KI im Unternehmen · Teil 3 von 3
Teil 3: KI richtig einsetzen: Auswahl, Sicherheit und Custom-GPT-Migration
Nicht jeder Unternehmensprozess braucht einen Agenten. Nicht jede Arbeitsanweisung braucht ein Plugin. Und nicht jede Automatisierung braucht überhaupt generative KI. Die richtige Lösung ist diejenige, die eine Aufgabe mit vertretbarem Aufwand zuverlässig erledigt.
Nach rund 30 Jahren IT-Erfahrung bin ich bei neuen Technologien gleichzeitig neugierig und pragmatisch.
Natürlich interessieren mich Systeme, die selbstständig recherchieren, unterschiedliche Informationen verbinden und Arbeitsschritte ausführen. Aber eine zusätzliche technische Möglichkeit ist noch kein wirtschaftlicher Grund, sie einzusetzen.
Mein Grundsatz lautet deshalb: So viel KI wie sinnvoll, so wenig zusätzliche Komplexität wie möglich.
Beginne bei der Aufgabe, nicht beim Agenten
Für eine erste Einordnung würde ich diese Fragen verwenden:
| Ausgangslage | Mein bevorzugter Einstieg |
|---|---|
| Eine einmalige Frage oder Textaufgabe | Ein normaler Chat mit gutem Kontext |
| Eine wiederkehrende Arbeitsmethode | Ein klar definierter Skill |
| Mehrere Personen sollen dieselbe Methode nutzen | Skill-Freigabe oder ein geeignetes Plugin |
| Methode und Systemzugriff gehören zusammen | Ein Plugin mit den benötigten Integrationen |
| Zwischenergebnisse bestimmen das weitere Vorgehen | Agentische Bearbeitung mit begrenzten Werkzeugen |
| Daten werden nach festen Regeln übertragen | Klassische Schnittstelle, Skript oder Workflow |
Das ist eine Auswahlhilfe, keine verbindliche Produktzuordnung.
Gerade den letzten Punkt halte ich für wichtig. Wenn jeden Abend dieselben eindeutig definierten Datensätze von System A nach System B übertragen werden müssen, würde ich dafür normalerweise keinen frei entscheidenden Agenten einsetzen.
Anders sieht es aus, wenn unstrukturierte Anfragen interpretiert, Widersprüche untersucht oder unterschiedliche Quellen situationsabhängig kombiniert werden müssen.
Agentische Bearbeitung sollte einen konkreten Zusatznutzen liefern, nicht bloß moderner aussehen.
Berechtigungen sind Teil der Architektur
Bei Systemzugriffen würde ich drei Dinge konsequent auseinanderhalten: die Verfügbarkeit einer Erweiterung, die erlaubten Aktionen und den tatsächlichen Zugriff auf Unternehmensdaten.
OpenAI trennt Plugin-Installation und die Berechtigungen der verwendeten Apps. Auch die Rechte des verbundenen Kontos beziehungsweise der administrativ bereitgestellten Datenquelle bleiben maßgeblich. Ein Plugin darf diese Grenzen nicht einfach erweitern.
Für die Umsetzung bedeutet das: Ein Analysewerkzeug benötigt nicht automatisch Schreibrechte. Ein Angebotsassistent benötigt nicht automatisch Zugriff auf sämtliche Finanzdaten. Und ein funktionierendes Administratorenkonto ist kein sinnvoller Ersatz für ein Berechtigungskonzept.
Ich würde mit lesendem Zugriff beginnen, benötigte Schreiboperationen einzeln ergänzen und kritische Aktionen gesondert absichern.
Auch ein Dokument kann unerwünschte Anweisungen enthalten
Eine weitere Herausforderung ist Prompt Injection: Inhalte aus Dokumenten, Webseiten oder Nachrichten können versuchen, die KI von ihrer eigentlichen Aufgabe abzubringen.
Daher reicht es nicht, ausschließlich die ursprüngliche Benutzeranweisung zu prüfen. Auch externe Inhalte und Werkzeugantworten müssen als potenziell unzuverlässig behandelt werden. OpenAI fordert Plugin-Entwickler ausdrücklich auf, mit bösartigen Eingaben zu rechnen, Eingaben serverseitig zu validieren und geeignete Protokolle zu führen.
Für mich folgt daraus: Schutzmaßnahmen dürfen nicht ausschließlich davon abhängen, dass das Modell eine Anweisung richtig interpretiert.
Wenn eine Aktion nicht erlaubt ist, sollte sie technisch verhindert werden können.
Datenschutz ist mehr als die Trainingsfrage
OpenAI verwendet Daten aus ChatGPT Business, Enterprise, Edu und der API standardmäßig nicht zum Training seiner Modelle. Das ist eine wichtige Rahmenbedingung.
Sie beantwortet aber nicht automatisch jede Frage eines konkreten Workflows.
Welche Daten werden an einen verbundenen Dienst übertragen? Wo werden sie gespeichert? Wie lange bleiben Ausgaben, Protokolle oder Dateien erhalten? Welche Löschmöglichkeiten bestehen?
