Willkommen zur ersten Ausgabe von The Cybernetic CxO. Ein monatlicher Newsletter für CTOs, CIOs und alle, die ihre Organisation durch die KI-Ära steuern.
Jeden Monat teile ich die Muster, die ich im Feld sehe: was funktioniert, was bricht und was das für den Bau und Betrieb von Technologieorganisationen bedeutet. Ehrliche Einschätzungen, brauchbare Frameworks und eine Sache, die du diese Woche angehen kannst.
Diesen Monat: Warum Tempo mit KI oft ein Rückschritt ist und was dagegen hilft.
Prototypen-Tempo ist keine Produktionsreife#
Alle freuen sich, dass KI die Entwicklung beschleunigt. Was ich im Feld sehe, sieht anders aus: Teams liefern Code aus, den niemand versteht, und nennen das Fortschritt.
Diesen Monat ging ein LinkedIn-Post von mir viral (122K Impressions), über Linus Torvalds und sein “Vibe Coding” in einem Hobby-Repo. Die Reaktion hat mich überrascht. Was hängen blieb, war nicht der Linus-Aufhänger. Es war die unbequeme Wahrheit darunter:
KI bringt dich schneller auf 90 Prozent. Für die letzten 10 Prozent brauchst du die nächsten 34 Jahre.
Was tatsächlich passiert#
Das Muster ist über Unternehmen hinweg erstaunlich konstant:
- Tag 1: Der KI-generierte Prototyp läuft. Alle feiern.
- Tag 100: Niemand versteht den Code mehr. Jede Änderung fühlt sich riskant an.
- Tag 365: Die Incidents beginnen. Nicht durch Abstürze, sondern durch Unsicherheit.
Das ist der wahre Preis von “Vibe Coding” im grossen Massstab. Das Problem ist nicht, dass KI schlechten Code schreibt. Das Problem ist, dass sich KI-generierte Mehrdeutigkeit aufsummiert: unklare Absicht, unausgesprochene Annahmen, fehlende Ownership. Der Code läuft. Die Tests sind grün. Aber die Organisation kann ihn nicht mehr pflegen.
Dasselbe Muster zeigt sich bei technischen Schulden. Loveholidays hat beschrieben, wie sie statische Analyse als Frühwarnsystem nutzen. Was mich daran interessiert hat: Sie haben Sensoren gebaut, die Signale erzeugen, die Aktionen auslösen. Hotspots. Change Coupling. Wissensverteilung. Bus-Faktor. Das sind keine Eitelkeitsmetriken. Das sind Feedback Loops, die Schulden sichtbar machen, bevor sie wehtun.
KI-Agenten fangen an, SaaS zu fressen#
Die Gleichung “build vs. buy” verschiebt sich schnell. Martin Aldersons Analyse trifft genau, was ich beobachte: Engineers bauen interne Dashboards, Tools und Automatisierungen in Minuten, ohne Freemium-Stufen, ohne API-Ärger, ohne die jährliche Diskussion über die Vertragsverlängerung.
Teams fragen sich: “Müssen wir für dieses SaaS wirklich zahlen, oder bauen wir das einfach selbst?”
Was die meisten Teams dabei unterschätzen: SaaS liefert nicht nur Software. SaaS übernimmt operative Verantwortung: Verfügbarkeit, Compliance, Security-Patches, Sonderfälle und den Schmerz der Pikett-Dienste. In dem Moment, in dem du SaaS durch ein selbstgebautes KI-System ersetzt, kommt all das zurück in dein Unternehmen.
Nicht jedes SaaS ist erledigt. Produkte mit hohen Verfügbarkeitsanforderungen (Payments), mit Netzwerkeffekten (Collaboration-Tools) oder mit proprietären Daten haben weiterhin ihren Burggraben. Wenn dein Produkt aber “ein SQL-Wrapper mit hübscher Oberfläche” ist, konkurrierst du jetzt mit tausenden Entwicklern und ihren KI-Copiloten.
Die Regel, die hält: KI macht die Ablösung möglich. Ownership macht sie tragfähig.
Wenn du keine klare, langfristige System-Ownership hast, also nicht nur das Bauen, sondern auch das Pflegen, wenn es langweilig und geschäftskritisch geworden ist, dann ist SaaS immer noch günstiger. Auch jetzt.
