Dein Unternehmen ist für die eigenen Agenten unlesbar

Setz den fähigsten Agenten, den es für Geld gibt, in ein typisches Unternehmen, und sieh nach, was er tatsächlich erreichen kann. Die Preislogik lebt in einer Tabelle namens final_v7. Der Grund, warum der größte Kunde fast gekündigt hätte, steckt in einer Gesprächsaufzeichnung, die nie jemand transkribiert hat. Der echte Freigabeprozess existiert an genau einem Ort: im Kopf der Operations-Managerin, die ihn seit neun Jahren fährt. Der Agent kann nichts davon parsen. Handeln wird er trotzdem, auf Basis des Bruchteils, den er lesen kann. Und das Ergebnis wird selbstbewusst und teuer falsch sein. Nicht weil das Modell schwach war. Weil das Unternehmen unlesbar war.

Alles, was wir veröffentlichen, ruht auf einer einzigen Behauptung: Käufer fragen heute zuerst die Maschinen, und die Maschinen empfehlen, was für sie lesbar gemacht wurde. Dieses Argument galt der Außenwelt: dem Web, das deine Marke liest. Dieser Text wendet es vollständig nach innen. Bevor ein KI-Agent auch nur eine Stunde nützliche Arbeit für dich leisten kann, steht er vor demselben Problem wie ein KI-Assistent, den ein Fremder nach deinem Unternehmen fragt: Er muss dich erst lesen. Ein Agent ist Leser, bevor er Arbeiter ist. Jede Handlung beginnt als Akt des Parsens.

Abschnitt EinsDie These, eine Ebene tiefer

Die operative Hälfte dieses Arguments haben wir in unserer Synthese der Harness-Engineering-Literatur geführt: Ein Agent in einem leeren, unbeschriebenen Repository driftet, stockt und erklärt sich für fertig bei Arbeit, die nicht läuft; die Lösung ist nie ein größeres Modell, sondern eine lesbare Umgebung. Jener Text handelte von Codebasen. Der Befund endet nicht bei Codebasen. Auch ein Unternehmen ist eine Umgebung, in die Agenten eingesetzt werden, und die meisten Unternehmen sind in weit schlechterem Zustand als das unordentlichste Repository, weil nie jemand damit gerechnet hat, dass die Organisation selbst einmal geparst werden würde. Das vollständige Argument steht im Harness-Essay; hier führen wir es an sein Ziel.

Betrachte, was ein Unternehmen informationell tatsächlich ist. Entscheidungen, in Meetings getroffen und nie aufgeschrieben. Institutionelles Wissen, verteilt über Chat-Threads ohne Anfang und Ende. Verträge als eingescannte PDFs. Prozesse als Folklore, von Mitarbeiter zu Mitarbeiter weitergegeben wie eine mündliche Überlieferung. Für einen menschlichen Veteranen ist das navigierbar; wer lange genug herumfragt, findet jemanden, der sich erinnert. Für einen Agenten existiert nichts davon. Was er nicht in strukturierter, maschinenlesbarer Form erreichen kann, ist nicht bloß schwer zu finden. Es ist aus seiner Welt abwesend.

Ein Agent in einem unlesbaren Unternehmen ist ein kraftvoller Motor, angeschraubt an einen verschlossenen Aktenschrank.

Abschnitt ZweiJagen ohne Fangen

Die Einsatzwelle ist längst keine Hypothese mehr. Gartner prognostizierte im August 2025, dass 40 Prozent der Unternehmensanwendungen bis Ende 2026 aufgabenspezifische KI-Agenten enthalten werden, gegenüber unter 5 Prozent im Jahr 2025. Das ist eine Prognose, keine Messung, und so behandeln wir sie auch; aber selbst stark abgezinst beschreibt sie eine Technologie, die innerhalb eines einzigen Jahres von der Demo zum Standard wird.

Gartner, Pressemitteilung, „Gartner Predicts 40% of Enterprise Applications Will Feature Task-Specific AI Agents by 2026“, 26. August 2025.

Halt dagegen den Titel, den Forrester für seine Bestandsaufnahme des Feldes gewählt hat: „Companies Are Chasing, Few Are Catching“ (Unternehmen jagen, wenige fangen). Die Diagnose im Inneren deckt sich mit dem Titel, und Forresters Rezept ist genau das, wofür dieser gesamte Artikel argumentiert: erst in Orchestrierung investieren, dann Agenten hinzufügen. Nicht danach. Nicht parallel. Davor. Die Agenten sind der sichtbare Einkauf; die lesbare Umgebung, in der sie laufen, ist die unsichtbare Voraussetzung, und genau der Teil, den die meisten Käufer überspringen.

