Ich sehe gerade sehr wenig öffentliche Aufmerksamkeit für ein Thema, das mich persönlich extrem beschäftigt. Denn es verändert sich gerade etwas ganz Grundlegendes daran, wie wir alle arbeiten – am PC, im Unternehmen, aber auch gesamtgesellschaftlich. Und die meisten haben das noch nicht auf dem Schirm. In diesem Artikel ordne ich ein, was gerade wirklich passiert, warum der OpenClaw-Hype nur die Spitze des Eisbergs war – und welche KI-Infrastruktur du jetzt brauchst, um nicht den Anschluss zu verlieren.
Wir brauchen eine neue Metapher für unsere Arbeit
Satya Nadella, der CEO von Microsoft, hat kürzlich etwas gesagt, das mich nicht mehr loslässt: „Wir brauchen eine neue Metapher dafür, wie wir mit dem Computer arbeiten."
Steve Jobs hatte seine Metapher. Er nannte den PC ein Bicycle for the Mind – ein Fahrrad für unseren Geist. Bill Gates hat das weitergeführt: Information at your Fingertips – Informationen zu deinen Händen. Aber so funktioniert das im KI-Zeitalter eben nicht mehr.
Die passende Beschreibung hat der Notion-CEO geliefert: Wir sind Manager of Infinite Minds – Manager unendlicher Geister. Halten wir das mal so fest. Die Frage ist: Was bedeutet das für uns, wenn wir plötzlich unendliche Möglichkeiten mit KI-Agenten zu unseren Händen haben? Und vor allem: Wie unterscheiden wir Hype von Realität? Denn das bekommen wir alle mit – es gibt extrem viel Rauschen rund um neue KI-Tools.
Der OpenClaw-Hype: Was wirklich dahintersteckt
Ich bekomme ständig Fragen von Kunden und Zuschauern: „Was haltet ihr von OpenClaw? Sollten wir das einführen?" Das Projekt ging höchstgradig viral. Ein Beitrag auf Social Media erreichte über 11 Millionen Aufrufe. Der Ersteller zeigte, wie sein KI-Agent ihn anrief, proaktiv mit Recherche-Ergebnissen auf ihn zukam und nach neuen Aufgaben fragte.
Das Projekt hat mittlerweile React von Meta überholt. Es hat Linux überholt. Mit über 250.000 GitHub-Stars ist OpenClaw das erfolgreichste Open-Source-Projekt der Geschichte. OpenAI hat den Entwickler Peter Steinberger, einen Österreicher, ins Team geholt. Das ist eine große Sache – und wir sollten das ernst nehmen.
Aber ich sehe dabei drei große Probleme.
Erstens: Sicherheitsrisiken. OpenClaw hat vollen Zugriff auf alle Systeme. Das führte sofort zu Schwachstellen, weil die meisten Nutzer wenig technisches Verständnis mitbringen. Der Entwickler selbst hat gesagt: Wer nicht mit dem Terminal arbeiten kann, sollte es nicht nutzen. Trotzdem machen es extrem viele.
Zweitens: Das Setup ist aufwendig. Wir haben selbst eine Konfigurationsanleitung veröffentlicht. Es ist technisch komplex.
Drittens – und das ist mein Hauptproblem: Die Use Cases sind trivial. E-Mails prüfen. Reminder schicken. Bestellungen aufgeben. Das sind Anwendungsfälle, die kein Unternehmen wirklich voranbringen.
Der wahre Grund für den Erfolg
OpenClaw hat aber etwas extrem Positives bewirkt. Es hat den ersten Kontakt für Millionen Menschen zur wahren Kraft von KI-Agenten hergestellt. Zum ersten Mal haben Laien gespürt, was heute möglich ist – dass KI ganze Aufgaben erledigen kann, für die ich früher einen Assistenten brauchte. Vielleicht sogar eine Vollzeitstelle.
