KI-Agenten im Unternehmen: was ein Agent braucht und was Ihr WooCommerce-Shop schon hat

Sie lesen, dass KI-Agenten bald Ihr Unternehmen führen, und fragen sich, was das für einen Shop mit 15 Beschäftigten, ein WordPress-Büro oder einen Handwerksbetrieb mit CRM bedeutet. Meine Antwort: Ein Agent arbeitet nur so gut, wie vier Fragen im Unternehmen beantwortet sind. Was ist wahr, was bedeutet es, was darf er tun und hat es funktioniert. Die meisten Antworten liegen bereits in Ihrer Bestelldatenbank, Ihren Produktattributen, Ihren Benutzerrollen und Ihren Bestellnotizen. Ein Großkonzern-Produkt brauchen Sie dafür nicht.

Anlass ist der Essay „Databricks & the Future of the Firm“ von Ben Horowitz und Michael McGuiness, am 27. Oktober 2026 auf a16z.com erschienen. Ein Hinweis vorab: Horowitz’ Firma Andreessen Horowitz hat 2013 die Series A von Databricks geführt, er schreibt selbst, man sei mit NEA bei der Series C eingesprungen, und a16z steht in der Databricks-Mitteilung vom 13. August 2026 unter den bestehenden Investoren. Der Text ist also ein Plädoyer eines Investors. Ich lese ihn als Anstoß, prüfe die Zahlen an den Primärquellen und übertrage nur, was für ein kleines Unternehmen trägt. Alle Angaben habe ich am 31. Oktober 2026 abgerufen.

#Was behaupten Horowitz und Ghodsi, und was ist belegt?

Die Kernthese lautet, dass Agenten Mitarbeiter ergänzen und Unternehmen deshalb eine gemeinsame, verlässliche Datenbasis brauchen. Databricks-Chef Ali Ghodsi nennt diese Basis im Scherz „SORA“, system of record for agents, im Interview mit CNBC am 20. Mai 2026. Er sagt selbst, es sei ein Witz und kein Produkt. Was sich nachprüfen lässt:

• Umsatz: Databricks meldet in der Mitteilung vom 13. August 2026 eine Umsatz-Run-Rate von über 7 Milliarden US-Dollar bei mehr als 80 % Wachstum im zweiten Quartal und eine Finanzierungsrunde über 5 Milliarden Dollar bei 190 Milliarden Dollar Bewertung, angeführt von Coatue. Das sind Eigenangaben eines privaten Unternehmens, ungeprüft.
• Kunden: mehr als 20.000 Organisationen, 70 % der Fortune 500, über 1.000 Kunden mit mehr als 1 Million Dollar Run-Rate. Quelle ist dieselbe Mitteilung.
• Agenten als Datenbanknutzer: Horowitz schreibt, Agenten starteten täglich mehr als 17 Millionen Datenbanken. Die Primärquelle sagt weniger. In der Mitteilung zu LTAP vom 16. Juni 2026 nennt Databricks 12 Millionen Datenbank-Starts pro Tag für Lakebase. Ich verwende die 12 Millionen. Bei Neon, einem 2025 angekündigten Zukauf, wurden nach Angaben von Databricks über 80 % der Datenbanken automatisch durch KI-Agenten angelegt.
• Genauigkeit: Databricks gibt für „Genie Ontology“ an, 84,5 % der Fragen seien beim ersten Versuch korrekt beantwortet worden, gegen 52,4 % beim stärksten allgemeinen Coding-Agenten. Der Benchmark ist intern, umfasst 28 Fragen und stammt vom Hersteller.
• Mehr Anfragen von Agenten als von Menschen: Das behauptet nur Horowitz, ich habe dazu keine Primärquelle gefunden.

Den Satz, den ich aus der Keynote vom 16. Juni 2026 mitnehme, ist eine Diagnose, die auch ohne Databricks gilt:

KI hat kein Intelligenzproblem, sie hat ein Kontextproblem.

Ali Ghodsi, Keynote Data + AI Summit 2026, 16. Juni 2026, offizielles Transkript, eigene Übersetzung.