Externe Dienste können eigene Speicher- und Verarbeitungsbedingungen haben. Auch lokale Ausführung bedeutet nicht automatisch, dass sämtliche Nachrichten und Kontextdaten ausschließlich auf dem Endgerät bleiben.
Meine Empfehlung lautet deshalb: Den gesamten Datenfluss prüfen, nicht nur das Logo des KI-Anbieters.
Was bestehende Custom GPTs jetzt benötigen
Stand 23. September 2026: Die aktuelle OpenAI-FAQ nennt den 11. Dezember 2026 als geplanten Einstellungstermin für Custom GPTs. Die Umstellung betrifft grundsätzlich alle ChatGPT-Pläne; abweichende Mitteilungen für das jeweilige Konto oder den Workspace sind zu beachten.
Für betroffene Enterprise-Workspaces nennt sie den 22. September als Ziel für die Migrationsfreigabe und den 26. Oktober 2026 als geplantes Ende der Neuerstellung. Ältere Hilfeseiten enthalten teilweise andere Zwischenfristen. Maßgeblich für die Planung sollten deshalb die aktuelle Migrations-FAQ und die konkrete Workspace-Mitteilung sein.
Technisch entscheidend: Anweisungen werden zu einem Skill, Wissensdateien zu Referenzdateien und verbundene Apps werden übernommen. Custom Actions werden nicht automatisch übertragen. Dafür ist eine Ersatzintegration erforderlich.
Die Migration verwendet die veröffentlichte Version, nicht unveröffentlichte Änderungen. Das neue Plugin startet privat; Freigaben werden nicht übernommen. Auch das gewählte Modell und bestehende Gespräche werden nicht übertragen. Der ursprüngliche GPT bleibt zunächst nutzbar, wird nach der Migration jedoch schreibgeschützt.
Ich würde daher zuerst produktiv genutzte GPTs inventarisieren, Verantwortliche bestimmen und vorhandene Integrationen prüfen. Für jede geschäftskritische Funktion würde ich vor der Umstellung konkrete Abnahmekriterien festlegen.
Teste den schwierigen Fall, nicht nur die schöne Demo
Für einen ersten Pilotbetrieb würde ich nicht den größten Prozess auswählen, sondern einen überschaubaren Ablauf mit erkennbarem Nutzen.
Dazu gehört ein Testbestand, der auch unangenehme Fälle enthält: fehlende Informationen, widersprüchliche Dokumente, nicht verfügbare Systeme und Benutzer ohne die erforderlichen Rechte.
Beim Angebotsassistenten aus Teil 2 wäre ein erfolgreicher Test beispielsweise nicht nur ein korrektes Angebot. Auch ein sauberer Abbruch bei fehlender Berechtigung wäre ein richtiges Ergebnis.
Ebenso würde ich prüfen, ob die Lösung eine unbelegte Lieferzusage vermeidet und eine nicht genehmigte Preisänderung zuverlässig verhindert.
Eine produktionsfähige Lösung muss nicht jeden Fall selbst erledigen. Sie muss erkennen lassen, wann sie nicht weiterarbeiten sollte.
Wirtschaftlichkeit entsteht pro abgeschlossenem Vorgang
Bei der Bewertung würde ich nicht nur auf Lizenzpreise oder Modellkosten schauen. Entscheidend ist der Gesamtaufwand für einen korrekt abgeschlossenen Vorgang.
Wie viel Zeit spart die Lösung tatsächlich? Wie viel Nachprüfung bleibt notwendig? Wie häufig braucht es manuelle Korrekturen? Wer betreut die Integrationen? Was passiert nach einer Änderung am ERP oder am KI-Modell?
Ein günstiger Aufruf ist kein günstiger Prozess, wenn danach zehn Minuten Nacharbeit notwendig sind.
Umgekehrt kann eine aufwendigere KI-Bearbeitung wirtschaftlich sinnvoll sein, wenn sie einen bislang sehr arbeitsintensiven Vorgang zuverlässig vorbereitet.
Mein Fazit: Die Methode ist wertvoller als die Verpackung
Die angekündigte Ablösung von Custom GPTs zeigt, warum ich Unternehmenswissen nicht ausschließlich an eine einzelne Produktoberfläche binden würde.
Ich würde Arbeitsanweisungen, Referenzmaterial, Integrationsbeschreibungen und Testfälle zusätzlich so dokumentieren, dass sie unabhängig gepflegt werden können.
Der eigentliche Unternehmenswert liegt in der fachlichen Methode, den klaren Regeln und dem Verständnis des Prozesses. Die technische Verpackung darf sich ändern.
Genau dort setzt meine Arbeit mit StocKinger Consulting an: Prozesse verstehen, geeignete KI-Anwendungen auswählen und Lösungen so umsetzen, dass sie im Alltag funktionieren.
Nicht möglichst viele Agenten. Sondern weniger unnötige Arbeit und bessere Ergebnisse.
Serie „KI im Unternehmen“: ← Teil 2: Vom Prompt zum Prozess · Teil 3 von 3