Forrester, „The State Of Agentic AI In 2026: Companies Are Chasing, Few Are Catching“, 2026.

Zusammen beschreiben die beiden Dokumente eine Kollision. Die Adoption skaliert mit Prognose-Tempo in Umgebungen hinein, die nie lesbar gemacht wurden. Wenn diese Einsätze enttäuschen, wird die Nachbetrachtung das Modell, den Anbieter oder den Hype beschuldigen. Die ehrliche Nachbetrachtung ist meist schlichter: Der Agent sollte auf Wissen reagieren, zu dem er nie Zugang bekam, in Formaten, die er nicht parsen kann, verstreut über Systeme, die nicht miteinander sprechen. Der Fehler war die Lesbarkeit. Er ist es fast immer.

Abschnitt DreiDer Stecker wird zum Standard. Die Verkabelung bleibt an dir.

Wäre interne Lesbarkeit ein Nischenthema, würden die größten Unternehmen der Branche nicht gemeinsam Geld dafür ausgeben. Im November 2024 veröffentlichte Anthropic das Model Context Protocol, einen offenen Standard, der KI-Systeme mit den Orten verbindet, an denen Daten tatsächlich leben. Am 9. Dezember 2025 übergab Anthropic das Protokoll an eine neu gegründete Agentic AI Foundation unter dem Dach der Linux Foundation, deren Platin-Mitglieder sich lesen wie eine Liste von Unternehmen, die sich sonst in fast nichts einig sind: AWS, Anthropic, Block, Bloomberg, Cloudflare, Google, Microsoft und OpenAI.

The Linux Foundation, „Linux Foundation Announces the Formation of the Agentic AI Foundation“, 9. Dezember 2025.

Zum Zeitpunkt der Übergabe zählte das MCP-Projekt selbst mehr als 10.000 aktive MCP-Server, mit Client-Unterstützung in ChatGPT, Gemini, Microsoft Copilot und VS Code. Erbitterte Konkurrenten, ein Steckerstandard, neutrale Verwaltung. Die Branche hat sich auf die Form der Steckdose geeinigt.

Model-Context-Protocol-Projektblog, „MCP joins the Agentic AI Foundation“, 9. Dezember 2025; TechCrunch, „OpenAI, Anthropic, and Block join new Linux Foundation effort to standardize the AI agent era“, 9. Dezember 2025.

Niemand finanziert einen Universalstecker für Häuser, die er nie zu verkabeln gedenkt. Die Konzerne erwarten, dass dein Unternehmen lesbar wird. Offen ist nur, ob du es absichtlich tust oder aus Versehen.

Abschnitt VierDas Organigramm folgt den Daten

Die Strategiehäuser haben begonnen, das Ziel zu zeichnen. McKinsey nennt es die agentische Organisation und beschreibt den Wandel in einem Satz: Mitarbeiter wechseln vom Ausführen von Aufgaben zum Orchestrieren von Ergebnissen: Sie beaufsichtigen KI-Agenten, setzen Ziele und wägen Zielkonflikte ab. Die auffälligste Behauptung des Beratungshauses ist ein Verhältnis: Ein menschliches Team von zwei bis fünf Personen könne bereits eine Agentenfabrik von 50 bis 100 spezialisierten Agenten beaufsichtigen, die einen Ende-zu-Ende-Prozess betreiben.

McKinsey & Company, „The agentic organization: Contours of the next paradigm for the AI era“, 26. September 2025.

a16z kommt von der Investorenseite am selben Ort an. In der Liste „Big Ideas 2026“ benennt Seema Amble die neue Schicht direkt: KI schafft in der Fortune 500 eine neue Orchestrierungsschicht und neue Rollen. Die zugehörige Podcast-Folge fasst die Behauptung in einen Satz: „AI is becoming the orchestration layer inside the enterprise“ (KI wird zur Orchestrierungsschicht im Unternehmen); gemeint ist „kein Chatbot und kein Einzelwerkzeug, sondern ein koordiniertes System von Agenten, das den Arbeitsablauf betreibt und echte Ergebnisse über das gesamte Geschäft liefert“.

a16z, S. Amble, „Big Ideas 2026: Part 2“, 10. Dezember 2025; a16z, „Big Ideas 2026: The Enterprise Orchestration Layer“, Podcast, 23. Dezember 2025.

