Warum es auf die Architektur um KI-Modelle ankommt

Der Wandel

In den letzten Jahren lautete die erste Frage von Führungskräften zu KI: Welches Modell nehmen wir? Diese Frage verliert mit jedem Quartal an Gewicht. Leistungsfähige Modelle gibt es von mehreren Anbietern, Open-Weight-Alternativen folgen dicht dahinter, und die Preise sinken weiter. Das Modell, für das sich Ihr Unternehmen in diesem Jahr entscheidet, wird wahrscheinlich innerhalb von zwei Jahren ersetzt.

Zugleich geht KI vom Antworten zum Handeln über. Die ersten Systeme haben Texte entworfen und Fragen beantwortet, und ein Mensch hat entschieden, was mit dem Ergebnis geschieht. Die Systeme, die heute entstehen, geben Bestellungen auf, ändern Datensätze, schreiben an Kunden und rufen andere Software auf. Sie handeln im Namen des Unternehmens, oft über mehrere Schritte hinweg.

Zusammen verschieben diese beiden Entwicklungen, woher der Vorsprung kommt. Ist das Modell austauschbar und handelt das System, hängt das Ergebnis an der Architektur um das Modell: worauf das System zugreifen darf, wer was freigibt, wie es getestet und überwacht wird, was sein Betrieb kostet und wer es ändern kann. Diese Architektur entscheidet, ob KI funktioniert, unter Kontrolle bleibt und sich auszahlt.

Was es kostet, wenn die Architektur fehlt

Kaum ein Unternehmen nimmt sich vor, eine KI-Architektur zu bauen. Am Anfang stehen ein Anwendungsfall, ein Anbieter und eine Frist, und die Architektur ist dann das, was die ersten Projekte hinterlassen. Die Kosten kommen später, an vier Stellen.

Kontrolle darüber, was Agenten tun können

Ein Agent, der handeln kann, braucht Grenzen: welche Systeme und Daten er erreicht, welche Aktionen die Freigabe eines Menschen brauchen und ein Protokoll dessen, was er getan hat. Ohne diese Grenzen reicht seine Befugnis so weit, wie seine Zugangsdaten es gerade zulassen. Gartner fasst seine wichtigsten strategischen Technologietrends für 2027 in drei Themen zusammen. Eines davon ist die Governance der Plattform für autonome Agenten (Gartner, Oktober 2026).

Systeme, die das Unternehmen nicht allein ändern kann

Liegen Entwurf, Code und das Wissen, wie ein System funktioniert, beim Dienstleister, wird jede Änderung zu einem neuen Vertrag. Gartner erwartet, dass bis 2028 70 Prozent der Unternehmen agentische KI aufgeben, die Entwicklerteams der Anbieter direkt beim Kunden gebaut haben. Der Grund: Die Kosten steigen stark, und die Unternehmen können die Systeme nicht selbst weiterentwickeln. Gartners Rat ist, Wissenstransfer, geistiges Eigentum und den Ausstieg vertraglich zu regeln (Gartner, September 2026).

Kosten und Nutzen, die niemand sieht

KI-Ausgaben verteilen sich auf Lizenzen, Cloud-Rechnungen, Honorare von Dienstleistern und Arbeitszeit. Ihr Ertrag wird selten in den Größen gemessen, mit denen eine Finanzabteilung arbeitet. In McKinseys Umfrage von 2026 führten 37 Prozent der Befragten überhaupt eine Wirkung auf das EBIT auf KI zurück (McKinsey, August 2026). Nach unserer Erfahrung liegt das auch daran, dass die Messung nie in die Systeme eingebaut wurde.

Compliance, die Sie nicht nachweisen können

Die Regeln für KI unterscheiden sich je nach Rechtsraum und ändern sich laufend. Gartner erwartet, dass sich zersplitterte KI-Regulierung bis 2030 auf 75 Prozent der Volkswirtschaften der Welt erstreckt (Gartner, Februar 2026). Wer über Grenzen hinweg tätig ist oder verkauft, wird gefragt werden, System für System, was seine KI tut und wie sie kontrolliert wird. Müssen diese Nachweise erst im Nachhinein rekonstruiert werden, wird jeder neue Markt und jedes Audit zu einem eigenen Projekt.

Ein hypothetisches Beispiel

Nehmen Sie ein Unternehmen, das seinen Kundenservice um einen KI-Assistenten ergänzt. Das ist eine Illustration, keine Geschichte aus einem Mandat. Die erste Version läuft auf der Plattform eines Anbieters, beantwortet Fragen und formuliert Antwortentwürfe. Sie funktioniert, also bekommt der Assistent Zugriff auf Erstattungen und Kontoänderungen. Ein zweites Team baut auf derselben Plattform einen Vertriebsassistenten, ein drittes bindet ihn an das Bestellsystem an.

Ein Jahr später kann niemand genau sagen, was jeder Agent darf. Die KI-Ausgaben verteilen sich auf drei Budgets, und der Wechsel zu einem günstigeren Modell bedeutet, Prompts, Integrationen und Tests neu zu bauen, die das Team des Anbieters geschrieben hat. Keiner dieser Schritte war für sich genommen eine schlechte Entscheidung. Zusammen haben sie ein System hervorgebracht, von dem das Unternehmen abhängt, in das es aber nicht hineinsehen und das es nicht allein ändern kann.

