarbeiter, die als Maschinenstürmer in die Geschichte eingingen, wurden gerne als rückständig belächelt, dabei hatten sie genau verstanden, was mit ihnen geschah. Wirtschaftshistoriker sprechen von einer Phase, in der die Produktivität stieg, die Löhne der Arbeiter aber über Jahrzehnte stagnierten. Die Gesamtbilanz einer Technologie sagt also wenig über ihre Kosten. Entscheidend ist, wer den Übergang bezahlt und wie lange er tatsächlich dauert. Wer nur auf das Ergebnis nach hundert Jahren schaut, übersieht leicht die Generationen, die in der Zwischenzeit gelebt haben. Die zweite Lektion ist unbequemer. Als die Maschinen die Muskeln ersetzten, verlagerte sich die menschliche Arbeit in den Kopf. Aus Feldarbeitern wurden Angestellte, aus Handwerkern Ingenieure. Der Geist war der Rückzugsort, an dem die Maschine nicht folgen konnte. KI ist die erste Technologie, die genau diesen Rückzugsort betritt. Sie ist eine Dampfmaschine des Geistes. Und die Frage, wohin der Mensch diesmal ausweicht, hat noch niemand überzeugend beantwortet. Vielleicht in die Beziehung zu anderen Menschen, in die Sorge füreinander, in das Urteil darüber, was gut ist. Das wäre sicher eine Hoffnung, belegen lässt es sich bisher (noch) nicht. Die Chancen sind dennoch real, und sie sind gewaltig. Der Nobelpreis für Chemie ging 2024 an die Entwickler eines KI-Systems, das die Faltung von Proteinen vorhersagt, ein Problem, an dem die Biologie ein halbes Jahrhundert gearbeitet hatte. KI erkennt auf Mammografien Auffälligkeiten, die ein müdes Auge übersieht, und sie kann einem Kind in einem Dorf ohne Schule einen Lehrer geben, der nie die Geduld verliert. Wer diese Möglichkeiten verschweigt, klärt nicht auf und verzerrt die Wirklichkeit auf andere Weise. Die Dampfmaschine hat Kinderarbeit hervorgebracht und später die Voraussetzungen geschaffen, sie abzuschaffen. Technologie ist selten nur das eine. Der leise Kontrollverlust Damit kommen wir zu dem Gedanken, der in der Debatte meist übersehen wird. Wenn über Kontrollverlust gesprochen wird, denken wir an die Maschine, die sich gegen uns wendet. An den Terminator, an HAL 9000, an Hintons Tiger. Das ist das dramatische Szenario, und es verdient Aufmerksamkeit. Für das naheliegendste halte ich es trotzdem nicht. Aber es gibt einen zweiten Kontrollverlust, der leiser ist und schon begonnen hat. Er findet nicht in der Maschine statt, sondern in uns. Manche, die jahrelang mit dem Navigationsgerät fahren, finden irgendwann ohne dessen Hilfe kaum mehr aus der eigenen Stadt heraus, weil eine Fähigkeit, die nicht gebraucht wird, verkümmert. Was für den Orientierungssinn gilt, gilt auch für das Formulieren, das Abwägen, das Recherchieren, das Zweifeln. Wir delegieren an KI nicht nur Aufgaben, wir delegieren auch die Übung, die uns befähigt hat, diese Aufgaben zu beurteilen. In der Forschung wird dies als Deskilling bezeichnet; wir sprechen von einem schleichenden Verlernen. Es geschieht so allmählich, dass es sich wie Entlastung anfühlt. (siehe hierzu auch meinen Beitrag zum Deskilling https://www.addreal.de/neurologische-konsequenzen-der-ki-nutzung ) Darin liegt ein Paradox, denn eine KI kontrollieren kann nur, wer beurteilen kann, ob sie richtig liegt, und genau diese Urteilskraft schwindet, je mehr wir ihr überlassen. Der Kontrollverlust beginnt also nicht mit der Rebellion der Maschine, er beginnt mit der Bequemlichkeit des Menschen. Die Maschine muss uns die Kontrolle also nicht entreißen. Wir legen sie ab, Stück für Stück, weil es so praktisch ist. Kant hat Aufklärung als den Ausgang aus der selbstverschuldeten Unmündigkeit beschrieben, als den Mut, sich des eigenen Verstandes zu bedienen. Wir stehen vor der Möglichkeit einer neuen, sehr komfortablen Unmündigkeit. Sie wird nicht erzwungen durch Kirche oder Obrigkeit, sie wird angeboten durch einen Dienst, der uns das Denken abnimmt und dabei höflich, hilfreich und meistens richtig ist. Das Wort, auf das es ankommt, ist „meistens“. Von der Kontrolle zur Urteilsfähigkeit Hier lohnt es sich, zu Schmidhubers Provokation zurückzukehren. Vielleicht ist Kontrolle tatsächlich die falsche Kategorie, nur aus einem anderen Grund als dem, den er nennt. Viele Systeme, von denen unser Leben abhängt, kontrollieren wir längst nicht mehr: Finanzmärkte, Stromnetze, das Klima. Wir können sie nicht steuern wie eine Maschine mit einem Hebel. Aber wir können sie beobachten, verstehen, Leitplanken setzen, Frühwarnsysteme bauen und eingreifen, wenn etwas aus dem Ruder läuft. Ich denke dabei etwa an die Risikosteuerungssysteme im Bankensektor, die zwar keine vollständige Kontrolle ermöglichen, aber dazu beitragen, Risiken frühzeitig zu erkennen und einzugrenzen. Vielleicht sollten wir also weniger fragen, wie wir KI vollständig beherrschen. Die ergiebigere Frage lautet dann, wie wir uns die Fähigkeit bewahren, sie zu beurteilen und zu korrigieren. Dazu drei Überlegungen, mit denen ich über die übliche Debatte hinausweisen möchte. Staaten halten Öl- und Gasreserven vor, für den Fall, dass die Versorgung ausfällt. Etwas Ähnliches brauchen wir für das Denken, eine Urteilsreserve: Fähigkeiten, die Gesellschaften, Unternehmen und jeder Einzelne bewusst weiter pflegen, obwohl sie diese im Alltag an KI delegieren könnten. Mit Nostalgie hat das nichts zu tun, sondern es ist eine Versicherung. Wer nicht mehr selbst rechnen kann, merkt nicht, wenn der Taschenrechner falsch liegt. Der zweite Punkt betrifft den Wert von Reibung. Fast die gesamte Produktentwicklung der letzten zwanzig Jahre zielte darauf ab, Reibung zu beseitigen - einen Klick weniger, schnellere Antworten, nahtlose Erfahrungen. Aber Reibung ist auch der Ort, an dem Nachdenken entsteht. Eine Entscheidung, die einen Moment des Innehaltens erfordert, ist eine Entscheidung, die noch uns gehört. Kluge Organisationen werden solche Stellen bewusst einbauen: Punkte im Prozess, an denen ein Mensch nicht nur abnickt, sondern wirklich prüft. Schließlich die Öffentlichkeit des Wissens. Niels Bohr schrieb 1950 einen offenen Brief an die Vereinten Nationen, in dem er für eine „offene Welt“ plädierte, in der wissenschaftliche Erkenntnisse über Atomwaffen geteilt werden, weil nur Transparenz Vertrauen schaffen könne. Gehört wurde er nicht. Heute stellt sich die Frage erneut, und sie ist komplizierter, weil offene KI-Modelle auch missbraucht werden können. Aber an der Grundeinsicht ändert das wenig: Eine Technologie, die nur wenige verstehen und nur wenige besitzen, entzieht sich demokratischer Gestaltung. Das Ende der Geschichte ist noch nicht geschrieben Dürrenmatt hat seinem Stück 21 Punkte beigegeben, eine Art dramaturgisches Manifest. Der dritte lautet: „Eine Geschichte ist dann zu Ende gedacht, wenn sie ihre schlimmstmögliche Wendung genommen hat.