Arbeitsabläufe, Agenten und ausführende Systeme: Was sich sinnvoll vereinfachen oder automatisieren lässt und wo Kontrolle nötig bleibt.
Microsoft bringt Copilot Managed Runtime in die Public Preview. KI-erzeugte Anwendungen sollen damit innerhalb des Microsoft-365-Tenants mit Identität, Governance und Admin-Sicht betrieben werden.
Vollständigen Artikel lesen →AWS führt mit CloudWatch Omni Anwendungs-, Infrastruktur- und Agenten-Telemetrie zusammen. Der praktische Punkt: produktive KI-Agenten brauchen nachvollziehbaren Betrieb, nicht nur gute Prompts.
Vollständigen Artikel lesen →Eine IW-Beschäftigtenbefragung zeigt eine große Lücke zwischen offizieller Tool-Landschaft und tatsächlicher KI-Nutzung. Verbote allein lösen das Problem nicht – Unternehmen brauchen einen brauchbaren freigegebenen Weg.
Vollständigen Artikel lesen →OpenAI schlägt vor, KI-Nutzung stärker mit Geschäftsergebnissen zu verbinden. Für Unternehmen ist das ein nützlicher Anlass, von Seats und Prompts auf Durchlaufzeit, Qualität und Nacharbeit umzusteigen.
Vollständigen Artikel lesen →OpenAI testet in den USA gesponserte Unternehmensagenten nach einem Anzeigenklick. Für Vertrieb und Marketing verschiebt sich der Funnel damit vom statischen Klick zu einer kontrollierten Unterhaltung.
Vollständigen Artikel lesen →Googles AI & Economy ATLAS wertet Millionen anonymisierte KI-Interaktionen nach Ländern, Berufen und Aufgaben aus. Die praktische Lehre: Unternehmen sollten KI nicht allgemein, sondern je Rolle und Tätigkeit messen.
Vollständigen Artikel lesen →Bitkom meldet erstmals eine KI-Nutzungsmehrheit bei Unternehmen ab 20 Beschäftigten. Gleichzeitig sehen sich neun von zehn Unternehmen noch am Anfang – ein wichtiger Unterschied zwischen Verbreitung und belastbarem Betrieb.
Vollständigen Artikel lesen →Welche KI-Assistenten laufen, welche Daten sehen sie, was dürfen sie – und wer hat das freigegeben? Mit der Excel-Vorlage entsteht in 30 Minuten ein belastbarer Ist-Stand mit Verantwortung, Grenzen und nächsten Schritten.
Vollständigen Artikel lesen →Sobald Unternehmen mehrere KI-Assistenten nutzen, fehlt oft die Übersicht: Was existiert, wer ist zuständig und was wurde geprüft? AWS bringt dafür einen zentralen Agentenkatalog mit Freigabe- und Auditfunktionen.
Vollständigen Artikel lesen →AWS lässt Coding-Agenten Lambda-Funktionen und verbundene Ressourcen diagnostizieren. Das kann die Fehlersuche beschleunigen – ist aber zunächst Diagnose, nicht automatisch autonome Reparatur. Rechte für Lesen und Ändern sollten getrennt werden.
Vollständigen Artikel lesen →Microsoft zeigt, dass die Auswahl des Modellkontexts einen großen Teil der Agentenkosten und Antwortqualität beeinflussen kann. Unternehmen sollten Quellen, effektive Berechtigungen und Kosten pro Ergebnis gezielt steuern.
Vollständigen Artikel lesen →OpenAI zeigt, wie AI-native Unternehmen Agenten in Onboarding, Account Management und Integrationen einsetzen. Der übertragbare Lernpunkt ist nicht die Toolwahl, sondern die Wiederholbarkeit guter Abläufe.
Vollständigen Artikel lesen →OpenAI-Daten zeigen: Fortgeschrittene Unternehmen nutzen deutlich mehr KI-Ausgabe pro aktivem Nutzer. Das ist kein Produktivitätsbeweis – aber ein Hinweis auf tiefere Delegation. Entscheidend ist, ob daraus messbar bessere Arbeit entsteht.
Vollständigen Artikel lesen →Anthropic führt Inference Hooks für Enterprise ein. Prompts, bestimmte Tool-Ergebnisse und Dateitexte können vor der Verarbeitung durch Claude geprüft und erlaubt oder blockiert werden. Für spätere Aktionen eines Agenten braucht es weiterhin eigene Rechte- und Freigaberegeln.
Vollständigen Artikel lesen →OpenAI Presence richtet sich an produktive Voice- und Chat-Agenten. Im echten Betrieb reicht Antwortqualität nicht mehr: Unternehmen müssen Rechte, Übergaben, Fehler und laufende Qualität messen.
Vollständigen Artikel lesen →OpenAI beschreibt, wie Unternehmen Investitionen in agentische KI steuern sollen. Entscheidend werden Ergebnis, Governance und wiederholbare Workflows statt reine Modellkosten.
Vollständigen Artikel lesen →ChatGPT Work kann über Apps und Dateien hinweg recherchieren, analysieren und Arbeitsergebnisse erstellen. Der praktische Nutzen entsteht vor allem bei Aufgaben mit digitalen Eingaben, klarem Ergebnis und überprüfbaren Zwischenschritten.
Vollständigen Artikel lesen →Agenten bearbeiten nicht nur einzelne Fragen, sondern delegierte Aufgaben. Für Unternehmen ist deshalb entscheidend zu erkennen, welche Arbeit überhaupt sauber delegierbar ist.
Vollständigen Artikel lesen →OpenAI übernimmt Ona und baut sichere Cloud-Ausführung für langlaufende Agenten aus. Sobald KI über Stunden oder Tage arbeitet, werden Zwischenstände, Abbruchregeln und menschliche Übergaben wichtiger als ein guter Einzelprompt.
Vollständigen Artikel lesen →OpenAI macht Workspace-Agenten für Business, Enterprise und Edu verfügbar. Der größere Hebel liegt darin, gute Teamabläufe einmal sauber zu definieren – statt jeden Mitarbeitenden individuell prompten zu lassen.
Vollständigen Artikel lesen →OpenAI und PwC entwickeln Agenten für Planung, Beschaffung, Zahlungen, Treasury, Steuern und Abschluss. Die praktische Lehre: KI-Piloten sollten an einem messbaren End-to-End-Prozess statt an einer losen Funktion beginnen.
Vollständigen Artikel lesen →OpenAI erweitert Codex um Computersteuerung, Apps und wiederkehrende Aufgaben. Damit kann KI bestehende Oberflächen bedienen – nützlich bei fehlenden Schnittstellen, aber meist störanfälliger als eine stabile API und deshalb besonders prüfbedürftig.
Vollständigen Artikel lesen →OpenAI berichtet von stark wachsender Enterprise-Nutzung. Der entscheidende Unterschied liegt zunehmend darin, ob Unternehmen nur einzelne Aufgaben beschleunigen oder ganze Arbeitsabläufe sauber neu organisieren.
Vollständigen Artikel lesen →OpenAI macht wiederverwendbare Plugins in Codex verfügbar. Der praktische Wert liegt nicht im Plugin selbst, sondern darin, einen guten Ablauf einmal zu definieren und anschließend kontrolliert wiederzuverwenden.
Vollständigen Artikel lesen →Anthropic investiert in ein weltweites Partnernetzwerk für Claude. Für Unternehmen ist daran vor allem relevant, dass produktive KI Integration, Prozesswissen und praktische Umsetzungserfahrung zusammenbringen muss.
Vollständigen Artikel lesen →