Wer in den letzten Wochen beruflich mit KI zu tun hatte, hat denselben Knoten im Kopf: das Tempo ist nicht mehr linear, sondern kurvig nach oben. Modelle, die vor 6 Monaten noch Halluzinationen an Standardfragen produzierten, lösen heute mehrstufige Programmieraufgaben in einem Durchgang. Werkzeuge, die im Sommer nur als Preview existierten, sind im Herbst in den Produktivsystemen unserer Kunden im Einsatz. Die Frage "Ersetzt KI bald alle Jobs?" ist deshalb keine rhetorische mehr, sondern eine, die sich jede Geschäftsführung in den nächsten 12 Monaten beantworten muss. Wer das nicht tut, beantwortet sie unfreiwillig, weil Kunden, Wettbewerber und der eigene Nachwuchs sie beantworten werden.
Drei Bereiche zeigen den Sprung besonders deutlich: die Geschwindigkeit, mit der LLMs in Software-Stacks eingebunden werden, die Leichtigkeit, mit der KI-Agenten eigenständig Software bedienen, und die schiere Breite an Berufen, in denen generative Modelle inzwischen besser und schneller liefern als ein durchschnittlicher Mensch. Im Folgenden der Versuch einer ehrlichen Bestandsaufnahme, ohne Hype und ohne Beschwichtigung.
Was ist in den letzten Monaten konkret passiert?
Die letzten Wochen haben eine Dichte an Releases gesehen, die selbst für KI-Verhältnisse ungewöhnlich ist. Open-Source-Modelle auf 120-Milliarden-Parameter-Niveau sind lokal lauffähig geworden, Cloud-Modelle haben bei mehrstufigem Reasoning und langen Kontexten (200k bis 1M Token) sichtbar zugelegt, und Tool-Use bzw. Function-Calling ist in eine Reife gekommen, in der KI-Agenten produktiv Software bedienen, nicht nur Code vorschlagen.
Was das praktisch heißt: ein Mittelständler, der heute einen Pilot startet, bekommt in 6 bis 8 Wochen produktive Ergebnisse, die vor 12 Monaten noch 4 bis 6 Monate gebraucht hätten. Die Kosten pro Anfrage sind in 18 Monaten um Faktor 10 bis 20 gesunken, ohne dass die Qualität schlechter geworden ist - meistens ist sie besser. Diese Kombination aus Tempo, Qualität und Preis ist der eigentliche Treiber der aktuellen Welle, nicht ein einzelnes Modell oder ein einzelner Release.
Für Entscheider im Mittelstand bedeutet das: was im Strategiepapier 2025 noch als "in 2 bis 3 Jahren relevant" stand, ist 2026 in greifbarer Pilot-Reichweite. Wer das nicht erkennt, verliert nicht nur Effizienz, sondern auch die Möglichkeit, den eigenen Leuten sinnvolle neue Rollen zu geben, bevor die Rollen durch den Markt verschwinden.
Welche Berufe stehen jetzt unter Druck?
Die Frage "alle Jobs" ist übertrieben. Es sind konkrete Rollen, in denen der Anteil an Standardaufgaben so hoch ist, dass eine KI mit etwas Kontextanbindung in 6 bis 18 Monaten 70 bis 90 Prozent der Arbeit übernehmen kann. Die Reihenfolge unten ist keine Wertung, sondern eine Schätzung, wie schnell die Substitution in der Praxis sichtbar wird.
- Versicherungsmakler mit Standard-Portfolio. Tarifvergleich, Antragsprüfung in Standardfällen, Schadenmeldungen erster Kategorie, Policen-Updates. Alles, was heute über Vergleichsportale, Formulare und Mail läuft, ist mit RAG auf den eigenen Vertragsdaten plus Tool-Use in die Versicherer-Portale in Wochen automatisierbar. Übrig bleibt: Spezialfälle, Gewerbe, komplexe Beratung. Das ist ein Bruchteil der heutigen Rolle.
- Einfache Sachbearbeiter in Backoffice und Verwaltung. Rechnungen scannen und kontieren, E-Mails triagieren, Daten aus PDF in Excel übertragen, Standardbescheide erstellen. Wer seinen Tag zu 70 Prozent mit Datentransfer zwischen Systemen verbringt, hat in 18 Monaten eine kleinere Rolle oder eine andere. Übrig bleiben Schnittstellen zu Kunden, schwierige Einzelfälle und Eskalationen.
- Mittleres Management mit rein koordinierender Aufgabe. Wer heute vier Teams koordiniert, deren Outputs er nur zusammenführt, ist in 24 Monaten durch eine KI ersetzt, die Status pullt, Reports erstellt, Risiken markiert. Übrig bleiben Manager, die selbst entscheiden, Menschen führen und Kundenverantwortung tragen - also eine deutlich kleinere, andere Rolle.
