Erinnern Sie sich noch an Copy-paste?
Vor zwei Jahren sah Arbeiten mit KI in vielen Büros so aus. Ein Tab mit ChatGPT, daneben Outlook. Man tippte die Frage, wartete, markierte die Antwort, kopierte sie, wechselte das Fenster, fügte sie in die Mail ein und besserte von Hand nach, weil das Modell den Kunden ja nicht kannte. Dasselbe Spiel mit Copilot im Word-Dokument. Markieren, kopieren, einfügen, anpassen.
Heute lächeln wir darüber. Der Mensch war die Brücke zwischen zwei Systemen, die nichts voneinander wussten. Er trug die Information mit der Hand von einem Fenster ins andere und war dabei der langsamste Teil der Kette. Niemand würde diesen Ablauf heute noch ernsthaft als „mit KI arbeiten" verkaufen.
Und trotzdem baut die halbe Branche gerade die nächste Version genau dieses Fehlers.
Was an Copy-paste eigentlich falsch war
Das Lästige war nie das Kopieren selbst. Das Lästige war, was es verriet. Das Modell saß in seinem Kasten und sah nur, was ihm jemand von Hand vorlegte. Es kannte den Kunden nicht, den Vertrag nicht, die letzten drei Mails nicht. Es konnte gut formulieren, aber es konnte nicht mitdenken, weil ihm der Kontext fehlte und ein Mensch ihn mühsam nachreichen musste.
Die ganze Energie floss in die Überbrückung dieser Lücke. Antwort holen, Antwort tragen, Antwort flicken. Der eigentliche Wert, dass eine Maschine über alle relevanten Informationen gleichzeitig nachdenkt, kam nie zustande. Man hatte ein fähiges Modell und behandelte es wie einen Praktikanten, dem man jeden Zettel einzeln hinlegt.
Warum gebaute KI-Agenten derselbe Zwischenschritt sind
Jetzt kommt der Teil, der wehtut. Ein aufwändig gebauter KI-Agent, der fest an ein einzelnes System verdrahtet ist, macht im Kern dasselbe. Er automatisiert das Tragen der Zettel.
Der Agent sitzt auf dem CRM und darf nur das CRM sehen. Oder er hängt am Ticketsystem und kennt nur Tickets. Man hat das Copy-paste durch eine Pipeline ersetzt, schön, aber an der Grundlage hat sich nichts geändert. Das Modell sieht weiter nur einen Ausschnitt der Wirklichkeit, diesmal eben automatisch statt von Hand. Die Brücke ist jetzt aus Code statt aus einem Menschen mit Maus, doch sie überbrückt immer noch dieselbe Lücke, statt sie zu schließen.
In zwei Jahren werden wir auf diese hand-verdrahteten Agenten genauso zurückblicken wie heute auf den Outlook-Tab neben ChatGPT. Als auf einen Zwischenschritt, der nötig schien, solange die Werkzeuge fehlten, und der überflüssig wurde, sobald das Modell direkt an den Kontext durfte.
Was sich seit der Copy-paste-Ära verändert hat
Zwei Dinge sind passiert, und beide werden unterschätzt.
Erstens sind die Modelle so stark geworden, dass der Engpass nicht mehr in ihrer Fähigkeit liegt. Ein gutes Modell formuliert nicht nur, es plant, zerlegt, prüft und verbindet. Es braucht keine Bedienungsanleitung für jede einzelne Aufgabe mehr. Es braucht den Kontext und den Zugang.
Zweitens gibt es diesen Zugang inzwischen sauber. Ein Modell kann heute über offene Schnittstellen direkt an Daten, Werkzeuge und Systeme heran, kontrolliert und nachvollziehbar, ohne dass man für jeden Handgriff eine eigene starre Automatisierung schweißt. Damit verschiebt sich die Arbeit. Sie liegt nicht mehr darin, dem Modell mühsam einen Korridor zu einem System zu bauen. Sie liegt darin, ihm einen geordneten Blick auf das Ganze zu geben.
Genau hier knüpft der Gedanke an, den ich im Beitrag Ihr Unternehmen braucht keine KI-Mitarbeiter ausgeführt habe. Der Wert liegt nicht im personifizierten Agenten, der in seinem Silo sitzt. Er liegt in den Daten und im Zugang dazu. Wer 2026 noch Agenten baut, die genau ein Silo bedienen, automatisiert die Brücke, statt das Ufer zu verbinden.
Wo der Vergleich aufhört
Damit das nicht als Pauschalurteil stehen bleibt. Es gibt Aufgaben, für die ein klar umrissener, automatisiert laufender Ablauf goldrichtig ist. Eine wiederkehrende Auswertung. Eine Vorprüfung eingehender Belege. Ein definierter Schritt, der jeden Tag gleich abläuft. Solche aufgabenscharfen Bausteine sind kein Rückschritt, sondern gute Ingenieursarbeit, und ich baue sie selbst. Wie sinnvoll dieser schmale Zuschnitt ist, habe ich unter KI-Skills statt SaaS beschrieben.
Der Unterschied liegt im Anspruch und im Zuschnitt. Ein schlanker Skill nutzt ein fähiges Modell und gibt ihm für eine klar definierte Aufgabe genau den Kontext, den sie braucht. Der überholte „KI-Agent" dagegen verspricht den mitdenkenden Kollegen und sperrt ihn dann in ein einzelnes System, in dem er gar nicht mitdenken kann. Das eine ist ein Werkzeug mit ehrlichem Rahmen. Das andere ist Copy-paste mit mehr Aufwand.
Was stattdessen zählt
Wenn das Modell stark ist und der Zugang sauber möglich, dann ist die richtige Frage nicht mehr „Welchen Agenten bauen wir als Nächstes". Die richtige Frage lautet, wie Ihr Wissen so geordnet und zugänglich wird, dass ein fähiges Modell breit darauf zugreifen kann, mit klaren Regeln darüber, was wann sichtbar ist.
Das ist weniger spektakulär als ein Agent mit Namen und Avatar. Es ist aber der Schritt, der die Copy-paste-Logik wirklich verlässt, statt sie nur zu verkleiden.
Einen ehrlichen Blick darauf, wo Ihre Daten heute auseinanderfallen und wo Sie das gerade Tempo und Geld kostet, gibt ein Digital-Realitäts-Check. Steht fest, an welcher Stelle der Zugang zuerst zusammengeführt gehört, zeigt der KI-Sprint, wie daraus in wenigen Wochen ein belastbares Ergebnis wird. Und wie das in eine größere Linie passt, lesen Sie bei der AI-Impact-Methode.
Antworten von Hand ins Mailprogramm kopieren war der erste Zwischenschritt. Agenten an ein einzelnes Silo verdrahten ist der zweite. Beide enden an derselben Stelle, sobald das Modell direkt an den Kontext darf.