Warum ich nicht jedem neuen KI-Tool hinterherlaufe

Am 6. Oktober 2025 stellte OpenAI auf dem DevDay den Agent Builder vor, Teil des Pakets AgentKit, mit visueller Workflow-Oberfläche, Connector Registry und Guardrails. Die Demos sahen beeindruckend aus. Am 3. Juni 2026, keine acht Monate später, stand die Abkündigung in der offiziellen Dokumentation: Abschaltung zum 30. November 2026, als Alternative verweist OpenAI auf das Agents SDK und ChatGPT Workspace Agents.

106 Anwendungen pro Unternehmen, und jedes Tool will gepflegt werden

Der BetterCloud State-of-SaaS-Report vom 18. April 2025 (rund 600 befragte IT-Fachleute) kommt auf durchschnittlich 106 SaaS-Anwendungen pro Unternehmen. 2024 waren es 112, 2022 noch 130. Der Trend geht also nach unten, was ich für ein gesundes Zeichen halte. Andere Zählweisen kommen auf deutlich höhere Werte, etwa 275 oder 342 Anwendungen, mit abweichender Methodik und daher nicht direkt vergleichbar.

Entscheidend ist nicht die exakte Zahl, sondern das Verhältnis. Jedes zusätzliche Tool bringt Lizenzkosten, Zugriffsrechte, Datenschutzprüfung, Onboarding und einen Menschen, der es im Kopf behalten muss. Bei 106 Anwendungen ist die Frage nicht, ob noch eine dazupasst. Die Frage ist, welche drei Sie dafür abschalten.

Mir ist bewusst, dass das defensiv klingt. Ist es nicht. Ich bin bei neuen Technologien ausgesprochen progressiv eingestellt, aber Fähigkeiten und Tools sind zwei verschiedene Dinge. Eine neue Fähigkeit früh zu testen, kostet wenig. Sich früh auf ein Tool festzulegen, kostet viel.

Der Mittelstand ist weiter, als das Hype-Gerede vermuten lässt

Laut ifo-Institut vom 16. Juni 2025 setzen 40,9 Prozent der Unternehmen in Deutschland KI bereits in Geschäftsprozessen ein, weitere 18,9 Prozent planen den Start. Die Bitkom-Befragung vom 15. September 2025 (604 Unternehmen ab 20 Beschäftigten) kommt auf 36 Prozent im Einsatz und 47 Prozent in Planung oder Diskussion. Unterschiedliche Stichproben, ähnliche Richtung.

Interessant finde ich, worauf diese Unternehmen setzen. Die dokumentierten Praxisbeispiele, die mir begegnen, laufen fast durchgehend auf etablierten Plattformen. Ein kleiner Fensterbaubetrieb hat laut Synclaro-Blog vom 29. Januar 2026 mit n8n einen Workflow gebaut, der Reparaturanfragen automatisch dem zuständigen Monteur zuordnet und den Teamleiter benachrichtigt. Ergebnis laut Anbieter: 50 Prozent weniger Rückfragen.

Wir sehen dasselbe Muster in unseren Projekten. Die größten Hebel liegen selten im neuesten Modell, sondern in der Frage, warum eine Information dreimal von Hand abgetippt wird. Mehr dazu in unseren Use-Cases.

Wo es hakt

Ehrlich gesagt fällt mir das Abwarten schwer. Wenn ein Tool gut aussieht und alle darüber reden, ist der Reflex, es sofort auszuprobieren, sehr stark. Beim Agent Builder habe ich mir die Demos genau angeschaut und gedacht, das könnte etwas werden. Dass ich es nicht sofort in Kundenprojekte gezogen habe, war weniger Weisheit als die Angewohnheit, erst einmal eine Nacht darüber zu schlafen. Rückblickend war das die richtige Entscheidung, aber ich will nicht so tun, als hätte ich die Abkündigung vorhergesehen.

Zweiter offener Punkt: Ich habe keine belastbare Primärstudie gefunden, die sauber gegen diese Haltung argumentiert. Es gibt zahlreiche Beraterbeiträge, die frühes, kontrolliertes Experimentieren empfehlen, und die bidt-Auswertung zum KI-Index Mittelstand 2025 vom 17. Dezember 2025 zeigt, dass knapp ein Viertel der Mittelständler bereits testet. Diese Position ist differenzierter als Hype-Hopping, und sie hat recht: Wer gar nichts testet, verpasst Lernkurven.

Wie wir in Projekten damit umgehen

Unsere Faustregel ist banal: Der Use-Case kommt vor dem Tool. Wenn ein Prozess unklar ist, löst kein Tool das Problem, es verteilt es nur auf mehr Oberflächen.

Praktisch heißt das drei Dinge. Erstens: Neues wird beobachtet und notiert, aber nicht sofort in laufende Projekte gezogen. Zweitens: Wenn getestet wird, dann in einem abgegrenzten Fall mit klarer Abbruchbedingung, nicht quer durch die Organisation. Drittens: Bestehende Systeme werden zuerst besser gemacht, bevor ein neues dazukommt.

Ein Nebeneffekt, den ich unterschätzt hatte: Teams arbeiten mit Werkzeugen, die sie beherrschen, deutlich schneller als mit dem theoretisch überlegenen Tool, das sie erst lernen müssen. Eine Modellrechnung von Wirges Digital vom 12. Mai 2026 rechnet für acht Mitarbeitende bei sechs eingesparten Stunden pro Woche und 50 Euro Stundensatz rund 9.600 Euro monatlichen Kapazitätswert gegen 2.000 bis 6.000 Euro Setup. Auch das ist eine Anbieterrechnung, kein Messergebnis. Aber selbst wenn man die Annahmen halbiert, bleibt die Richtung: Der Gewinn entsteht durch Umsetzung, nicht durch Toolauswahl.

Was das konkret für Ihre Prozesse bedeutet, schauen wir uns gern an. Unsere Herangehensweise steht unter Leistungen, und wer lieber direkt redet, findet den Weg über Kontakt.

Was ich daraus mitnehme

• Eine Nacht darüber schlafen kostet nichts. Der Agent Builder war acht Monate nach Launch abgekündigt, Abwarten hätte Sie in diesem Fall exakt null gekostet.
• Fähigkeiten früh testen, Tools spät festlegen. Das ist kein Widerspruch zum progressiven Umgang mit KI, sondern die Bedingung dafür.
• Bei 106 SaaS-Anwendungen pro Unternehmen ist die ehrliche Frage nicht, was dazukommt, sondern was dafür geht.
• Wer Neuerungen trotzdem im Blick behalten will, ohne jedem Launch hinterherzulaufen: In unseren Fresh Finds sortieren wir wöchentlich das Relevante vom Lauten vor.

Welches Tool haben Sie zuletzt eingeführt, und welches haben Sie dafür abgeschaltet?

Dieser Artikel ist mit KI-Unterstützung entstanden.