Dasselbe Transkript enthält Ghodsis Aussage, künstliche allgemeine Intelligenz sei „bereits da“. Das ist seine Position, ich übernehme sie nicht. Für Ihre Entscheidung reicht die schwächere Aussage: Modelle sind für viele Aufgaben gut genug, und ihnen fehlt, was nur Ihr Unternehmen weiß.

#Wie viel können KI-Agenten heute tatsächlich leisten?

Die belastbarste unabhängige Messung stammt von METR. Das Institut misst, wie lang eine Aufgabe sein darf, die ein Modell mit 50 % Erfolgsquote löst, gemessen an der Zeit, die ein Mensch dafür braucht. Die Arbeit von Kwa u. a. (arXiv 2503.14499, März 2025) fand eine Verdopplung ungefähr alle sieben Monate seit 2019. Die aktuelle Datei auf metr.org schätzt ab 2023 eine Verdopplung alle 128,7 Tage (Konfidenzintervall 104,4 bis 158,0).

Eigene Darstellung der METR-Daten (Time Horizon 1.1), abgerufen am 31. Oktober 2026.

Die Zahlen aus der Datei:

Vier Einschränkungen gehören dazu. Erstens messen die Aufgaben Softwareentwicklung, nicht Buchhaltung oder Kundendienst. Zweitens bedeutet 50 %, dass der Agent bei einer Aufgabe dieser Länge in jedem zweiten Versuch scheitert. Drittens sind die Konfidenzintervalle breit, bei Opus 4.6 reichen sie von 316,7 bis 3.633,8 Minuten. Viertens schreibt METR selbst, Messungen über 16 Stunden seien mit der aktuellen Aufgabensammlung unzuverlässig. Der Mythos-Wert liegt darüber, ich nenne ihn deshalb nur mit diesem Vorbehalt. Die Seite wird laut METR seit dem 8. September 2026 nicht mehr aktualisiert.

Ein zweiter Messpunkt: „Humanity’s Last Exam“, 2.500 Fragen aus über hundert Fächern. Auf der Rangliste von Scale Labs lag am 31. Oktober 2026 das beste Modell bei 54,8 %, das zweite bei 46,5 %. Etwa die Hälfte also, und das bei Fragen, die Fachleute extra schwer gebaut haben.

Für ein Unternehmen heißt das: Ein Agent kann eine Stunde Arbeit erledigen, bei der er in jedem zweiten Fall Hilfe braucht. Ohne Kontrollstelle geht es nicht, dazu mehr bei der vierten Frage.

#Wie viele Unternehmen in Deutschland, Österreich und der Schweiz nutzen KI?

Weniger, als die Schlagzeilen vermuten lassen, aber mehr als im EU-Schnitt. Die einzige länderübergreifend vergleichbare Reihe liefert Eurostat (Datensatz isoc_eb_ai, Unternehmen mit mindestens 10 Beschäftigten):

Eurostat, isoc_eb_ai, 2025, Unternehmen ab 10 Beschäftigten; Darstellung wppoland.com, abgerufen am 31. Oktober 2026.

Das Statistische Bundesamt kommt für 2025 auf 26 % und gliedert nach Größe: 23 % bei 10 bis 49 Beschäftigten, 36 % bei 50 bis 249, 57 % ab 250. Die Fußnote in der Destatis-Tabelle weist darauf hin, dass ab dem Berichtsjahr 2025 der EU-Unternehmensbegriff gilt und Vorjahre nur eingeschränkt vergleichbar sind. Statistik Austria meldete am 24. Juni 2026 30 % gegenüber 20 % im EU-Schnitt, nach 9 % im Jahr 2021. Bemerkenswert in derselben Meldung: 77 % der österreichischen Unternehmen ohne KI haben solche Technologien noch gar nicht in Erwägung gezogen.

Für die Schweiz gibt es keinen vergleichbaren Wert. Das Bundesamt für Statistik veröffentlicht keinen Anteil für Unternehmen. Es gibt nur eine Zahl zur Bevölkerung: Am 21. April 2026 meldete das BFS, dass nahezu die Hälfte (47 %) der Schweizer Bevölkerung generative KI nutzt. Das ist die Nutzung durch Privatpersonen, kein Betriebswert, und ich ziehe keine Schlüsse für Schweizer Firmen daraus.

