Frontier Firm: Nativ im KI-Reifegrad-Atlas
Frontier Firm
Auf dieser Stufe skaliert KI-native Arbeit über mehrere Teams hinweg, ohne im Chaos zu enden. Eine Frontier Firm führt Agenten wie Mitarbeiter im Organigramm, macht den Hebel jeder Agentenflotte messbar und trifft Souveränität als bewusste Entscheidung.
Der Sprung von der vorigen Stufe ist kein Technik-, sondern ein Organisations-Sprung: zehn Teams gleichzeitig KI-nativ zu betreiben verlangt geteilte Infrastruktur und geteilte Regeln.
Was auf dieser Stufe zählt
Skaliere KI-native Arbeit über Teams, führe Agenten wie Mitarbeiter im Organigramm und mach Governance zum Betriebssystem.
Agenten wie Mitarbeiter führen
Ein Agent bekommt einen Auftrag mit Intention, arbeitet autonom, prüft sich selbst und liefert erst, wenn es gut genug ist. Der Mensch wird zum Agent-Boss einer Flotte.
Multiplikatoren schlagen jedes Mandat
Der Hebel liegt in ein bis zwei KI-Multiplikatoren plus ein bis zwei KI-First-Kräften pro Team. Ein zentrales Blaupausen-Team ist ein Anti-Muster.
Governance ist das Betriebssystem
Hoffnung ist keine Strategie. Governance ist keine Abteilung, sondern eine Überlagerungs-Funktion aus Produkt, IT, Recht und Beschaffung, die alle im gleichen Tempo hält.
Souveränität heißt Wahlfreiheit, nicht Autarkie
Souveränität ist die Fähigkeit, Modell, Chip oder Rechenzentrum jederzeit zu wechseln. Baue eine Infrastruktur, in die du morgen ein anderes Modell einklickst.
Anwendungsweltmeister statt Grundlagen-Wettrennen
90 Prozent der KI-Wertschöpfung liegen in der breiten Anwendung. Dein Vorsprung entsteht aus vertikaler Anwendung deiner eigenen Daten, nicht aus einem eigenen Foundation Model.
Governance als wiederholbares Produkt
Wer jeden neuen Agenten einzeln bewertet, wird zum Nadelöhr. Das Muster, das trägt, hat drei Teile: wenige Agenten-Archetypen mit vorab festgelegten Rechten, gestufte Freigaben je Autonomiegrad und durchgehendes Monitoring. Die beste Leitplanke ist die, die sich nicht umgehen lässt.
Wo du auf jeder Achse stehst
Reife ist ein Profil aus fünf Werten. So sieht jede Achse auf dieser Stufe aus.
Der Mensch ist Agent-Boss, delegiert an eine Flotte und liefert Urteil, Geschmack und letzte Meile. Adoption trägt sich über Multiplikatoren pro Team, nach dem Prinzip Learn it all. Befähigung ist Pflicht, nicht Kür: der AI Act verlangt ein zur Rolle passendes, belegbares Kompetenzniveau, und weil Werkzeugwissen schnell veraltet, trainierst du Methodik an echten Anwendungsfällen.
Das Datenfundament wird Souveränitätsfrage: ein lebendes KI-Inventar, ein tool-unabhängiger Wissenslayer, geklärte Datenhoheit. Daten bleiben der eigentliche Engpass. Konkret heißt Datenhoheit: keine Kundendaten fürs Modelltraining, ein klarer Ort der Speicherung und Wahlfreiheit zwischen eigenem Rechenzentrum und Cloud.
Die Umgebung schlägt das Modell: interner Skill-Marktplatz mit Pflicht-Skills, Cost- und Model-Routing, lokale Spezialmodelle, Observability für Audit. Wer sein eigenes Harness von Grund auf baut, wartet am Ende sein Werkzeug, statt zu arbeiten.
Aus einzelnen Agenten wird ein Agentic Mesh komponierbarer Agenten. Man webt domänenweise den wertvollsten Teil zuerst, statt anwendungsfallweise. Der Ertrag kommt aus dem Schwungrad: jeder Durchlauf verbessert die eigenen Daten. Und weil das Netz Handlungsmacht verteilt, gilt darin Zero Trust: jeder Agent ist ein möglicher bösartiger Akteur mit vorab begrenztem Wirkradius.
Der Sprung von Demo zu Produktion ist dauerhaft eingebaut: Evals ab Tag null, Identity zuerst, KI-Inventar nach AI-Act-Risikoklassen, Schutz gegen Prompt Injection. Seit dem 2. August 2026 greifen die Transparenz- und Kennzeichnungspflichten, während die Hochrisiko-Fristen nach hinten verschoben wurden: jeder Kundenkontaktpunkt, an dem KI mitschreibt oder mitspricht, gehört geprüft und gekennzeichnet.
Woraus diese Stufe besteht
- Governance-Betriebssystem: KI-Governance als Überlagerungs-Funktion aus Produkt, IT, Recht und Beschaffung, Identity zuerst, Evals ab Tag null, aufgebaut auf bestehender Data-Governance.
- Cost- und Model-Routing: Ein Router leitet jede Anfrage zum günstigsten Modell passender Qualität, ein kleines Modell verarbeitet rund 95 Prozent lokal, Kompression spart bei der Inferenz.
- Multiplikatoren und Skill-Marktplatz: Pro Team Multiplikatoren plus KI-First-Kräfte, dazu ein interner Skill-Marktplatz. Baue den Meta-Skill zuerst, der andere Skills erzeugt.
- KI-Inventar und Risikoklassen: Alle Use-Cases zentral und durchsuchbar, jeder im Dreiklang aus Problem, Lösung und Mehrwert, klassifiziert nach den vier AI-Act-Risikoklassen.
- Anbieter-Resilienz und Fallback: Die Anbindung an ein Modell gehört hinter eine austauschbare Schicht, nicht in den Prozess selbst. Definiere für jeden kritischen Ablauf einen zweiten Anbieter und probe den Wechsel mindestens einmal echt. Ein Anbieter musste ein Modell schon binnen 90 Minuten für alle Nutzer außerhalb des eigenen Landes abschalten.
Die ersten Schritte
Die Kennzahlen dieser Stufe
- Anteil Teams mit Multiplikatoren: jedes Team hat mindestens einen
- Eval-Abdeckung produktiver Agenten: jeder Produktiv-Agent hat ein Test-Set
- Abdeckung des KI-Inventars: alle Use-Cases erfasst und klassifiziert
- Anteil Agenten mit eigener Identität: alle mit begrenzten Rechten
- Geprobte Fallbacks kritischer Prozesse: jeder kritische Prozess einmal auf dem Zweitanbieter gelaufen
- Aktionen mit zugeordnetem Autonomiegrad: jede Aktionsart einem Grad zugeordnet
