Das ist der Anfang einer Serie. Ich erzähle den Umbau, den wir vor rund zwei Monaten in der Technik bei Prolog angefangen haben: warum er begann, was funktioniert und was uns teuer zu stehen kam. Das ist keine Bühnentheorie. Es ist das, was wir erlebt haben.
Ich habe mich aus einem einfachen Grund entschieden zu schreiben: als ich nachgeschaut habe, wie man das macht, fand ich viel Meinung und sehr wenig ehrlichen Bericht von jemandem, der mittendrin war. Wenn dieser Text zu einem Ort wird, an dem sich ein anderer Bauender orientieren kann, hat es sich gelohnt.
Es fing mit einem Unbehagen an.
Was ich gesehen habe
Im März waren Jean, mein Mitgründer, und ich auf dem SXSW in Texas, einem der größten Innovationsfestivals der Welt. Ich kam anders zurück, und das Unbehagen ging nicht weg. Es war nicht das, was ich auf der Bühne gesehen hatte. Es war das, was ich Firmen in der Praxis schon tun sah.
Zurück zu Hause tauchte ich in die technischen Inhalte von Leuten ein, die da draußen wirklich mit KI bauen. Nicht die laue Instagram- und LinkedIn-Sorte. Die tiefen, von Leuten, die selbst Hand anlegen und veröffentlichen, was sie gelernt haben. Und ich stieß auf Fall um Fall von Firmen, die ihre Arbeitsweise wirklich verändert hatten. Der Unterschied ist zugleich subtil und riesig: sie haben nicht “angefangen, KI zu nutzen”, sie haben KI ins Zentrum gestellt.
Und man kann das nicht als Bühnen-Hype abtun. Es ist Adoption im industriellen Maßstab: große Firmen und kleine, alle laufen auf denselben Punkt zu. Etwas, das bei mir hängen blieb, war eine einfache Zahl: 9 von 10 Fortune-100-Firmen hatten Copilot schon eingeführt. Aber die Zahl, die zählt, ist nicht die Adoption. Es ist die Größe des Ertrags. Wer KI nur in den alten Ablauf gesteckt hat, berichtet von 10, 20% mehr Produktivität. Wer alles um sie herum neu gebaut hat, berichtet von einem Vielfachen: 5x, 10x. Ich werde diese Fälle in den nächsten Artikeln einen nach dem anderen aufmachen. Für jetzt zählt die Wendung, die sie alle gemeinsam haben.
KI daneben vs. KI ins Zentrum
Diese Unterscheidung klingt klein, und sie entscheidet alles.
KI zu nutzen heißt, ein Tool daneben aufzumachen und dem gleichen Prozess wie vorher zu folgen. Der Ablauf bleibt gleich, die Rollen bleiben gleich, das Review bleibt gleich. KI ist ein Tab mehr, und jeder kommt damit allein zurecht. Der Ertrag zeigt sich am Rand.
KI ins Zentrum zu stellen heißt, den Prozess um sie herum neu zu entwerfen. Du gehst davon aus, dass die KI einen guten Teil der Arbeit baut, und baust den Ablauf, die Rollen und das Review von da aus neu. Kontext stirbt nicht mehr in einem einzelnen Gespräch, sondern wird geteilt. Der Ertrag ist von anderer Größenordnung, weil es nicht dieselbe Arbeit schneller ist. Es ist die Arbeit, die ihre Form verändert.
Die gleiche Arbeit, zwei Orte für die KI
KI daneben vs. KI im Zentrum
Die KI sitzt in einem Tab daneben. Der Ablauf, die Rollen und das Review bleiben gleich. Jeder kommt allein zurecht, auf seine Weise.
+10–20% Gewinn am Rand. Der Engpass bleibt, wo er war.Der Ablauf, die Rollen und das Review werden neu gebaut, damit die KI diejenige ist, die baut. Geteilter Kontext, der nicht in einem Chat stirbt.
Andere Größenordnung an Gewinn. Nicht 10% mehr, sondern die Arbeit selbst verändert sich.Als das klick machte, war die Frage nicht mehr “welches Tool führen wir ein”, sondern “was in unserer Arbeitsweise wurde für eine Welt ohne KI entworfen”. Also schaute ich nach innen.
Die Diagnose: jeder kommt allein zurecht
Etwa Ende März, noch bevor wir überhaupt zu Claude gewechselt waren, setzte ich mich mit Leuten aus Produkt, Design und Engineering bei Prolog zusammen und stellte eine einfache Frage: wie nutzt du KI im Alltag? Was ist gut, wo klemmt es, welchen Engpass siehst du im Betrieb.
Was ich hörte, packte mich.
Jeder nutzte ein anderes Tool. Einer Copilot, ein anderer Claude, wieder einer warf alles in die interne KI von Prolog. Und schlimmer als das lose Tool war der lose Kontext: was eine Person im Gespräch mit der KI aufbaute, starb genau dort, mit ihr. Das Wartungsteam zum Beispiel hatte gutes Material in der KI von Prolog aufgebaut, mit den Regeln jenes Produkts, nur erreichte das nie das Reifenteam, das dieselbe Art von Kontext brauchte und bei null anfing.
Eins blieb mir im Kopf. Die Devs vermieden es, KI zum Reviewen eines großen PR einzusetzen, aus Angst, ihre Credits vor dem Wochenende aufzubrauchen. Denk an die Absurdität: eine Person musste zwischen zwei Dingen wählen, die eigene Task mit KI fertig zu machen, deren Auslieferung sie zugesagt hatte, oder dasselbe Credit dafür auszugeben, den riesigen PR eines Kollegen zu reviewen. Es wurde ein Kampf um eine knappe Ressource. Und dann will niemand das Review eines anderen übernehmen.
