In meinen KI-Newslettern lese ich jede Woche dieselbe Beobachtung in neuen Worten. Diese Woche hat sie Harold Raichur, der auf LinkedIn über den operativen Einsatz von KI schreibt, besonders klar formuliert. Die meisten Teams haben KI-Werkzeuge. Und sie haben ein Ritual, das niemand je beschlossen hat: Sie erklären der KI bei jeder neuen Sitzung ihr Geschäft von vorne.
Wer ist der Kunde. Wofür steht die Marke. Was zählt in diesem Quartal. Die KI erinnert sich nicht. Also tippt es jemand erneut, und wieder, und wieder. Mit der Zeit driften die Ergebnisse ab. Nicht weil das Modell schlechter wird, sondern weil der Kontext, der es speist, nie gleich bleibt.
Kein Modellproblem. Ein Strukturproblem.
Raichur nennt das einen operativen Systemfehler, kein Werkzeugproblem. Genau dieser Satz hat mich aufhorchen lassen, denn er beschreibt mein eigenes Arbeitsfeld. KI-Einführung wird wie eine Tool-Entscheidung behandelt, obwohl sie sich wie ein operatives System verhält, das verändert, wie Arbeit definiert, ausgeführt und bewertet wird.
Der erste Reflex der meisten Teams macht es schlimmer. Sie kippen mehr Rohmaterial in die Sitzung, um die fehlende Erinnerung auszugleichen. Ohne Struktur bekommt das Modell dadurch mehr zu verarbeiten und weniger, womit es arbeiten kann. Die Ausgaben werden unschärfer, nicht besser. Das ist dasselbe Muster, das ich in meinem letzten Beitrag beschrieben habe:
Wer KI auf eine fragmentierte Wissensbasis setzt, automatisiert die Unordnung.
Die Lösung ist eine Kontextschicht, keine bessere Eingabe
Manche Teams haben aufgehört, sich zu wiederholen. Statt die KI pro Sitzung neu zu briefen, haben sie eine feste Instruktionsschicht gebaut, die vor jeder Antwort geladen wird. Der Aufbau hat eine Ordnung: ein dauerhafter Arbeitsbereich, darin wenige Kerndateien zu Geschäftskontext, Wunschkunde, Strategie, Marke und Arbeitsstil, und eine einzige Instruktionsdatei an der Wurzel, die alles andere zusammenhält.
Damit hört die KI auf, ein flüchtiger Assistent zu sein, der isoliert antwortet. Sie wird zu einem dauerhaften Mitarbeiter, der den historischen Kontext der Organisation kennt und dort weitermacht, wo die letzte Sitzung aufgehört hat. Der entscheidende Punkt ist nicht die Menge. Es ist die Auswahl.
80 Prozent des Nutzens stammen aus 20 Prozent des Gespeicherten.
Das ist kein Zufall, das ist der Engpass. Wer nach der Engpasskonzentrierten Strategie denkt, sucht zuerst die eine Stelle, an der die größte Wirkung entsteht, und konzentriert die Kräfte darauf. Hier ist es nicht mehr Kontext, sondern der richtige Kontext, einmal sauber strukturiert und dann gehalten.
Warum das ein Wettbewerbsvorteil ist, kein Aufräumen
KI-Modelle werden sich weiter ändern. Ihr Geschäftskontext nicht. Wer die strukturierte Schicht jetzt baut, löst nicht nur ein Workflow-Problem, sondern legt etwas an, das kein Modell-Update zurücksetzt. Die Logik des Wunschkunden, die Regeln der Marke, die Art zu arbeiten: Ein neues Modell erbt diese Struktur, es löscht sie nicht.
Das deckt sich mit dem, was ich seit Längerem beobachte. Wettbewerbsvorteile entstehen selten aus Allgemeinwissen, sondern aus dem Besonderen, das nur in einem bestimmten Unternehmen, Projekt oder Lebenslauf existiert. Früher war Wissen Macht. Heute ist strukturiertes Wissen Macht. Und je besser KI wird, desto mehr wird vernetztes Wissen zum Multiplikator, der darüber entscheidet, wie wirksam ein Unternehmen KI überhaupt einsetzen kann.
Was das für den Mittelstand heißt
In meiner Arbeit als Interim Manager erlebe ich immer wieder dasselbe Muster: Unternehmen vermuten ein Technologieproblem, obwohl der eigentliche Engpass in der Struktur von Informationen und Verantwortlichkeiten liegt. Wissen ist vorhanden, aber es liegt über Postfächer, Netzlaufwerke, ERP, CRM und die privaten Notizen einzelner Mitarbeiter verstreut. Genau das blockiert die operative Handlungsfähigkeit, lange bevor ein Werkzeug daran etwas ändert.
Deshalb lautet die erste Frage vor jeder KI-Initiative nicht, welches Modell eingesetzt wird, sondern wie gut das eigene Wissen organisiert ist.
Struktur vor Tool. Wissen vor Automatisierung.
Das Gute daran: Eine Kontextschicht zu bauen ist vergleichsweise günstig und braucht keine große Plattform. Sie braucht eine Entscheidung, ein paar gut gewählte Dateien und einen Anfang. Ich habe diese Entscheidung für mich selbst getroffen. Dieser Beitrag ist mit genau so einem Aufbau entstanden: eine Instruktionsdatei an der Wurzel, ein strukturierter Wissensspeicher und eine KI, die beides bei jeder Sitzung lädt, statt jedes Mal bei null zu beginnen.
Die KI kennt Ihr Geschäft noch nicht. Ob sie es lernt, ist keine Frage des Modells. Es ist eine Frage der Struktur, die Sie ihr geben.
Auslöser dieses Beitrags und Quelle der zitierten Beobachtungen: Harold Raichur, „AI That Never Knows Your Business", The AI Blueprint (LinkedIn), Juni 2026 ↗. Einordnung, Übersetzung und Schlussfolgerungen sind meine eigenen.