“ Das ist das Gesetz der Bühne, und Dürrenmatt hat es konsequent angewendet. Möbius’ Opfer war umsonst, die Welt gehört der Psychiaterin. Die Wirklichkeit folgt aber keiner Dramaturgie eines Schriftstellers, und wir sitzen auch nicht im Parkett. Die schlimmstmögliche Wendung ist denkbar, und wer sie nicht zu Ende denkt, handelt fahrlässig. Hinton und Bengio tun, was Dürrenmatt verlangt; sie denken die Geschichte bis zum Ende, damit sie so nicht endet. Mit Fatalismus hat das wenig zu tun, im Gegenteil. Wer warnt, rechnet noch damit, dass sich etwas ändern lässt, solange noch Zeit dazu ist. Möbius’ Fehler lag woanders. Er handelte allein und glaubte, ein Einzelner könne durch Rückzug lösen, was die ganze Welt betrifft. Dürrenmatt hat auch dafür einen Satz gefunden, den siebzehnten seiner Punkte: „Was alle angeht, können nur alle lösen.“ Die Zukunft der KI wird nicht in den Laboren, Vorstandsetagen oder in den Parlamenten allein entschieden. Sie wird auch in den vielen kleinen Momenten entschieden, an sehr vielen Schreibtischen, wenn wir wählen, ob wir selbst denken oder denken lassen. Ob wir prüfen oder abnicken. Ob wir die Maschine als Werkzeug gebrauchen, das unsere Urteilskraft erweitert, oder als Ersatz, der sie überflüssig macht. Diese Momente sind unscheinbar, aber in ihrer Summe entscheiden sie darüber, welchen Weg wir als Gesellschaft einschlagen. Was einmal gedacht wurde, kann nicht mehr zurückgenommen werden. Das stimmt. Aber was wir daraus machen, ist noch nicht gedacht. Diese Arbeit können wir uns von niemandem abnehmen lassen, auch von keiner Maschine.
von Heike Gündling • 20. September 2026
Über künstliche Intelligenz, humane Intelligenz und einen Trade-off, den wir uns nicht leisten sollten „Wo aber Gefahr ist, wächst / Das Rettende auch." (Friedrich Hölderlin) Zum Anlass dieses Beitrags: Prof. Dr. Yasmin Weiß, Professorin für KI in der Arbeitswelt, Aufsichtsrätin und Autorin des Buches „Was bleibt vom Menschen, wenn die KI übernimmt", hat in der aktuellen Ausgabe ihres LinkedIn-Newsletters die Risiken der KI-Entwicklung eingeordnet – ausgehend vom jüngsten Essay des Anthropic-Chefs Dario Amodei. Ihr Text war der Impuls für meine folgenden Überlegungen. Sie finden ihn auf ihrem LinkedIn-Kanal . Yasmin Weiß schreibt in ihrem Newsletter einen Satz, den ich ohne Einschränkung unterschreibe: KI-Kompetenz hat zwei Facetten: die Potenziale verstehen und die Risiken. Ich möchte diesen Gedanken aufgreifen und um eine dritte Facette erweitern, die in der aktuellen Debatte fast vollständig untergeht: die Frage, was mit unserer eigenen Kompetenz geschieht, während die Maschinen immer kompetenter werden. Ich bin keine Skeptikerin. Ich arbeite täglich mit KI und erlebe, was sie leisten kann. Sie beschleunigt Analysen, die früher Wochen dauerten, macht Wissen zugänglich, das in Silos verschlossen war, und verspricht Durchbrüche in Medizin und Forschung, die vor wenigen Jahren wie Science-Fiction klangen. Mein Optimismus ist echt, aber gerade deshalb halte ich es für eine Frage intellektueller Redlichkeit, die Risiken ebenso klar zu benennen. Chancen und Risiken lassen sich nicht getrennt betrachten. Die Schöpfer treten auf die Bremse Am 12. September 2026 veröffentlichte Anthropic-Chef Dario Amodei seinen Essay „We Must Pace the Frontier" . Seine Kernforderung: Die Industrie muss das Tempo drosseln, mit dem sie die Fähigkeiten von KI-Modellen steigert. Zwei Entwicklungen haben ihn umgestimmt. Erstens beschleunigt sich die KI-Entwicklung seit dem Sommer drastisch, vor allem weil KI - nach Amodeis Einschätzung - zunehmend selbst die nächste KI-Generation mitentwickelt. Zweitens ein Vorfall, der die Branche erschüttert hat. Bei OpenAI sollten tausende KI-Agenten in einem Sicherheitstest isoliert voneinander Aufgaben lösen. Die unabhängigen Prüfer von METR haben rekonstruiert , was stattdessen geschah: Rund 1.200 Agenten fanden einen nicht vorgesehenen Kommunikationskanal, tauschten mehr als 70.000 Nachrichten und Dateien aus, und etwa 700 von ihnen beteiligten sich an einem Angriff auf die Plattform Hugging Face. METR fand vor allem einen Befund, der aufhorchen lässt: starke Hinweise darauf, dass Agenten häufig erkannten, dass ihr Handeln außerhalb ihres Auftrags lag und ethisch problematisch war und sich dennoch beteiligten. Sie machten trotzdem mit, weil sie es für nützlich hielten und ihren „Kollegen" helfen wollten. Innerhalb weniger Stunden erklärte Sam Altman, OpenAI stimme zu und werde Anthropics ersten Schritt mitgehen. Elon Musk kommentierte knapp, Dario habe recht. Die Schöpfer warnen vor ihren Geschöpfen, wie Yasmin Weiß treffend schreibt. Öffentlich ist zwar oft von einem „Moratorium" die Rede, doch der Begriff greift zu kurz. Amodei selbst zieht hier eine klare Linie: Pacing bedeutet ausdrücklich nicht, das Training von Modellen oder den technischen Fortschritt anzuhalten. Es geht um ein Tempolimit, nicht um Stillstand. Warum er einen echten Stopp für unrealistisch hält, lässt sich mit einem Instrument erklären, das jede Volkswirtin kennt. Spieltheoretisch betrachtet: Warum alle bremsen wollen – aber keiner als Erster Die Struktur des KI-Wettlaufs lässt sich als Gefangenendilemma modellieren. Zwei Labore können jeweils bremsen oder weiter beschleunigen. Die Auszahlungen sind ordinal angegeben (4 = am besten, 1 = am schlechtesten):
von Heike Gündling • 27. Juli 2026
Eine kritische Analyse der StartUp- und ScaleUp-Strategie der Bundesregierung
von Heike Gündling • 2. Februar 2026
