Willkommen zur ersten Ausgabe von The CAIO. Der Newsletter, den du als The Cybernetic CxO kanntest, hat einen neuen Namen, und der Grund steht auf dem Titelbild dieser Ausgabe. Seit dem 1. Mai bin ich Group Chief AI Officer bei Zühlke. Die Aufgabe ist dieselbe Arbeit, die ich seit Jahren mache: KI über die Pilotphase hinauszubringen, über Transformation in Organisation, Prozess und Technologie, und nicht durch das Tuning des Modells allein. Der Titel des Newsletters sagt das jetzt laut.
Der Mai war der stärkste Monat, den diese Publikation je hatte. Zwei Posts haben 100'000 Impressions überschritten, beide zum selben Thema: Das Modell ist der kleine Teil eines KI-Systems, die Disziplin drumherum ist die Arbeit. Ein Post hat Führungskräfte gefragt, ob sie Angst vor KI haben, und eine Antwort bekommen, die die meisten von uns lieber nicht gelesen hätten. Ein hundert Jahre altes ökonomisches Papier tauchte wieder auf und brachte 99 Kommentare. Eine Kunstauktion an der Chicago Booth hat still und leise die bisher sauberste Datenlage dazu geliefert, was passiert, wenn Mensch und KI sich in einem Produkt mischen.
Diese Ausgabe behandelt, was das Publikum tatsächlich geöffnet hat. Die Angst in der Chefetage, die niemand auf eine Folie schreibt. Die Architekturlektion, die in 512'000 Zeilen Claude Code versteckt liegt. Das Disziplinmuster bei XP, Cloudflare und Flask. Die Jobfrage, endlich mit Forschung dahinter. Die Etikettfrage, endlich mit harten Zahlen. Die Hierarchiefrage, endlich ohne höfliche Verpackung. Und, für die Leser aus der Industrie, einen sauberen Schnitt durch die cyber-physische Verschiebung.
Angst vor der eigenen Kultur#
Die unbequemste KI-Studie im Mai hatte nichts mit Modellen zu tun. MIT Technology Review Insights hat 500 Führungskräfte weltweit befragt. 22 Prozent haben zugegeben, dass sie die Führung einer KI-Initiative abgegeben haben, weil sie die Schuldzuweisung im Fall des Scheiterns fürchteten. Weitere 5 Prozent wollten die Frage lieber nicht beantworten, die tatsächliche Zahl liegt also fast sicher höher. Nur 39 Prozent bewerteten die psychologische Sicherheit in ihrer eigenen Organisation als “sehr hoch”. Eine Mehrheit der Führungskräfte treibt KI-Adoption unter kulturellen Bedingungen voran, die sie selbst als mittelmässig beschreibt.
Das ist der Engpass. Nicht GPU-Kapazität. Nicht Modellqualität. Eine Kultur, in der die Menschen, die einem scheiternden Piloten am nächsten sind, ihn lieber still begraben als es auszusprechen.
“Scheitern ist nicht das Gegenteil von Erfolg. Es ist eine Voraussetzung dafür. Wir haben eine Unternehmenskultur gebaut, und ehrlich gesagt eine Gesellschaft, die Gewissheit belohnt und Iteration bestraft. Diese Haltung erstickt Innovation.” (Melanie Subin, Future Today Strategy Group, zitiert im Bericht)
Der zweite Befund des Berichts ist schärfer. Psychologische Sicherheit ist kein HR-Programm. Sie ist ein Führungsverhalten. Nick Schacht von SHRM hat es direkt gesagt: Ein negatives Wort vom CEO, und die beste Führungsarbeit an jeder anderen Stelle der Organisation ist zunichte. Das lässt sich nicht an einen Schulungskatalog oder ein Werteplakat delegieren. Ein CEO, der den Überbringer bestraft, hat als KI-Strategie den letzten Satz dieses Überbringers, und sonst nichts.
Und der dritte Befund ist der, mit dem jeder CxO sich hinsetzen sollte. Der grösste Hebel für psychologische Sicherheit ist laut Umfrage Klarheit darüber, wie KI die Arbeitsplätze beeinflussen wird und wie nicht. 60 Prozent der Führungskräfte nennen das als wichtigsten Punkt. Wenn du nicht benennen kannst, welcher Teil der Arbeit menschlich bleibt und warum, sieht jede KI-Initiative aus wie eine Bedrohung für die Belegschaft, und jede ehrliche Frage fühlt sich gefährlich an.
