Was ist ein AI Operating System?

Das Ziel eines AI OS ist es, AI ein Umfeld zur Verfügung zu stellen, welches ihr erlaubt, ganze Arbeitsabläufe zu übernehmen und eigenständig Zielen nachzugehen - ohne, dass Menschen die AI ständig prompten müssen.

In diesem Artikel erklären wir, was ein AI OS ausmacht, woraus es besteht und was die ersten Schritte sind, die ihr gehen könnt, um mit eurem AI OS zu starten.

01 Warum AI Adoption oft keine Früchte trägt und was ein AI OS daran ändert

Immer mehr Arbeit läuft über AI, doch die wenigsten werden dadurch merklich produktiver. Denn in den meisten Unternehmen lebt AI in individuellen Chatfenstern. Für jede Aufgabe und jede Frage wird ein neuer Chat gestartet. Wissen, Ergebnisse und Arbeit lebt und stirbt mit diesem Chat. Diese Art AI zu nutzen führt zu sechs Mustern, die uns immer wieder begegnen und der Grund dafür sind, dass AI Output sich nicht produktiver anfühlt.

• Insellösungen. Unternehmen nutzen dutzende Tools - Notion, Microsoft Office, HubSpot etc.. Die einzige Verbindung zwischen diesen ist oft nur ein Mensch. Keine AI weiß, was in den Tools passiert. Somit kann AI euch auch keine echte Arbeit abnehmen, sondern maximal einzelne Fragen in einem Tool beantworten.
• Copy und Paste. Gute Ergebnisse entstehen im Chat, doch sie wandern immer noch per Hand in die Systeme, in denen die Arbeit eigentlich stattfindet: Excel, PowerPoint, HubSpot und co.. Der Kontext bleibt dabei im AI-Chat zurück. Niemand weiß später, woher ein bestimmtes Ergebnis stammt.
• Verstreutes Wissen. Was eine Person ihrem Agenten über die Firma beigebracht hat, steht dem Rest des Teams nicht zur Verfügung. Jemand hat eure Zielgruppe einmal ausführlich beschrieben, um bessere Präsentationen zu bekommen. Diese Beschreibung, die Kniffe und die Vorlagen drumherum bleiben bei dieser Person.
• Ungeklärte Abläufe. Wie etwas bei euch läuft und woran ihr ein gutes Ergebnis erkennt, ist selten klar festgehalten und noch seltener aktuell. Deshalb müssen Abläufe der AI immer wieder neu erklärt werden, und die Art, wie eine Person Angebote erstellt, läuft ganz anders als bei der nächsten.
• Viele werden abgehängt. Ein paar Begeisterte werden mit AI immer schneller, der Rest verliert den Anschluss und traut sich irgendwann nicht mehr hinterher. Der Output der wenigen AI Champions bringt aber nichts, wenn nicht das ganze Unternehmen an Board ist.
• Alles braucht einen menschlichen Anstoß. Es passiert genau so lange etwas, wie jemand eine Anweisung tippt. Keine Prozesse starten von alleine obwohl sie immer wieder zur selben Zeit stattfinden müssten. Aufgaben, die 100% von AI übernommen werden könnten, bleiben liegen.

Wie man sieht, geht es bei keinem dieser Fälle um die AI als solche. Aktuelle Modelle sind unglaublich leistungsstark. Der wahre Nutzen bleibt jedoch an den genannten strukturellen Problemen hängen. Um die zu beseitigen, haben sich AI Operating Systems etabliert. Durch das richtige Zusammenspiel verschiedener Bausteine können AI-Agenten nicht nur Aufgaben abnehmen, sondern auch eigenständig Ziele verfolgen.

02 Die vier Bausteine eines AI Operating Systems

Der Begriff wird gerade von vielen Seiten benutzt und hat bei jedem, der darüber spricht, andere Ausprägungen. Im Kern dient ein AI OS zwar immer dazu, die Arbeit zwischen Menschen und AI-Agenten zu vereinfachen, doch die Architektur unterscheidet sich, technisch wie organisatorisch.