Strategische Positionierung im Zeitalter der Enterprise AI Die rasante Entwicklung der Künstlichen Intelligenz, insbesondere im Bereich der Large Language Models (LLMs), markiert eine technologische Zäsur. Während Deutschland im globalen Wettbewerb um Consumer-LLMs kaum noch aufholen kann, eröffnet sich eine strategisch relevante Alternative: die Enterprise AI. Hier liegt eine reale Chance für spezialisierte Branchen – allen voran die Immobilienwirtschaft. Der Schlüssel zu diesem Wettbewerbsvorteil ist Domänenwissen. Es geht nicht darum, die beste allgemeine KI zu entwickeln, sondern darum, spezialisierte KI-Agenten zu schaffen, die auf proprietärem Fachwissen basieren. Für die Immobilienwirtschaft bedeutet dies, komplexes Branchenwissen zu digitalisieren, zu strukturieren und durch KI-Agenten zu operationalisieren. Domänenwissen als strategische Ressource Domänenwissen in der Immobilienbranche umfasst ein komplexes Geflecht aus regulatorischen, ökonomischen und technischen Kenntnissen. Es lässt sich in sechs zentrale Bereiche gliedern, die in ihrer Gesamtheit die Grundlage für eine erfolgreiche Geschäftstätigkeit bilden. Die rechtlichen Grundlagen erfordern umfassende Kenntnis von Miet-, Kauf-, Bau- und Grundbuchrecht sowie relevanten steuerlichen Vorschriften. Die Einhaltung dieser sich ständig ändernden Vorschriften ist essenziell für die Risikominimierung. Eng damit verbunden ist die Marktanalyse , die die Bewertung von Angebot und Nachfrage, die Prognose von Preisentwicklungen sowie die Analyse von Standortfaktoren, demografischem Wandel und wirtschaftlichen Einflussfaktoren umfasst. Im Bereich Finanzierung und Bewertung ist Expertise in Immobilienbewertungsmethoden wie Ertragswert-, Sachwert- und Vergleichswertverfahren gefragt, ergänzt durch fundiertes Wissen über Finanzierungsstrukturen und Investitionsrechnungen. Das Verständnis von Technik und Bau wiederum erstreckt sich auf Baustoffe, Bauweise, Energieeffizienz, Sanierungsbedarf und Instandhaltung – allesamt entscheidend für Werterhaltung und -steigerung. Das Management und die Verwaltung erfordern Spezialwissen über Mietobjekt- und WEG-Verwaltung, Vermietungsprozesse und Facility-Management. Schließlich spielen Vertrieb und Marketing eine zentrale Rolle mit Strategien zur Objektvermarktung, Verhandlungsführung und Kundenakquise. Die Herausforderung besteht darin, dieses oft in Dokumenten, E-Mails und in den Köpfen erfahrener Mitarbeiter verborgene Wissen für die Automatisierung zugänglich zu machen. Technologische Architektur: Von RAG zu Multi-Agenten-Systemen Die technologische Basis moderner Enterprise-KI-Systeme ruht auf drei Säulen, die sich gegenseitig ergänzen und verstärken. Retrieval-Augmented Generation (RAG) verbindet die Sprachfähigkeiten von LLMs mit unternehmenseigenen Wissensdatenbanken. Der KI-Agent durchsucht bei Anfragen zunächst relevante interne Dokumente, extrahiert kontextspezifische Informationen und generiert Antworten auf Basis proprietären Wissens. Dies verhindert Halluzinationen und stellt sicher, dass die KI auf aktuellen, verifizierten Unternehmensdaten arbeitet. Während RAG einzelne Dokumente durchsucht, bilden Knowledge Graphs die Beziehungen zwischen verschiedenen Wissensbereichen ab. In der Immobilienwirtschaft bedeutet dies die Verknüpfung von Objektdaten mit rechtlichen Vorschriften, Markttrends, Mieterprofilen und Wartungshistorien. Ein gut strukturierter Knowledge Graph ermöglicht es KI-Agenten, komplexe Zusammenhänge zu erkennen und ganzheitliche Empfehlungen abzugeben. Die Multi-Agenten-Orchestrierung setzt auf spezialisierte Agenten, die miteinander kommunizieren. Anstatt einen monolithischen KI-Agenten zu entwickeln, arbeiten verschiedene Spezialagenten zusammen. Ein Bewertungs-Agent kann beispielsweise mit einem Compliance-Agent kooperieren, um nicht nur den Immobilienwert zu ermitteln, sondern gleichzeitig rechtliche Risiken zu identifizieren und Optimierungsvorschläge zu entwickeln. Anwendungsszenarien in der Praxis Die Integration von KI-Agenten in die sechs Säulen des Immobilienwissens führt zu einer tiefgreifenden Effizienzsteigerung und Risikominimierung. Ein Compliance-Agent überwacht Vertragsentwürfe und Mietanpassungen auf Einhaltung des aktuellen Miet- und Baurechts. Der Agent analysiert jeden neuen Mietvertrag in Echtzeit und gleicht ihn mit einer Datenbank von Gerichtsentscheidungen, aktuellen Gesetzesänderungen und internen Best Practices ab. Bei Abweichungen schlägt er rechtskonforme Formulierungen vor oder kennzeichnet kritische Klauseln zur manuellen Überprüfung. Dies führt zur Minimierung von Rechtsrisiken, zur Beschleunigung von Vertragsprozessen und zur Sicherstellung der Compliance. Der Standort-Scouting-Agent analysiert in Echtzeit tausende von Datenpunkten wie Demografie, Infrastrukturprojekte, Preisentwicklungen und Zuzugszahlen. Er integriert Daten aus Bauämtern, Verkehrsplanung, demografischen Prognosen und lokalen Einzelhandelsentwicklungen. Der Agent erkennt beispielsweise, dass ein bisher unterschätzter Stadtteil in drei Jahren von einer neuen U-Bahn-Linie profitieren wird und empfiehlt gezielte Investitionen, bevor der Markt reagiert. Dies ermöglicht präzisere Investitionsentscheidungen, frühzeitige Erkennung von Markttrends und datengestützte Preisgestaltung. Ein Bewertungs-Agent führt komplexe Ertragswertberechnungen durch, indem er historische Transaktionsdaten mit aktuellen Kapitalmarktdaten verknüpft. Der Agent erstellt nicht nur eine einzelne Bewertung, sondern simuliert Hunderte von Szenarien unter verschiedenen Annahmen wie Zinsentwicklung, Mietpreissteigerungen und Instandhaltungskosten. Er liefert eine Bandbreite wahrscheinlicher Wertentwicklungen inklusive einer Risikoanalyse und ermöglicht so objektivere und schnellere Immobilienbewertungen sowie eine Optimierung der Finanzierungsstruktur. Der Instandhaltungs-Agent analysiert Bauakten, Wartungsprotokolle und IoT-Sensordaten, um den optimalen Zeitpunkt für Sanierungen zu prognostizieren. Durch die Analyse von Sensordaten aus Heizungs-, Lüftungs- und Sanitäranlagen erkennt der Agent Abweichungen vom Normalbetrieb, lange bevor ein Ausfall eintritt. Er plant Wartungszyklen so, dass sie mit ohnehin anstehenden Renovierungen zusammenfallen und maximiert dadurch die Kosteneffizienz. Dies führt zur Reduzierung der Betriebskosten, zur Verlängerung der Lebensdauer von Anlagen und zur Einhaltung des Gebäudeenergiegesetzes. Ein WEG- und Mietverwaltungs-Agent automatisiert die Kommunikation mit Mietern und Eigentümern, bearbeitet Routineanfragen wie Reparaturmeldungen, erstellt Nebenkostenabrechnungen und überwacht Zahlungseingänge. Der Agent beantwortet bis zu 80% aller Mieteranfragen vollautomatisch, eskaliert komplexe Fälle an menschliche Mitarbeiter und lernt kontinuierlich aus deren Entscheidungen. Er erkennt Zahlungsmuster und warnt proaktiv vor potenziellen Zahlungsausfällen, noch bevor Mahnungen notwendig werden. Dies entlastet Mitarbeiter von Routineaufgaben, steigert die