Warum zögern die anderen? Eurostat fragt die Unternehmen, die KI erwogen, aber nicht einsetzen. In Deutschland nennen 72,07 % fehlendes Fachwissen (EU: 70,31 %), 62,22 % unklare rechtliche Folgen (EU: 53,61 %) und 60,01 % Datenschutzbedenken (EU: 52,72 %). In Österreich sind es 67,87 % und 50,1 %. Der Punkt Recht kommt weiter unten.

#Was braucht ein Agent, um in Ihrem Unternehmen zu arbeiten?

Vier Antworten. Ich lehne sie an die Argumentation im Essay an, übersetze sie aber in Begriffe eines kleinen Unternehmens.

Eigenes Diagramm, wppoland.com, 31. Oktober 2026.

Die Spalte in der Mitte stammt aus der Agent-Bricks-Dokumentation, die pro Schicht Modellzugang, Kontext und Governance trennt. Dass ein Konzern dafür drei Produktfamilien braucht, ist kein Argument, dass Sie sie brauchen. Ein Shop kommt mit der rechten Spalte aus, wenn sie sauber geführt ist.

#Wie sieht das in einem WooCommerce-Shop konkret aus?

Ich gehe die vier Fragen mit einem Beispiel durch. Es ist ein Gedankenspiel, kein Kundenfall: ein Shop, der Produkte in WooCommerce verkauft, Rechnungen aus einem Buchhaltungstool zieht und Support-Mails in einem Postfach bearbeitet.

1. Was ist wahr? Eine Bestellung existiert in WooCommerce. Ob sie bezahlt ist, steht dort und bei der Zahlungsart, nicht in einer Tabelle, die jemand letzten Monat exportiert hat. Ein Agent, der „Welche Bestellungen sind seit fünf Tagen in Wartestellung?“ beantworten soll, muss genau auf diese Quelle zugreifen. Haben Sie dieselbe Information in drei Systemen, wird er in einem davon falsch liegen. Das Aufräumen gehört vor jede Agent-Einführung: ein Kunde, ein Datensatz, eine Bestellung, eine Rechnung, die auf dieselbe ID verweist.

2. Was bedeutet es? WooCommerce kennt Standardstatus wie „Zahlung ausstehend“, „In Bearbeitung“, „In Wartestellung“, „Abgeschlossen“, „Storniert“, „Erstattet“ und „Fehlgeschlagen“. Was Ihr Team unter „In Wartestellung“ versteht, weiß ein Agent nicht. Wartet die Zahlung, fehlt Ware oder hat der Kunde zurückgerufen? Schreiben Sie zu jedem Status, jeder Produktkategorie und jedem Attribut einen Satz auf. Diese Liste ist Ihre Ontologie im kleinen Maßstab. Bei Databricks heißt dieselbe Aufgabe „Ontology“ und wird mit einem Verfahren namens OntoRank unterstützt, das Ghodsi im Keynote-Transkript mit PageRank vergleicht. Ihr Äquivalent ist eine Seite Text.

3. Was ist erlaubt? Hier hat WordPress inzwischen echte Bausteine. Seit WordPress 6.9 gibt es die Abilities API, über die Plugins, Themes und der Kern ihre Fähigkeiten registrieren. Der offizielle MCP Adapter macht diese Abilities für KI-Agenten als MCP-Werkzeuge verfügbar, Abilities sind dabei standardmäßig privat, und jede hat eigene Berechtigungsprüfungen. WooCommerce registriert Produkt- und Bestell-Abilities, die Funktion ist laut Dokumentation noch in der Developer Preview. Für die Anmeldung sieht die Dokumentation einen WordPress-Benutzernamen mit Application Password vor und rät ausdrücklich ab von Kontopasswort und REST-API-Schlüssel. Außerdem: ein dedizierter Benutzer mit nur den nötigen Rechten.

4. Hat es funktioniert? Jede Aktion eines Agenten sollte eine Spur hinterlassen. In WooCommerce bieten sich Bestellnotizen an, weil sie am Datensatz hängen, den Zeitpunkt tragen und im Backend sichtbar sind. Dazu kommt ein Satz Testfragen mit bekannter Antwort, den Sie vor jedem Modellwechsel durchlaufen lassen.