Europas KI-Moment: vom besten Modell zur vertrauenswürdigen Infrastruktur#
Diesen Monat wurde ich in der NZZ zitiert, zu einer Verschiebung, die ich in vielen Verwaltungsräten sehe: Die Frage hat sich von “Wer hat das stärkste Modell?” zu “Wem vertrauen wir unsere Daten, unser IP und unser regulatorisches Risiko an?” verschoben.
Für viele Use Cases sind Open-Source-Modelle längst “gut genug”. Der Unterschied entsteht jetzt bei Governance, Steuerbarkeit und Nachvollziehbarkeit in echten Unternehmensumgebungen.
Die Gewinnerstrategie für europäische Unternehmen heisst nicht “das nächste Frontier-Modell um jeden Preis trainieren”. Sie heisst:
- Eine KI-fähige Plattform bauen, auf die sich das Geschäft verlassen kann
- Sensible Daten und Geschäftsgeheimnisse geschützt halten
- KI-Ergebnisse erklärbar und auditierbar machen
- KI wie Infrastruktur behandeln, nicht wie eine Demo
Wir treten in die Phase ein, in der KI zu normaler IT wird. Gewinnen werden die, die vertrauenswürdige, konforme, produktionsreife KI im grossen Massstab liefern.
Fang nicht beim Modell an. Fang beim Operating Model an.
Was, wenn deine KI sich mitten im Gespräch neu verdrahtet?#
Die meisten LLMs funktionieren heute so: einmal trainieren, im Betrieb einfrieren, erst aktualisieren, wenn die Forschung sie später neu trainiert. Auch wenn sie sich anpassungsfähig anfühlen, ihre Gewichte ändern sich während des Gesprächs nicht.
Google Research hat gerade eine andere Richtung vorgestellt: Systeme, die Kurzzeitgedächtnis (Attention) mit einem langfristigen neuronalen Speichermodul kombinieren, das während der Nutzung lernt, gesteuert über ein “Surprise”-Signal.
- Erwarteter Input → minimales Update
- Überraschender Input → stärkeres Update
- Inklusive Vergessen, damit der Speicher nicht überläuft
Das ist der Übergang von statischer Inferenz zu einem geschlossenen, adaptiven Regelkreis. Surprise wirkt wie ein Fehlersignal, die Updates verhalten sich wie ein Regler, und das Vergessen sieht aus wie Homöostase.
Der Gewinn ist Anpassungsfähigkeit. Das Risiko sind Drift und aufschaukelnde Rückkopplung. Die zentrale Frage wird: Wie balancieren wir Plastizität (Lernen) gegen Stabilität (Kontrolle)?
Für CxOs, die den KI-Raum beobachten: Das ist frühe Forschung, aber sie zeigt die Richtung. Systeme, die nicht nur antworten, sondern sich anpassen. Die Governance-Folgen sind erheblich.
Mein aktueller AI-Stack#
- Claude Code: CLI, Coding und agentische Arbeit. Bester Coder, wird gerade mein Hauptwerkzeug für alles.
- ChatGPT: Chat und Entwürfe. Scheitert inzwischen an vielen Aufgaben, wird von Claude Code verdrängt.
- Perplexity: Web-Recherche. Quellen und Zitate, die es wirklich gibt.
- NotebookLM: Arbeiten mit den eigenen Dokumenten. Schnelles Verstehen.
- Gemini: Bilder. Am besten und am schnellsten.
Diesen Monat vibe-coded (private Projekte)#
Ja, ich vibe-code auch. Das ist diesen Monat entstanden:
- Website-Migration: romanoroth.com und cyberneticenterprise.com von Wix auf Hugo umgezogen (selbst gehostet). Spart eine Menge Geld. Hat jemand gesagt, SaaS stirbt?
- Filament Management: Ein Tool, das meinen Filament-Bestand für den 3D-Druck verwaltet
- URL-To-Obsidian Converter: Speichert Webartikel schnell in meinen Obsidian-Vault
Die nächste Ausgabe zuerst bekommen
The CAIO erreicht die Abonnenten, bevor die Ausgabe hier erscheint.