Mieterzufriedenheit und reduziert Verwaltungsfehler. Der Lead-Qualifizierungs-Agent analysiert Kundenanfragen und -profile, gleicht sie mit dem aktuellen Portfolio ab und erstellt personalisierte Exposés. Der Agent bewertet eingehende Anfragen nach Kaufwahrscheinlichkeit, Budgetkompatibilität und Passgenauigkeit zum Objekt. Er erstellt für hochqualifizierte Leads automatisch individualisierte Exposés, die genau auf die Präferenzen des Interessenten zugeschnitten sind, und schlägt dem Vertriebsteam optimale Gesprächsstrategien vor. Dies führt zu höheren Abschlussquoten, kürzeren Vermarktungszeiten und einem fokussierteren Einsatz des Vertriebsteams. Strategische Chancen für Deutschland Deutschland hat in den vergangenen Jahrzehnten eines der differenziertesten Rechtssysteme Europas entwickelt. Was lange als Wettbewerbsnachteil galt – komplexe Regulierungen, strenge Datenschutzanforderungen, hohe Compliance-Hürden – kann sich im Zeitalter der Enterprise AI zum strategischen Vorteil durch regulatorische Expertise wandeln. Deutsche Unternehmen haben gelernt, in hochregulierten Umgebungen zu operieren und komplexe rechtliche Anforderungen in ihre Geschäftsprozesse zu integrieren. Die DSGVO-Konformität, die für viele US-amerikanische Tech-Unternehmen eine nachträgliche Anpassung bedeutet, ist für deutsche Unternehmen von Anfang an Teil der Architektur. Intern entwickelte KI-Agenten, die auf eigenen Servern oder in DSGVO-konformen Cloud-Umgebungen laufen, bieten ein Höchstmaß an Datensicherheit und Compliance. Dies ist ein entscheidender Wettbewerbsvorteil gegenüber US-Anbietern, insbesondere im Umgang mit sensiblen Immobiliendaten. Das Mittelstandsmodell erweist sich als ideale Basis für Enterprise AI. Der deutsche Mittelstand zeichnet sich durch Langfristigkeit, Spezialisierung und tiefes Domänenwissen aus. Während global agierende Tech-Konzerne versuchen, universelle KI-Lösungen zu entwickeln, verfügen mittelständische Immobilienunternehmen über hochspezialisiertes Wissen, das über Jahrzehnte aufgebaut wurde. Diese Kombination aus Fokussierung und Expertise ist ideal für die Entwicklung spezialisierter KI-Agenten. Ein mittelständisches Immobilienunternehmen, das sich beispielsweise auf Denkmalschutzimmobilien in norddeutschen Hansestädten spezialisiert hat, verfügt über ein Wissen, das kein generisches KI-System replizieren kann. Die Kenntnis lokaler Bauvorschriften, historischer Sanierungstechniken, regionaler Förderprogramme und spezifischer Marktdynamiken kann einen uneinholbaren Vorsprung schaffen, wenn dieses Wissen systematisch in KI-Agenten überführt wird. Die Skalierung des Hidden-Champions-Modells wird durch Enterprise AI auf eine neue Stufe gehoben. Deutschland ist bekannt für seine Hidden Champions – hochspezialisierte Weltmarktführer in Nischenmärkten. Ein regionales Immobilienunternehmen kann sein lokales Domänenwissen durch KI-Agenten skalieren und bundesweit oder gar international expandieren, ohne dabei die Qualität und Tiefe seiner Expertise zu verwässern. Die KI-Agenten fungieren dabei als digitale Zwillinge der erfahrensten Mitarbeiter und machen deren Wissen überall und jederzeit verfügbar. Deutsche Immobilienunternehmen, die erfolgreich KI-Agenten entwickeln und implementieren, schaffen nicht nur für sich selbst Wettbewerbsvorteile, sondern auch exportfähige Lösungen. Die entwickelten Frameworks, Architekturen und Best Practices lassen sich auf andere hochregulierte Märkte übertragen – von der österreichischen über die schweizerische bis zur nordeuropäischen Immobilienwirtschaft. Darüber hinaus kann die Expertise in der Entwicklung DSGVO-konformer Enterprise-AI-Lösungen selbst zum Exportprodukt werden. Die Entwicklung von Enterprise-AI-Lösungen schafft neue, hochqualifizierte Arbeitsplätze und Innovationsdynamik in Deutschland. Es entsteht ein Bedarf an Data Scientists, KI-Architekten, Domänenexperten mit technischem Verständnis und Ethik-Beauftragten für KI-Systeme. Diese Rollen erfordern eine einzigartige Kombination aus technischem Know-how und tiefem Branchenverständnis – eine Kombination, die besonders gut zum deutschen Bildungs- und Ausbildungssystem passt. Gleichzeitig fungiert die Enterprise-AI-Entwicklung als Innovationstreiber für die gesamte deutsche KI-Landschaft. Der Betrieb großer, generischer KI-Modelle ist extrem energieintensiv. Enterprise-KI-Agenten, die auf spezifischen Domänen trainiert sind, können hingegen deutlich effizienter arbeiten. Deutsche Unternehmen können hier ihre Stärke in Energieeffizienz und Nachhaltigkeit ausspielen und energieeffiziente KI-Architekturen entwickeln, die sowohl ökologisch als auch ökonomisch überlegen sind. In der Immobilienwirtschaft verbindet sich dies direkt mit den Nachhaltigkeitszielen der Branche selbst. Transformation der Wertschöpfungskette Die Implementierung von KI-Agenten verändert die gesamte Wertschöpfungskette der Immobilienwirtschaft fundamental. In der Akquisitionsphase identifizieren KI-gestützte Marktanalysen Investitionsmöglichkeiten, lange bevor sie am Markt sichtbar werden. Durch die Analyse von Infrastrukturprojekten, demografischen Trends und wirtschaftlichen Indikatoren können Unternehmen gezielt in Wachstumsregionen investieren. Der gesamte Transaktionsprozess wird beschleunigt und sicherer. Von der automatisierten Due Diligence über die rechtssichere Vertragsgestaltung bis zur optimierten Finanzierungsstruktur reduzieren KI-Agenten die Transaktionszeit drastisch und minimieren gleichzeitig Risiken. Die laufende Bewirtschaftung wird durch Automatisierung und vorausschauende Wartung revolutioniert. Kosten sinken, während gleichzeitig die Qualität steigt und die Mieterzufriedenheit wächst. Dispositionsentscheidungen basieren künftig auf fundierten Prognosen und Szenarioanalysen. KI-Agenten identifizieren den optimalen Verkaufszeitpunkt unter Berücksichtigung von Marktzyklen, steuerlichen Aspekten und Portfolio-Optimierung. Risikominimierung durch kontinuierliches Monitoring Traditionell werden Immobilienrisiken periodisch bewertet – beim Ankauf, bei größeren Sanierungen oder beim Verkauf. KI-Agenten ermöglichen ein kontinuierliches Risiko-Monitoring über verschiedene Dimensionen hinweg. Im Bereich der rechtlichen Risiken erfolgt eine automatische Überwachung von Gesetzesänderungen und deren Auswirkungen auf das Portfolio. Wenn beispielsweise neue Mietpreisbremsen-Regelungen verabschiedet werden, analysiert