Wir sind ja alle schon etwas technischer unterwegs. Wir wissen, was geht. Aber der breite Massenmarkt hat das in dem Umfang noch nicht verstanden. Und genau deshalb ist OpenClaw an sich keine Innovation. Es ist ein Framework, das über den leistungsstarken Modellen sitzt – GPT, Codex, Claude. Die Fähigkeiten existieren längst. Jeder kann so ein Framework selbst nachbauen.
Die eigentliche Revolution: Der Claude-Code-Moment
Die Frage ist also nicht, welchen Wrapper du nutzt. OpenClaw könnt ihr schon mal gedanklich zur Seite legen – das ist eine gute Erkenntnis bei dem ganzen Trubel. Wichtig ist: Wie funktioniert der Motor dahinter? Und wie bauen wir diesen Motor in unsere eigenen Systeme ein?
Denn OpenClaw ist im Wesentlichen ein Wrapper. Darunter liegt etwas viel Wichtigeres: Claude Code und Opus 4.6. Ich habe schon Ende letzten Jahres gesagt: Opus 4.5 ist ein Wendepunkt. Und wir haben bei Everlast AI immer seriös eingeordnet – wenn etwas nur Hype war, haben wir gesagt: Ignoriert das. Aber hier reden wir von einem echten Shift.
2022 hat die Welt verstanden, dass KI denken kann. Wissen wurde durch KI im Wesentlichen Durchschnitt. 2026 begreift die Welt jetzt, dass KI auch arbeiten kann – so wie wir hinterm Rechner arbeiten. Ich nenne das den „Claude-Code-Moment" – genau das, was wir 2022 mit ChatGPT erlebt haben, in noch größerem Ausmaß.
Die Auswirkungen sind bereits messbar. Claude Code hat eine ganze Kaskade am Aktienmarkt ausgelöst. Ein Legal-Plugin in Claude Cowork führte zu fast 300 Milliarden Dollar Börsencrash bei Legal-Tech-Unternehmen wie Thomson Reuters – deren größter Kursverlust in der Geschichte. Claude Code Security: weitere 30 Milliarden im Bereich Cybersecurity. COBOL-Modernisierung: 40 Milliarden. Das zeigt: Die Märkte nehmen das todernst.
Andrej Karpathy, der ehemalige AI-Director von Tesla und OpenAI Co-Founder, hat das, was wir gerade erleben, als ein Erdbeben der Stärke 9 beschrieben. Deutsche Häuser sind auf Stärke 7 ausgelegt. Bei Stärke 9 bricht in einem 1.000-Kilometer-Radius alles zusammen. Das ist, was er über den aktuellen Umbruch sagt. Er schreibt: „Es ist kaum zu vermitteln, wie sehr sich Programmierung durch KI in den letzten zwei Monaten verändert hat." Und warum ist das für uns alle relevant?
Warum KI-Agenten jetzt alles verändern – die Zahlen
Ich habe zwei Benchmarks mitgebracht, die das untermauern.
Der METR Time Horizon Benchmark misst, wie lange ein KI-Agent autonom arbeiten kann, bevor er scheitert. Bei GPT-3 im Jahr 2020 waren das 9 Sekunden. Beim ChatGPT-Moment: 30 Sekunden. Mit Opus 4.5 waren wir bei fast 5 Stunden. Und mit Opus 4.6 sind wir jetzt bei 14,5 Stunden – fast zwei volle Arbeitstage.
Wichtig: Das bedeutet nicht, dass der Agent 14 Stunden am Stück arbeitet. Es ist das menschliche Äquivalent. Ein Mensch bräuchte für diese Aufgaben 14 Stunden. Der Agent erledigt das deutlich schneller. Und alle vier Monate verdoppelt sich das. Wenn wir das extrapolieren, sind wir Ende 2026 bei einer vollen Arbeitswoche, die KI-Agenten autonom für uns arbeiten können.
Die zweite Benchmark von Epoch AI zeigt: Wenn Modelle im Coding besser werden, werden sie danach in allen Disziplinen besser. Besser designen, besser texten, besser in Biologie, Chemie, Wirtschaft. Coding ist der Schlüssel zu allem.
