Serverseitige Skills, teamseitige Erfolge: Die fehlende Hälfte der KI

Wir alle kennen so ein Teammitglied.

KI hat ein Mitglied Ihres Teams schneller gemacht. Sie sollte jedoch das gesamte Team besser machen. Diese Diskrepanz erklärt, warum sich 95 % der KI-Pilotprojekte in Unternehmen nie auszahlen – und genau das möchten wir ändern.

Der Einzelkämpfer. Jedes Team hat einen. Das ist die eine Person, die KI „versteht“ – sie liefert doppelt so schnell, lässt es leicht aussehen und gibt nichts weiter. Sie behält den Prompt für sich, denn er ist für sie zu wertvoll. Sie schreibt ihn nicht auf. Insgeheim fühlt sie sich, als könnte sie zaubern. Es fühlt sich nach Erfolg an. Ist es aber nicht. Eine Stärke, die niemand kennt, ist nur ein Risiko mit Selbstbewusstsein. Das Wissen steckt in einem Kopf: Eine Woche Urlaub und das ganze Team steht still. Das Team gibt auf und verabschiedet sich. Das ist keine Einführung von KI. Das ist ein Lottoschein.

Die KI-Schrottkanone (oder auch „The Slop Cannon“) Auch so eine Person kennen wir, und wenn wir ehrlich sind, waren wir alle schon einmal in einer solchen Situation, um 17 Uhr kurz vor Ablauf einer Frist. Sie verwechselt „produktiv“ mit „gut“. Sie liefert unformatierten Rohtext, halbfertiges HTML, 12-seitige Dokumente, nach denen niemand gefragt hat – und überlässt es allen anderen, den selbstbewusst vorgetragenen Unsinn auf Richtigkeit zu prüfen. KI hat sie nicht besser gemacht. Sie hat nur dafür gesorgt, dass Fehler schneller passieren. Quantität ist nicht gleich Qualität. Eine Kanone macht noch keinen Handwerker.

Hier ist ihre Gemeinsamkeit: Beides ist kein KI-Problem. Das sind Probleme mit Standards. Der eine behält den Standard für sich, der andere hat keinen. KI hat weder das eine noch das andere erfunden. Sie verstärkt jedoch beides bis zum Maximum. Setzen Sie KI in einem Team mit gemeinsamen Standards ein und die gesamte Abteilung erfindet sich neu. Fehlen gemeinsame Standards, entsteht mit KI nur eines: ein schnelleres Genie und ein lauteres Chaos. KI ist ein Verstärker. Sie verstärkt Ihre Standards oder sie deckt auf, dass Sie keine haben.

Genau deshalb sind die Ergebnisse so unausgewogen. Das Projekt NANDA des MIT untersuchte im Jahr 2025 tatsächliche Bereitstellungen in Unternehmen und stellte fest, dass etwa 95 % der Pilotprojekte mit generativer KI keine messbaren Auswirkungen auf das Geschäftsergebnis hatten. Nur etwa 5 % produzierten echten Wert. Der Grund waren nicht die Modelle – die Modelle sind herausragend. Die Erfolge beschränkten sich auf Einzelpersonen. Individuelle Tricks, keine Teamfähigkeit. Ein Unternehmen transformiert sich nicht dadurch, dass eine einzige Person schneller geworden ist. Es transformiert sich, wenn das gesamte Team nach dem gleichen Standard arbeitet – und gemeinsam besser wird.

Smartsheet ist die erste Arbeitsplattform, die diesen Standard in die Realität umsetzt – und ihn automatisch anwendet. Nicht etwas, das Sie in einem Prompt entdecken. Nicht etwas, das jeder für sich allein herausfinden muss. Die tatsächliche Arbeitsweise Ihres Teams mit seinen Regeln, Definitionen und Erwartungen wird von uns an alle Beteiligten und alle Agenten übermittelt und Woche für Woche weiterentwickelt. Einmal definieren. Als Standard festlegen. Jeder – und alles – arbeitet damit.