Deine KI-Reife ist nicht deine Roadmap. Sie zeigt sich daran, ob dir jemand aus deinem Team sagen würde, dass der Pilot dieses Quartals nicht funktioniert hat, oder ob die Person den Tab still schliesst und weitermacht. Was von beidem würde sie tun?
Das Gerüst ist das Produkt#
Kultur ist die eine Seite des Operating Models. Architektur ist die andere. Während sich die Chefetage um das Modell sorgt, haben die Engineers den Rest des Eisbergs gegessen.
Forschende von MBZUAI und UCL haben letzten Monat eine Analyse von Claude Code auf Quellcode-Ebene auf arXiv veröffentlicht. Sie haben 1'884 Dateien und 512'000 Zeilen TypeScript durchgearbeitet. Ihr Befund ist präzise. Nur 1,6 Prozent der Codebasis sind KI-Entscheidungslogik. Die anderen 98,4 Prozent sind das Gerüst darum herum: ein Berechtigungssystem mit sieben Modi und einem ML-Klassifikator, eine fünfschichtige Kompaktierungs-Pipeline, damit das Modell den Kontext nicht verliert, 54 eingebaute Werkzeuge, die die eigentliche Arbeit ausführen, 27 Hook-Ereignistypen für Plugins und Policies, eine Session-Ablage, die nur anhängt, Delegation an Subagenten, Wiederherstellung bei Fehlern, und eine Regel, die alles zusammenhält: Das Modell fasst Dateisystem, Shell und Netzwerk nie direkt an.
Das Paper formuliert die Wette auf Seite drei: “Die Architektur investiert in deterministische Infrastruktur (Kontextverwaltung, Tool-Routing, Recovery) statt in Entscheidungsgerüste, unter der Annahme, dass zunehmend fähige Modelle mehr von einer reichen Betriebsumgebung profitieren als von Frameworks, die ihre Auswahl einschränken.”
Anders gesagt: Anthropic hat nicht auf ein schlaueres Modell gesetzt. Anthropic hat auf eine Plattform gesetzt, die ein Modell sicher und im grossen Massstab nutzbar macht. Das Muster der Cybernetic Platform aus meinem Buch läuft in Produktion. Es steht nur ein anderer Name auf dem Repo.
Armin Ronacher, der Erfinder von Flask, zeigt von der anderen Seite auf dieselbe Wand. Er hat einen Satz geschrieben, der weiter gereist ist als alles, was ich dieses Jahr geteilt habe: “Wenn mir immer mehr Leute sagen, dass sie nicht mehr wissen, welcher Code in ihrer eigenen Codebasis steht, habe ich das Gefühl, hier läuft etwas gewaltig schief.” Er hat recht. Die Beschleunigung in der Produktion ist real. Die organisatorische Fähigkeit, das Produzierte zu bewältigen, ist es nicht.
Die Geschichte ist da nicht subtil. In der britischen Industriellen Revolution tauchte jedes Mal, wenn ein Engpass verschwand, weiter unten ein neuer auf. Das Weben wurde schneller, das Garn wurde zur Beschränkung. Das Spinnen wurde schneller, die Faser wurde zur Beschränkung. Die Faser kam schneller, die Baumwollversorgung wurde zur Beschränkung. Das Problem wurde nie gelöst, es wurde verschoben. Software spielt dieses Spiel seit Jahrzehnten, über Sprachen, Frameworks und Cloud. Jede Welle hat eine Beschränkung entfernt und die nächste freigelegt. Die menschliche Review-Ebene stand immer als Nächstes an. Jetzt ist sie dran.
OpenClaw hat 2'500 offene Pull Requests, die vor sich hin altern. Pi schliesst eingehende PRs von allen automatisch, die nicht auf der Vertrauensliste stehen. Senior Engineers erzählen mir in Calls und auf der Bühne, dass sie aufgehört haben, ihre eigenen Diffs zu lesen. Zwei Wege bleiben. Den Zufluss drosseln, einschränken, wer PRs öffnen darf, das nehmen, was Ronacher “OSS-Ferien” nennt. Oder die Beschleunigung akzeptieren, Maschinen Maschinen prüfen lassen, morgens abstempeln, Verantwortung so verteilen, dass keine einzelne Person die Unterschrift trägt.
