Drei verschiedene Dinge. Ein einziges Wort im Katalog.

Reihe «KI verstehen», Notiz 3 von 12. Die ersten beiden erklärten, was künstliche Intelligenz ist und wie ein Sprachmodell im Innern arbeitet. Diese verlässt die Maschine und betritt den Sitzungsraum.

Dienstag, 9.30 Uhr, der grosse Sitzungsraum eines Logistikunternehmens in Zürich. Drei Anbieter, drei Präsentationen, dasselbe Wort auf allen drei Titelfolien. Der erste zeigt ein System, das Bestellungen aus den Mails liest und ins Verwaltungsprogramm einträgt. Der zweite einen «Roboter», der Daten von einem Bildschirm auf den anderen kopiert, ohne dass jemand die Maus berührt. Der dritte einen «Agenten», der den Kundinnen und Kunden allein antwortet. Alle drei sagen künstliche Intelligenz. Alle drei kosten mehr als der neue Lastwagen. Und die Inhaberin, die seit dreissig Jahren einen guten Transporteur in fünf Minuten von einem schlechten unterscheidet, merkt, dass sie nicht weiss, wo sie mit dem Vergleichen anfangen soll.

Die Szene ist fiktiv. Die Verwirrung nicht. Sie entsteht, weil drei Technologien mit sechzig Jahren Abstand in dasselbe Wort gepresst wurden, und weil es dem, der verkauft, so recht ist. In dieser Notiz gebe ich Ihnen die drei Definitionen, ein Bild, damit Sie sie nicht vergessen, ein Kriterium, um zu wissen, welche Sie im jeweiligen Fall brauchen, und die sieben Fragen, mit denen ich eine Präsentation in einer halben Stunde zerlege. Wenn Ihnen danach jemand sagt «das ist KI», wissen Sie genau, was man Ihnen sagt. Und was nicht.

Software folgt Regeln. Der Prozessroboter ahmt Hände nach. Das Modell sagt voraus. Alle drei automatisieren, aber nur eines davon kann sich mit Eleganz irren.

Erstens: Software, oder die geschriebenen Regeln.

Ein klassisches Programm ist ein Rezept. Jemand hat Schritt für Schritt aufgeschrieben, was mit jedem Datum zu tun ist: Übersteigt die Rechnung 10’000 Franken, verlange eine zweite Unterschrift; sitzt der Kunde in Italien, wende diese Steuer an; ist das Feld leer, zeige einen Fehler. Jede Regel hat sich eine Person ausgedacht und eine andere, oder dieselbe, geschrieben. Das Programm versteht nichts. Es führt aus.

Das hat eine grosse Tugend, die wir meist für selbstverständlich halten: Es ist deterministisch. Mit denselben Eingaben erzeugt es immer dieselbe Ausgabe. Wenn es scheitert, scheitert es immer gleich, und jemand kann die Regel lesen und korrigieren. Ihre Buchhaltungssoftware, Ihr Reservationssystem und die Tabelle, mit der Sie die Margen berechnen, sind Software in diesem Sinn. Sie automatisieren seit Jahrzehnten, und gut. Das meiste, was ein Unternehmen automatisieren muss, ist auch 2026 noch Software von immer. Das sollte man sich vor der zweiten Präsentation in Erinnerung rufen.

Ihre Grenze ist ebenso klar. Sie tut nur, was jemand als Regel aufschreiben konnte. Und es gibt Dinge, die niemand als Regel aufschreiben kann: erkennen, dass eine Mail eine Reklamation ist, obwohl das Wort Reklamation nicht vorkommt; einen Vertrag zusammenfassen; entscheiden, welche Bestellung dringend ist, indem man den Ton des Kunden liest. Dort bleibt die klassische Software stehen.

Zweitens: die robotergestützte Prozessautomatisierung, oder die Hände, die nachahmen.

Ende der 2000er-Jahre tauchte eine einfache und sehr einträgliche Idee auf. Viele Unternehmen haben Programme, die nicht miteinander reden: Das Bestellsystem ist nicht mit der Fakturierung verbunden, die Bank nicht mit der Buchhaltung. Jemand kopiert jeden Morgen Daten von einem Bildschirm auf den anderen. Was, wenn ein Programm diese Person nachahmen würde? Es öffnet die Anwendung, klickt, wo sie klickt, kopiert, was sie kopiert, fügt ein, wo sie einfügt. Das nannte man robotergestützte Prozessautomatisierung, kurz RPA. Der «Roboter» ist keine Maschine: Er ist ein Programm, das die Maus bewegt und tippt.

