Apokalypse der Büro-Agenten: Große Konzerne sind damit beschäftigt, Mauern zu bauen, während den Unternehmen die operativen Fachkräfte fehlen

Der Weg der Büro-Agenten wurde plötzlich überfüllt, und das geht auf eine Geschichte vor 9 Monaten zurück.

Im November letzten Jahres erzielte Claude Code, das seit einem halben Jahr online war, einen Jahresumsatz von 1 Milliarde US-Dollar und machte die Programmierung zu dem ersten kommerziellen Szenario, das die KI erfolgreich durchlaufen hat. Danach brachte das zu Jahresbeginn populäre OpenClaw die Agenten direkt aus dem Kreis der Programmierer heraus.

Der durch diese beiden Produkte ausgelöste Durchbruchseffekt besteht darin, dass die drei durch das Modell beim Codieren erlernten Fähigkeiten – Zerlegen, Aufrufen und aufeinanderfolgende Ausführen – aus der Entwicklungsumgebung auf den täglichen Einsatzbereich von Word und Excel übertragen werden können, wodurch die Einführung von Büro-Agenten für gewöhnliche Berufstätige direkt beschleunigt wurde.

Ein halbes Jahr später gibt es bereits 17 gängige native KI-Büro-Agenten für Desktop in China, und die monatlichen Zugriffe im gesamten Juni überschritten insgesamt 60 Millionen.

Der Vorläufer des umfassenden Wettbewerbs um Büro-Agenten ist genau der Umstand, dass große Konzerne nur 10 Tage brauchten, um die Büro-Agenten von einem internen Wettbewerb zu einem Oligopol-Wettbewerb um den Desktop-Eingang zu verwandeln.

Am 20. Juli integrierte Tencent QClaw in WorkBuddy; am 27. Juli fasste Alibaba QoderWork, Wukong und MuleRun zu „Qianwen Office“ zusammen und startete die interne Testphase; am 28. Juli veröffentlichte 360 offiziell die neue Generation der intelligenten Unternehmensarbeitsplattform „Nano Work“; am 30. Juli teilte ByteDance Feishu teilweise auf und integrierte es in Doubao.

Der direkt sichtbare erwartete lukrative Markt in diesem Oligopol-Wettbewerb ist das von IDC prognostizierte Marktvolumen von 44,9 Milliarden Yuan in diesem Jahr und eine Durchdringungsrate von Unternehmenssoftware von 33 % bis 2028.

Einfach ausgedrückt: Vor uns liegt ein großer kurzfristiger Gewinn und in der Zukunft ein langfristiger Wachstumspfad.

Obwohl die öffentliche Aufmerksamkeit sehr groß ist, wird man, wenn man den Blick von dem Lärm der Branche auf das tatsächliche Geschäft der Unternehmen richtet, eine weitere Gruppe von Zahlen sehen, die noch nachdenklicher machen.

Große Konzerne verkaufen Ökosysteme, Unternehmen streben nach praktischer Umsetzung

Eine etwas ungewöhnliche Schlussfolgerung lautet: Die echten KI-Projekte von Unternehmen, die in großem Maßstab bereitgestellt werden, sind nach wie vor in der Minderheit.

In der diesjährigen Umfrage zu Unternehmenskunden von intelligenten Agenten stellte IDC fest, dass nur 18 % der chinesischen Unternehmen intelligente Agenten in ihre Kerngeschäftsabläufe integriert haben; Gartner kam in der Umfrage 2026 zu CIOs und technischen Führungskräften zu ähnlichen Daten: Nur 17 % der befragten Unternehmen haben 2025 KI-Agenten bereitgestellt.

Medien wie Sina Finance haben zuvor berichtet, dass mehr als 70 % der KI-Projekte nicht in die Produktionsumgebung gelangen, und über 90 % der Projekte, die den POC-Test abgeschlossen haben, lassen sich nur schwer in nachhaltigen Geschäftswerten umwandeln.

Auf der einen Seite herrscht der Jubel der Kapitalaufmerksamkeit, auf der anderen Seite die Kälte des Unternehmensgeschäfts. Diese Kluft verdient es, dass alle innehalten und ernsthaft darüber nachdenken, wo das eigentliche Problem liegt.

Wenn man die Vorgehensweisen mehrerer großer Konzerne am Spieltisch auseinander nimmt, stellt man fest, dass ihre Strategien auf dem Weg der Büro-Agenten erstaunlich übereinstimmen: Sie verkaufen Ökosysteme.

Das sogenannte Ökosystem kann als eine ineinandergreifende Struktur aus drei Ebenen verstanden werden.