Weg zwei klingt modern. Weg zwei ist auch genau der Weg, gegen den Anthropic ausdrücklich entworfen hat. Maschinen können keine Verantwortung tragen. Nicht rechtlich, nicht sozial, nie. Jemand wird immer für das geradestehen müssen, was ausgeliefert wird. Wenn Verantwortung nicht an KI übergehen kann, bleiben Menschen der Engpass, egal wie schnell die Generierung wird. Schnellerer Code ändert nichts daran, wer den Anruf um drei Uhr nachts bekommt.
Dasselbe Paper zitiert drei ernüchternde Befunde. Entwickler unter KI-Unterstützung schneiden beim Verständnis 17 Prozent schlechter ab. Nutzer bestätigen 93 Prozent der Berechtigungsabfragen, Einwilligung ist damit kein sinnvoller Sicherheitsmechanismus mehr. Die Einführung von Cursor hat die Codekomplexität um 40,7 Prozent erhöht, die Geschwindigkeitsgewinne waren ab dem dritten Monat verschwunden. Das Gerüst gleicht die Schwächen des Modells aus. Es gleicht nicht die menschliche Verkümmerung aus, die das Modell erzeugt.
Wo investiert dein Team dieses Quartal, in die 1,6 Prozent oder in die 98,4 Prozent? Denn diese Lücke schliesst sich nicht von selbst.
Disziplin schlägt Intelligenz, Jahr zwei#
In der letzten Ausgabe habe ich argumentiert, dass das Disziplinmuster bei Amazon, Wix und Vercel die eigentliche Geschichte ist. Der Mai hat drei weitere Zeugen geliefert, die dasselbe sagen.
Chad Fowler (zum XP-Rückblick). Fowler war 1999 mitten in der Extreme-Programming-Bewegung, bevor es das Agile Manifest gab. Von aussen sah XP fahrlässig aus. Keine langfristigen Pläne. Keine Designdokumente. Tests vor Code. Laufende Releases. Aber XP hat die Disziplin nicht entfernt. XP hat sie verlagert. Tests ersetzten Versprechen. Lauffähige Software ersetzte Statusberichte. Man konnte sich nicht mehr hinter Prozess verstecken. Dasselbe Muster hat sich dreimal wiederholt. Dynamische Sprachen ersetzten statische Typen, und die Strenge wanderte von Compiler-Deklarationen in ausführbare Tests. XP ersetzte phasengetriebene Entwicklung, und die Strenge wanderte von Gantt-Diagrammen in kontinuierliches Feedback. Continuous Deployment ersetzte Release Management, und die Strenge wanderte in Observability, Umkehrbarkeit und automatisierte Verifikation. Jetzt wiederholt generative KI das Muster. Die Lösung ist dieselbe wie 1999. Du schreibst die Tests. Die KI erzeugt die Implementierung. Wenn die Tests nicht durchlaufen, geht der Code nicht raus. Fowlers Formulierung dafür: probabilistisch im Inneren, deterministisch an den Rändern. Generierung darf flexibel sein. Bewertung muss starr sein. Billige Generierung ohne strenges Urteil ist kein neues Paradigma. Das ist Abdankung.
Boris Tane bei Cloudflare (zu Slop Creep). Boris hat dem einen Namen gegeben, was Anthropics Paper gemessen hat. Slop Creep ist das langsame Anhäufen einzeln vernünftiger, gemeinsam zerstörerischer Entscheidungen, jede für sich zu klein, um aufzufallen, zusammen ruinieren sie still dein System. Vor den KI-Agenten haben schlechte Architekturentscheidungen Schmerz verursacht. Dieser Schmerz hat Korrekturen erzwungen, bevor der Zerfall katastrophal wurde. Die Reibung war der Schutzschalter, der Codebasen vor dem Abdriften ins Chaos bewahrt hat. Agenten haben den Schutzschalter entfernt. Sie stapeln fragwürdige Architektur unbegrenzt weiter und liefern dabei trotzdem Features aus. Boris’ eigene Daten sind der beklemmendste Teil. Beim Bau von Baselime vor der Agentenzeit hat es Monate gedauert, bis der architektonische Bruchpunkt erreicht war. Ein aktuelles Nebenprojekt mit Agenten hat denselben Bruchpunkt in Tagen erreicht. Derselbe Mensch, dieselben Fähigkeiten, dieselbe Art schlechter Entscheidungen, um Grössenordnungen schneller. Seine Diagnose ist ein Satz: “Coding-Agenten sehen nicht das System, sie sehen den Prompt.” Seine Lösung ist dieselbe wie Fowlers, nur früher angesetzt. Der Engineer definiert die Absicht. Der Agent entwirft einen Plan. Der Engineer kommentiert und korrigiert. Zwei oder drei Iterationsrunden. Dann implementiert der Agent, innerhalb der Grenzen, die du festgezurrt hast.