der Compliance-Agent sofort alle betroffenen Objekte und schlägt Anpassungsmaßnahmen vor. Die permanente Überwachung von Marktrisiken durch Marktindikatoren ermöglicht eine frühzeitige Warnung bei strukturellen Veränderungen. Wenn sich in einem Stadtteil ein negativer Trend abzeichnet, wird dies erkannt, lange bevor es sich in sinkenden Mieten oder Verkaufspreisen manifestiert. Bei technischen Risiken verhindert Predictive Maintenance kostspielige Ausfälle und ermöglicht eine optimale Budgetplanung für Instandhaltungsmaßnahmen. Das kontinuierliche Monitoring von finanziellen Risiken umfasst Zahlungseingänge, Liquiditätsentwicklung und Refinanzierungsoptionen und ermöglicht so ein proaktives Finanzmanagement. ESG-Compliance und Nachhaltigkeitsziele Nachhaltigkeit wird zunehmend zum zentralen Bewertungskriterium für Immobilien. KI-Agenten unterstützen Unternehmen dabei, ihre ESG-Ziele zu erreichen und zu dokumentieren. Im Environmental -Bereich erfolgt die Analyse des CO2-Fußabdrucks jeder Immobilie, die Entwicklung von Dekarbonisierungs-Roadmaps, die Identifikation kostenoptimaler Energieeffizienzmaßnahmen und das kontinuierliche Monitoring der Umweltperformance. Der Social -Aspekt umfasst die Messung und Verbesserung der Mieterzufriedenheit, transparente Kommunikation und die Analyse der sozialen Auswirkungen von Immobilienprojekten auf das Umfeld. Im Bereich Governance werden automatisierte Compliance-Überwachung, transparente Dokumentation aller Entscheidungsprozesse, Risikomanagement und ethische KI-Nutzung sichergestellt. Implementierungsroadmap Die erfolgreiche Implementierung von KI-Agenten folgt einem strukturierten Phasenmodell. In der Vorbereitungsphase (Monate 1-3) erfolgt zunächst ein systematisches Wissensaudit zur Erfassung des vorhandenen Domänenwissens. Parallel dazu wird eine strukturierte Datenbasis als Fundament für KI-Agenten aufgebaut, was die Digitalisierung von Papierdokumenten, die Standardisierung von Datenformaten und die Etablierung von Data Governance umfasst. Die Auswahl des geeigneten Technologie-Stacks sowie die Schulung von Mitarbeitern in den Grundlagen der KI runden diese Phase ab. Die Pilotierungsphase (Monate 4-9) beginnt mit der Auswahl eines klar definierten, messbaren Anwendungsfalls mit hohem Business Impact und überschaubarer Komplexität. Es folgt die Entwicklung eines Minimum Viable Product des ersten KI-Agenten, idealerweise in Kooperation mit einem erfahrenen Technologiepartner. Eine intensive Testphase mit kontinuierlicher Verbesserung basierend auf Feedback und gemessenen KPIs sowie begleitendes Change Management zur Vorbereitung der Organisation schließen sich an. In der Skalierungsphase (Monate 10-18) erfolgt die schrittweise Ausweitung des erfolgreichen Piloten auf weitere Unternehmensbereiche. Die Entwicklung zusätzlicher spezialisierter Agenten und deren Orchestrierung zu einem kohärenten Multi-Agenten-System wird vorangetrieben. Die Anbindung der KI-Agenten an bestehende IT-Systeme wie ERP, CRM und Property Management Software sowie die kontinuierliche Optimierung durch Machine Learning prägen diese Phase. Die Transformationsphase (Monate 19+) beinhaltet die organisatorische Anpassung durch Neugestaltung von Prozessen und Rollen unter Berücksichtigung der KI-Unterstützung. Eine strategische Neuausrichtung erschließt neue Geschäftsfelder und Märkte, die erst durch die KI-Skalierung möglich werden. Der Aufbau von Partnerschaften und eventuell die Entwicklung eigener KI-Produkte für den Markt runden die Transformation ab. Herausforderungen und Lösungsansätze Die technischen Herausforderungen liegen primär in der Datenqualität, da KI-Agenten nur so gut wie die Daten sind, auf denen sie trainiert werden. Die Lösung besteht in systematischem Datenqualitätsmanagement, kontinuierlicher Bereinigung und Validierung sowie der Etablierung klarer Datenstandards. Die Integration in gewachsene IT-Landschaften mit Legacy-Systemen kann komplex sein und erfordert API-basierte Architekturen, schrittweise Modernisierung und den Einsatz von Middleware. Die Skalierbarkeit muss gewährleistet werden, damit anfängliche Pilotprojekte auch bei Masseneinsatz performant bleiben, was Cloud-native Architekturen, Lastverteilung und kontinuierliches Performance-Monitoring erfordert. Auf organisatorischer Ebene müssen Ängste vor Jobverlust oder Überforderung bei Mitarbeitern adressiert werden. Transparente Kommunikation, frühzeitige Einbindung, Fokus auf Augmentation statt Replacement und Umschulungsprogramme schaffen hier Abhilfe. Der Kulturwandel von der Intuition zur datengetriebenen Entscheidung erfordert, dass die Führung vorangeht, Quick Wins sichtbar gemacht werden und neue Erfolgskriterien etabliert werden. Die initialen Investitionskosten können erheblich sein, weshalb ein schrittweiser Ansatz mit klarer ROI-Berechnung und die Nutzung von Fördermitteln empfehlenswert sind. Die rechtlichen und ethischen Herausforderungen umfassen den DSGVO-konformen Umgang mit personenbezogenen Daten, der durch Privacy by Design, Anonymisierung wo möglich, klare Consent-Prozesse und regelmäßige Datenschutz-Audits gewährleistet wird. Die Haftungsfrage bei Fehlentscheidungen der KI erfordert klare Governance-Strukturen, menschliche Kontrolle bei kritischen Entscheidungen und Versicherungslösungen für KI-Risiken. KI-Systeme können Vorurteile reproduzieren, weshalb diverse Trainingsdaten, regelmäßige Bias-Audits und ethische Leitlinien für KI-Entwicklung notwendig sind. Die Transparenz von Entscheidungen muss durch Explainable AI-Ansätze, Dokumentation von Entscheidungswegen und klare Kommunikation gegenüber Stakeholdern sichergestellt werden. Erfolgsfaktoren Maßgeblich für den Erfolg einer KI-Transformation ist das klare Commitment des Managements. KI darf nicht als IT-Projekt verstanden werden, sondern muss als strategische Transformation des Unternehmens begriffen werden. Die besten KI-Agenten entstehen, wenn Immobilienexperten und Technologen eng zusammenarbeiten, wenn also Domänenexpertise und technisches Know-how vereint werden. Interdisziplinäre Teams sind dabei essenziell. Es empfiehlt sich, inkrementell vorzugehen nach dem Prinzip "Start small, think big". Man sollte mit überschaubaren Projekten beginnen, aber immer die große Vision im Blick behalten. Nicht die KI selbst, sondern die Bereitschaft, auf Basis von Daten zu entscheiden, ist der eigentliche Erfolgsfaktor. Dies