Drei Wochen Diskussion über KI-Modell-Wahl. Zehn Minuten Diskussion über Wissens-Heimat. So sieht die Architektur-Debatte in vielen KMU aus.
Die Verhältnisse stimmen nicht. Modell-Wahl ist eine 6-Monats-Entscheidung, austauschbar mit einem Konfig-Tausch. Wissens-Heimat ist eine 10-Jahres-Entscheidung, nach der Übertragung kaum mehr zu korrigieren.
In dieser Ausgabe: Welche KI-Architektur-Entscheidungen heute warten können, welche EINE nicht, und wie du sie ohne Tech-Projekt triffst. Mit drei strukturellen Hebeln und einem Praxis-Muster aus zwei laufenden Projekten.
🎙️ You prefer to listen to the newsletter? Here is a short, AI-generated audio summary of this issue:
Wissens-Heimat schlägt KI-Modell
CEOs werden mit der falschen Frage konfrontiert. «Welches KI-Tool sollen wir wählen?» «Welches Modell ist das beste?» «Welche Plattform passt zu uns?» Antworten gibt es Hunderte. Berater verkaufen sie wochenweise.
Die Frage ist falsch. Modell-Wahl und Frontend-Wahl sind dank MCP (Model Context Protocol) und Tool-Calling seit Ende 2024 austauschbar. Du kannst heute Claude Cowork nutzen, in sechs Monaten zu Mistral wechseln, in einem Jahr einen eigenen Custom-Agent einsetzen, ohne dein Backend anzufassen. Diese Schicht ist beliebig nachrüstbar.
Was nicht nachrüstbar ist: Wo dein Wissen physisch liegt. Wer einmal Lieferanten-Verträge, Kunden-Historien, Compliance-Logik oder Produktdokumentation an einen US-RAG-Dienst übertragen hat, kann dieses Wissen nicht zurückholen. Es ist dort eingebettet, indiziert, möglicherweise in Trainingsdaten geflossen.
Bitkom hat letzten Juni eine Zahl zur Sorge geliefert: 78 Prozent der deutschen Unternehmen halten Deutschland für zu abhängig von US-Cloud-Anbietern. Aber nur 4 Prozent planen einen vollen Ausstieg. Diese Lücke ist real. KMU wissen, dass sie nicht alles auf einmal lösen können. Sie wissen nur nicht, welche Entscheidung jetzt fallen muss und welche warten kann.
Das ist die Asymmetrie, die kaum jemand benennt. Genau umgekehrt zur üblichen Priorisierung.
Drei strukturelle Hebel, die zusammen «Knowledge-First-Architektur» ergeben.
Hebel 1: Wissens-Heimat zuerst entscheiden.
Was zu tun ist: bevor du irgendein KI-Tool einsetzt, ist zu klären, wo das relevante Wissen physisch liegt. Drei Kategorien. (a) öffentlich oder unkritisch: kann überall hin. (b) sensibel aber nicht regulatorisch geschützt: sollte in europäischer Cloud bleiben. (c) regulatorisch geschützt oder strategisch: bleibt selbst gehostet oder bei einem EU-Anbieter mit nachweisbarer Souveränität.
Werkzeug: eine einfache Tabelle mit drei Spalten. Wissens-Domäne, Sensitivitäts-Klasse, Storage-Heimat. Drei Stunden Arbeit für ein KMU.
Was es bringt: jede spätere Tool-Entscheidung referenziert diese Tabelle, nicht den persönlichen Geschmack oder das aktuelle Vendor-Pitch.
Hebel 2: Schnittstellen-Standard wählen.
Was zu tun ist: dein Wissens-Layer ist nur dann austauschbar im Frontend, wenn er Standards spricht. MCP ist seit Ende 2024 etabliert, OpenAI und Google haben adoptiert. OpenAPI mit Tool-Calling funktioniert mit allen Frontier-Modellen.
Werkzeug: bei Self-Hosting eine API-Schicht, die MCP oder OpenAPI verbindet. Bei SaaS-Wahl: prüfen, ob der Anbieter MCP exportiert oder wenigstens Webhook plus OpenAPI bietet.
Was es bringt: das heutige Frontend ist nicht das Frontend in drei Jahren. Wenn der Wissens-Layer Standards spricht, ist der Wechsel ein Konfig-Tausch, kein Migrations-Projekt.
Hebel 3: Eine Person ist für das Wissens-Inventar verantwortlich.
Was zu tun ist: eine namentliche Person prüft wöchentlich, welche neuen Wissens-Dokumente entstanden sind und wo sie liegen. Sie pflegt die Tabelle aus Hebel 1. Sie eskaliert, wenn jemand strategisches Wissen an einen unklassifizierten Dienst gibt.
Werkzeug: ein Eintrag im Wochen-Termin-Kalender. Eine Notion-Seite mit Audit-Log. Keine separate Abteilung.
Was es bringt: das Wissens-Inventar bleibt aktuell. Schatten-IT mit KI-Komponenten wird sichtbar, bevor sie zum Problem wird.
Reihenfolge: Hebel 1 zuerst, Hebel 2 als Konsequenz, Hebel 3 als Pflege. Wer in falscher Reihenfolge startet, baut Governance für eine Architektur, die nicht trägt.
Eine vierte Frage, die dazu gehört: lässt sich nachvollziehen, was ein Agent mit dem Wissen gemacht hat? Replay, Forking und Lineage sind die Audit-Konzepte, die nach der Architektur-Entscheidung wichtig werden. Sie sind kein vierter Hebel, sondern die Folge-Frage. Wer Wissens-Heimat klar hat, kann Lineage bauen. Wer sie nicht hat, kann nicht einmal anfangen.
Drei nächste Schritte
-
mmind.space: Im Marketplace kannst du Agents gratis testen, die Datensouveränität gewährleisten. Zum Beispiel zum EU AI Act und weiteren Rechtsthemen.
-
KI-Café am 16. Juni 2026 in Schaan: Schwerpunkt «KI rechtskonform einsetzen» mit konkreten Beispielen aus regulierten Branchen. Wenn dich Hebel 1 und Hebel 2 interessieren, ist das die richtige Veranstaltung: Here geht’s zur Anmeldung.
-
This week: Etwas Zeit im Kalender für ein internes Klassifikations-Audit blockieren. Drei Personen einladen (Geschäftsleitung, IT, Fachbereich). Die Tabelle aus Schritt 1 ausfüllen. Wer das diese Woche macht, hat im Q3 einen Vorsprung, den die Konkurrenz nicht in einem Quartal aufholt.
Fragen zur Umsetzung? Antworte direkt auf diese E-Mail. Wir melden uns umgehend.