Qualitätsstandards waren nie eine Frage von KI

Hier lohnt es sich innezuhalten: Ein gemeinsamer Standard ist kein KI-Feature. Teams sollen für alle Arbeiten Qualitätsstandards festlegen, doch die meisten haben diese nie wirklich umgesetzt. Best Practices sind schon immer in einem Wiki, das niemand öffnet, in einem Onboarding-Dokument, das niemand zu Ende liest, oder in einer Standardarbeitsanweisung in der Schublade versunken. Jeder schreibt das Playbook. Niemand arbeitet danach.

Deshalb haben wir eine andere Frage gestellt als alle, die im KI-Rennen auf Tempo setzen. Sie alle haben versucht, die Arbeit der Schreibkraft zu optimieren – wie können wir diese eine Person schneller machen? Wir haben gefragt: Wie wird die beste Arbeitsweise des Teams zum Standard für alle – automatisch bereitgestellt, konsequent angewandt und im Laufe der Zeit immer besser?

Die Antwort ist kein neues Modell – sondern Skills. Das ist nicht unser Begriff und auch nicht unsere Erfindung. Es handelt sich um ein Konzept, auf das sich die gesamte KI-Branche geeinigt hat, und das Format ist mittlerweile ein offener Standard. Ein Skill ist gebündeltes Know-how, auf das ein Agent in dem Moment zurückgreift, in dem es benötigt wird: Er weist dem Modell seine Rolle zu, versteht, was Sie tatsächlich meinen, wählt das richtige Tool für die Aufgabe aus, formatiert die Antwort im Stil Ihres Teams und wendet Ihre Regeln an – was „überfällig“ bedeutet, was „erledigt“ bedeutet. Die Fachkraft, der Sie vertrauen, ist bei jeder Aufgabe zur Stelle.

Wir haben diese Skills von unserer Seite aus zur Verfügung gestellt. Die Expertise ist in unserer Infrastruktur gespeichert und nicht in den Einstellungen jeder einzelnen Person, sodass sie automatisch an alle verbundenen Agenten weitergegeben wird, konsistent bleibt und für alle gleichzeitig verbessert wird.

Was macht ein Skill? Er weist dem Modell seine Rolle zu, erkennt Ihre Absicht, passt die Anfrage an, wählt das richtige Tool aus, wendet Ihren Stil an und kodiert Ihre Regeln – und das alles genau in dem Moment, in dem es gebraucht wird, sodass die KI keine Tokens verschwendet, um dies immer wieder neu zu ermitteln.

Es wird einmal ein Standard festgelegt, er wird konsequent eingesetzt, und jeder Mensch und jeder Agent richtet sich danach. Die clevere Methode des Einzelkämpfers wird zur Messlatte des Teams – und gilt weiter, auch wenn er längst weg ist. Die KI-Schrottkanone (oder auch „The Slop Cannon“) bekommt einen Standard, den sie nicht unterschreiten darf. Best Practices, die endlich gelebt werden, anstatt in einem Dokument zu verrotten.

Aber „ein gemeinsamer Standard“ wird dem Ganzen nicht gerecht – denn zwei Aspekte machen diesen Standard zu etwas wirklich Persönlichem, und beide werden gebraucht.

Zuerst kommt die Expertise, die genau auf Ihre Situation zugeschnitten ist: Ihre Branche, dann Ihr Unternehmen, dann Ihr Team und schließlich Sie selbst. „Risiko" bedeutet für ein Bauunternehmen etwas völlig anderes als für ein Krankenhaus. Was Ihr PMO unter „fertig" versteht, bedeutet für Ihre Außendienstmitarbeiter*innen etwas völlig anderes. Keine generischen Best Practices – sondern Ihre eigenen.

Das zweite ist Ihr Kontext – und dabei geht es eigentlich um zwei Dinge. Es gibt eine Live-Zuordnung, wie Ihre Arbeit zusammenhängt – Ihre Beziehungen: Was hängt von was ab, wem gehört was, welche Partner sind an welchen Projekten beteiligt, was ist im Verzug und was blockiert den Fortschritt? Außerdem gibt es den Agentenspeicher – also das Wissen, das die KI darüber sammelt, wie Ihr Team tatsächlich arbeitet, damit sie nicht jedes Mal wieder bei Null anfangen muss. Expertise sagt der KI, wie sie die Arbeit gut erledigen kann; Ihre Beziehungen und der Speicher erklären ihr Ihre Situation. Zusammen ergibt das keine Best Practices im Allgemeinen, sondern die richtige Vorgehensweise für genau dieses Projekt, mit seinen Abhängigkeiten und seinem Team. Genau diese Kombination kann niemand kopieren: Jeder kann ein Modell in eine App integrieren, aber die Expertise, die Live-Zuordnung Ihrer Arbeit und der Speicher für die Arbeitsweise Ihres Teams gibt es nur dort, wo Ihre Arbeit tatsächlich ausgeführt wird.