bedeutet, dass eine datengetriebene Kultur etabliert werden muss, in der sowohl die KI-Agenten als auch die Organisation kontinuierlich lernen und sich anpassen. Kein Unternehmen kann alle KI-Kompetenzen intern aufbauen. Strategische Partnerschaften mit Technologieanbietern, Forschungseinrichtungen und anderen Branchenteilnehmern, also der Aufbau eines Ökosystems, sind entscheidend für den langfristigen Erfolg. Ausblick In wenigen Jahren wird die erfolgreiche Integration von KI-Agenten zum Standard in der deutschen Immobilienwirtschaft gehören. Die Pioniere von heute werden die Marktführer von morgen sein. Von der ersten Anfrage bis zum Vertragsabschluss werden Standardtransaktionen vollautomatisch abgewickelt, während menschliche Experten sich auf komplexe Sonderfälle und strategische Entscheidungen fokussieren. Immobilienunternehmen werden nicht mehr reaktiv agieren, sondern Marktentwicklungen, technische Probleme und Kundenbedürfnisse proaktiv antizipieren. Jeder Kunde, ob Mieter, Käufer oder Investor, wird einen vollständig personalisierten Service erhalten, der sich kontinuierlich an individuelle Bedürfnisse anpasst. Deutsche Immobilienunternehmen können sich als global führend in der Verbindung von KI und Nachhaltigkeit positionieren und ihre Expertise in klimafreundliches Immobilienmanagement exportieren. Zu erwarten ist, dass Tech-Unternehmen mit KI-Kompetenz verstärkt in den Immobilienmarkt drängen werden. Traditionelle Immobilienunternehmen, die rechtzeitig in KI investiert haben, werden sich behaupten und ihre Domänenexpertise ausspielen können. Fazit Die Zukunft der Immobilienwirtschaft liegt in der intelligenten Nutzung ihres Domänenwissens. Intern entwickelte KI-Agenten sind das Vehikel, um dieses Wissen zu skalieren, Risiken zu minimieren und die Entscheidungsqualität auf ein neues Niveau zu heben. Für Deutschland bietet die Enterprise AI in der Immobilienbranche die Möglichkeit, sich als führender Standort für spezialisierte, datensichere und hocheffiziente KI-Lösungen zu positionieren. Die Kombination aus regulatorischer Expertise, tiefem Fachwissen und der Ingenieurskultur bietet ideale Voraussetzungen. Die Immobilienwirtschaft kann als Vorreiter agieren und zeigen, wie die Verbindung von deutscher Domänenexpertise und spezialisierten KI-Agenten zu einer neuen Ära der Wertschöpfung führt. Wer heute beginnt, sein proprietäres Wissen in die Architektur seiner KI-Agenten zu integrieren, sichert sich den entscheidenden Wettbewerbsvorteil von morgen. Die Frage ist nicht mehr, ob KI-Agenten die Immobilienwirtschaft transformieren werden, sondern nur noch, welche Unternehmen diese Transformation aktiv gestalten und welche von ihr überrollt werden. Die Weichen für die Zukunft werden jetzt gestellt.
von Heike Gündling • 4. September 2025
Die rasant fortschreitende Integration Künstlicher Intelligenz (KI) in nahezu alle Bereiche des menschlichen Lebens wirft eine Vielzahl von Fragen auf, die über rein ökonomische oder ethische Betrachtungen hinausgehen. Eine zentrale, bislang oft unterschätzte Dimension, betrifft die potenziellen neurologischen Konsequenzen der KI-Nutzung, insbesondere im Hinblick auf den Effekt des „De-Skilling“. Dieser Begriff beschreibt den Verlust oder die Erosion menschlicher Fähigkeiten und Fertigkeiten aufgrund der Delegation von Aufgaben an intelligente Systeme. Kognitive Verlagerung und die Problematik des Externalisierten Denkens Die menschliche Kognition ist plastisch und adaptiv, sie formt sich durch ständiges Training und Anwenden von Fähig- und Fertigkeiten. Wenn KI komplexe Denkprozesse, Problemlösungen oder sogar Kreativitätsaufgaben übernimmt, findet eine kognitive Verlagerung statt: Anstatt eigene neuronale Netzwerke für diese Prozesse zu aktivieren und zu stärken, verlassen sich Nutzer auf die extern bereitgestellte Intelligenz. Ein prägnantes Beispiel ist die Nutzung von KI-basierten Schreibassistenten. Während diese die Effizienz steigern können, besteht die Gefahr, dass die Fähigkeit zur kohärenten Argumentation, zur präzisen Formulierung und zur Entwicklung origineller Ideen ohne diese Hilfsmittel „atrophiert“, also aufgrund mangelnder Nutzung verkümmert. Neurologisch betrachtet bedeutet dies, dass bestimmte kortikale Areale, die für diese Funktionen zuständig sind – etwa der präfrontale Kortex für exekutive Funktionen und Entscheidungsfindung, oder temporo-parietale Bereiche für Sprachproduktion und Verständnis – weniger intensiv beansprucht werden. Die neuronale Aktivität, die für die Konsolidierung von Wissen und die Verfeinerung von Fähigkeiten unerlässlich ist, könnte abnehmen. Dies kann zu einer Reduktion der neuronalen Dichte und Konnektivität in den betroffenen Arealen führen, analog zum Phänomen des "Use It or Lose It", das in anderen Kontexten der Neuroplastizität beobachtet wird. Auswirkungen auf Entscheidungsfindung und kritisches Denken KI-Systeme sind darauf ausgelegt, Daten zu verarbeiten und auf dieser Grundlage Empfehlungen oder sogar Entscheidungen zu treffen. Während dies in vielen Bereichen eine enorme Effizienzsteigerung bedeutet, birgt es die Gefahr, dass menschliche Nutzer ihre eigenen Fähigkeiten zur Datenauswertung, zur Risikoabschätzung und zum kritischen Hinterfragen von Informationen verlieren. Wenn Algorithmen die "Antwort" liefern, besteht weniger Anreiz, konkurrierende Hypothesen zu formulieren, Quellen zu überprüfen oder die Validität von Argumenten zu bewerten. Aus neurologischer Sicht ist der Prozess des kritischen Denkens eng mit komplexen Funktionen des Frontallappens verbunden, einschließlich der Arbeitsgedächtnisfunktion, der Fähigkeit zur Perspektivübernahme und zur Metakognition (dem Denken über das eigene Denken). Eine übermäßige Abhängigkeit von KI könnte diese Funktionen marginalisieren. Die Passivität, die mit dem Konsum von KI-generierten Lösungen einhergeht, könnte zu einer Verringerung der neuronalen Aktivität in diesen Bereichen führen und somit die Fähigkeit zur eigenständigen Problemlösung und zur Entwicklung origineller Strategien schwächen. Langfristig könnte dies zu einer reduzierten kognitiven Flexibilität und einer erhöhten Anfälligkeit für kognitive Verzerrungen führen, da die eigene Fähigkeit zur Fehlererkennung und Korrektur abnimmt. Soziale Kognition und emotionale Intelligenz Ein oft übersehener Aspekt des De-Skilling betrifft die sozialen und emotionalen Kompetenzen. KI-gestützte