IBM definiert sie mit einer Unterscheidung, die in einer Sitzung Gold wert ist. RPA ist prozessgesteuert: Sie folgt vordefinierten Abläufen, Schritt für Schritt, und arbeitet mit strukturierten Daten, die bereits in Feldern und Spalten stehen. Künstliche Intelligenz ist datengesteuert: Sie lernt Muster und kann mit unstrukturierten Daten arbeiten, etwa Freitext, Bildern oder Sprache. Sie ergänzen einander, sagt IBM, und das stimmt. Aber sie sind nicht dasselbe, und ein Prozessroboter ist im Grunde klassische Software mit einer anderen Oberfläche: so deterministisch und so blind wie jedes Rezept.

Das Bild, das ich verwende, ist eine Küche. Die Software ist das Rezept. Der Prozessroboter ist ein Gehilfe, der das Rezept buchstabengetreu befolgt, die Schubladen öffnet und die Knöpfe des Ofens drückt, aber die Sauce nicht abschmeckt. Er ist sehr nützlich, solange sich die Küche nicht verändert: Verschiebt jemand die Messerschublade, öffnet der Gehilfe die leere Luft. Darum gehen RPA-Projekte jedes Mal kaputt, wenn ein Anbieter das Layout eines Bildschirms ändert. Hat man Ihnen einen Roboter verkauft, der sich an Bildschirmänderungen «anpasst», fragen Sie wie. Die Antwort lautet fast immer: mit einer Person, die ihn repariert.

Drittens: die künstliche Intelligenz, oder die Köchin, die die Sauce abschmeckt.

Die dritte Technologie ist die, die wir in den beiden vorherigen Notizen erklärt haben. Ein mit riesigen Mengen von Beispielen trainiertes Modell, das, statt geschriebenen Regeln zu folgen, vorhersagt: das nächste Wort, die Kategorie einer Mail, den Inhalt eines Feldes aus einem gescannten PDF. Niemand hat ihm die Regel «das ist eine Reklamation» geschrieben. Es hat Millionen Reklamationen gesehen und erkennt eine neue, auch wenn sie mit Schweizer Höflichkeit formuliert ist.

In der Küche ist es die Köchin. Sie schmeckt die Sauce ab, merkt, dass Salz fehlt, und korrigiert. Sie kann mit dem improvisieren, was im Kühlschrank ist. Und sie kann sich irren: Zucker mit Salz verwechseln, mit derselben Sicherheit, mit der sie sonst richtig liegt. Das ist der entscheidende Unterschied zu den beiden anderen Technologien und der Grund für diese ganze Reihe. Software und Roboter scheitern vorhersehbar. Das Modell scheitert plausibel. Eine schlecht geschriebene Regel erzeugt einen sichtbaren Fehler; ein schlecht konfiguriertes Modell erzeugt eine Antwort, die richtig aussieht.

Daraus ergibt sich die Frage, die mir in Sitzungen am meisten gebracht hat und die ich Ihnen schenke: «Wenn ich es zweimal mit denselben Daten laufen lasse, kommt genau dasselbe heraus?» Lautet die Antwort Ja, verkauft man Ihnen Software oder einen Prozessroboter, so laut die Titelfolie auch KI sagt. Lautet die Antwort «fast», verkauft man Ihnen ein Modell, und von diesem Moment an müssen alle weiteren Fragen davon handeln, wie dieses «fast» gemessen und kontrolliert wird.

Welche Sie brauchen, und wann.

Es ist kein Wettbewerb. Fast alle guten Projekte, die ich gesehen habe, kombinieren alle drei, und der übliche Fehler ist, ein Modell dorthin zu setzen, wo eine Regel genügt hätte, oder eine Regel dorthin, wo ein Modell nötig war. Mein Kriterium passt in eine gedankliche Tabelle mit zwei Fragen: Sind die Regeln klar? Und sind die Daten geordnet?

