Kurz gesagt
Viele Teams kaufen Lizenzen, sammeln gute Einzelprompts und sehen erste hilfreiche Ergebnisse. Trotzdem entsteht kein verlässlicher Prozess. Der Grund liegt selten nur am Modell: Ohne klaren Ausgangspunkt, erlaubte Systemzugriffe, prüfbare Ergebnisse und eine verantwortliche Person bleibt jeder gelungene Lauf ein Einzelfall.
Für Lumesco ist die aktuelle Nutzungsdifferenz kein Wettbewerb um möglichst viel KI-Aktivität. Sie zeigt vielmehr, wie groß der Abstand zwischen individueller Hilfe und betrieblicher Ausführung werden kann. Der sinnvollste nächste Schritt ist, einen einzigen bewährten Ablauf aus dem Team herauszulösen und als kleinen Arbeitsstandard zu bauen: Quellen, Eingabe, erlaubte Aktion, Qualitätsprüfung, Ausnahme und Übergabe gehören sichtbar zusammen.
Die wichtigsten Punkte
- OpenAI ordnet Firmen monatlich nach Output-Tokens pro aktivem Nutzer ein. Im Juni lag die Gruppe im oberen Dezil bei dem 8,3-Fachen typischer Firmen; im Januar waren es noch 2,6-mal so viele.
- Die Kennzahl misst Nutzungstiefe, nicht Qualität, Umsatz oder eingesparte Arbeitszeit. Daraus lässt sich keine allgemeine ROI-Aussage ableiten.
- OpenAI verbindet stärkere Nutzung mit Zugang zu Unternehmenskontext, Tools und wiederverwendbaren Workflows sowie mit klaren Berechtigungen, Governance und menschlicher Prüfung.
- Google Cloud beschreibt Registry, Observability und Evaluation als Betriebsbausteine. Das ist eine Produktperspektive, aber die Grundfrage ist für jedes Team gleich: Welche Abläufe existieren, wer verantwortet sie und woran wird ihre Qualität gemessen?
Was in der Praxis sichtbar wird
Die interessante Nachricht ist nicht die Zahl 8,3. Sie zeigt zunächst nur, dass Unternehmen mit derselben Art von Software sehr unterschiedlich tief arbeiten. OpenAI weist selbst darauf hin, dass Token ein Proxy für Nutzungstiefe sind. Ein längerer Agentenlauf kann wertvolle Vorarbeit erledigen – oder Material erzeugen, das später aufwendig geprüft werden muss.
Gleichzeitig benennt die Auswertung einen praktischen Unterschied: Teams im oberen Nutzungsbereich verwenden häufiger wiederverwendbare Fähigkeiten und angebundene Tools. Das passt zu einem Muster aus Automatisierungsprojekten: Erst wenn der Kontext, die erlaubte Aktion und die Übergabe nicht jedes Mal neu erklärt werden müssen, kann aus Assistenz ein wiederholbarer Prozessschritt werden.
Die jüngsten Plattform-Updates anderer Anbieter zielen in dieselbe Richtung. Registry, Observability und Evaluation sind keine Pflichtprodukte für einen Mittelständler. Sie machen aber sichtbar, welche Betriebsfragen nach einem gelungenen Pilot ohnehin entstehen: Was ist der offizielle Ablauf, was hat der Agent getan, wie gut war das Ergebnis und wer darf ihn verändern?
Einordnung von Lumesco
Der bessere Gegenentwurf zum Prompt-Sammelordner ist kein großes Agentenprogramm. Er ist ein kleiner, wiederholbarer Workflow mit Eigentümerschaft. Ein Team sollte zuerst den Fall wählen, der bereits sauber verstanden ist: etwa eine Anfrage vorqualifizieren, Informationen aus einem Dokument in einen Entwurf überführen oder einen Vorgang für eine menschliche Entscheidung vorbereiten. Dann wird nicht nur der Text, sondern der ganze Übergang messbar: Eingabe, Kontext, erlaubte Aktion, Ergebnis, Prüfung und Ausnahme.
Was die aktuelle Nutzungsdifferenz wirklich sagt
OpenAI vergleicht in der August-Auswertung die eigene Enterprise-Kundschaft anhand erzeugter Output-Tokens pro aktivem Nutzer. Im Juni lagen Unternehmen im oberen Nutzungsdezil bei dem 8,3-Fachen typischer Firmen; im Januar betrug die Differenz 2,6. Das ist ein deutlicher Abstand bei der Nutzungstiefe.
Aus der Zahl folgt aber weder, dass diese Firmen 8,3-mal produktiver sind, noch dass ein Unternehmen durch mehr Agentenläufe automatisch einen Business Case erreicht. Tokens und Laufzeit zeigen Aktivität. Entscheidend bleibt, ob ein Ergebnis fachlich angenommen wird, einen Prozess beschleunigt und nicht an anderer Stelle neue Kontrollarbeit erzeugt.
- Nutzungstiefe ist kein ROI-Nachweis
- Parallele Agentenläufe sind nicht gleich akzeptierter Output
- Der Vergleich stammt aus OpenAIs eigener Enterprise-Kundschaft
- Für den Mittelstand zählt der konkrete Prozessnutzen
Der Unterschied zwischen einem guten Prompt und einem Workflow
Ein guter Prompt hilft einer Person. Ein Workflow hilft dem nächsten passenden Fall, auch wenn nicht dieselbe Person davor sitzt. Dafür braucht er mehr als eine Formulierung: einen klaren Startpunkt, die richtigen Quellen, Regeln für Tools und Aktionen, ein erwartetes Ergebnis und einen Weg für Ausnahmen.
