Die Diskussion über Künstliche Intelligenz in Unternehmen hat sich verschoben. Nicht mehr die Frage, ob einzelne Teams ein Sprachmodell nutzen dürfen, steht im Vordergrund, sondern die Frage, welchen Platz KI in der Organisation überhaupt einnimmt. Eine aktuelle Einordnung bringt es auf den Punkt: Viele Firmen nutzen KI bisher nur punktuell als Werkzeug. Wer dagegen KI-nativ arbeiten will, kommt um strukturelle Veränderungen nicht herum – unter anderem um neue Rollen.

Dieser Unterschied klingt akademisch, hat aber sehr konkrete Folgen für Web- und Softwareprojekte. Ein Werkzeug wird bei Bedarf hervorgeholt. Infrastruktur dagegen ist immer da, sie prägt, wie Arbeit überhaupt organisiert wird – so wie Versionsverwaltung, Deployment-Pipelines oder ein zentrales Content-Management-System.

Das Muster: viele Tools, wenig Wirkung

Der typische Einstieg verläuft ähnlich. Ein Entwicklungsteam nutzt einen Code-Assistenten, die Redaktion lässt Texte vorformulieren, der Vertrieb testet eine Zusammenfassungsfunktion. Jeder dieser Schritte bringt für sich genommen etwas. Zusammen ergeben sie jedoch selten eine spürbare Veränderung auf Prozessebene.

Der Grund liegt weniger in der Technik als in der Anschlussfähigkeit. Ergebnisse entstehen in isolierten Oberflächen, nicht im System, in dem die Arbeit eigentlich stattfindet. Sie werden kopiert, nachbearbeitet, manuell weitergereicht. Was an einer Stelle an Zeit gewonnen wird, geht an der nächsten Schnittstelle wieder verloren.

Hinzu kommt: Punktuelle Nutzung bleibt unsichtbar. Es gibt keine gemeinsame Vorstellung davon, welche Arbeitsschritte überhaupt KI-gestützt ablaufen sollen, welche Qualität erwartet wird und wer verantwortlich bleibt, wenn ein Ergebnis fachlich falsch ist.

Was der Infrastrukturgedanke verändert

Infrastruktur zu denken heißt, von der Einzelanwendung auf die Ebene von Prozessen, Daten und Zuständigkeiten zu wechseln. Drei Verschiebungen sind dabei besonders relevant.

  • Vom Tool zum Prozessschritt: KI wird nicht als separate Anwendung betrachtet, sondern als Teil eines definierten Ablaufs – etwa im Redaktionsworkflow oder im Code-Review.
  • Von der Oberfläche zur Schnittstelle: Entscheidend ist, ob ein Modell über eine Programmierschnittstelle an die bestehenden Systeme angebunden ist, statt nur im Browserfenster zu existieren.
  • Von der Einzelinitiative zur Rolle: Es braucht Menschen, die für Qualität, Datenzugriff und Weiterentwicklung der KI-gestützten Abläufe zuständig sind – nicht nur engagierte Einzelpersonen in den Fachbereichen.

Gerade der letzte Punkt wird unterschätzt. Neue Rollen entstehen nicht automatisch, weil eine Technologie verfügbar ist. Sie müssen beschrieben, besetzt und mit Entscheidungsbefugnis ausgestattet werden.

Daten und Systeme als Voraussetzung

KI-Ergebnisse sind nur so gut wie der Kontext, auf den sie zugreifen können. In vielen Unternehmen liegt dieser Kontext verteilt: im CMS, im CRM, in Projektmanagement-Werkzeugen, in Dateiablagen, in den Köpfen einzelner Mitarbeitender. Solange diese Quellen nicht strukturiert zugänglich sind, bleibt jede KI-Nutzung eine Übung mit unvollständigen Informationen.

Für Webprojekte heißt das sehr praktisch: sauber modellierte Inhaltstypen, konsistente Metadaten, dokumentierte Schnittstellen. Ein gut strukturiertes TYPO3-Setup ist nicht nur für Redaktion und Frontend wertvoll, sondern auch die Grundlage dafür, dass KI-gestützte Funktionen überhaupt sinnvoll andocken können – etwa für Vorschläge zu Verschlagwortung, Übersetzungen oder interner Verlinkung.

Governance: ohne Regeln keine Skalierung

Mit der Breite der Nutzung steigt der Bedarf an klaren Leitplanken. Welche Daten dürfen an welche Systeme übergeben werden? Wer prüft Ergebnisse vor der Veröffentlichung? Wie wird dokumentiert, dass ein Inhalt oder ein Codeabschnitt KI-gestützt entstanden ist?

Diese Fragen wirken bremsend, sind aber die Voraussetzung dafür, KI überhaupt über Pilotprojekte hinaus einzusetzen. Ohne verbindliche Antworten bleibt jede Ausweitung eine Risikoentscheidung im Einzelfall – und genau das verhindert Skalierung.

Ein pragmatischer Weg

Der Infrastrukturgedanke verlangt keine Komplettumstellung. Sinnvoll ist ein schrittweises Vorgehen, das bei einem konkreten Ablauf ansetzt und von dort aus wächst.

  1. Einen Prozess auswählen, der häufig durchlaufen wird und messbare Ergebnisse liefert – etwa die Erstellung und Freigabe von Inhalten.
  2. Den Ablauf dokumentieren und die Stellen markieren, an denen Informationen manuell übertragen werden.
  3. KI nicht als zusätzliche Oberfläche, sondern an genau diesen Übergabepunkten integrieren.
  4. Verantwortlichkeiten festlegen: Wer entscheidet, wer prüft, wer pflegt die Anbindung?
  5. Ergebnisse beobachten und erst dann auf weitere Prozesse übertragen.

Der Unterschied zum Tool-Ansatz liegt weniger im eingesetzten Modell als in der Frage, was danach passiert: Bleibt das Ergebnis in einem Chatfenster, oder fließt es in ein System, aus dem andere weiterarbeiten können?

Einordnung

Für Web- und Softwareprojekte verschiebt sich damit der Schwerpunkt: Nicht die Auswahl des Assistenten entscheidet über den Nutzen, sondern die Qualität der darunterliegenden Struktur aus Daten, Schnittstellen und Zuständigkeiten. Wer sein CMS, seine Inhaltsmodelle und seine Freigabeprozesse ohnehin überarbeitet, sollte die Anschlussfähigkeit für KI-gestützte Abläufe gleich mitdenken, statt sie später nachzurüsten. Punktuelle Werkzeuge liefern schnelle Erfolgserlebnisse – dauerhafte Entlastung entsteht erst, wenn KI als Teil der Infrastruktur geplant und verantwortet wird.

Quellen