Jemand aus dem Team brachte es in einem Satz auf den Punkt, den ich nicht mehr aus dem Kopf bekam:
Wir produzieren mit KI und reviewen ohne KI.
Jeder kommt allein zurecht, auf seine Art, mit dem Tool, das gerade da war. Was für den einen funktionierte, wurde nicht zum Rezept für den nächsten. Kein Standard, kein gemeinsamer Ort.
Und es war nicht nur die Art, es war die Struktur
Je mehr ich hinschaute, desto klarer wurde: Ich konnte das nicht lösen, indem ich einfach allen beibrachte, “es besser zu nutzen”. Die Art der Nutzung war das Symptom. Die Struktur darunter war das, was nicht bereit war. Drei Löcher tauchten auf.
Erstens lebte der Kontext verstreut. Ein Stück in Notion, eins in Drive, eins in Jira, in Figma, in Fathom. Es gab keine einzige Quelle der Wahrheit. Also fing jedes neue Gespräch mit der KI damit an, alles bei null zu erklären, weil die Information, die sie brauchte, an fünf Stellen lag und an keiner gepflegt war. Wir zahlten in Token, in Requests und in Zeit, nur um Kontext neu zusammenzusetzen, der schon irgendwo existierte.
Zweitens war der Mensch der Klebstoff. Jemand aus dem Produkt erzeugt eine Spec mit KI, legt sie in einem Doc ab, schickt den Link an die nächste Person, die das nimmt und in ihr eigenes KI-Projekt wirft. Die KI tauchte an den Enden auf, nie in der Mitte: sie produzierte ein Stück, ein Mensch trug das Ergebnis mit der Hand zum nächsten Tool, und eine andere KI fing wieder von vorne an. Der Ablauf blieb menschlich.
Drittens die Architektur. Die Basis, die wir in zehn Jahren gebaut haben, war für eine Welt gemacht, in der der Engpass der Mensch war, nicht die KI. Sie ist an Stellen verheddert und hat Teile ohne Tests, und genau das blockiert die schnelle Veränderung, die die KI ermöglichen würde. Das ist kein moralischer Fehler von irgendjemandem. Es ist die Ansammlung von zehn Jahren Entscheidungen, die bis hierher funktioniert haben. Die KI hat es nur bloßgelegt.
Und es ist wichtig, das zu sagen: das ist kein Fehler des Teams, noch von Prolog. Es ist das, was in jeder Firma passiert, die KI über die alte Arbeitsweise geklebt hat. Jede zehn Jahre alte Firma trägt eine Art, Dinge zu tun, die bis jetzt funktioniert hat. Die KI wirft einen Scheinwerfer darauf. Und die Verantwortung, das zu ändern, liegt bei mir.
Warum alles neu bauen, nicht nur Engineering
Die erste Versuchung ist, es im Engineering zu lösen. Ergibt Sinn, dort hat die KI am schnellsten gegriffen und dort hatten wir schon angefangen. Aber genau da liegt die Falle.
Wenn ein Bereich mit KI-Tempo läuft und der daneben beim menschlichen Tempo bleibt, habe ich nichts beschleunigt. Ich habe nur den Engpass verschoben.
Denk an den ganzen Ablauf. Wenn das Engineering in Stunden ausliefert, aber das Produkt noch Wochen zum Spezifizieren braucht, dann hält jetzt das Produkt die Schlange auf. Löse Produkt und Engineering, aber die Validierung läuft noch von Hand? Es klemmt bei der Validierung. Und es hört nicht bei der Technik auf: wenn wir viel rausbringen und das Marketing es nicht im gleichen Tempo ankündigen kann, ist der Engpass zum Marketing gewandert. Einen Abschnitt zu beschleunigen löst den Stau nicht auf. Es schiebt ihn nur zum nächsten.
Ein Stück beschleunigen leert die Schlange nicht
Der Engpass wandert nur
Ich habe nur Engineering beschleunigt
Ich habe Produkt und Engineering beschleunigt
Jedes Stück, das du beschleunigst, zündet das nächste. Der Stau löst sich nicht auf; er wandert.
Deshalb haben wir Ende April angefangen, die ganze Technik neu zu bauen. Produkt, Design, Daten, Qualität. Nicht nur Engineering. Wenn die KI ins Zentrum geht, geht sie ins Zentrum des ganzen Ablaufs, nicht eines Stücks.
Was kommt
In den nächsten Artikeln mache ich jeden Teil davon auf. Was ein “Harness” ist, die Infrastruktur, die dafür sorgt, dass die KI wirklich liefert, statt nur hier und da mitzuhelfen. Wie sich die Arbeit jeder Rolle verändert, wenn die KI zu der wird, die baut, und der Mensch zu dem, der steuert und reviewt. Und warum die richtige Frage, wenn etwas kaputtgeht, nicht mehr “was mache ich jetzt” ist, sondern “was hat im Kontext gefehlt, damit das nicht wieder passiert”.
Der Umbau läuft, mit Treffern und Fehlschlägen. Ich erzähle euch beides hier, so wie es passiert. Es ist kein Rezept. Es ist das, was wir gerade erleben. Wenn es als Landkarte für jemand anderen taugt, der auch baut, umso besser.