Mein eigenes Continuous-Delivery-Kapitel (zur Angst vor dem Release). Continuous Delivery ist ein Kapitel in The Cybernetic Enterprise. Der Satz, auf den ich am meisten stolz bin, ist auch der direkteste: Der eigentliche Engpass ist nicht dein Code, es ist deine Angst, ihn auszuliefern. CI erwischt Entwickler dabei, wie sie sich selbst belügen. Continuous Deployment geht einen Schritt weiter: Wenn jeder Push Wert liefert, brauchst du keine Roadmaps, du brauchst Landebahn. Das sind keine neuen Ideen. Es sind die Ideen, die in 18 Monaten “lass den Agenten liefern” untergegangen sind. Nichts an der Agentenära macht sie ungültig. Im Gegenteil. Die Agentenära legt jedes Team offen, das Geschwindigkeit übernommen hat, ohne die Disziplin zu übernehmen, die Geschwindigkeit verlangt.
Über alle sechs Beiträge hinweg (Amazon, Wix und Vercel im April, Fowler, Tane und das DevOps-Bündel im Mai) lässt sich das Muster in einem Satz sagen. Die heutigen Modelle sind leistungsfähiger als die Release-Prozesse um sie herum. Disziplin ist jetzt der Engpass. Vorn liegen die Teams, die Governance als Produkt behandeln, das sie bauen und pflegen, statt als Richtlinie, die sie ablegen.
Der Irrtum vom festen Arbeitsvolumen, hundert Jahre später#
Die Frage “Was macht KI mit den Jobs?” hat den März beherrscht. Im Mai kam sie mit Forschung im Rücken zurück.
Der Irrtum vom festen Arbeitsvolumen ist der hundert Jahre alte Name für die falsche Annahme, die Menge an Arbeit in einer Volkswirtschaft sei fix. Wie ein Kuchen. Wenn Maschinen mehr machen, müssen Menschen weniger machen. Jeder technologische Umbruch hat genau diese Angst ausgelöst. Jedes Mal lag die Angst falsch. Als der Geldautomat kam, sollten die Banken alle Schalterangestellten entlassen. Was tatsächlich passierte: Automaten machten Filialen billiger im Betrieb, Banken eröffneten mehr Filialen, die Zahl der Schalterangestellten stieg jahrzehntelang, und der Job verschob sich vom Geldzählen zu Kundenberatung und Verkauf. Die Arbeit ist nicht verschwunden. Sie hat sich gewandelt.
Jetzt schau auf KI. Milliarden investiert, die Arbeitslosigkeit ist nicht hochgeschnellt, Millionen nutzen KI täglich, und ganze neue Berufskategorien entstehen, die es vor fünf Jahren nicht gab. Das heisst nicht, dass alles in Ordnung ist. Berufseinsteiger und frisch Diplomierte spüren echten Druck. Der Übergang ist nie schmerzfrei. Aber die Prämisse, Arbeit sei ein fester Kuchen, ist falsch, und auf dieser falschen Prämisse zu handeln erzeugt die schlimmsten Führungsentscheidungen jedes KI-Rollouts. Die Frage ist nicht, ob es Arbeit geben wird. Die Frage ist, ob du auf die neue vorbereitet bist.
Ein Paper der LSE und der University of Hong Kong mit dem Titel Weak Bundle, Strong Bundle hat uns die Rechnung für die nächste Ebene geliefert. Die Frage lautet nicht, welche Aufgaben KI erledigen kann. Die Frage lautet, wie viel Wert zerstört wird, wenn diese Aufgaben getrennt erledigt werden.
Ein Radiologe verkauft nicht das Lesen von Aufnahmen. Er verkauft ein Bündel. Triage, Gespräche mit den zuweisenden Ärzten, Ausbildung von Assistenzärzten und eine Unterschrift unter einer Einschätzung, auf die andere Menschen hin handeln. Der Markt kauft das Bündel, nicht die Klassifikation.
