Beiträge 21–39 von 39 · 12.03.2026 – 14.09.2026
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.
Welche KI-Assistenten laufen, welche Daten sehen sie, was dürfen sie – und wer hat das freigegeben? Ein dokumentierter 30-Minuten-Check schafft einen belastbaren Ist-Stand mit Verantwortung, Grenzen und nächsten Schritten.
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.
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.
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.
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.
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.
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.
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.
OpenAI beschreibt, wie Unternehmen Investitionen in agentische KI steuern sollen. Entscheidend werden Ergebnis, Governance und wiederholbare Workflows statt reine Modellkosten.
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.
Agenten bearbeiten nicht nur einzelne Fragen, sondern delegierte Aufgaben. Für Unternehmen ist deshalb entscheidend zu erkennen, welche Arbeit überhaupt sauber delegierbar ist.
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.
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.
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.
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.
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.
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.
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.