Außerdem gibt es eine ständige Weiterentwicklung. Während Ihr Team arbeitet – indem es die Arbeit eines Agenten akzeptiert, sie korrigiert und zurücksendet –, werden diese Entscheidungen zu Lernerfahrungen, aus denen der Skill lernt. Das Urteil Ihres Teams schärft Woche für Woche still und leise die KI Ihres Unternehmens – ganz nach Ihren Vorstellungen. Muster, die sich bei zahlreichen Unternehmen bewährt haben, bringen Vorteile für alle. Dabei geht es nie um konkrete Daten einzelner Unternehmen, sondern lediglich um die Struktur dessen, was funktioniert. Ihre mühsam entwickelte Arbeitsweise ist nicht mehr nur ein Dokument, das niemand öffnet, sondern wird zu einem System, das mit jeder Anwendung besser wird. Außerdem verlassen Ihre Daten niemals Ihr Unternehmen, nur die Erfahrung wird übertragen.

Das ist die eigentliche Überraschung. Nicht KI, die Dinge weiß – KI, die Ihre Prozesse kennt und jede Woche besser darin wird. Expertise, dazu Ihre Beziehungen und Speicher sowie das Urteil Ihres Teams – gemessen an einem Standard, den Sie festlegen.

(Warum „auf dem Server“ wichtig ist: Wenn Skills auf offenen Marktplätzen weitergegeben werden, bröckelt die Lieferkette – Forscher stellten fest, dass etwa ein Viertel der 40.000 veröffentlichten Skills eine Sicherheitslücke aufwiesen. Wenn die Skills zentral bereitgestellt werden und sich in unserem Besitz befinden, gibt es nichts zu installieren, nichts, das abweicht, und nichts, das korrumpiert werden kann. Der Standard wird an einem sicheren Ort aufbewahrt.)

Ein Tool macht eine Person schneller. Ein Team braucht eine Oberfläche.

Das ist der entscheidende Schritt, den die meisten KI-Strategien übersehen. Ihr persönliches KI-Konto – der Assistent, bei dem Sie sich anmelden – hilft Ihnen dabei, an Ihrem Schreibtisch schneller zu arbeiten. Aber Arbeit bedeutet nicht, dass eine einzige Person an einem Schreibtisch sitzt. Arbeit besteht aus Interaktionen: von Mensch zu Mensch, von Mensch zu Agent, von Team zu Team, von Unternehmen zu Unternehmen. Bei der Interaktion geht die Geschwindigkeit verloren. Ein isoliertes Genie ist immer noch isoliert. Die schnellste Person der Welt muss die Aufgabe dennoch einer anderen Person übertragen, die keine Ahnung davon hat, was auf sie zukommt.

Damit ein Team schneller vorankommt, muss die Geschwindigkeit auch bei der Übergabe erhalten bleiben. Dafür braucht es eine gemeinsame Oberfläche – ein einziges, aktuelles Datensystem, in dem Menschen, Agenten und externe Partner gleichzeitig denselben Status einsehen können und in dem der Standard fest verankert ist, sodass sich alle daran orientieren. Diese Oberfläche ist deterministisch und unterliegt Regeln, wie es bei einem Chatfenster niemals der Fall sein kann: Das Modell ist zwar kreativ und probabilistisch, aber der Datensatz ist exakt – entweder wurde die Zeile aktualisiert oder nicht, entweder wurde die Genehmigung erteilt oder nicht. Sie erhalten die Kreativität eines Agenten mit der Nachvollziehbarkeit eines Systems, das ein Protokoll hinterlässt. Überprüfbare Kreativität. Genau das brauchen Unternehmen, und genau das kann ein Chatfenster nicht bieten.