Die ersten drei Bausteine gelten unabhängig davon, mit welchen Werkzeugen ihr arbeitet und wer euch beim Aufbau begleitet. Ihr werdet sie so oder so ähnlich in der Art von AI Operating System bzw. KI Betriebssystem finden. Sie sind die Antwort auf die Frage, was ein System mitbringen muss, damit man von einem AI Operating System sprechen kann. Unser eigenes System ist nach demselben Muster entstanden und taugt deshalb an einigen Stellen als Beispiel.

Die ersten drei Bausteine findet ihr in jedem Aufbau, der sich AI Operating System nennt. Der vierte ist der, den wir in Unternehmen am seltensten sehen, und er entscheidet darüber, ob im Alltag ein ganzes Team mit dem System arbeiten kann oder nur die Person, die es aufgesetzt hat. Ohne ihn weiß niemand, was die Agenten den Tag über getan haben, jede Änderung an einem gemeinsamen Ablauf trifft unbemerkt alle anderen mit, und jedes Ergebnis landet wieder in einem Chatfenster, aus dem es jemand per Hand weiterträgt.

Dass das Sprachmodell selbst (also Claude, ChatGPT oder ein anderes) keinen eigenen Baustein darstellt, ist übrigens kein Zufall, sondern bewusst so designt. AI Operating Systems sollten modellunabhängig sein. Intelligenz, Wissen, Erfahrung und alles, was euch als Unternehmen ausmacht, sollte immer bei euch liegen, nie bei externen Anbietern. So stellt ihr sicher, dass ihr ungebunden bleibt.

03 Wie sich eure Arbeit durch ein AI OS verändert

Agenten gehören zum Prozess und arbeiten für alle. Heute chattet jede Person mit ihrem eigenen Account, und diese Agenten wissen nichts voneinander. Ist jemand im Urlaub, geraten Dinge ins Stocken. In einem AI Operating System lebt ein Agent in einer eigenen Umgebung, zu der ein ganzes Team Zugang hat: Alle arbeiten mit denselben Agenten, auf demselben Stand, und was eine Person dem System beibringt, steht allen zur Verfügung. Dafür hat sich der Begriff Multiplayer AI eingebürgert. Drei Dinge gehören dazu: ein gemeinsames Gedächtnis mit Zugriffsrechten, sodass jede Person die Bereiche sieht, für die sie zuständig ist. Ein gemeinsamer Stand, sodass ein Ablauf einmal läuft, auch wenn zwei Menschen ihn anstoßen. Und klare Rollen: wer startet, wer prüft, wer gibt frei, und wo die Korrektur landet.

Ihr kommt nur dort ins Spiel, wo euer Urteil zählt. Zwei Begriffe, die oft verwechselt werden, sind „Human in the loop“ und „Human on the loop“. Bei „Human in the loop“ gibt ein Mensch einzelne Schritte jedes Mal frei. Damit bleibt er der Engpass. „Human on the loop“ heißt, der Ablauf läuft durch, außer es tritt eine Ausnahme ein, bei der die AI einen Menschen dazuholt. Die Voraussetzung dafür ist, dass die Prozesse dokumentiert sein müssen. Und es muss klar sein, woran ein gutes Ergebnis zu erkennen ist. Nur dann erkennt ein Agent, wann er unsicher ist, und meldet sich genau an der Stelle.

Das System lernt aus jeder Freigabe, und ihr müsst immer weniger tun. Jedes Mal, wenn ihr einen Entwurf korrigiert, Worte ändert oder einen Absatz austauscht, liegt darin eine Information: So war es falsch, und so wäre es richtig. Fließt dieses Signal zurück in euer Wissen, wird jeder neue Durchlauf besser als der letzte. Das ist der Punkt, an dem aus einer Automatisierung ein selbstlernendes System wird. Eine Automatisierung läuft in einem Jahr noch genau wie heute. Ein AI Operating System startet jede Woche ein Stück klüger, weil die Korrekturen der letzten Woche schon eingearbeitet sind.