Das Paper nennt drei Gründe, warum ein Bündel teuer zu trennen ist. Geteilter Kontext: Die Person, die die Aufnahme gelesen hat, hat auch mit dem zuweisenden Arzt gesprochen. Haftung: Wer die Diagnose unterschreibt, kann das Urteil nicht auslagern, weil er die Folgen nicht auslagern kann. Übertragungseffekte zwischen Aufgaben: Was du bei der einen Aufgabe lernst, macht dich bei der anderen besser. Stell dir ein Meeting vor, zwei Jobs. Ein KI-Notizassistent hält fest, wer was gesagt hat und was entschieden wurde. Diese Aufgabe lässt sich sauber davon trennen, im Raum zu sein. Schwaches Bündel. Jetzt stell dir eine Projektleiterin im selben Meeting vor. Sie hört den Engineering Lead “klar, das können wir versuchen” sagen, in einem Tonfall, der bedeutet “das wird scheitern und ich streite jetzt nicht darüber”. Eine Stunde später geht sie mit ihm Kaffee trinken, bringt den echten Einwand auf den Tisch und rettet das Projekt. Dasselbe Meeting. Völlig anderer Job. Starkes Bündel.
Der Rahmen passt direkt auf das Cybernetic Enterprise. KI ist das Nervensystem. Die Menschen sind die Seele. Das Nervensystem bewegt Signale schnell. Die Seele hält Kontext, Haftung und Urteil. Man ersetzt keine Seele durch einen besseren Nerv. Wenn du einen KI-Rollout planst, fang nicht mit einer Liste von Aufgaben an, die KI erledigen kann. Fang mit den Bündeln an, deren Bruch du dir nicht leisten kannst.
Was auf dem Etikett steht#
Wenn die Jobfrage davon handelt, was Menschen tun, dann handelt die nächste Frage davon, wie der Markt bewertet, was sie mit KI im Raum tun.
Die Kontaminationsstudie der Chicago Booth hat zwei vorregistrierte Kunstauktionen mit echtem Geld durchgeführt. 351 Teilnehmende boten auf echte Drucke. Jede Beschreibung variierte zufällig darin, wie viel von Menschen gemacht war, wie viel von KI und wie exklusiv das Stück war. Drei Zahlen sind mir geblieben. Ein Bild, beschrieben als 99 Prozent Mensch und 1 Prozent KI, verlor 16,12 Prozent des wahrgenommenen Werts gegenüber vollständig menschlicher Herstellung. Der Schritt von 25 Prozent KI auf 50 Prozent KI bewegte den Wert nur um 3,13 Prozent. Ein Prozent menschliche Handschrift zu einem vollständig KI-generierten Werk hinzuzufügen, steigerte den Wert um 27,92 Prozent. Die Kurve hat Knicke bei 1 Prozent und 99 Prozent. Die Mitte ist fast flach.
Das ist kein Verlauf. Das ist eine Kontaminationsreaktion. Dasselbe psychologische Muster, das Rozin vor Jahrzehnten mit einer sterilisierten Küchenschabe im Saft dokumentiert hat. Am Saft hat sich nichts geändert. Der Saft gehörte nur nicht mehr in dieselbe Kategorie von Ding. Die Offenlegungsweisheit, der die meisten Unternehmen folgen, steht auf dem Kopf. Eine geringe KI-Beteiligung ist nicht das Sichere zum Offenlegen. Das erste Prozent ist das teuerste Prozent. Sobald du die Linie überschritten hast, hast du den Preis schon grösstenteils bezahlt. Vollständig menschlich, oder KI als benanntes Werkzeug, sind womöglich sauberere Marktpositionen als überwiegend menschlich mit ein wenig KI-Hilfe.
Ein Vorbehalt, bevor jemand zu weit verallgemeinert. Hier geht es um Kunst. Bei Kunst dreht sich alles um Urheberschaft. Software wird überwiegend danach beurteilt, ob sie funktioniert. Beratung wird an Ergebnissen gemessen. Wissensarbeit liegt irgendwo dazwischen, und das Paper selbst sagt, dass wir nicht wissen, wo. Mach aus einem 16-Prozent-Befund einer Kunstauktion keinen pauschalen Abschlag für KI-gestützte Dienstleistungen. Aber denk darüber nach, was du aufs Etikett schreibst. Die Augmentierungs-Geschichte funktioniert weiterhin. Wie du den menschlichen Beitrag rahmst, ist jetzt eine Entwurfsentscheidung und kein Häkchen bei der ehrlichen Offenlegung.