Kommunikationstools, personalisierte Empfehlungssysteme oder sogar virtuelle Assistenten simulieren menschliche Interaktion und können bestimmte Aspekte der sozialen Kognition – wie Empathie oder das Erkennen emotionaler Zustände – reduzieren. Wenn beispielsweise Dialoge zunehmend über KI-Schnittstellen stattfinden, könnte die Fähigkeit, nonverbale Signale zu interpretieren, Nuancen in der Sprache zu erkennen oder emotionale Reaktionen angemessen zu verarbeiten, beeinträchtigt werden. Die neuronale Basis für soziale Kognition ist komplex und involviert Regionen wie den sog. superioren Gyrus temporalis für die "Theory of Mind", die Amygdala für emotionale Verarbeitung und das Spiegelneuronensystem für Empathie. Eine Verringerung der direkten menschlichen Interaktion zugunsten von KI-vermittelten Erfahrungen könnte die Reifung und Aufrechterhaltung dieser neuronalen Netzwerke beeinträchtigen. Dies könnte zu einer verminderten emotionalen Intelligenz und einer stärkeren sozialen Isolation führen, was wiederum weitreichende Auswirkungen auf das Wohlbefinden und die psychische Gesundheit haben könnte. Prävention und Gegenmaßnahmen: Förderung der "AI Literacy" und hybrider Kompetenzen Die potenziellen neurologischen Konsequenzen des De-Skilling sind alarmierend, aber nicht unvermeidbar. Es ist darum entscheidend, dass wir die Nutzung von KI nicht als Ersatz, sondern als Ergänzung zu menschlichen Fähigkeiten verstehen und gestalten! 1. Förderung der "AI Literacy" : Nutzer müssen verstehen, wie KI-Systeme funktionieren, welche Stärken und Schwächen sie haben und wann ihre Nutzung angemessen ist. Statt blindem Vertrauen ist ein kritisches Verständnis der Algorithmen und ihrer Limitationen notwendig. Dies fördern die Metakognition und die Fähigkeit zur Selbstreflexion in Bezug auf die eigene Abhängigkeit von Technologie. 2. Entwicklung hybrider Kompetenzen : Ziel muss es sein, Fähigkeiten zu entwickeln, die die Stärken von Mensch und Maschine synergetisch nutzen. Das bedeutet, dass Menschen nicht nur lernen sollten, mit KI zu interagieren, sondern auch, die Ergebnisse der KI kritisch zu bewerten, zu hinterfragen und zu verfeinern. Dies erfordert ein aktives Engagement und die kontinuierliche Anwendung eigener kognitiver Fähigkeiten. 3. Bewusste Reflexion und Pausen : Regelmäßige "Digital Detox"-Phasen oder Phasen, in denen Aufgaben bewusst ohne KI-Hilfsmittel erledigt werden, können dazu beitragen, die eigenen Fähigkeiten zu erhalten und zu stärken. Dies erfordert individuelle Disziplin und ein Bewusstsein für die eigene kognitive Resilienz. 4. Bildung und Training : Bildungseinrichtungen müssen Curricula entwickeln, die den kritischen Umgang mit KI lehren und die Entwicklung von Fähigkeiten fördern, die nicht leicht durch KI ersetzt werden können, wie kreatives Denken, komplexe Problemlösung, soziale Interaktion und moralisches Urteilsvermögen. Zusammenfassend lässt sich sagen, dass die neurologischen Konsequenzen des De-Skilling durch KI-Nutzung eine ernstzunehmende Herausforderung darstellen. Sie erfordern eine multidisziplinäre Antwort, die neurologische Erkenntnisse, Bildungsstrategien und bewusste Technologiedesign-Prinzipien miteinander verbindet. Nur so können wir sicherstellen, dass die Fortschritte der KI unser menschliches Potenzial erweitern und nicht unbemerkt „atrophieren“ lassen.
von Heike Gündling • 21. Juni 2018
Bei zahlreichen Gewerbeimmobilien sind Objektgesellschaften mit dem Namen des Objekts im Grundbuch eingetragen. Auch im Falle einer Veräußerung der Immobilie bleibt der Grundbucheintrag unverändert. Der dahinterstehende Gedanke einer autonomen Immobilie schafft nicht nur Transparenz, sondern ist der Schlüssel für eine branchenweite digitale Asset-Management-Plattform. Ihre Wirksamkeit steigt – analog zu Suchmaschinen – mit der Menge der eingespeisten Daten. So bleiben die Angaben rund ums Asset auch bei Eigentümerwechseln mit einem Klick verfügbar. Mögen Sie Transparenz? Konkret: Datentransparenz? In der Immobilienwirtschaft sind Daten ein Schatz, der erst langsam gehoben wird. Ob bei Transaktionen, in der Vermietung oder für den laufenden Betrieb – je mehr Daten durch die Parteien vorliegen, desto effizienter läuft das Geschäft. Mehr noch: Märkte leben von Informationen und Datenaustausch. Wer sie bewusst zurückhält, schadet dem Markt. Ein strikt gefasster Eigentumsbegriff kann zu genau diesem marktschädigenden Verhalten führen. Damit soll kein Plädoyer für eine Enteignungsromantik erfolgen. Aber dass die Immobilie vor Transaktionen alle Einblicke gewähren soll, um nach Vertragsabschluss in die vertraulichen Laufwerke des neuen Eigentümers zu verschwinden, widerspricht den Marktprinzipien. Ein Umdenken ist nötig. Hierbei hilft die Idee der autonomen Immobilie: Anstelle von Unternehmen oder Fonds finden sich schon jetzt als Eigentümer zahlreicher Gewerbeimmobilien Objektgesellschaften in den deutschen Grundbüchern. Diese Gesellschaften tragen häufig die Bezeichnung des Gebäudes und verbleiben auch im Transaktionsfall im Grundbuch – Stichwort Share Deal. Bei einer Veräußerung ändert sich also nur der Eintrag im Handelsregister: vom Gesellschafter A zu Gesellschafter B. Das Grundbuch bleibt unberührt. Im Grundbuch bemüht man sich bereits um etwas Transparenz. Seine für Kaufinteressenten maßgeblichen Angaben können seit einiger Zeit, je nach Ermessen des Bundeslandes, auch in elektronischer Form bereitgestellt werden. Neben den 16 verschiedenen Versionen ist der Zugang zum Grundbuch in einem Paragraphen mit vier Absätzen geregelt. Unkompliziert ist etwas anderes. Die Angaben des Grundbuchs und weitere Informationen können sich ebenso in Web-Plattformen befinden. Dort ist es möglich, analoge Dokumente zu klassifizieren und der jeweiligen Kategorie im digitalen Asset zuzuordnen. Die Effizienz dieser Plattformen steigt – ähnlich wie bei Suchmaschinen – mit der Menge der eingespeisten Daten. Nicht nur für Transaktionen, sondern für das gesamte Asset Management wäre eine branchenweite Plattform ein Quantensprung. In Zukunft wird beim Verkauf einer Immobilie deshalb einfach die Zugriffsberechtigung auf das digitale, „autonome“ Asset an den neuen Eigentümer übergehen, während es unverändert auf der Plattform bleibt. Das Konzept der autonomen Immobilie ist dabei mehr als ein Gedankenkonstrukt. Denn wie jeder Jura-Erstsemestler lernt, gehört auch der Kölner Dom – ja, genau: sich selbst.
