Monatlicher KI-Denkraum
Wie viel Kontrolle brauchen Agenten, damit Unternehmen ihnen Arbeit überlassen können, und woran zeigt sich echte Wirkung? Diese Ausgabe zeigt, wie Vorreiter:innen Prüfung, Grenzen und Messung aufbauen und was Führungskräfte daraus übernehmen können.
Für die Arbeit mit deinem eigenen KI-Assistenten. So geht’s
Wir haben 119 Podcastfolgen aus dem Juli 2026 von Hand ausgewählt und daraus 357 Erkenntnisse herausgearbeitet. Diese zehn Muster bündeln wiederkehrende Erfahrungen damit, Agenten Grenzen zu setzen, Ergebnisse abzusichern und den Nutzen für das Unternehmen messbar zu machen.
Patrick McQuaid, Group Head of Data, AI und Analytics der NGM Group, legt dem eigenen Unternehmensmodell sein KI-Risiko-Framework vor und lässt es gezielt nach Schwächen und Löchern suchen.
Rechtsanwalt Dennis Engbrink (ZIRNGIBL) lässt denselben Sachverhalt nacheinander aus juristischer Sicht und aus Sicht von Produzent, Veranstalter oder Vermittler beurteilen und behandelt die Ausgaben wie Ratschläge von Beratern.
Weil KI-Assistenten von Haus aus zustimmend antworten, hat Anna Ott, Vice President People bei HV Capital, einen Claude-Skill gebaut, der im Stil eines Berliner Busfahrers antwortet und so gezielt Widerspruch erzeugt.
Status: bestätigt, 1 neuer Beleg. Christoph Werner, Vorsitzender der Geschäftsführung von dm-drogerie markt, schreibt E-Mails und Kolumnen selbst und fragt KI höchstens, ob ein Text logische Brüche, Widersprüche oder mögliche Widerstände enthält.
Belegt in diesen Gesprächen
Ein Kunde von Statista verbrannte mit einem außer Kontrolle geratenen Agenten in den ersten drei Tagen eine Viertelmillion Credits; Statista arbeitet mit Stop-Loss-Grenzen, ab denen der Verbrauch gestoppt wird.
Ben Hoskins (CTO, NewStore) unterbindet die Bash-Aktionen seines Coding-Agenten und lässt Refactorings stattdessen über die per MCP angebundenen IntelliJ-Funktionen ausführen.
Manu Narayan (CIO, GitLab) verankert Guardrails und Governance auf der Repo-Seite, weil sich auf dem Rechner der Entwickelnden, ob mit Claude Code, Codex oder offenen Modellen, keine belastbare Kontrolle durchsetzen lässt.
Status: unverändert
Belegt in diesen Gesprächen
321 MED lässt Agenten, die nichts voneinander wissen, sich gegenseitig kontrollieren, sodass eine zweite KI eine falsche Ausgabe an Patient:innen abschneidet, bevor sie hinausgeht.
Der CPTO von felmo verankert Qualitätsregeln als Hooks, die vor dem Push nach GitHub einen Security-Check und einen Architektur-Check erzwingen, weil Skills im Kontext des Modells vergessen werden.
Parloa lässt jeden Pull Request von mehreren spezialisierten Agenten prüfen, ein LLM-Judge wertet deren Konsens aus und schickt riskante Pull Requests an eine Person zum Review.
Status: unverändert
Belegt in diesen Gesprächen
Mit Abo
Mit einem Abo liest du alle 10 mit ihren Belegen und lädst sie als Textdatei herunter.
Der vollständige Bestand
119 Gespräche, vom jüngsten zum ältesten geordnet.
Organisation vor Technologie
KI-Transformation ist zu 70 Prozent Organisations- und Personalarbeit. Wer KI als hochbegabtes neues Teammitglied behandelt statt als Tool, muss Rollen, Reifegrade und Entwicklungsgespräche umbauen und nicht nur Lizenzen kaufen.
Mit Abo
Mit einem Abo öffnest du alle 119 Gespräche dieses Raums mit ihren Erkenntnissen, durchsuchst den Katalog und lädst die Dateien herunter.
1 Gespräch ergänzt · keines entfernt · 1 überarbeitet
1 bestätigt · 9 unverändert
Welche Gespräche, Aussagen und Empfehlungen sich geändert haben, siehst du mit einem Abo.
Verglichen mit V2 · 14.09.2026.