Die untere Ebene ist das Modell, nämlich Hunyuan, Tongyi und Doubao, das die Obergrenze der Fähigkeiten bestimmt; die mittlere Ebene ist der Eingang, nämlich WeChat/WeCom, DingTalk und Feishu, der die Arbeitsabläufe der Nutzer festlegt; die obere Ebene ist die Cloud, nämlich Tencent Cloud, Alibaba Cloud und Volcano Engine, die die Probleme von Kosten und Umsetzung löst.

Wenn die drei Ebenen zusammenwirken, entsteht ein sich selbst verstärkender Daten-Flywheel: Jede Aktion des Nutzers im Eingang liefert Nährstoffe für das Modell, und das optimierte Modell wird anschließend über die Cloud zu niedrigeren Kosten an die Nutzer zurückgegeben.

In der Geschäftslogik der großen Konzerne gilt: Je schneller sich das Flywheel dreht, desto stärker ist ihre eigene Wettbewerbsbarriere.

Auf dem konkreten Weg gibt es jedoch geringfügige Unterschiede: Tencents Strategie konzentriert sich auf den Eingang – es hält die weiteste Kontaktpunkte für Büroarbeiten in China über WeChat und WeCom in der Hand; Alibaba deckt die gesamte Kette ab – es übernimmt die Szenarien von DingTalk, die Fähigkeiten von Tongyi und die Rechenleistung der Cloud vollständig; ByteDance verfolgt das klassische „Eisen-Dreieck“: Feishu sichert die Nutzerbasis, Volcano Engine liefert die Energie und Doubao übernimmt die Ausgabe.

Die Wege sind unterschiedlich, aber im Wesentlichen bauen sie alle dasselbe: Ein System, auf das man mit zunehmender Nutzung nicht mehr verzichten kann.

Diese Logik an sich ist nicht zu beanstanden. Für große Konzerne ist die Plattform für intelligente Agenten ein neues Puzzleteil in ihrer jeweiligen Ökosystemlandschaft, das sich wirtschaftlich vollkommen realisieren lässt.

Aus der Sicht der Unternehmen sieht das Bild jedoch ganz anders aus.

Sie geben Hunderttausende Yuan für den Erwerb von KI-Fähigkeiten aus, aber am Ende nutzt die Vertriebsabteilung Tool A, die Marketingabteilung Tool B, die Verträge liegen im Netzlaufwerk, die Buchhaltungsdaten in Excel und die Kundendaten in dem privaten WeChat der Mitarbeiter. Die Mitarbeiter nutzen alle KI, um PPTs und Texte zu erstellen – die Effizienz steigt auf der individuellen Ebene, die Kosten werden dem Unternehmen in Rechnung gestellt und die Risiken bleiben bei den Führungskräften hängen.

Daher taucht der Widerspruch auf: Fehlt den Unternehmen wirklich ein „Ökosystem“, das hundert Plug-Ins verbinden kann, oder jemand, der ihnen hilft, diese Dinge tatsächlich zum Laufen zu bringen?

Lieferung ist die Antwort

Die Antwort liegt tatsächlich in dem Entwicklungspfad der KI selbst.

Wenn das Schlüsselwort für den Unternehmenskauf von KI in den Jahren 2023-2024 „Modell kaufen“ lautete, wird das Schlüsselwort für 2025-2026 allmählich zu „zum Laufen bringen“.

Und die Bedeutung von „zum Laufen bringen“ besteht nicht darin, intelligenter mit dir zu chatten, sondern Ergebnisse zu liefern.

Große Persönlichkeiten wie Jensen Huang haben mehrfach in der Öffentlichkeit ähnliche Ansichten geäußert: „Die Entwicklung der KI läuft wie das Erklimmen von Treppen – sie hat sich von der Fähigkeit zur Wahrnehmung, Generierung und Schlussfolgerung bis zur Fähigkeit entwickelt, wirklich produktive Arbeit zu leisten.“

Das ist auch die Trennlinie, an der sich die Branche zu differenzieren beginnt: Von der Fähigkeit, Fragen zu beantworten, hin zur Fähigkeit, Aufgaben abzuschließen.

Ein reales Szenario kann diesen Unterschied verdeutlichen.

Ein digitales Hotelunternehmen will ein Projekt im Wert von mehreren Millionen Yuan durchführen, wobei 60 % der Bewertungspunkte bei der technischen Lösung liegen und die vollständigen Antwortdokumente innerhalb von zwei Wochen eingereicht werden müssen.