Von der Hierarchie zur Intelligenz#
Derselbe Druck auf das Operating Model zeigt sich ganz oben im Organigramm.
Jack Dorsey (CEO von Block) und Roelof Botha (Sequoia) haben einen detaillierten Plan veröffentlicht, das mittlere Management durch ein KI-gestütztes Weltmodell zu ersetzen. Ihr Argument ist älter, als es aussieht. Eine Führungskraft kann drei bis acht Menschen wirksam führen. Das ist eine biologische Grenze, kein Führungsstil. Alles andere in der Unternehmenspyramide ist Ingenieursarbeit um diese eine Beschränkung herum. Sie gehen 2'000 Jahre Geschichte durch, um das zu belegen. Das Contubernium der römischen Legion mit 8 Mann, die Zenturie mit 80, die Kohorte, die Legion: ein Protokoll für Führungsspannen, kein Plan. Der preussische Generalstab 1806: geschaffen, um unfähige Generäle zu stützen, nachdem Napoleon das Risiko offengelegt hatte, sich auf individuelle Genialität zu verlassen. Die amerikanischen Eisenbahnen in den 1850er-Jahren: Daniel McCallum hat das weltweit erste Organigramm gebaut, weil informelle Führung bei Zugkollisionen Menschen tötete. Jedes Experiment mit flachen Organisationen seither (Spotify, Zappos, Valve) ist bei Grösse entweder zu konventioneller Führung zurückgekehrt oder zusammengebrochen.
Die Falle in einem Satz: “Eine engere Führungsspanne bedeutet mehr Befehlsebenen, aber mehr Ebenen bedeuten langsameren Informationsfluss.”
Und dann der Satz, bei dem jeder innehalten sollte, dem ein Organigramm gehört: Die Frage war nie, ob du Ebenen brauchst. Die Frage war, ob Menschen die einzige Option für das sind, was diese Ebenen tun. Das sind sie nicht mehr.
Das ist das Muster des Cybernetic Enterprise, nur beschrieben von jemandem, der Zahlungssoftware verkauft. KI als Nervensystem. Weltmodelle. Feedback Loops. Menschen an der Kante, wo das Modell auf die Realität trifft. Die Idee kommt aus mehreren Richtungen an, weil die zugrunde liegende Realität dieselbe ist: Die biologische Grenze der Führungsspanne wird endlich gelockert, und alles, was daran hängt, steht zur Neubewertung.
Was Dorsey und Botha womöglich unterschätzen: Dieser Übergang wird nicht daran scheitern, dass die Technologie falsch ist. Er wird daran scheitern, dass Menschen sich dagegen wehren, wenn man ihnen sagt, dass eine Arbeitsebene, auf der sie Karrieren gebaut haben, immer ein Behelf war und kein Handwerk. Das ist das eigentliche Adoptionsproblem, und es liegt auf derselben Achse wie der MIT-Befund zur psychologischen Sicherheit, mit dem ich diese Ausgabe eröffnet habe. Das Organigramm, das du vor deinem Verwaltungsrat verteidigt hast, gab es vor 200 Jahren nicht, und in 200 Tagen gibt es es vielleicht auch nicht mehr. Wer in deiner Organisation würde am härtesten dafür kämpfen, das zu behalten, was verschwinden sollte?
Von Hardware zu Systemen, Industrieausgabe#
Ein kurzer Abschnitt für die Leser aus der Industrie, weil die Frage nach dem Operating Model dort anders landet, wenn sie zugleich eine Frage der Produktdefinition ist.
Kunden kaufen keine Kompressoren mehr. Sie schliessen einen Vertrag über garantierte Druckluft. Das System sagt Lecks voraus, regelt die Leistung, optimiert Energie und sichert Verfügbarkeit. Die Spitzenleistung des Motors ist für den Käufer unsichtbar. Sichtbar ist nur das Ergebnis. Das ist Ergebnis vor Output, Industrieausgabe, und Réka Leisztner, Urs Künzle und Thomas Weber von Zühlke haben es Anfang Mai sauber auf den Punkt gebracht.