Ein Ablauf, wie ich ihn einrichten würde: Der Agent liest Bestellungen mit Status „In Wartestellung“ (nur lesen), gleicht sie mit den Zahlungseingängen ab (nur lesen), schlägt eine Mail an den Kunden vor (Entwurf, keine Sendung) und legt eine Bestellnotiz an, dass er den Fall geprüft hat (einziger Schreibzugriff). Ein Mensch gibt die Mail frei. Nichts davon erfordert mehr als einen Benutzer, zwei Abilities und eine Konvention für Notizen.

#Was darf ein Agent lesen, und was darf er schreiben?

Die einfachste Regel: Alles beginnt mit Lesen, jedes Schreibrecht wird einzeln begründet. Die folgende Tabelle ordnet gängige Aufgaben den Mechanismen zu. Sie ist meine Empfehlung, keine Herstellervorgabe.

Die beiden Ability-Namen stammen aus der WooCommerce-Dokumentation zu Version 11.3. In derselben Version wurde der alte MCP-Endpunkt entfernt, /wp-json/woocommerce/mcp antwortet mit HTTP 410. Wer 2025 etwas auf dem Beta-Endpunkt aus WooCommerce 10.3 gebaut hat, muss umziehen. Zum REST-API-Schlüssel: Er kennt die Rechte Lesen, Schreiben und Lesen/Schreiben, und das Consumer Secret wird laut WooCommerce-Dokumentation nur einmal angezeigt. Für eigene Skripte ist er in Ordnung. Für MCP gilt die Anweisung aus der Dokumentation.

Bevor ein Agent an die Live-Seite darf, sollten Testumgebung und Sicherung stehen, das beschreibt Claude Code oder Codex an der Live-Website. Ob Sie dem Agenten MCP oder eine REST-Schnittstelle geben, hängt von Aufgabe und Rechten ab, die Abwägung steht in MCP vs REST: wann was gewinnt. Wer zuerst nur lesen lassen will, findet in WooCommerce MCP als Open Source, nur lesen einen fertigen Ansatz. Und wenn ein eigener Server nötig wird, zeigt der Praktiker-Leitfaden für WooCommerce die einzelnen Schritte.

#Warum sollte der Datenbestand Ihnen gehören?

Weil das Wissen, das ein Agent aus Ihren Daten gewinnt, nur dann bei Ihnen bleibt, wenn die Daten bei Ihnen liegen. Satya Nadella beschreibt es in seinem Beitrag vom 14. Juni 2026 als „token capital“: die KI-Fähigkeit, die eine Firma aufbaut und besitzt, neben dem Humankapital. Der Kreislauf daraus werde „das neue geistige Eigentum der Firma“. Ghodsi argumentiert im CNBC-Interview ähnlich praktisch: Man könne nicht jeder proprietären Datensilo-Datenbank dem Agenten einzeln Zugriff geben, deshalb gehe der Agent an einen Ort.

Für einen KMU-Alltag übersetze ich das so:

• Das Modell ist austauschbar, der Datenbestand nicht. Wenn Sie in einem Jahr von einem Anbieter zu einem anderen wechseln, soll nichts verloren gehen. Notizen, Statusdefinitionen und Testfragen liegen dann in Ihrem System und nicht im Chatverlauf eines Anbieters.
• Offene Formate. Bei Großunternehmen ist die Geschichte der Tabellenformate lehrreich. Hudi entstand bei Uber, Iceberg bei Netflix, Delta Lake wurde am 24. April 2019 von Databricks als Open Source veröffentlicht. Für Sie reicht die Faustregel, dass Exporte in CSV, JSON oder SQL jederzeit möglich sein müssen und dass Sie einen Export auch tatsächlich einmal getestet haben.
• Kein Agent-Anbieter als Zwischenlager. Wo ein Dienst Ihre Kundendaten dauerhaft speichert, brauchen Sie einen Vertrag, der klärt, wer Verantwortlicher und wer Auftragsverarbeiter ist. Das ist Datenschutzrecht, und die Prüfung gehört vor das erste Experiment.