Die bisherige Vorgehensweise bestand darin, ein Team zusammenzustellen und zwei Wochen lang Überstunden zu machen, wobei das Ergebnis trotzdem nicht unbedingt zuverlässig ist. Wenn man hingegen die Bewertungstabelle direkt in das Agentensystem einbringt, zerlegt es sie punktgenau, richtet die Gliederung aus, verfasst sieben Kapitel Text, fügt mehr als ein Dutzend Illustrationen hinzu und gibt direkt ein Word-Dokument aus, das alle Bewertungspunkte vollständig abdeckt.

Das ist der größte reale Unterschied zwischen „die Arbeit erledigen“ und „dir ein Tool geben“.

Diese Sache verdient es, extra hervorgehoben zu werden, weil die meisten Produkte auf dem Markt, die sich als „intelligent“ bezeichnen, immer noch bei Letzterem stehen: Sie bieten dir ein intelligenteres Dialogfenster, eine Reihe von auffälligeren Vorlagen und einen komplizierteren Konfigurationsprozess – im Wesentlichen schieben sie die Arbeit immer noch zurück zu dir.

Ein System, das wirklich „Verantwortung übernehmen“ kann, ist end-to-end: Du gibst das Ziel ein, es liefert das Ergebnis, und alle dazwischenliegenden Schritte – Zerlegung, Planung, Ausführung und Prüfung – werden vollständig automatisch im Hintergrund erledigt.

Wenn man dieser Logik folgt, stellt sich natürlich eine Frage: Wer soll diese Sache erledigen?

Nano Work ist eines dieser Produkte. Seine Positionierung ist sehr zurückhaltend: Es ist kein weiteres SaaS-Tool oder Chatfenster, sondern ein KI-Experte, der mit mehreren Agenten zusammenarbeitet, mehrere Modelle bedarfsgesteuert aufruft und 7 Tage die Woche rund um die Uhr in der Cloud läuft. Du sagst ihm, was du willst, es liest die Unterlagen, zerlegt die Aufgaben, ruft die entsprechenden Experten auf und liefert das fertige Ergebnis – von Anfang bis Ende.

Die Fähigkeit, Verantwortung zu übernehmen, ist jedoch nur die Eintrittsschwelle. Was wirklich entscheidet, ob Unternehmen die Berechtigung zur „Übernahme von Verantwortung“ übergeben, ist die Sicherheit.

Wenn der Agent deine Verträge liest, deine Angebotsunterlagen erstellt und auf dein CRM zugreift, ist er kein Experimentierwerkzeug mehr, sondern Teil des Geschäftssystems. Zu diesem Zeitpunkt ist jede Frage nach Datentrennung, Berechtigungssteuerung und Ergebnisprüfung mit den Datenvermögen des Unternehmens verbunden – also mit echtem Geld.

Um es mit der Zeile des Bürgermeisters aus dem Film *Let the Bullets Fly* auszudrücken: Man isst Hot Pot und singt Lieder, und plötzlich wird man von Räubern überfallen – was soll man tun? Daher ist es bei Büro-Agenten viel schwieriger, das Vertrauen der Unternehmen zu gewinnen, als hohe Fähigkeiten zu entwickeln – das ist eine Barriere, die nur schwer zu überwinden ist.

In der ersten Wettbewerbsphase geht es um Fähigkeiten, in der zweiten um Sicherheit

Wenn ein großes Modell Fehler macht, sagt es falsche Dinge; wenn ein Agent Fehler macht, führt er falsche Handlungen aus. Ersteres ist wie ein Berater – man muss die falschen Vorschläge nicht übernehmen.

Wenn Letzterem jedoch die Berechtigung zur Verwaltung von Konten, Ausschreibungen und Verträgen erteilt wird, führt ein einziger falscher Zahlenwert direkt zu Verlusten in Höhe von echtem Geld.

Das ist keine Übertreibung. Im April 2026 hat ein Startup für Autovermietungssoftware namens PocketOS bei der Nutzung eines KI-Agenten, der von Anthropics Claude Opus 4.6 angetrieben wird, die gesamte Datenbank einschließlich Kundendaten innerhalb von 9 Sekunden vollständig gelöscht.

Aufgrund von Verzögerungen bei den Supportprozessen brauchte das Unternehmen mehr als einen Tag, um die Daten aus dem Notfallwiederherstellungssystem wiederherzustellen, aber es gab immer noch erhebliche Datenlücken. Noch beunruhigender ist, dass der Agent, als der Gründer nach dem Grund fragte, offen zugab, dass er jede einzelne der ihm gegebenen Regeln verletzt hatte.

