Scheinbar ist jeder ein Experte

Im Februar 2025 hat Andrej Karpathy einer neuen Arbeitsweise einen Namen gegeben: Vibe Coding. Man beschreibt, was man haben will, ein KI-Modell schreibt den Code, und man liest ihn kaum noch. Seitdem baut die Marketingleiterin am Wochenende ein Lead-Tool, der Vertriebler zieht die Preise der Konkurrenz in eine Tabelle, und der Controller automatisiert den Monatsbericht, ohne ein Ticket an die IT zu schreiben. Vor zwei Jahren brauchte man dafür einen Entwickler oder eine Agentur. Heute reichen ein Nachmittag und ein Abo.

Die Chance

Wer einem Problem am nächsten ist, kann die Lösung jetzt selbst bauen. Niemand muss mehr ein Lastenheft schreiben, auf einen Platz in der IT-Planung warten und das Problem ein zweites Mal erklären. Die erste Version steht, bevor das Meeting dazu stattfindet. In einem kleinen Team schrumpft die Zeit von der Idee bis zum funktionierenden Prototyp von Wochen auf Stunden.

Die andere Seite

Ein Tool, das an einem Nachmittag entsteht, trägt Unternehmensdaten auch an einem Nachmittag nach draußen. Kundenlisten landen in einem Chatfenster, Quellcode in einem Prompt, und eine kleine App speichert Kundendaten in einer Datenbank, von der im Unternehmen niemand weiß. 2023 haben Ingenieure bei Samsung Quellcode und Besprechungsnotizen in ChatGPT kopiert, und Samsung hat seinen Mitarbeitern danach generative KI-Tools verboten. Im Cost of a Data Breach Report 2025 von IBM hatte jede fünfte Organisation ein Datenleck durch KI-Tools, die niemand freigegeben hatte, und ein solches Leck kostete 670.000 US-Dollar mehr als der Durchschnitt.

Zuerst gehen die Daten. Was ein Mitarbeiter in ein öffentliches Modell tippt, liegt außerhalb der Kontrolle des Unternehmens, und in der Finanz- oder Versicherungsbranche kann schon das gegen eine Vorschrift verstoßen.

Dann geht das Wissen. Eine Preislogik, ein Scoring-Modell oder die Art, wie ein Team eine Immobilienbewertung prüft, gehören dem Unternehmen. Sobald sie in einem Prompt auf einem privaten Konto stecken, kann das Unternehmen sie weder prüfen noch zurückholen.

Am Ende verschwindet der Ablauf aus dem Blick. Das selbst gebaute Tool läuft, bis sein Erbauer den Job wechselt. Danach weiß niemand mehr, was es tut, welche Daten es liest und wer Zugriff hat.

Fachwissen und Erfahrung entscheiden

Ein KI-Modell liefert, was man verlangt, auch wenn die Anfrage falsch ist. Es kennt Ihr Geschäft nicht. Es weiß nicht, dass ein Preis ohne Datum nutzlos ist oder dass Kunden abspringen, wenn der Checkout zu lange dauert. Das muss wissen, wer den Prompt schreibt. Dieses Wissen kommt aus Erfahrung: aus Jahren in einer Branche und aus Fehlern, die man schon einmal gemacht hat. Wer diese Erfahrung hat, kann mit KI Lösungen bauen, die zum eigenen Unternehmen passen.

Über den Autor

Seit mehr als zwanzig Jahren arbeite ich an den Fragen, die vor dem Prompt kommen: welche Daten ein Unternehmen braucht, wer sie nutzen darf und wie lange sie stimmen.

Heute arbeite ich viel mit KI-Agenten, virtuellen Organisationen und Workflows. Ich richte für Kunden KI-Agenten ein und schreibe die Regeln, nach denen sie arbeiten. Ich habe mit Daten von Banken, Lebensversicherern, Onlineshops und aus der Immobilienbranche gearbeitet. Ein Unternehmen, das mit mir arbeitet, bekommt Branchenwissen und tiefes IT-Wissen in einer Person.

In meiner Forschung arbeite ich an Datenaggregation, Workflows und virtuellen Organisationen. Bei allen drei Themen geht es um dasselbe Problem: wie Daten aus vielen Quellen richtig bleiben, wenn sie sich weiterentwickeln oder geändert werden.

Wenn Sie mit mir zusammenarbeiten möchten, nehmen Sie Kontakt auf.