#Wie verändert ein Agent die Arbeit in einem kleinen Unternehmen?

Horowitz stützt sich auf die Ökonomie der Firma. Ronald Coase erklärte 1937 in „The Nature of the Firm“ (Economica, vol. 4, Nr. 16, S. 386 bis 405), warum es Unternehmen überhaupt gibt. In seiner Nobelpreisrede 1991 fasste er den Kern zusammen:

Preise müssen erst ermittelt werden. Es muss verhandelt werden, Verträge müssen aufgesetzt, Kontrollen durchgeführt und Vorkehrungen für Streitfälle getroffen werden. Diese Kosten sind als Transaktionskosten bekannt geworden.

Ronald Coase, Nobelpreisrede „The Institutional Structure of Production“, 9. Dezember 1991, nobelprize.org, eigene Übersetzung.

Ein Agent senkt solche Kosten dort, wo sie aus Abstimmung bestehen: Informationen suchen, zusammenfassen, weiterreichen. Jack Dorsey schrieb am 31. März 2026 in einem Beitrag auf X, Hierarchie und mittleres Management behinderten den Informationsfluss, und ein System könne erstmals ein laufend aktualisiertes Modell des ganzen Unternehmens halten. In einem Betrieb mit 15 Personen gibt es kaum mittleres Management, der Informationsfluss läuft über den Inhaber und zwei, drei Schlüsselpersonen. Hier hilft ein Agent dort, wo diese Personen Engpässe sind: bei Rückfragen zum Bestellstatus, bei Angebotsentwürfen, bei der Pflege von Produktdaten.

Herbert Simon beschrieb 1979 am Beispiel eines Buchungssystems einer Fluggesellschaft, warum ein gemeinsamer Speicher nicht zu zentraler Entscheidung führen muss:

Es zeigt sich, dass hier die zentrale Hardware keine Zentralisierung der Entscheidungen bewirkt. Im Gegenteil, jede der dezentralen Entscheidungsstellen kann selbstständig handeln, im Vertrauen darauf, dass die automatische Aktualisierung durch den zentralen Speicher alle Wechselwirkungen zwischen den Entscheidungen erledigt.

Herbert A. Simon, „The Consequences of Computers for Centralization and Decentralization“, in: Dertouzos und Moses (Hrsg.), The Computer Age: A Twenty-Year View, MIT Press, 1979, S. 219, eigene Übersetzung.

Das ist die Rechtfertigung für die erste der vier Fragen. Mehrere Agenten und Menschen können gleichzeitig arbeiten, wenn alle denselben Datenbestand lesen. Der Preis ist, dass der Bestand stimmen muss.

Die Rolle der Menschen verschiebt sich. James Burnham sprach in „The Managerial Revolution“ (1941) von einer Klasse der Manager, Horowitz nimmt den Gedanken auf und schreibt, jeder werde zum Manager von Agenten. Für Sie heißt das konkret, dass Sie Aufgaben so beschreiben, dass jemand sie prüfen kann. Ein Satz aus Alfred North Whiteheads „An Introduction to Mathematics“ (1911, S. 61) passt dazu:

Die Zivilisation schreitet voran, indem sie die Zahl der wichtigen Operationen erweitert, die wir ausführen können, ohne an sie zu denken.

Alfred North Whitehead, An Introduction to Mathematics, 1911, S. 61, Digitalisat der Universität Toronto, eigene Übersetzung.

#Wie viele KI-Agenten besuchen eine kleine Website heute?

Wenige, aber messbar. Ich habe es auf meiner eigenen Seite gezählt. Der Cloudflare-Zähler registrierte auf wppoland.com in drei Tagen bis zum 31. Oktober 2026 insgesamt 102 Anfragen an Agenten-Endpunkte, im Schnitt 34 pro Tag.

Eigene Messung, Cloudflare-Zähler, wppoland.com, 29. bis 31. Oktober 2026.