Ein cyber-physisches System ist keine Hardware mit angeschraubter App. Es ist ein durchgehender Feedback Loop zwischen physisch und digital, als ein zusammenhängendes Produkt konstruiert. Sensoren erfassen, Software entscheidet, die Maschine passt sich an, Erkenntnisse fliessen zurück. Diese Schleife ist das Produkt. Für etablierte Industrieunternehmen, gerade im DACH-Raum, sieht das nach einer Bedrohung aus. Es ist das Gegenteil. Die physische Ebene ist am schwersten nachzubauen. Jahrzehnte an Domänenwissen, Kundenvertrauen, Produktions-Know-how und installierter Basis sind Hürden, um die sich Digital Natives nicht herumkaufen können. Der Engpass ist nicht das Bestehende. Der Engpass ist die Haltung. Solange Hardware zuerst kommt und Software folgt, bleibt Integration ein schmerzhafter Nachgedanke.
Der passende Datenpunkt kommt aus dem Cisco 2026 State of Industrial AI Report. 65 Prozent der deutschen Industrie nutzen KI. Nur einer von fünf in EMEA ist bereit, sie zu skalieren. Die Naht zwischen IT und OT entscheidet, ob das Ganze hält oder bricht. 88 Prozent sind zuversichtlich, KI ohne IT/OT-Abstimmung zu skalieren. Mit Abstimmung 96 Prozent. 80 Prozent sind zuversichtlich, ohne Abstimmung konform zu bleiben. Mit Abstimmung 98 Prozent. Die Differenz ist das Operating Model.
Drei Dinge machen aus industrieller KI-Nutzung industrielle KI-Skalierung: eine gemeinsame Erfolgsrechnung von IT und OT, eine gemeinsame Plattform und eine einzige Verantwortung für Ergebnisse. Das kommende Jahrzehnt an Umsatz für Industriehersteller hängt an einer Entscheidung zur Produktdefinition. Entweder ist das Produkt eine Komponente im System eines anderen, oder das Produkt ist das System.
Mein aktueller AI-Stack#
Claude Code: weiterhin das Hauptwerkzeug. Berichte, Meetingvorbereitung, Coding, alles. Das AGENTS_md-Muster, das ich im April begonnen habe (harte Regeln in der Projektwurzel, keine Commits ohne ausdrückliche Erlaubnis, Build, Lint und Test vor dem Push), sitzt inzwischen im Muskelgedächtnis. Neu im Mai: Ich nutze Subagenten und Skills in Claude Code für wiederkehrende Abläufe. Das Gerüst-Paper von MBZUAI und UCL hat diese Disziplin nur noch richtiger wirken lassen.
Perplexity: Web-Recherche mit echten Quellen. Immer noch das einzige Werkzeug, dem ich “finde mir zehn Primärquellen zu X” zutraue.
NotebookLM: Dokumente hinein, Audio- und Video-Zusammenfassungen heraus. Diesen Monat wieder nützlich für die längeren arXiv-Papers oben (Dive into Claude Code, Weak Bundle / Strong Bundle, die Kontaminationsstudie der Chicago Booth).
Gemini: Bildgenerierung. Am besten und am schnellsten für den Cyberpunk-Stil, den ich für die Newsletter-Titelbilder nutze.
Gamma (letzter Auftritt): Ich habe Gamma diesen Monat ausgemustert. Zwei Gründe. Erstens hat das Ergebnis ohne Nacharbeit nie ganz meine Stimme getroffen, der Gewinn gegenüber selbst gebauten Folien war also dünner, als er aussah. Zweitens ist jedes andere Werkzeug auf dieser Liste eines, das ich formen kann (Skills, Instruktionen, Dateien), und Gamma war die einzige Blackbox. Ich habe eine Claude-Skill gebaut, die meine Struktur, meine visuellen Vorgaben und die Muster kennt, die ich wiederverwende. Weniger Werkzeug, mehr System. Dasselbe Muster wie bei allem anderen in dieser Ausgabe: in das Gerüst um das Modell investieren statt in noch ein Produkt obendrauf.
Diesen Monat vibe-coded (private Projekte)#
- KnowledgeBase: Weiterbau seit April. Notizen, Lesenotizen (Bücher, Papers, Präsentationen, Videos, Kurse) und kuratiertes Referenzmaterial. Claude Code ist die primäre Schnittstelle. Strikte Ablageregeln, damit der Agent nie raten muss, wohin etwas gehört. Das ganze System läuft aus einem OneDrive-Ordner. Die Disziplinlektionen dieser Ausgabe (Fowlers verlagerte Strenge, Tanes Vorbeugung gegen Slop Creep) prägen, wie ich es erweitere: Jeder neue Inhaltstyp bekommt sein Schema, bevor er eine Datei bekommt.