Das erklärt, warum individuelle KI-Nutzung oft schneller startet als Automatisierung, aber selten zuverlässig skaliert. Solange Kontext und Grenzen in den Köpfen einzelner Mitarbeitender liegen, muss jeder Lauf neu erklärt und neu beurteilt werden. Der Agent kann dann assistieren, aber keinen stabilen Prozessschritt übernehmen.
- Auslöser und Eingabe eindeutig machen
- Kontext und freigegebene Quellen begrenzen
- Erlaubte Aktionen von Vorschlägen trennen
- Ergebnis und Qualitätsprüfung vorab definieren
- Ausnahmen sichtbar an Menschen übergeben
Mit einem kleinen Betriebsstandard anfangen
Ein brauchbarer erster Standard passt auf eine Seite. Er benennt den Prozess, die fachliche Person, die Quellen, den zulässigen Toolzugriff und die gewünschte Übergabe. Dazu kommen drei bis fünf typische Testfälle sowie mindestens ein Fall, bei dem der Agent stoppen oder eskalieren muss.
Das ist keine Bürokratie für einen einfachen Pilot. Es verhindert, dass ein guter Ablauf nur als Chatverlauf existiert. Wenn der Prozess später erweitert wird, kann das Team nachvollziehen, was sich geändert hat, welche Annahme getestet wurde und wann ein Rückweg nötig ist.
- Ein fachlich klarer, wiederkehrender Ablauf statt eines allgemeinen Assistenten
- Eine verantwortliche Person für Qualität und Änderungen
- Begrenzte Rechte für den ersten Rollout
- Typische und kritische Testfälle vor dem Start
- Ein sichtbarer Übergabe- und Rückweg
Woran der Workflow nach dem Start gemessen wird
Der richtige Messpunkt liegt nicht beim Modell, sondern am Ende des Prozessschritts. Bei einer Anfragevorqualifizierung können das vollständige Informationen, richtige Priorisierung und weniger Liegezeit sein. Bei einem Dokumentenablauf können es weniger Übertragungsfehler, schnellere Prüfung und saubere Übergaben sein.
Mindestens genauso wichtig ist die Gegenprobe: Wie viele Ergebnisse werden korrigiert, wie viele Fälle werden richtig eskaliert und welche unerwünschten Aktionen bleiben aus? Damit wird ein Workflow nicht nur schneller, sondern kontrollierbar genug, um ihn sinnvoll zu wiederholen.
Entscheidungsfilter
Bevor daraus ein Projekt wird, sollten diese Fragen klar beantwortet sein.
- Welcher wiederkehrende Vorgang ist fachlich so klar, dass ein gutes Teammitglied ihn heute zuverlässig lösen kann?
- Welche Quellen und Systeme braucht der Ablauf wirklich – und welche bleiben ausdrücklich ausgeschlossen?
- Was darf der Agent vorbereiten, was darf er auslösen und wo ist eine menschliche Freigabe zwingend?
- Woran erkennt das Team ein brauchbares Ergebnis: Vollständigkeit, fachliche Richtigkeit, richtige Eskalation oder Durchlaufzeit?
- Wer besitzt den Ablauf nach dem Start und entscheidet über Änderungen, Ausnahmen und Rücknahme?
Eigene Evidenz & Quellen
Die Einordnung basiert auf Lumesco-Projektmustern und öffentlich prüfbaren Quellen.
- Aus ProjektenLumesco Delivery-Muster für Agenten-Workflows
Wiederkehrende Projektgrenze zwischen technisch erzeugter Agentenarbeit und tatsächlich abgenommenem Prozessnutzen nach Prüfung, Fehlerbehandlung und Übergabe.
Quelle öffnen - QuelleOpenAI: From assistance to execution
OpenAI misst für Juni 2026 bei den eigenen Enterprise-Kunden eine 8,3-fache Differenz bei Output-Tokens pro aktivem Nutzer zwischen Firmen im oberen Nutzungsdezil und typischen Firmen. Die Quelle nennt die Kennzahl selbst einen Proxy für Nutzungstiefe, nicht für Geschäftserfolg.
Quelle öffnen - QuelleGoogle Cloud: What's new in Gemini Enterprise Agent Platform
Google Cloud stellt Registry, Observability und kontinuierliche Evaluation als Bausteine vor, um Agenten nach dem Pilot auffindbar, beobachtbar und bewertbar zu betreiben.
Quelle öffnen
Bildidee für Distribution
Empfohlenes Motiv: Ein einzelner Prozessweg von Auslöser über Kontext und erlaubte Aktion bis zu Review, Ausnahme und Eigentümerschaft – statt einer abstrakten Token-Kurve oder Roboterillustration.
Nächster sinnvoller Schritt
Wählen Sie nicht den spektakulärsten Agentenfall, sondern einen Ablauf, den ein Teammitglied schon heute wiederholt gut löst. Dokumentieren Sie auf einer Seite Auslöser, benötigten Kontext, erlaubte Aktionen, drei Qualitätskriterien, Ausnahmen und die fachliche Eigentümerschaft. Erst dann lohnt sich der technische Ausbau.