• Klare Regeln, geordnete Daten. Software. Eine Formel, eine Prüfung, ein Freigabeablauf. Sie ist am billigsten, am zuverlässigsten und braucht am wenigsten Aufsicht. Beispiel: melden, wenn eine Rechnung 30 Tage überfällig ist.
• Klare Regeln, geordnete Daten, Programme, die nicht miteinander reden. Prozessroboter, bis die echte Verbindung gebaut ist. Beispiel: jeden Morgen die Bankbewegungen ins Buchhaltungsprogramm übertragen. Wissen Sie, dass das eine Krücke ist, keine Lösung, und dass sie bei der nächsten Bildschirmänderung bricht.
• Unscharfe Regeln oder unstrukturierte Daten. KI-Modell. Beispiel: die Mails lesen, die an info@ kommen, entscheiden, worum es geht, die Bestellung herausziehen und eine Antwort vorschlagen. Hier gibt es tatsächlich etwas, das keine Regel konnte.
• Urteil mit Folgen. Ein Modell, das vorschlägt, und eine Person, die entscheidet. Beispiel: Reklamationen nach Schwere sortieren. Die Maschine ordnet den Posteingang; die Entscheidung über eine Entschädigung unterschreibt jemand.

Beachten Sie, dass das Modell in den beiden letzten Fällen selten allein arbeitet. Normalerweise liest es etwas Unordentliches, verwandelt es in geordnete Daten und übergibt sie der Software von immer, die von dort an die Regeln anwendet. Die KI ordnet; die Software führt aus; der Roboter bewegt, wenn nötig, die Maus. Wenn Ihnen ein Anbieter ein System zeigt, bitten Sie ihn, Ihnen im Diagramm zu zeigen, wo jedes der drei Teile sitzt. Weiss er es nicht, hat er es nicht gebaut.

Das abgenutzteste Wort im Katalog: Agent.

Bleibt das vierte Wort, das aus der dritten Präsentation. 2026 heisst fast alles Agent. Man sollte wissen, woher es kommt und wie viel dahintersteckt.

Anthropic veröffentlichte im Dezember 2024 einen technischen Leitfaden für diejenigen, die solche Systeme bauen, und zieht darin eine Linie, die Ihnen nützen wird: Ein Workflow ist ein System, in dem Modell und Werkzeuge auf vorab im Code definierten Pfaden orchestriert werden; ein Agent ist ein System, in dem das Modell selbst entscheidet, welche Schritte es macht und welche Werkzeuge es nutzt, um eine Aufgabe zu erfüllen. Derselbe Leitfaden gibt zwei Ratschläge, die ein Verkäufer selten wiederholt: Suchen Sie immer die einfachstmögliche Lösung, und setzen Sie Agenten nur für offene Probleme ein, bei denen sich die Zahl der Schritte nicht vorhersagen lässt. Für fast alles andere, heisst es, genügt ein einziger, gut gemachter Aufruf des Modells. Dieser Unterscheidung widme ich die Notiz 5.

Der Markt ist einen anderen Weg gegangen. Am 25. Juni 2025 veröffentlichte Gartner eine Prognose, die in jeder Einkaufsabteilung hängen sollte: Mehr als 40 Prozent der Projekte mit KI-Agenten werden bis Ende 2027 abgebrochen, wegen steigender Kosten, unklaren Nutzens oder unzureichender Risikokontrollen. In derselben Mitteilung prägte Gartner den Begriff «Agent Washing» für die Praxis, Produkte als Agenten umzutaufen, die keine sind: Assistenten, Prozessroboter, klassische Automati­sierungen mit einer neuen Schicht Farbe. Gartner schätzte, dass unter den Tausenden Anbietern, die angaben, Agenten zu verkaufen, nur rund 130 echte waren. Und in einer Umfrage unter 3412 Führungskräften hatten 19 Prozent bedeutende Investitionen in Agenten getätigt, 42 Prozent vorsichtige, 8 Prozent keine, und 31 Prozent warteten ab.

Ich erzähle Ihnen das nicht, damit Sie keine Agenten kaufen. Ich erkläre sie Ihnen, und zwar gründlich, in zwei Notizen. Ich erzähle es Ihnen, damit Sie, wenn Sie das Wort hören, die Frage von vorhin stellen: Entscheidet das Modell die Schritte, oder hat sie ein Programmierer entschieden? Meistens hat sie ein Programmierer entschieden, und das ist eine gute Nachricht, denn es ist billiger, vorhersehbarer und leichter zu kontrollieren. Eine schlechte Nachricht ist es nur, wenn Sie es zum Preis von etwas anderem bezahlt haben.