04 Sicherheit und Datenschutz im System

Ein System, das echte Arbeit übernimmt, muss natürlich auch Zugang haben zu vielen Ressourcen, Tools und Informationen. Um sicherzustellen, dass euer AI Datenschutzkonform ist und Agenten nicht machen, was sie nicht sollen, gibt es vor allem vier Sachen zu beachten.

1. Agenten können by default nur das tun (lesen, ausführen, löschen), was sie dürfen. Und jeder Schritt kann nur das, was für diese Aufgabe gebraucht wird, und nichts darüber hinaus. Konkret heißt das: Der Schritt, der euer CRM liest, kann dort nichts löschen. Der Schritt, der einen Entwurf schreibt, kann ihn nicht selbst verschicken. Alles, was sich nicht zurücknehmen lässt, und alles, was einen Kunden erreicht, geht erst nach menschlicher Freigabe raus. Und was das System liest, also Mails, Dokumente, Webseiten, behandelt es als Information, nie als Anweisung.
2. Woran ein Agent überhaupt herankommt, entscheidet ihr pro Ablauf. Ein Agent bekommt genau die Zugänge, die sein Prozess braucht. Der Content-Ablauf braucht die Redaktionsablage und das Konferenzwerkzeug, die Buchhaltung geht ihn nichts an. Was ihr nicht anschließt, existiert für ihn nicht.
3. Ein Agent sieht nie mehr als die Person, für die er arbeitet. Das ist der Punkt, der am häufigsten übersehen wird und am meisten anrichten kann. Die Rechte kommen weiterhin aus euren Systemen: Wer im CRM einen Datensatz nicht sehen darf, bekommt ihn auch dann nicht, wenn er einen Agenten danach fragt. Sonst wird der Agent zur Hintertür, über die jemand an Daten kommt, die ihm verschlossen sein sollten. Deshalb gilt: Zugriffsrechte werden dort vergeben, wo sie heute schon liegen, und das System reicht sie durch. Dasselbe gilt für die Frage, wer welchen Ablauf überhaupt starten darf.
4. Beim Datenschutz habt ihr mehr Wahl, als die meisten denken. Weil das Sprachmodell austauschbar ist, entscheidet ihr, wo gerechnet wird: auf eurer eigenen Infrastruktur, bei einem europäischen Anbieter oder bei einem US-Modell auf Basis eines Auftragsverarbeitungsvertrags. Und ihr entscheidet, was überhaupt nach draußen geht. Namen, Kontaktdaten und Kundennummern lassen sich vor der Verarbeitung durch Platzhalter ersetzen. Das Modell bekommt sie nie zu sehen, im fertigen Ergebnis stehen sie wieder drin. Außerdem liegen die wirklich wichtigen und personenbezogenen Daten nie bei der AI sondern bei euch, in dem System eurer Wahl.

Dazu kommt, dass jede Entscheidung des Systems nachvollziehbar bleibt. Weil euer Wissen und eure Regeln als lesbare Dateien vorliegen, könnt ihr jederzeit sehen, was das System weiß und was es darf.

05 Erste Schritte für ein AI OS

An diesen zwei Stellen solltet ihr anfangen, wenn ihr eine erste Version eures AI OS aufsetzen möchtet: Kontext und Use Case.

Erst kommt der Kontext

Zunächst solltet ihr den nötigen Kontext aufsetzen. Unser Vorschlag sind die folgenden drei Dateien:

Das Unternehmensprofil. Was macht ihr, wofür seid ihr da, welches Problem löst ihr.

Das Kundenprofil. Wer ist euer idealer Kunde, was hält ihn nachts wach, was hat er schon probiert. Dieses Wissen steckt in euren Verkaufsgesprächen und wartet nur darauf, aufgeschrieben zu werden.

Das Leistungsportfolio. Was genau verkauft ihr, zu welchen Bedingungen.

Hier findest du drei Beispiele, an denen du dich ausrichten kannst, zum Herunterladen.