- Taskmanager: ebenfalls seit April weiter. Eingabe in natürlicher Sprache, Ausgabe als strukturierte
task.md-Dateien mit Frontmatter (Priorität, Kategorie, Fälligkeit, Teilaufgaben). Kein Notion, kein Asana, kein Todoist. Das Upgrade im Mai war ein strengerer Frontmatter-Vertrag, damit Subagenten gegen den Aufgabengraphen planen können, ohne jede Datei neu zu lesen. Das Claude-Code-Gerüst-Paper beschreibt im Kleinen, was ich hier baue. - Fitnessplaner (neu diesen Monat): ein persönlicher Fitnessplaner. Workouts, Progressionen, Erholung und Notizen, wieder als strukturiertes Markdown, das Claude Code lesen, beplanen und anpassen kann. Der interessante Teil ist nicht das Markdown. Interessant wird es, wenn der Planer Zugriff auf dieselbe Wissensbasis hat, in der ich Forschungsartikel zum Training ablege. Kontext über Systemgrenzen hinweg ist der Hebel.
Das Muster über alle drei: eine SaaS-Gewohnheit durch strukturierte Ordner plus eine KI-Schnittstelle ersetzen. Erst Disziplin, dann der Agent. Die Exoskelett-Frage (wo tut es dem Heber weh?) bestimmt, was ich als Nächstes baue.
Wo du mich findest#
Ein kurzer Abschluss für alle, die sich persönlich treffen wollen.
Juni. Souveränität bei Digicomp Zürich am 3. Juni mit Martin Thalmann. Das Momentum-Panel am 8. Juni in Frankfurt mit Sara Jourdan, Peter Buxmann und Daniel Schleidt, zum Übergang von Copiloten zu autonomen Agenten. Der MobAI-Workshop am Next-Industries-Event “7. Use Cases” am 11. Juni.
Juli. Industry.forward in Berlin am 1. Juli, ich moderiere das Panel zur Industrial AI Roadmap 2040 mit Markus Himpele, Martin Bergmann und Tim Herfurth. Wertschöpfung mit KI bei Digicomp Zürich am 2. Juli mit Martin Thalmann.
September. Die menschliche Seite von DevOps bei Digicomp Zürich am 1. September mit Martin Thalmann.
Dezember. Jahresabschluss 2026 bei Digicomp Zürich am 8. Dezember, zwei Praxisvorträge mit Martin Thalmann.
Januar und weiter. Martin und ich sind bereits für den 21. Januar 2027 gebucht. Und das zehnjährige Jubiläum der DevOpsDays Zürich steht: 14. und 15. April 2027.
Worauf ich im Juni schaue#
Drei Dinge auf meinem Radar:
- Ehrliche Zwischenbilanz als CAIO. Ich werde eine öffentliche Reflexion darüber veröffentlichen, was ich in den ersten 60 Tagen in der Rolle gelernt habe: was funktioniert hat, was nicht, wo die These zum Operating Model auf die Realität getroffen ist. Abonniere The CAIO, wenn du das im Postfach haben willst.
- Die Etikettfrage erreicht Software. Der Kontaminationsbefund der Chicago Booth handelt heute von Kunst. Als Nächstes von Wissensarbeit. Achte darauf, welches SaaS-Unternehmen zuerst testet, was mit dem Preis passiert, wenn es die KI-Beteiligung ausdrücklich offenlegt.
- Die erste grosse Klage zu KI-generiertem Produktionscode. Boris Tanes Beobachtung zum Slop Creep wird irgendwann vor Gericht geprüft. Der Weg von “der Agent hat die schlechte Entscheidung getroffen” zu “der Engineer hat sie freigegeben” ist der Weg von technischer Schuld zu rechtlicher Haftung.
Bis im Juni.
Wenn diese Ausgabe bei dir angekommen ist, hilfst du mir am meisten, indem du sie an eine Person weitergibst, die dasselbe Gespräch braucht, und mir den einen Satz aus dieser Ausgabe zurückschreibst, den du dir an die Wand hängen würdest.
Bis im Juni.
Romano
The CAIO ist ein monatlicher Newsletter für C-Level und Führungskräfte, die KI-Entwicklungen in Operating Models übersetzen. Ausgabe 5 deckt Posts vom 24. April bis 23. Mai 2026 ab. Friday-Fun-Posts ausgenommen.
Die nächste Ausgabe zuerst bekommen
The CAIO erreicht die Abonnenten, bevor die Ausgabe hier erscheint.