Sieben Fragen für eine halbe Stunde.

Ich stelle sie in dieser Reihenfolge, und die Qualität der Antworten sagt mir mehr als die Vorführung.

• Wenn ich es zweimal mit denselben Daten laufen lasse, kommt dasselbe heraus? Trennt Software vom Modell. Sie kommt zuerst, weil sie alle anderen verändert.
• Welcher Teil ist Modell, welcher Regel und welcher Roboter? Lassen Sie es sich in einem Diagramm zeigen. Wer es gebaut hat, weiss es auswendig.
• Welches Modell, von wem und in welcher Version? Lautet die Antwort «unsere eigene KI-Engine», haken Sie nach. 2026 trainiert fast niemand ein eigenes Modell; fast alle nutzen das eines grossen Anbieters. Das ist legitim, aber es verändert, wer Preis und Änderungen kontrolliert.
• Mit welchen fünfzig Fällen von mir messen wir es? Nicht mit seinen. Mit fünfzig echten Mails, Rechnungen oder Anrufen Ihres Unternehmens, mit bekannter richtiger Antwort. Geht das nicht, lässt es sich nicht bewerten.
• Was passiert, wenn es etwas nicht weiss? Die gute Antwort: Es sagt es und übergibt an eine Person. Die schlechte: Es antwortet immer.
• Was geht kaputt, wenn sich etwas ändert? Ein Bildschirm, ein Rechnungsformat, die Version des Modells. Wer repariert es, in welcher Zeit und zu welchem Preis.
• Wohin gehen meine Daten? Zu welchem Anbieter, in welches Land, ob sie zum Trainieren verwendet werden und wie sie gelöscht werden. Wir behandeln das in Ruhe in der Notiz über Daten und Recht, aber die Frage wird in der ersten Sitzung gestellt.

1. Diese Woche, 30 Minuten

   Machen Sie Inventar der drei Teile

   Listen Sie die Programme auf, die Sie schon haben, und markieren Sie jedes: Rezept, Gehilfe oder Köchin. Sie werden feststellen, dass fast alles Rezept ist, und dass es funktioniert.

2. Bei der nächsten Präsentation

   Stellen Sie die Frage der zwei Durchläufe

   Bevor Sie die Vorführung sehen. Beobachten Sie, ob der Verkäufer sie auf Anhieb versteht.

3. Bevor Sie einen Preis verlangen

   Verlangen Sie das Diagramm mit den drei markierten Teilen

   Und die Auskunft, wessen Modell es ist und welche Version. Bewahren Sie die Antwort schriftlich auf.

4. Vor der Unterschrift

   Bereiten Sie Ihre fünfzig Fälle vor

   Echte, mit der richtigen Antwort daneben. Das ist Ihre goldene Liste, und sie taugt dazu, alle drei Anbieter mit demselben Massstab zu messen.

Wie ich es angehe.

In meinen Projekten wird in der ersten Woche kein Code geschrieben: Es wird das Diagramm mit den drei Teilen gezeichnet. Fast immer gibt es mehr Rezept, als der Kunde erwartet hat, und weniger Modell, als man ihm verkauft hatte. Das Modell bleibt dem vorbehalten, was keine Regel kann, es wird vor dem Einschalten mit den fünfzig Fällen gemessen und bekommt die Erlaubnis, «ich weiss es nicht» zu sagen. Der Rest ist Software, und Software braucht, wenn sie gut gemacht ist, keinen Beinamen.

Denken Sie vor der nächsten Notiz an das letzte «KI»-Angebot, das auf Ihrem Tisch gelandet ist. Streichen Sie in Gedanken dieses Wort und fragen Sie sich, was übrig bleibt: eine Regel, die man aufschreiben könnte, ein Roboter, der Klicks nachahmt, oder ein Modell, das wirklich etwas verstehen muss?

Wenn Sie nicht wissen, in welches der drei Felder es fällt, ist das kein Mangel Ihrerseits. Es ist genau die Frage, die das Angebot für Sie hätte beantworten müssen. Und vielleicht lohnt es sich zu fragen, warum es das nicht getan hat.

Nächste Notiz: die Landkarte. Was ein Sprachmodell heute in einem Unternehmen kann, Abteilung für Abteilung, mit dem, was die Studien wirklich gemessen haben, und dem, was noch Versprechen ist.