Agenten brauchen keine schönen Oberflächen – sie brauchen Infrastruktur
Karpathy spricht vom „Tod der Nutzer-Oberflächen". Agenten brauchen keine schönen UIs. Sie müssen nicht in eurer Software rumklicken und Daten von A nach B eintragen. Das wäre irrsinnig. Sie greifen direkt auf APIs, Backends und Datenbanken zu.
Und jetzt kommt der entscheidende Punkt: Welche KI-Infrastruktur brauchen wir in einer Welt, in der wir mindestens genauso viele Agenten wie Menschen im Unternehmen haben? Ohne saubere APIs und strukturierte Daten verliert man den Anschluss. Das ist keine Prognose – das ist jetzt Realität.
Praxis: Wie ein KI-Agent eine Instagram-Story erstellt
Ich zeige euch mal einen Prozess, den ich selbst so nutze. Ich habe in Claude Code einen Skill erstellt: „Everlast Instagram Stories". Das ist ein klassischer Marketing-Workflow, für den man früher einen Social-Media-Manager brauchte.
Ich gebe dem Agenten ein Interview-Video. 16:9 Format. Und sage: „Erstell daraus eine Instagram Story." Was passiert? Er transkribiert das Video, erkennt den Gesprächspartner, legt eine Headline fest, konvertiert auf 9:16, gestaltet alles im Everlast-Design – schwarz, gelb, unsere Markensprache. Er kommt sogar mit Rückfragen: „Was soll die Kernaussage sein?" Genau so, wie ich es mir von einem guten Mitarbeiter wünsche.
Das Ergebnis: eine fertige Instagram Story. Ich muss sie nur noch hochladen. Früher brauchte ich dafür Photoshop, Canva, einen Briefing-Prozess. Jetzt erledigt das der Agent in Minuten. Und das ist eins von dutzenden Beispielen, die wir in jedem Bereich unseres Unternehmens sehen.
Man muss diesen gedanklichen Shift erstmal hinbekommen: Alles, was du am Computer machst – Dateien formatieren, Audio transkribieren, Designs erstellen – basiert im Kern auf Code. Und wenn es auf Code basiert, kann es ein Agent erledigen. Früher hast du Transkriptionsdienste im Internet gesucht, Videos hochgeladen, gewartet. Das funktioniert jetzt alles lokal im Terminal. Und genau deshalb spreche ich vom Ring der Macht: Claude Code und der KI-Agenten-Umbruch geben dir als Unternehmer enorme Hebelkraft. Du musst nur richtig damit umzugehen wissen – und es aufs Team ausrollen können.
Was Bienenschwärme uns über KI-Teamarbeit lehren
Jetzt wird es spannend. Am 26. Juni 1951 beobachtete der Zoologe Martin Lindauer in einem Münchner Park einen Bienenschwarm. Was er herausfand, verändert mein Denken über Teamarbeit im KI-Zeitalter grundlegend.
Die zentrale Frage: Wie delegieren Bienen Verantwortung, ohne dass jemand das Kommando hat? Lindauer entdeckte: Dutzende Spurbienen schwärmen aus, erkunden Nistplätze und kehren zum Stock zurück. Dort tanzen sie. Je besser der Platz, desto intensiver der Tanz. Es gibt keine Abstimmung. Keine Königin, die entscheidet. Die Entscheidung entsteht durch die Anzahl tanzender Bienen.
Der Schwarm ist kein Haufen vereinzelter Individuen. Er ist ein eigenständiges, zusammenhängendes System – ohne zentrale Steuerung. Ganz anders als die meisten Unternehmen mit ihren Hierarchien, Abteilungsleitern und Freigabeschleifen.
Meine zentrale These: Teamarbeit im KI-Agenten-Zeitalter muss wie ein Bienenschwarm funktionieren – nicht wie ein Organigramm.