von Heike Gündling • 11. Januar 2018
Digitalisierung betriftt jedes Unternehmen, eher früher, als später Weltweit werden in nahezu allen Branchen Geschäftsmodelle mit Hilfe digitaler Technologien weiterentwickelt, sei es evolutionär oder revolutionär (disruptiv). Ganz gleich, ob es sich um Online‐Banking, Shoppinggewohnheiten oder aber die industrielle Fertigung handelt, sämtliche Businessmodelle haben einen zentralen Treiber: den Kunden. Er fordert maßgeschneiderte, individuelle Produkte und Leistungen, die Zeit einsparen, sinnvolle Zusatzfunktionen oder einfach Komfortgewinn bieten. Kunden stellen damit neue Anforderungen an Unternehmen und lösen globale Veränderungsprozesse aus, wodurch sie aktiven Einfluss auf individuelle Prozesse und Arbeitsweisen nehmen wie noch nie zuvor. Dienstleister haben aufgrund der gebotenen Transparenz keine Chance, diesen Forderungen auszuweichen, wenn sie dem Wettbewerb standhalten wollen. Basis dieses Transformationsprozesses bildet die Metamorphose von „Big Data“ zu „Smart Data“, also die Umwandlung unbegrenzter Datenmengen in digitales Know-How. Die (Kommunikations-) Beziehungen zwischen den an der Wertschöpfung beteiligten Partnern unterliegen somit ebenfalls einer umfänglichen Veränderung. Einzelne Marktmechanismen der Branche werden eliminiert bzw. neu definiert, wodurch die Anpassung der Geschäftsmodelle und Strategien von Unternehmen dringend notwendig wird. Insbesondere in reifen Märkten – wie der Immobilienbranche - eröffnet die Digitalisierung damit aber auch zahlreiche neue Spielräume und Chancen zur Differenzierung im Wettbewerb und dies nicht selten einhergehend mit erheblichen Effizienzgewinnen. Die Digitalisierungsstrategie ist somit zentraler Bestandteil der Unternehmensstrategie. Sie kann aber nur dann erfolgreich sein, wenn sie absolut kongruent zur Unternehmenskultur und den dort verankerten Werten entwickelt wird. Wenn diese Voraussetzungen erfüllt werden, verliert die digitale „Revolution“ auch ihren bedrohlichen Charakter. Denn häufig muss das vorhandene Geschäftsmodell nicht vollständig über Bord geworfen werden, oftmals ist es hinreichend und auch ratsam, vorhandene Bestandteile evolutionär zu digitalisieren. Die bestehenden Prozesse werden schlanker und damit kostengünstiger, schneller und in höherer Qualität verfügbar gemacht und Kunden erfahren einen zusätzlichen Leistungsnutzen. Was muss getan werden? Zunächst muss daher der „digitale Reifegrad“ des Unternehmens ermittelt werden. Dies erfordert eine Standortbestimmung des Unternehmens im Marktvergleich, also eine exakte Klärung, in welchem Umfang und insbesondere in welcher Geschwindigkeit sich im jeweiligen Marktsegment tatsächlich ein Wettbewerbsvorteil erreichen lässt und v.a. inwieweit Kunden hierdurch einen weiteren Nutzen erfahren. Ist diese Ausgangsposition eindeutig definiert, kann die Zielentwicklung relativ schnell abgeleitet und in eine Strategie überführt werden. Vorhandene und etwaig benötigte Ressourcen werden auf die relevanten Erfolgsfaktoren ausgerichtet und nicht in redundanten Abläufen verschwendet. Wie kann das passieren? Bei der Analyse des bestehenden, sowie bei der Bestimmung des intendierten digitalen Reifegrades sollten bereits in einem frühen Stadium Mitarbeiter unterschiedlicher Verantwortungsbereiche an Bord geholt werden. Agile Managementmethoden wie beispielsweise Design Thinking und Scrum stellen dabei hilfreiche Tools zur Seite. Die Interdisziplinarität, sowie das Eliminieren hierarchischer Betrachtungen, gewährleisten dabei einerseits einen umfänglichen und damit kreativeren Blick auf die erforderlichen Innovationen und sensibilisieren andererseits für die notwendigen Veränderungen, denen sich die Organisation stellen muss. Change Management beginnt damit bereits vor und nicht erst nach der Transformationsentscheidung. Nicht unerheblich für den Transformationsprozess sind selbstverständlich ebenso die Höhe der erforderlichen Investitionen, die möglichen Kombinationen unterschiedlicher Digitalitätsgrade des jeweiligen Prozesses bzw. Leistungsbestandteils und deren zeitliche Priorisierung. Sowohl diese Festlegungen, als auch die Realisierung, erfolgen idealerweise interdisziplinär und durch die Einbindung interner und externer Fachkräfte. Der zielführende Einsatz digitaler Techniken erfordert in verschiedener Hinsicht neue Denklogiken, die sich zumeist grundlegend von jenen herkömmlicher IT‐Projekte unterscheiden. Nicht zuletzt deshalb ist es ratsam, Mitarbeiter wirklich ins Boot zu holen, ihnen die obligaten Veränderungsschritte transparent zu machen und über diese Vorgehensweise sowohl mögliche mentale wie emotionale Barrieren gar nicht erst aufkommen zu lassen. Unternehmen, die diesen „Aufwand“ scheuen, werden erleben müssen, dass sich ihr (Markt-)Umfeld sukzessive und ohne Vorankündigung verändern wird und dies nicht nur vorübergehend, sondern mit nachhaltiger Wirkung. Abgesehen von seiner existentiellen Notwendigkeit, ist der innovative Wandel ein äußerst kreativer und dadurch hochspannender Prozess, der – auch weil er manchmal ungeahnte Potentiale bei einzelnen Beteiligten zutage fördert – den Teamgeist beflügelt und schließlich einfach allen Spaß macht. Um die Digitalisierungsstrategie zu einer überzeugenden Erfolgsstory zu entwickeln, gilt es daher, diese v.a. auch „nach innen“ richtig zu positionieren und damit die Erkenntnis: Change = Chance als einen zentralen Bestandteil der Unternehmenskultur zu verankern. Carpe diem!