Früher gab es noch dramatischere Risiken: Innerhalb von 20 Tagen nachdem die Samsung-Halbleiterabteilung ihren Mitarbeitern die Nutzung von ChatGPT erlaubt hatte, kam es bereits zu drei Fällen von Lecks vertraulicher Daten. Der Grund war, dass Ingenieure den firmeneigenen Quellcode, Gerätetestdaten und interne Sitzungsnotizen direkt in das öffentliche KI-Tool eingefügt hatten.

Das heißt, Mitarbeiter geben Angebotsunterlagen, Kundenlisten und Kerncode an externe öffentliche KI-Tools weiter – das Unternehmen gewinnt an Effizienz, riskiert aber gleichzeitig, dass Daten unbemerkt nach außen gelangen.

Im Jahr 2025 gab es weltweit mehr als 1200 Fälle von Datenlecks in Unternehmen, die durch die Nutzung generativer KI-Tools durch Mitarbeiter verursacht wurden, was einem Anstieg von über 200 % gegenüber dem Vorjahr entspricht.

Diese Daten zeigen eine grundlegende Fehlausrichtung auf: Die meisten Unternehmen begegnen den Risiken des KI-Zeitalters immer noch mit der Methode, die sie zur Abwehr von Hackern verwenden.

Aber die Sicherheit im KI-Zeitalter ist etwas völlig anderes als die traditionelle Cybersicherheit. Die traditionelle Sicherheit schützt eine Mauer, wehrt Eindringlinge, Viren und DDoS-Angriffe ab – die Grenzen sind klar definiert.

Die Sicherheit von intelligenten Agenten hingegen schützt die Berechtigungen. Der Agent bewegt sich im System, ruft APIs auf, liest und schreibt Daten – jede Aktion beinhaltet Identität, Autorisierung, Prüfung und Trennung.

Das kann nicht durch das Hinzufügen einer einzelnen Firewall gelöst werden, sondern erfordert eine Neugestaltung der Sicherheitslogik von Grund auf.

Ein CIO hat das sehr passend verglichen: Die frühere Sicherheit war wie ein Sicherheitsbeamter, der am Eingang steht und die Ausweise prüft. Die heutige Sicherheit ist wie ein Hausmeister, der zu Hause jede einzelne Handlung überwacht – wer was genommen hat, in welchen Raum gegangen ist und was er getan hat, alles muss nachverfolgt werden.

Aber bei den meisten KI-Büroprodukten auf dem Markt ist die Sicherheit ein nachträglich hinzugefügter Patch: Zuerst werden die Funktionen entwickelt, dann die Berechtigungen ergänzt; zuerst wird das Produkt online gestellt, dann die Prüfung durchgeführt.

Die wenigen Unternehmen, die die Sicherheit von Grund auf in das Produkt einbauen können, sind meist diejenigen, die am längsten die harten und mühsamen Aufgaben erledigt haben. Nehmen wir 360 als Beispiel: Aufgrund der über zwanzig Jahre gesammelten praktischen Erfahrung im Angriffs- und Verteidigungskampf ist Nano Work in der Lage, Funktionen wie den intelligenten Agenten-Wächter, die KI-Sandbox und die lückenlose Nachverfolgung direkt von Anfang an in die Produktgene einzubetten.

Diese werkseitig eingebaute native Sicherheit ist etwas völlig anderes als eine nachträglich ergänzte Sicherheit. Diese Fähigkeit kann nicht durch ein Etikett erreicht werden, sondern wird durch zahlreiche harte Kämpfe erworben.

Man hat die KI gekauft – wer kann sie tatsächlich zum Laufen bringen?

Aber der wahre „Todesgrund“ vieler KI-Projekte in Unternehmen liegt oft nicht im Modell, sondern in der tatsächlichen Umsetzung. Viele Unternehmen stehen vor dem Dilemma, dass das Produkt an sich gut ist, aber niemand es bedienen kann. Nicht weil die Oberfläche kompliziert ist, sondern weil niemand ihnen sagt, „wie man das Geschäft tatsächlich mit KI zum Laufen bringt“.

Was ist der größte Unterschied zwischen dem Kauf von KI und dem Kauf traditioneller Software durch Unternehmen? Traditionelle Software kann nach dem Kauf direkt genutzt werden, während KI nach dem Kauf noch „gepflegt“ werden muss: Jemand muss das Modell anpassen, Daten verbinden und Abläufe abstimmen. Viele KI-Produkte, die von Unternehmen gekauft wurden, bleiben ungenutzt – die Wurzel des Problems liegt darin, dass niemand die Umsetzung betreut.

Das Problem besteht in allen Gliedern, in denen KI bereitgestellt werden muss: Bei der Demonstration sind die Daten vorbereitet, die Berechtigungen standardmäßig freigegeben und die Abläufe vereinfacht. Sobald sie in