Die Verteilung: /llms.txt 37 Anfragen, /mcp 22, /.well-known/ucp.json 17, /agent.json 5, /.well-known/mcp/server-card.json 5, /facts.json 3, übrige Pfade zusammen 13. Eine frühere Messung vom 19. August 2026 hatte rund 102 Anfragen pro Tag ergeben, davon 67 % am MCP-Endpunkt. Die beiden Zeiträume sind unterschiedlich lang, deshalb ziehe ich daraus keinen Trend. Ich lese beides so: Agenten kommen vorbei und suchen nach Hinweisen, was eine Seite anbietet, aber sie sind auf einer kleinen Seite noch kein Massenphänomen. Wer jetzt in Agenten-Fähigkeit investiert, tut das für das nächste Jahr, nicht für den nächsten Monat.

Interne Agenten, die Ihre eigenen Daten nutzen, sind etwas anderes als externe Agenten, die Ihre Seite besuchen. Dieser Beitrag handelt vom ersten Fall. Der zweite berührt Ihr Angebot im Netz: wie ein Agent Produkte und Bestellungen sieht, welche Daten Sie veröffentlichen und welche nicht.

#Was bedeutet der AI Act für Ihr Unternehmen ab 2026?

Das Recht hat sich im Juli 2026 geändert, und viele Texte im Netz nennen noch die alten Termine. Die Verordnung (EU) 2026/1744 vom 8. Juli 2026 (Digital Omnibus on AI, im Amtsblatt vom 24. Juli 2026 veröffentlicht) ist seit dem 27. Juli 2026 in Kraft. Was ich dort im Rechtstext geprüft habe:

• Der allgemeine Anwendungsbeginn der KI-Verordnung bleibt der 2. August 2026.
• Hochrisiko-Systeme nach Anhang III gelten erst ab dem 2. Dezember 2027, solche nach Anhang I ab dem 2. August 2028. Vorher waren der 2. August 2026 und der 2. August 2027 vorgesehen.
• Neue Verbote in Art. 5 gelten ab dem 2. Dezember 2026.
• Systeme, die vor dem 2. August 2026 in Verkehr waren, müssen die Kennzeichnung synthetischer Inhalte nach Art. 50 Abs. 2 bis zum 2. Dezember 2026 umsetzen.
• Art. 4 zur KI-Kompetenz ist neu gefasst. Anbieter und Betreiber müssen Maßnahmen ergreifen, um KI-Kompetenz zu fördern. Die Pflicht verlangt nicht, ein bestimmtes Kompetenzniveau einzelner Personen zu gewährleisten. Der Wortlaut von 2025, „ein ausreichendes Maß an KI-Kompetenz sicherzustellen“, ist nicht mehr geltendes Recht.

Für die meisten kleinen Unternehmen mit internen Agenten für Bestellprüfung, Texte oder Support ergibt sich kein Hochrisiko-System. Entscheidend ist, was der Agent tut: Sobald er über Personen entscheidet, etwa bei Bewerbungen oder Kreditwürdigkeit, kommt Anhang III ins Spiel. Hier lohnt sich vor einer Anschaffung die Prüfung im Einzelfall. Die Verordnung sieht außerdem Erleichterungen für KMU vor und definiert „kleine Midcaps“ nach der Empfehlung (EU) 2025/1099, mit niedrigeren Bußgeldobergrenzen.

Welche Behörde in Deutschland, Österreich oder der Schweiz zuständig ist, habe ich nicht aus einer Primärquelle geprüft und nenne sie deshalb nicht. Die Schweiz gehört nicht zur EU, die Verordnung gilt dort nicht unmittelbar. Wie sie Ihr Geschäft mit EU-Kunden berührt, ist eine eigene Rechtsfrage, die ich hier nicht beantworte.

Passend zur Statistik oben: In Deutschland nennen 62,22 % der Firmen, die KI erwogen und nicht nutzen, unklare rechtliche Folgen als Hindernis. Die Terminverschiebung verschafft Luft, die Unsicherheit bleibt.

#Was können Sie in den nächsten 90 Tagen tun?

Ein Plan, den ich so auch bei einem Kunden vorschlagen würde. Die Länge der Etappen ist ein Vorschlag, die Reihenfolge nicht.

Tage 1 bis 30: Bestand aufnehmen.