• Unternehmensprofil PDF Öffnen
• Kundenprofil PDF Öffnen
• Leistungsportfolio PDF Öffnen

Bei uns werden diese drei Dateien von fast jedem Agenten und in fast jedem Ablauf gelesen. Sie sind die Grundlage für alles andere, und meistens sind sie längst vorhanden, nur verteilt über Präsentationen, Angebote und die Erfahrung einzelner Menschen.

Wo diese Dateien liegen, ist weniger wichtig, als die meisten denken. Wir nutzen GitHub und behandeln unser Unternehmenswissen wie Code, mit Verantwortlichen und nachvollziehbaren Änderungen. Das passt zu uns, weil wir technisch unterwegs sind. Es funktioniert genauso in Google Drive, SharePoint, Notion oder Confluence. Hauptsache die AI hat Zugriff.

Entscheidend ist ein Verzeichnis. Eine Bibliothek nützt euch wenig, wenn niemand weiß, wo welches Buch steht. Einer AI geht es genauso: Weiß sie, wo sie was findet, arbeitet sie schnell und mit den richtigen Daten.

Danach kommen die Prozesse

Ihr müsst entscheiden, welcher Prozess sich dazu eignet, euer erster Use Case zu werden. Kriterien, die ihr dafür in Betracht ziehen könnt:

• Cost-Benefit: Was würde uns viel Arbeit abnehmen und besteht aus wenigen einzelnen Schritten?
• AI-Fähigkeiten und Zulässigkeit: Welche Aufgaben kann AI nach heutigem Stand gut erledigen, ohne Zugang zu personenbezogenen Daten zu brauchen?
• Risiko: Was kann im schlimmsten Fall passieren, wenn etwas schiefgeht?

Dann müsst ihr den Prozess skizzieren.

Wir fangen immer mit einer Prozesslandkarte an: zwei Bahnen, eine für Menschen, eine für Agenten. Erst alle Schritte aufschreiben, die aktuell passieren. Dann überlegen, welche davon ein Agent übernehmen könnte, und diese in die Agenten-Bahn ziehen.

Bei unserem eigenen Content-Prozess bleibt für uns Menschen am Ende das, wofür wir gebraucht werden: miteinander und mit Kunden sprechen, entscheiden, und das System besser machen. Analyse und Entwurf übernimmt ein Agent, weil wir vorher festgehalten haben, worauf es dabei ankommt.

Euer Team

Agenten

01

Transkript reingeben

02

Kernaussagen ziehen

03

Themen vorschlagen

04

Themen wählen

05

Entwürfe schreiben

06

Freigeben

07

Veröffentlichen

Blau: Hier entscheidet euer Team.

Pro Schritt beantworten wir acht Fragen: Was kommt rein? Wer macht es, Mensch oder Agent? Welches Wissen wird gebraucht? Was ist die Aufgabe? Woran erkennen wir, dass der Schritt fertig ist? In welcher Qualität? Welche Tools sind nötig? Und was kommt heraus? Bei manchen Schritten fühlt sich das nach Bürokratie an. Bei anderen werdet ihr froh sein, diese Diskussion einmal geführt zu haben, weil zum ersten Mal alle im Team dasselbe darunter verstehen.

Hier findet ihr übrigens das Template einer solchen Prozesslandkarte.

Dann automatisiert ihr. Der einfachste Einstieg sind geplante Routinen, also Abläufe, die von allein starten. Zweimal am Tag könnte ein Agent z.B. nachsehen, ob neue Gesprächsnotizen da sind, sie einordnen und die passende Zusammenfassung erstellen. Das hängt an einem persönlichen Account und reicht so weit, wie eine Person allein damit arbeitet. Die nächste Stufe sind Agenten in einer eigenen Umgebung, auf die mehrere Menschen zugreifen. Dort läuft ein Prozess von Anfang bis Ende durch, während ihr etwas anderes tut.

06 Wie das in der Praxis aussieht

Wir bei O/WONDER arbeiten jeden Tag in unserem AI OS. Unser Marketing- und Sales-Team hat ein eigenes Operating System, unsere Entwicklung ein zweites, und beide greifen auf dasselbe Firmenwissen zu.