Das Hive-Mind-Prinzip: So arbeiten wir bei Everlast AI
Steve Yegge, ehemaliger Senior Developer bei Amazon und Google, hat sich angeschaut, wie Anthropic selbst arbeitet. Er beschreibt es als Hive Mind – Schwarmbewusstsein. Informationen fließen in Echtzeit. Produkte entstehen in Tagen statt Quartalen. Und das sehen wir alle: Jeden Tag kommt etwas Neues, das wirklich gut ist.
Dieses Prinzip müssen wir auf unsere Unternehmen übertragen. Denn der hierarchische Wissensaustausch – Meetings, Freigabeschleifen, Handbücher – ist zu langsam für eine Welt, die sich alle vier Monate verdoppelt.
Konkret bei uns: Unser Entwicklerteam arbeitet den ganzen Tag mit Claude Code. Die finden ständig Sachen – bessere Context-Files, optimierte Workflows, neue MCP-Anbindungen. In der alten Welt hätten sie das mit mir kommunizieren müssen. Meeting einberufen: „Leonard, wir haben diesen neuen Workflow. Was hältst du davon? Können wir das für alle ausrollen?"
Das ist nicht mehr zeitgemäß. Wenn drei, vier Leute im Team sagen: „Das ist super, lass uns das machen" – dann passiert das automatisch über das System. Und ich als Geschäftsführer habe die neuen MCPs, Tools und Context-Files in meinem Workspace, ohne dass ich von der Diskussion weiß. Genau wie beim Bienenschwarm. Alles andere ist schlicht unproduktiv. Stell dir vor, dein Wettbewerber arbeitet so. Der rennt dir davon.
Nehmen wir den Instagram-Story-Prozess, den ich eben gezeigt habe. In der alten Welt müsste ich jetzt ein Meeting einberufen: „Schaut mal, ich habe hier einen tollen Workflow. Macht das auch so." Vielleicht nehme ich ein Video auf. Vielleicht schreibe ich sogar ein Handbuch. Aber in zwei Tagen habe ich vielleicht schon einen noch besseren Prozess. Das starre Festhalten von Abläufen in Handbüchern, SOPs und Schulungsvideos – das ist einfach nicht mehr zeitgemäß.
Das Fundament: Ohne strukturierte Daten sind Agenten blind
Jetzt kommen wir zum Kern. Das Hive Mind – dieses Schwarmbewusstsein für dein gesamtes Unternehmen – das ist der Zielzustand. Aber zunächst brauchen wir das Fundament. Ich vergleiche das gerne mit einem Hochhausbau. Zwei Jahre lang sieht man nichts. Betonpfeiler werden in den Boden gerammt. Aber ohne dieses Fundament steht kein Stockwerk.
Alles basiert auf einem strukturierten Wissensspeicher. Und da reden wir vor allem von strukturierten Dateien. Oft höre ich: „Ja, aber wir haben OneDrive. Da sind Words drin, da sind PDFs drin." Damit können Agenten gar nichts anfangen. Agenten sprechen eine andere Sprache. Die basiert auf Markdown, auf JSON – maschinenlesbare Formate.
Der Wissensspeicher sollte auf zwei Ebenen optimiert sein: für quantitative Auswertungen, also Controlling-Dashboards – und für qualitative Inhalte, also Marketing-Texte, Support-Antworten und alles, was auf eurem Unternehmenswissen basiert. Was macht euer Unternehmen? Was sind eure Kommunikationsrichtlinien? Eure Werte? Das sollte jeder Mitarbeiter automatisch bekommen.
Wer sich tiefer einlesen möchte, findet im Bereich Corporate LLMs eine ausführliche Anleitung zur Implementierung.
Was die meisten falsch machen
Ich sage das gebetsmühlenartig: Ohne strukturierte Daten, saubere APIs und eine zentrale Wissensdatenbank sind eure Agenten blind. Und das sind die häufigsten Fehler:
PDFs als Wissensbasis. PDFs sind für Menschen gemacht. Nicht für Agenten. Punkt.
Wissen in Silos. Informationen sind überall verteilt. In SharePoint, in E-Mails, in Papierform. Manche basieren auf E-Mail-Verkehr mit Kunden im Support, der nie strukturiert wurde. Es gibt keine Struktur. Niemand pflegt das.