1. Listen Sie auf, wo Kunden, Bestellungen, Rechnungen und Supportfälle liegen, und markieren Sie je Fakt die führende Quelle.
2. Schreiben Sie je Bestellstatus, Produktkategorie und Kundengruppe einen Satz Definition.
3. Prüfen Sie, ob Sie einen Export aller Daten haben und ob eine Wiederherstellung auf einer Testumgebung gelingt.

Tage 31 bis 60: Rechte vorbereiten. 4. Legen Sie auf einer Staging-Kopie einen eigenen Benutzer für den Agenten an, mit Leserechten und einem Application Password. 5. Installieren Sie auf Staging den MCP Adapter und prüfen Sie, welche Abilities sichtbar sind. Beachten Sie, dass die WooCommerce-Funktion in der Developer Preview ist. 6. Richten Sie die Spur ein: Bestellnotizen mit festem Präfix für Agenten-Aktionen und ein Log der Aufrufe.

Tage 61 bis 90: Pilot mit Kontrolle. 7. Formulieren Sie 20 bis 30 Fragen aus dem Alltag, deren Antwort Sie kennen („Welche Bestellungen warten seit mehr als fünf Tagen?“). Das ist Ihr Gegenstück zum 28-Fragen-Test von Databricks, nur ehrlicher, weil es Ihre Daten sind. 8. Lassen Sie den Agenten die Fragen beantworten und zählen Sie die richtigen Antworten beim ersten Versuch. Wiederholen Sie den Test bei jedem Modellwechsel. 9. Entscheiden Sie mit dem Ergebnis: weiter, enger fassen oder stoppen.

Bei der technischen Umsetzung unterstütze ich über KI-Integration für WordPress und die Entwicklung von MCP-Servern. Für den breiteren Blick auf KI im Betrieb gibt es die Seite zur KI-Implementierung im Unternehmen. Wie Entwicklungsteams Agenten einsetzen, beschreibt Agentic Engineering, ein neues Modell der Softwareentwicklung.

#Was Sie besser nicht tun sollten

• Dem Agenten einen Administrator-Zugang geben. Er braucht genau die Rechte, die seine Aufgabe verlangt, und keine mehr.
• Einen REST-API-Schlüssel mit Schreibrecht für MCP verwenden. Die WooCommerce-Dokumentation rät davon ab.
• Direkt in Produktion starten. Erst Staging, dann Lesen, dann ein einziger Schreibpfad.
• Erstattungen, Preise oder Stornierungen automatisieren. Solche Aktionen gehören hinter eine menschliche Freigabe.
• Herstellerzahlen als Planungsgrundlage nehmen. 84,5 % gegen 52,4 % gilt für 28 Fragen des Herstellers, nicht für Ihren Shop.
• Eine Plattform kaufen, bevor die Statusdefinitionen stehen. Ein Werkzeug auf unscharfen Daten liefert unscharfe Antworten, nur schneller.
• Kundendaten an einen Dienst schicken, ohne Vertrag. Klären Sie Auftragsverarbeitung und Speicherort vorher.

#Was ich nicht verwenden konnte

Aus dem Essay habe ich Aussagen weggelassen, die ich nicht an einer Primärquelle bestätigen konnte: die Zahl von 17 Millionen täglich gestarteten Datenbanken (die Primärquelle nennt 12 Millionen), „mehr Anfragen von Agenten als von Menschen“ bei Databricks, den Einsatz von Databricks beim Coding-Assistenten goose von Block und Marc Andreessens Zitat über Manager in Fortune-500-Unternehmen. Der Kaufpreis von Neon steht in keiner Databricks-Mitteilung, ich nenne keinen. Für die Schweiz gibt es keine amtliche KI-Quote für Unternehmen. Wer eine dieser Aussagen braucht, sollte sie selbst an der Quelle prüfen.

Zuletzt aktualisiert: 31. Oktober 2026. Eurostat-Daten für 2025, Destatis 2025, Statistik Austria vom 24. Juni 2026, METR-Daten mit Stand 8. September 2026, Rechtsstand der Verordnung (EU) 2026/1744 vom 27. Juli 2026.