Die Oberfläche steuert bereits das Unternehmen

Das ist keine Vision, sondern bereits Realität ist: Diese Koordinierungsebene existiert bereits – und zwar in einem Ausmaß, das man sich kaum vorstellen kann.

Auf unserer Plattform laufen derzeit mehr als eine Viertelmilliarde Automatisierungsregeln unbemerkt im Hintergrund ab – festgelegte Anweisungen, die unter bestimmten Bedingungen bestimmte Operationen ausführen. In nur einem Monat wurden über die Plattform mehr als 170 Millionen Übergaben abgewickelt – Aufgaben, die von Person zu Person, von Team zu Team und über mehr als 300.000 Unternehmensgrenzen hinweg übertragen wurden, indem Lieferanten, Auftragnehmer und Agenturen in Arbeitsbereichen des jeweils anderen tätig waren. Jetzt können Agenten damit arbeiten – dieselben Echtzeitdaten lesen und schreiben, dieselben Automatisierungen auslösen und dieselben Übergaben vornehmen wie die Personen, die neben ihnen sitzen. Sie sind nicht gekommen, weil wir ihnen ein Produkt angeboten haben. Sie sind gekommen, weil die Arbeit bereits da war.

Wenn ein Agent ankommt, sieht er also keine leere Arbeitsfläche. Er fügt sich in ein lebendiges Netzwerk aus Arbeitsprozessen ein – das bereits vernetzt, bereits koordiniert und bereits unternehmensübergreifend ist. Er baut nicht das Netzwerk auf. Das Netzwerk steuert bereits das Unternehmen.

Warum wir die Ersten sein mussten

Alle Anbieter von KI-Lösungen arbeiteten daran, einzelne Personen schneller zu machen. Wir haben die andere Hälfte entwickelt – den Ort, an dem die Standards eines Teams gespeichert sind und von unserer Seite aus jeder Person und jedem Agenten zur Verfügung gestellt werden, und zwar in einem System, das die Arbeit bereits koordiniert. Wir sind stolz darauf, die erste Arbeitsplattform zu sein, die das umsetzt. Nach aktuellem Kenntnisstand sind wir auch tatsächlich die erste: Eine Branchenumfrage Ende 2025 ergab, dass kaum ein KI-vernetzter Server diese Art von Expertise anbietet. Im Bereich Arbeitsmanagement war es bislang keiner.

Der Erste zu sein, bringt nicht nur Prestige. Das ist ein Vorsprung mit Zinseszinseffekt: Jeder Standard, den wir bereitstellen, verbessert sofort alle vernetzten Teams und er funktioniert in jeder KI, die Sie bereits einsetzen.

Doch was steckt wirklich dahinter? Arbeit war schon immer ein Teamsport – und zwar nicht die Art, bei der man gewinnt, indem man den größten Star einkauft. Erfolgreiche Unternehmen agieren schneller, präziser und gemeinsam und das mit weniger Aufwand. Sie überführen ihr Wissen in ein System, das für das gesamte Team gilt. So lassen sie die Konkurrenz hinter sich. Das Fließband, das Organigramm, der Prozess – all das ist Koordinationstechnologie. KI erhöht den Einsatz, ändert aber nichts an den Spielregeln.

Es ging nie darum, dass eine Person schnell wird. Es geht darum, dass das gesamte Unternehmen gemeinsam besser wird. Es ging nie um Einzelpersonen. Das ist nie der Punkt.

Quellen

• MIT Project NANDA, The GenAI Divide: State of AI in Business 2025 – via Sheryl Estrada, „MIT report: 95% of generative AI pilots at companies are failing“, Fortune, 18. August 2025. https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/

• Anthropic, Agent Skills (open standard), Dezember 2025. https://agentskills.io — and Effective context engineering for AI agents. https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

• Microsoft Research, Tool-space interference in the MCP era, November 2025. https://www.microsoft.com/en-us/research/blog/tool-space-interference-in-the-mcp-era-designing-for-agent-compatibility-at-scale/

• Yi Liu et al., Agent Skills in the Wild: An Empirical Study of Security Vulnerabilities at Scale, arXiv:2601.10338, 2026. https://arxiv.org/abs/2601.10338

Die Zahlen zur Plattformaktivität sind Richtwerte, die auf internen Produktdaten basieren (2026).