- HR in der Vorauswahl. Lebensläufe sichten, Match-Scoring, erste Interview-Slots vergeben, Standard-Communication. Alles, was heute nach "Recruiting-Funnel" aussieht, ist mit CV-Parsing plus LLM-Reasoning in Wochen produktiv. Übrig bleiben Recruiting-Spezialisten, die Einzelfälle führen, schwierige Kandidaten überzeugen und Hiring-Manager beraten.
- Marketing in reiner Content-Produktion. Wer 6 bis 8 Blogposts pro Monat aus Pressemitteilungen umschreibt, Social Captions baut, Newsletter-Texte schreibt, hat 2027 ein Problem. Übrig bleibt Marketing, das Strategie macht, Kanäle auswählt, Marken führt und Performance analysiert - also nicht "mehr Content", sondern "weniger Content, mehr Wirkung".
- Klassische SEO-Dienstleister mit Standard-Lieferung. Keyword-Reports, automatisch erstellte Landingpages, Link-Akquise per Mail-Massenversand, monatliche PDF-Reports. Wer das als Hauptleistung verkauft, verliert 2026/27 an Tools, die das in Minuten liefern, und an die In-House-KI der Kunden. Übrig bleibt SEO, das technische Audits macht, Inhalte strategisch plant und in interdisziplinären Teams mit Produkt und Entwicklung arbeitet.
Wer eine dieser Rollen heute besetzt, hat zwei Optionen: die Rolle aktiv weiterentwickeln in Richtung Kundenkontakt, Eskalation und Verantwortung, oder sich auf eine Substitution einstellen, die in den nächsten 18 bis 36 Monaten real kommt. Die Mitte dazwischen, also "ich mache meinen Job weiter wie immer", ist die schlechteste der drei Optionen.
Reverse Engineering von APIs - warum das der stille Game-Changer ist
Ein Bereich, der in der öffentlichen Diskussion untergeht, aber in der Praxis alles verändert, ist das Reverse Engineering interner APIs durch KI. Wer in den letzten Jahren mit SaaS gearbeitet hat, kennt das Problem: viele Anbieter haben keine öffentliche API, oder die API deckt nur einen Bruchteil der UI ab. Buchen, Stornieren, Sonderfälle auslösen - alles nur per Browser-Klick möglich, nicht per Skript.
Genau hier setzen Projekte wie Integuru (Open Source auf GitHub, https://github.com/integuru/integuru) an. Die Idee: ein LLM analysiert mitgeschnittenen HTTP-Traffic einer Web-App, erkennt Muster in den Requests, identifiziert die nötigen Header und Parameter, und generiert am Ende ein Python-Skript, das genau die Aktion auslöst, die vorher nur per Klick möglich war. Was früher Tage oder Wochen an Reverse Engineering brauchte, ist heute in Minuten möglich.
Die Implikationen reichen weit. Erstens: jede Legacy-Software, für die niemand mehr eine API baut, ist auf einmal maschinell steuerbar. Zweitens: jedes SaaS, das sich hinter einem Login versteckt, ist für KI-Agenten erreichbar. Drittens: Wettbewerbsvorteile, die heute auf "wir haben eine API, die anderen nicht" beruhen, lösen sich in 12 bis 18 Monaten auf. Wer Geschäftsmodelle auf API-Exklusivität aufbaut, sollte anfangen, sich nach anderen Moats umzuschauen.
Für Softwarehersteller im DACH-Mittelstand heißt das: Plant ein, dass eure Software über kurz oder lang von KI-Agenten bedient wird - mit oder ohne eure Zustimmung. Wer jetzt keine saubere, dokumentierte API nachlegt, dessen Kunden finden einen Weg, sie trotzdem anzusteuern. Lieber selbst gestalten als gestaltet werden.
Was die viralen Spiel-Kombinationen zeigen
Wer in den letzten Wochen auf Social Media unterwegs war, hat die KI-generierten Spiel-Kombinationen gesehen: "Mario in Dark Souls", "Pokémon in GTA", "Zelda als Strategie-Spiel", "Minecraft in Half-Life-Engine". Was vor einem Jahr noch ein hübsches Konzept-Bild war, ist inzwischen oft ein spielbarer Prototyp mit echter Mechanik, echten Levels und einer überraschenden Tiefe. Die Treiber sind genau die gleichen wie in der professionellen Software-Entwicklung: lokale LLMs mit Tool-Use, Bildgenerierung in besserer Qualität, und Game-Engines, deren APIs sich für KI-Agenten erschließen.
Manches ist noch kaputt, vieles stolpert, einiges ist unspielbar - aber die schiere Geschwindigkeit, mit der aus einer Textidee ein lauffähiger Prototyp wird, ist das Signal, das zählt. Wer diese Welle als "Spielerei" abtut, verkennt, dass die gleichen Tools, die ein Mario-Souls-Spiel in 48 Stunden generieren, in 48 Stunden auch einen funktionierenden Buchhaltungs-Agenten für ein 30-Personen-Unternehmen bauen können. Der Unterschied ist nur der Use Case, nicht die zugrunde liegende Technologie.