Beachte, was beide Visionen stillschweigend voraussetzen. Ein Fünferteam kann hundert Agenten nicht beaufsichtigen, indem es deren Fragen einzeln beantwortet; dafür sind schlicht keine Menschen mehr da. Eine Orchestrierungsschicht kann keinen Arbeitsablauf koordinieren, der nur als Folklore existiert. Beide Zukünfte setzen ein Unternehmen voraus, dessen Prozesse, Entscheidungen und Wissen bereits in Formen niedergeschrieben sind, auf die Maschinen reagieren können. Das Organigramm folgt den Daten. Es kann sie nicht anführen.

Abschnitt FünfDie unspektakuläre Voraussetzung

Woraus besteht interne Lesbarkeit also konkret? Fast nichts davon ist KI-Arbeit. Es ist die Arbeit, die jedes Unternehmen ein Jahrzehnt lang aufgeschoben hat, jetzt mit Frist: entscheiden, wo die Wahrheit lebt, und sie dort niederschreiben. Eine Quelle der Wahrheit statt fünf, die sich widersprechen. Entscheidungen, die das Meeting als geschriebene Artefakte verlassen, nicht als Erinnerungen. Verträge und Prozesse als strukturierter Text, nicht als Scans und Folklore. Wissen, das datiert ist, einen Eigentümer hat und ausdrücklich abgelöst wird, damit eine Maschine Aktuelles von Veraltetem unterscheiden kann. Rohrleitungsbau, mit einem Wort. Der Löwenanteil jedes ehrlichen Agenten-Einsatzes ist genau diese Klempnerarbeit, und genau der Teil, der es nie in die Anbieter-Demo schafft.

Als kleines Beweisstück können wir unseren eigenen Betrieb anbieten, denn dieses Studio läuft auf einer Agenten-Belegschaft und dokumentiert sich selbst als eigene Fallstudie. Die Regel, die es am Laufen hält, ist brutal einfach: Was nicht dort niedergeschrieben ist, wo die Agenten arbeiten, ist nicht passiert. Entscheidungen verlassen den Chat und werden Dateien. Jede dauerhafte Erkenntnis hat genau ein kanonisches Dokument; abgelöste Fassungen werden datiert archiviert, damit kein Agent nach einer toten Anweisung handelt. Wenn ein Agent scheitert, lautet die erste Frage nie „welches Modell?“, sondern „was konnte er nicht lesen?“. Wir zeigen das nicht als Produkt vor, sondern als Beweis: Ein Unternehmen mit einem einzigen Menschen kann diese Disziplin fahren, womit einem Unternehmen mit fünfhundert die letzte Ausrede abhandenkommt.

Die Frage, die über dein nächstes Jahrzehnt entscheidet, verschiebt sich von „Was macht dein Unternehmen?“ zu „Was können die Maschinen deines Unternehmens darüber lesen?“

Zum SchlussLesbarkeit gewinnt zweimal

Die Maschinen außerhalb deines Unternehmens entscheiden, ob du empfohlen wirst, und sie können nur empfehlen, was das Web über dich lesbar gemacht hat. Die Maschinen innerhalb deines Unternehmens entscheiden, wie viel deiner Arbeit sich delegieren lässt, und sie können nur nach dem handeln, was deine eigenen Aufzeichnungen für sie lesbar gemacht haben. Eine These, zwei Arenen, und dieselbe unspektakuläre Disziplin gewinnt beide: Strukturier, was wahr ist, schreib es dorthin, wo Maschinen es lesen können, halt es aktuell, und lass nichts Wichtiges nur in einem Thread, einem PDF oder einem Kopf leben.

Die meisten Unternehmen werden das in den Fehlerberichten ihrer ersten Agenten-Einsätze entdecken. Der günstigere Weg ist, es jetzt zu glauben, solange die Prognosen noch Prognosen sind: Mach das Unternehmen lesbar, bevor der nächste Agent kommt. Dann haben die Maschinen, drinnen wie draußen, endlich etwas, womit sie arbeiten können.

Wenn du wissen möchtest, wie lesbar du für die Maschinen draußen bereits bist: Der Signal Index misst es. Wer es lieber besprechen möchte, schreibt uns.