Wann der Stack eines Anbieters genügt

Nicht jeder KI-Einsatz braucht eine eigene Architektur. Ist der Einsatz eng begrenzt, steht wenig auf dem Spiel und ist der Horizont kurz, ist der Stack eines einzelnen Anbieters oft die vernünftige Wahl: ein Schreibassistent für ein Team, ein Werkzeug, das interne Dokumente zusammenfasst, ein zeitlich begrenztes Experiment. Die Abwägung ändert sich, wenn KI anfängt, auf Kunden, Geld oder zentrale Systeme einzuwirken, wenn mehrere Teams darauf aufbauen oder wenn das System die aktuelle Generation von Modellen überdauern soll.

Ausgangslage und Ziel

In vielen Unternehmen ist KI heute auf den Stack eines einzigen Anbieters aufgesetzt. Agenten haben unklare Befugnisse, die Betriebskosten stecken in anderen Budgets, und die Systeme lassen sich ohne Hilfe von außen nicht ändern.

Die Richtung, für die wir eintreten, ist KI als eigenes System:

eine Architektur, auf der jedes Team aufbaut;
klare Grenzen für das, was jeder Agent tun darf, durchgesetzt vom System selbst;
Kosten und Nutzen, gemessen ab dem ersten Release;
Modelle, die sich austauschen lassen, wenn ein besseres oder günstigeres verfügbar ist;
ein Team im eigenen Haus, das das System betreiben und ändern kann.

Woran man gute Architektur erkennt

Unter Kontrolle

KI handelt nur innerhalb der Grenzen, die Sie setzen. Jeder Agent hat einen festgelegten Rahmen: die Daten, die er lesen darf, die Aktionen, die er ausführen darf, und die Punkte, an denen ein Mensch freigeben muss. Diese Grenzen setzt das System selbst durch. Sie gelten also auch dann, wenn sich ein Prompt oder ein Modell ändert. Jede Aktion hinterlässt ein Protokoll, das Sie einem Kunden, einem Auditor oder einer Aufsichtsbehörde zeigen können. Anforderungen wie der EU AI Act, ISO/IEC 42001 und das NIST AI Risk Management Framework gehen als Vorgaben in den Entwurf ein. So liegen die Nachweise ab dem ersten Release vor, in welchen Rechtsräumen Sie auch tätig sind.

Ihr Eigentum

Die Architektur hängt von keinem einzelnen Modellanbieter, keiner Cloud und keiner Plattform ab. Ihnen gehören der Entwurf, der Code und die Begründung jeder Entscheidung. Modelle sitzen hinter einer gemeinsamen Schnittstelle. Der Austausch eines Modells ist damit eine geplante technische Änderung mit eigenen Tests. Ihr Team versteht das System gut genug, um es zu betreiben, zu erweitern und, falls es je nötig wird, zu einem anderen Dienstleister zu bringen.

Messbarer Wert

Jedes System hat Kosten und einen Ertrag, ausgedrückt in den Größen, mit denen Ihr Unternehmen bereits arbeitet: Kosten pro bearbeitetem Fall, Stunden, die ein Team zurückgewinnt, vermiedene Fehler, beeinflusster Umsatz. Die Betriebskosten sind pro Anwendungsfall und pro Modell sichtbar. So sehen Sie, wann ein günstigeres Modell dieselbe Arbeit leisten würde. Jeder Anwendungsfall hat ein Ziel, das vor dem Bau vereinbart wird, und die Ergebnisse werden im selben Rhythmus berichtet wie der Rest des Geschäfts. Zahlt sich ein Anwendungsfall nicht aus, sehen Sie es früh und können ihn stoppen.

Was Sie Ihr Team in diesem Quartal fragen sollten

Für den Anfang braucht es keine neue Strategie. Es braucht klare Antworten auf einige Fragen:

Welche unserer KI-Systeme können Aktionen ausführen, und wo steht schriftlich, was jedes davon darf?
Täte ein Agent etwas, das er nicht darf: Wie schnell wüssten wir es, und könnten wir genau zeigen, was passiert ist?
Würde unser wichtigster Modellanbieter seine Preise verdoppeln oder ein Modell zurückziehen: Was würde uns der Wechsel kosten, und wie lange würde er dauern?
Wer hat den Code, die Entwürfe und das Wissen zu jedem System? Könnte unser eigenes Team es ohne den Dienstleister ändern?
Was hat uns KI im letzten Quartal gekostet, insgesamt und pro Anwendungsfall, und was hat jeder Anwendungsfall eingebracht?
Könnten wir in jedem Markt, in dem wir tätig sind, einer Aufsichtsbehörde heute zeigen, wie ein bestimmtes System kontrolliert wird?

Wo die Antworten vage bleiben, liegt der Anfang. In den meisten Unternehmen führen die schwachen Antworten zur Architektur.

Was wir tun

TaoQ AI ist ein unabhängiges Unternehmen für KI-Architektur und -Engineering. Wir sind an keinen Modellanbieter, keine Cloud und keine Plattform gebunden. Wir entwerfen und bauen KI-Systeme, die unter Ihrer Kontrolle bleiben, mit jedem Modell funktionieren und offenlegen, was sie kosten und leisten. Unsere Arbeit hat drei Phasen: ein Review dessen, was Sie haben, Entwurf und Umsetzung der Architektur und der Systeme darauf und schließlich Betrieb und Weiterentwicklung mit Ihrem Team, bis es ohne uns weitermachen kann. Der Einstieg ist ein Review zum Festpreis.

Modelle werden zur Massenware. Die Architektur um sie herum entscheidet, ob KI funktioniert, unter Kontrolle bleibt und sich auszahlt.