Unsere eigene Agentin heißt Mira. Nach einem Webinar holt sie sich z.B. das Transkript, schlägt Themen vor, und wenn ein Mensch eines davon auswählt, schreibt sie die Entwürfe für Blog, LinkedIn und die Mail-Kampagne. Ist sie fertig, meldet sie sich in Slack und bittet um eine Freigabe. In der Übersicht sehen wir, welche Abläufe laufen und an welchem Schritt sie stehen. Zum Prüfen gehen wir in die Oberfläche, lesen, ändern, geben frei, und von dort geht es raus. Dafür brauchen wir rund 20 Minuten am Tag.

Screenshot der O/WONDER Oberfläche

An diesem einen Ablauf hängen alle vier Bausteine. Das Transkript und unser Firmenwissen über Zielgruppe, Tonfall und Themen sind der geteilte Kontext. Wie aus einem Transkript ein Artikel wird, woran wir einen guten erkennen und an welcher Stelle ein Mensch entscheidet, steht als dokumentierter Prozess. Das Konferenzwerkzeug, Slack und unsere Redaktionsablage sind die Tools. Und die Oberfläche zeigt uns, dass dieser Durchlauf gerade bei der Freigabe steht, und ist zugleich die Stelle, an der ein Mensch liest, ändert und freigibt. Fällt einer der vier weg, bricht der Ablauf: Ohne Kontext schreibt Mira Allgemeinplätze, ohne dokumentierten Prozess muss jemand jedes Mal neu erklären, was zu tun ist, und ohne Oberfläche landet der Entwurf wieder in einem Chatfenster, aus dem ihn jemand per Hand weiterträgt.

Diese Oberfläche entwickeln wir als eigenes Produkt, damit auch Menschen ohne Entwicklungsumgebung in einem AI Operating System arbeiten können.

Bei Kunden gehen wir denselben Weg: anschauen, wie die Abläufe heute wirklich laufen, das Firmenwissen anlegen, Tools anbinden, die Agenten so lange kalibrieren, bis die Ergebnisse stimmen, und dann in den Betrieb. Je nach Größe des Prozesses dauert das zwei bis sechs Wochen, weil wir auf Vorlagen aus früheren Projekten aufsetzen.

Wie weit das trägt, zeigt beispielsweise getpress, eine der führenden PR-Agenturen im DACH-Raum mit rund 50 Mitarbeitenden, deren Gründer oben zu Wort kommt. Der Einstieg im Herbst 2025 war ein einziger Prozess, die Lead-Recherche im Vertrieb. Bewusst einer, in dem keine sensiblen Daten liegen und bei dem der Hebel sofort sichtbar wird. Heute überwacht dieser Prozess rund 5.000 relevante Firmen im deutschsprachigen Raum, filtert 90 Prozent der irrelevanten automatisch vor und senkt den Rechercheaufwand für die Signal-Identifikation um 70 Prozent.

Von der Entscheidung bis zu dem System im Alltag vergingen elf Monate. Heute arbeitet die gesamte Company in Orbit, dem Operating System der Agentur, und seit Juli 2026 entwickelt getpress es mit einem eigenen Team weiter. Der ganze Weg steht in unserer Case Study.

Case Study

• /B2B PR
• /AI-Transformation
• /2026

B2B Public Relations

Wie wir getpress helfen, die „PR company of the future“ zu werden.

Case lesen →

Menschen arbeiten heute in Orbit

50

der PR-Routine übernimmt oder verstärkt das System

70–80 %

entwickelt getpress Orbit mit eigenem AI-Team weiter

seit Juli

Fazit

Die Unternehmen, die mit AI wirklich vorankommen, haben keine besseren Modelle als ihr. Sie haben einfach nur ihr Wissen dokumentiert und ihre Abläufe geklärt, sodass jede AI ihnen damit echte Arbeit abnehmen kann. Das ist die ganze Idee hinter einem AI Operating System.