@saurerHugo Zu Punkt 1: Deshalb lohnt bei jedem Ablauf die Frage, ob er wirklich an einer einzigen Cloud hängen muss. Mails vorsortieren oder Belege auslesen geht auch mit einem Modell, das im eigenen Haus läuft.
Anhang III Nr. 4: https://t.co/JigkaCUvNS
Pflichten der Betreiber, Art. 26: https://t.co/JigkaCUvNS
Stichtag nach dem AI-Omnibus (EU-Kommission): https://t.co/LXApvgq16k
Ab 2. Dezember 2027 gilt KI, die Bewerbungen filtert oder Kandidaten bewertet, als Hochrisiko-KI (AI Act).
Dann brauchst du menschliche Aufsicht und Protokolle über mindestens sechs Monate. Dein Team muss vorher Bescheid wissen.
Wer heute einführt, baut das gleich ein.
@thinkBTO Im Betrieb merkt man das schnell. Wenn ein Posteingang erst mal vorsortiert ankommt, statt dass jeden Morgen jemand von Hand sortiert, fragt danach keiner mehr, ob sich die Umstellung gelohnt hat.
@DOAGeV Merken wir auch: Code entsteht schneller, dafür wird das Prüfen wichtiger. Und das lässt sich schlecht abgeben, weil man daf��r wissen muss, was der Betrieb eigentlich braucht.
@m_barenkamp@okta Spannend finde ich den zweiten Teil der Studie: Die Bereitschaft steigt deutlich, wenn man sieht, was der Agent vorhat, es freigeben und notfalls rückgängig machen kann.
Dann geht es weniger darum, ob man delegiert, sondern wie viel Kontrolle man dabei behält.
Eine Arbeitsstunde kostete Unternehmen in Deutschland lt. Destatis 2025 im Schnitt 45 Euro.
Wer täglich eine halbe Stunde abtippt, kommt bei 46 Arbeitswochen auf 115 Stunden. Macht 5.175 Euro im Jahr.
Gegen diese Summe tritt jedes Tool an. Nicht gegen null.
Zum Modell: vorgestellt am 9. November 2026, befragt in der Einstellung Maximal. Die Antwort fällt bei jedem Durchlauf etwas anders aus. Der Screenshot zeigt unsere.
https://t.co/Qozy3gBree
Wir haben Anthropics neues Modell Claude Fable 5.2 nach zehn Ratschlägen für KMU gefragt, für die nächsten zehn Jahre. Verlangt war nur die Liste, keine Erklärung.
Drei der zehn Punkte ordnen wir ein. Die ganze Antwort steht im Screenshot.
Nr. 6: „Abhängigkeiten von einzelnen Kunden, Lieferanten und Plattformen reduzieren.“
Rät ausgerechnet ein KI-Modell.
Wir nehmen es beim Wort: Abläufe so bauen, dass sich das Modell tauschen lässt. Dann wechselt notfalls der Anbieter, nicht der Prozess.
Nr. 3: „Daten sauber erfassen und nutzbar machen.“
Was per Zuruf, Telefon und verstreuten Mails kommt, muss erst strukturiert an einer Stelle landen. Erst dann ist es nutzbar.
Nr. 2: „KI und Automatisierung in die Kernprozesse bringen, nicht nur testen.“
Der Hebel liegt dort, wo jeden Tag dieselben Vorgänge durchs Team laufen: Anfragen, Angebote, Rechnungen. Was das Team prüft und freigibt, wird vorher festgelegt.
@GitoVerlag Den Punkt mit der Komplexität sehen wir genauso. KI in einem Ablauf, den keiner sauber beschreiben kann, macht ihn nicht besser, sondern schwerer nachvollziehbar.
Wer zuerst automatisiert, muss den Ablauf klären. Und dabei fallen oft Schritte auf, die man gar nicht braucht.
Projektakte 04: Anforderungen und Zwischenstände kamen auf Zuruf, per Telefon, in verstreuten Mails. Geordnet erfasst war nichts.
Heute nimmt ein Webformular alles auf und speist es direkt in die Systeme. Alle sehen denselben Stand.
Schritt eins war keine KI. Sondern Ordnung.
Introducing Claude Fable 5.2 and Claude Mythos 5.2, designed to tackle the most daunting technical challenges.
They’re capable collaborators on ambitious projects in many fields, and show improvements in areas like coding, reasoning, and vision.
Fable 5.2 gewinnt in Anthropics eigener Tabelle fast jede Zeile. Ausgerechnet bei Business-Workflows nicht: 51,4 Prozent, Gemini 4 Carbon liegt mit 53,9 vorn.
Wo es um Abläufe im Betrieb geht, ist das stärkste Modell also nicht automatisch das beste.
Fable 5.2 and Mythos 5.2 are a step above Opus 5.5 in almost all the capabilities we evaluated.
Testers have found that they communicate more clearly than past Fable and Mythos models. They generate outputs up to 30% faster than Fable 5.1 and Mythos 5.1.