Leere Wissensdatenbanken. Das kennt doch jeder. Man sagt: „Hey Team, sammelt mal bitte die häufigsten Fragen." Dann muss man hinterherrennen. Am Ende hat es niemand gemacht. Und manchmal ist einfach gar nichts da. So ehrlich müssen wir sein – und da kann die KI dann nichts mit anfangen.
Warum das System eure Standards automatisch durchsetzt
Das kennt jeder Unternehmer: Du definierst Standards, Prozesse, nimmst Videos auf. Und dann? Wie sehr wird sich daran gehalten? Wir haben bei Everlast AI seit Jahren einen Kommunikationsstandard: Wenn du ein Problem hast, musst du immer einen Lösungsvorschlag mitliefern. Keine Sprachnachrichten über zwei Minuten. Solche Sachen.
Aber mal ehrlich – wer kann sich das alles merken? Man kann es den Mitarbeitern nicht vorwerfen. Es ist einfach zu viel. Und genau hier liegt der riesige Vorteil der richtigen KI-Infrastruktur.
Wenn euer Mitarbeiter einen KI-Chat öffnet, wird automatisch alles, was ihr im Wissensspeicher definiert habt, in jede Konversation injiziert. Euer Unternehmenswissen, eure Zielgruppen, eure Produkte, eure Kommunikationsrichtlinien – das ist automatisch Teil jedes Chats. Niemand muss prompten. Niemand muss Custom-GPTs bauen. Das System erzwingt eure Best Practices.
Will jemand eine E-Mail formulieren? Das System kennt die Richtlinien. Einen Marketing-Text schreiben? Die Markensprache ist parat. Eine Instagram Story erstellen? Der Skill läuft immer gleich – gleiche Farben, gleiches Design. Konsistente Qualität, jedes einzelne Mal.
Das beschleunigt das Onboarding massiv. Das Wissen bleibt im Unternehmen, selbst wenn Mitarbeiter gehen. Und wer mit KI-Agenten als Beruf arbeiten möchte, findet im Berufsbild AI Automations Manager genau diese Themen wieder.
Fazit: Die KI-Infrastruktur entscheidet über alles
OpenClaw war laut. Aber die wahre Revolution passiert leise – in der Infrastruktur. Der Hype hat gezeigt, was KI-Agenten können. Doch ohne das richtige Fundament bleibt es bei trivialen Spielereien und Sicherheitsrisiken.
Was du brauchst, ist klar: Strukturierte Daten in Markdown und JSON. Einen zentralen Wissensspeicher, der Quantitatives und Qualitatives abdeckt. Ein Corporate LLM, das dein Wissen automatisch in jeden Chat injiziert. Und als Zielzustand: das Hive Mind – ein System, in dem dein gesamtes Team voneinander lernt, ohne Meetings und Freigabeschleifen.
In einer Welt, die sich alle vier Monate verdoppelt, ist das starre Definieren von Prozessen in Handbüchern und SOPs nicht mehr zeitgemäß. Das haben wir am METR-Benchmark gesehen: Von 9 Sekunden auf 14,5 Stunden. Von einem Spielzeug zu einem echten digitalen Mitarbeiter. Und Ende dieses Jahres werden wir bei einer vollen Arbeitswoche sein, die KI-Agenten autonom für uns erledigen.
Unternehmen, die ihre KI-Infrastruktur jetzt aufbauen, arbeiten produktiver, schneller, konsistenter. Alle anderen schauen zu, wie die Konkurrenz davonzieht. Es ist wie beim ChatGPT-Moment im November 2022: Die meisten haben damals nicht geahnt, wie sehr sich alles verändert. Wir sind jetzt an genau so einem Moment – nur noch größer.
Du willst sehen, wie das in der Praxis aussieht? Auf dem Everlast AI YouTube-Kanal zeigen wir dir Schritt für Schritt, wie du Corporate LLMs einrichtest, Skills baust und dein Unternehmen fit machst für das Agentenzeitalter.