Genau diese Viralität zeigt, was im Mainstream ankommt: nicht das Modell, das am längsten denkt, sondern das Tool, das aus einer Idee in Minuten etwas Machbares macht. Wer im Unternehmen die ersten 2 bis 3 Use Cases sucht, die einen ähnlichen "aha, das ging jetzt"-Moment auslösen, hat den Startpunkt für die eigene KI-Welle.
Warum frühe Anwender den größeren Vorteil haben
Wer jetzt startet, zahlt Pilot-Lernkosten. Wer in 18 Monaten startet, zahlt doppelt: Pilot-Lernkosten plus die Opportunität, die der frühere Anwender in der Zwischenzeit mitgenommen hat. Das ist die typische S-Kurve jeder Technologie - und KI-Agenten sind auf dem steilen Teil davon.
Konkret heißt das: ein Versicherer, der 2026 einen KI-gestützten Tarifvergleich-MVP live nimmt, hat Ende 2027 eine um Faktor 3 bis 5 höhere Bearbeitungskapazität pro Mitarbeiter als der Wettbewerber, der 2027 erst startet. Ein Mittelständler, der 2026 seine Rechnungsverarbeitung automatisiert, hat Ende 2026 die Personalkosten der Sachbearbeiter-Rolle in der Tasche, die ein Wettbewerber 2027 noch voll auf der Payroll hat. Wer Marketing und SEO nicht neu denkt, liefert 2027 Standardleistung zum Premium-Preis an Kunden, die mit In-House-KI längst besseres bekommen.
Was nicht hilft: abwarten, bis der "richtige" Zeitpunkt kommt. Was hilft: ein einzelner, klar abgegrenzter Pilot, 6 bis 8 Wochen Laufzeit, eine ehrliche Auswertung, dann Entscheidung. Wer den ersten Pilot nicht startet, kann auch nicht entscheiden, ob das eigene Unternehmen zu den Gewinnern oder Verlierern der Welle gehört.
Wie wir Sie bei der KI-Einführung unterstützen
Bytes Commerce ist seit Jahren die Adresse für mittelständische Unternehmen, die KI nicht als Marketing-Vokabel, sondern als Werkzeug verstehen. Wir kommen nicht mit Folien, sondern mit funktionierenden Setups: lokale Modelle, RAG-Pipelines auf den eigenen Daten, KI-Agenten, die in den realen Software-Stack des Kunden integriert sind. Unsere Schwerpunkte sind KI-Agentur und AI Agents für mittelständische Prozesse, KI-Automatisierung für Backoffice, Sales und Operations, sowie AI Agents im Unternehmensalltag - vom ersten Workshop bis zur produktiven Integration.
Was uns von den großen Beratungen unterscheidet: wir setzen tatsächlich um. Wir haben in den letzten 12 Monaten Pilotprojekte für Rechnungsverarbeitung, E-Mail-Triage, Wissensdatenbanken für Service-Teams, KI-gestützte Angebotserstellung und automatisierte Schadenmeldung in Versicherungs-Prozessen live gebracht. Die meisten davon laufen mit selbst gehosteten Modellen (gpt-oss-120b, Llama 4, Mistral) auf eigener Hardware, ohne dass ein einziger Datensatz das Haus verlässt - ein Thema, das im DACH-Mittelstand oft der entscheidende Punkt ist, bevor ein Pilot überhaupt starten darf.
Neben KI sind wir die richtige Adresse, wenn es um die angrenzenden Themen geht. Wer einen Webshop braucht - ob als Magento-2-Migration, als neuer Sylius-Shop oder als pragmatische Eigenentwicklung - betreuen wir genauso wie Kunden, die Landingpages für ihre Kampagnen brauchen, oder solche, die KI-Workloads auf eigener GPU-Hardware hosten wollen. Wer mehr über uns und unsere Arbeitsweise erfahren will, findet auf der Über-uns-Seite einen Überblick; wer direkt loslegen will, vereinbart am besten ein Erstgespräch.
Die nächsten 12 Monate entscheiden, welche Mittelständler mit KI skaliert haben und welche sich in zwei Jahren fragen, warum sie nicht früher angefangen haben. Wenn Sie unsicher sind, in welche Schublade Ihre eigenen Use Cases gehören, melden Sie sich - ein 60-Minuten-Gespräch reicht oft, um die 2 bis 3 Pilots zu identifizieren, die im eigenen Haus den größten Hebel haben. Lieber heute den ersten kleinen Schritt machen als in 6 Monaten feststellen, dass der Wettbewerber schon drei Schritte weiter ist.
Fragen & Antworten