Digitale Plattformen verschaffen kleineren Unternehmen Zugang zu Kunden, Infrastruktur und Funktionen, für die früher eine beträchtliche Unternehmensgröße erforderlich war. Große Sprachmodelle erweitern diese Möglichkeiten nun, indem sie den Nutzern helfen, sich in den Diensten zurechtzufinden und die Arbeit systemübergreifend zu koordinieren. Die strategische Herausforderung besteht darin, diese Vorteile zu nutzen und gleichzeitig die Kontrolle über Kundenbeziehungen, geschäftliche Entscheidungen und Daten zu behalten.
Die anfänglichen Versprechen der Plattformwirtschaft waren überzeugend: lokale Unternehmen und Privatpersonen miteinander zu vernetzen, Transaktionskosten zu senken und wirtschaftliche Chancen breiter zu verteilen. Auch im Jahr 2026 sind diese Versprechen nach wie vor aktuell. Sie erfordern jedoch auch eine kritischere Auseinandersetzung mit der Frage, wer die Regeln festlegt und wer den Wert abschöpft.
Plattformen beseitigen Vermittlungsstrukturen selten vollständig. Sie gestalten sie vielmehr neu. Ein Marktplatz kann mehrere Vertriebsbeziehungen durch einen einzigen mächtigen Vermittler ersetzen. Da KI-Assistenten zunehmend Einfluss darauf nehmen, welche Produkte Kunden in Betracht ziehen und welche Dienste sie nutzen, tritt ein weiterer Vermittler in die Beziehung ein. Für Führungsteams ergeben sich daraus Wachstumschancen, aber auch Abhängigkeiten, die einer aktiven Steuerung bedürfen.
Die Vorteile des Zugangs und einer gemeinsam genutzten Infrastruktur
Ein Spezialhersteller kann internationale Abnehmer erreichen, ohne in jedem Markt eine Vertriebsniederlassung gründen zu müssen. Ein selbstständiger Fachmann kann Zahlungsabwicklung, Terminplanung und digitalen Vertrieb kombinieren, ohne jede dieser Funktionen intern aufbauen zu müssen. Plattformen können Unternehmen zudem dabei helfen, freie Kapazitäten zu nutzen, Angebot und Nachfrage aufeinander abzustimmen und neue Angebote zu relativ geringen Anfangskosten zu testen.
Ihr wirtschaftlicher Wert ergibt sich zum Teil aus der gemeinsamen Nutzung der Infrastruktur. Die Teilnehmer erhalten Zugang zu Transaktionssystemen, Möglichkeiten zur Kundensuche sowie Mechanismen, die das Vertrauen stärken, wie beispielsweise Bewertungen und Identitätsprüfungen. Wenn diese Mechanismen gut funktionieren, verringern sie den Aufwand, der erforderlich ist, um einen Anbieter zu finden und zu beurteilen, ob eine Transaktion glaubwürdig ist.
Für die Kunden gehören zu den Vorteilen eine größere Auswahl und ein einfacherer Vergleich. Für kleinere Unternehmen gehören dazu der Zugang zu Nachfrage und Kapazitäten, deren Aufbau andernfalls kostspielig wäre. Der wirtschaftliche Test besteht darin, zu prüfen, ob der zusätzliche Deckungsbeitrag nach Abzug von Gebühren, Werbekosten, Fulfillment-Kosten, Rücksendungen und internen Verwaltungskosten weiterhin attraktiv ist.
Die Faktoren, die das Wachstum der Plattform beeinflussen
Der Zugang zu Kunden kann zu einer Abhängigkeit von den Regeln einer Plattform führen. Änderungen beim Ranking, bei den Gebühren oder bei den Zugangsvoraussetzungen für Konten können sich schnell auf den Umsatz auswirken. Ein Unternehmen kann zwar beträchtliche Umsätze erzielen, hat jedoch nur begrenzte Möglichkeiten, Kunden direkt zu kontaktieren oder seinen Ruf auf einen anderen Dienst zu übertragen.
Netzwerkeffekte können dieses Ungleichgewicht noch verstärken. Mehr Käufer ziehen mehr Verkäufer an; mehr Verkäufer erhöhen den Nutzen der Plattform für die Käufer. Sobald die Teilnahme wirtschaftlich unverzichtbar wird, haben einzelne Unternehmen möglicherweise nur noch wenig Verhandlungsmacht. Der Verkauf über mehrere Kanäle kann das Risiko verringern, verursacht jedoch auch zusätzliche Betriebskosten.
Die Verteilung des Risikos verdient ebenso große Aufmerksamkeit. Je nach Modell können die Teilnehmer das Bestands-, Liefer-, Vermögens- oder Ertragsrisiko tragen, während die Plattform die Such- und Transaktionsbedingungen steuert. Bewertungen können das Vertrauen stärken, doch irreführendes Feedback und undurchsichtige Streitbeilegungsverfahren können es untergraben. Eine breitere Beteiligung führt daher nicht automatisch zu einer gerechteren Verteilung der wirtschaftlichen Macht.
Wie LLMs fragmentierte Dienste miteinander verbinden
Große Sprachmodelle können in Alltagssprache formulierte Anfragen interpretieren und dabei helfen, diese in strukturierte Aufgaben umzusetzen. In Kombination mit Abfragefunktionen, Softwaretools und entsprechenden Berechtigungen können sie die Arbeit über mehrere Anwendungen hinweg unterstützen. Das Modell übernimmt die Interpretation und Planung; angeschlossene Systeme liefern aktuelle Datensätze und führen autorisierte Aktionen aus.
Betrachten wir einen beispielhaften Beschaffungsablauf. Ein Manager fragt nach Lieferanten, die eine technische Spezifikation und eine Lieferfrist erfüllen. Ein KI-Assistent ruft die Datensätze der zugelassenen Lieferanten ab, vergleicht Angebote und erstellt eine Bestellanforderung. Eine Person prüft den vorgeschlagenen Auftrag, bevor eine Verpflichtung eingegangen wird. Der potenzielle Nutzen ergibt sich aus der Koordinierung von Informationen, die zuvor wiederholte Suchvorgänge und manuelles Kopieren erforderten.
Diese Konnektivität muss noch integriert werden. Das Model Context Protocol (MCP) bietet einen einheitlichen Ansatz für die Anbindung von KI-Anwendungen an externe Daten und Tools. Es kann den Bedarf an separaten, maßgeschneiderten Verbindungen verringern, sorgt jedoch nicht von sich aus für die Konsistenz inkompatibler Daten und erteilt auch keine Berechtigung zu deren Nutzung. [1]
Auch der E-Commerce-Bereich entwickelt eine ähnliche Infrastruktur. Im Januar 2026 stellte Google gemeinsam mit Partnern wie Shopify, Etsy und Walmart das „Universal Commerce Protocol“ vor. Es soll die Interaktion zwischen KI-Diensten, Händlern und Zahlungsanbietern unterstützen, einschließlich der Produktsuche und des Bezahlvorgangs. Die Integration wird über APIs, MCP und Agent2Agent ermöglicht. [2] Diese Initiativen zeigen eine konkrete Entwicklungsrichtung auf; die Akzeptanz und die zuverlässige Umsetzung variieren jedoch nach wie vor je nach Dienst.
Weniger Hindernisse für den Wissensaustausch und die Koordination
Für kleinere Unternehmen können LLMs die Nutzung bestehender Funktionen vereinfachen. Mitarbeiter können Fragen zu autorisierten Dokumenten stellen, Korrespondenz mit Lieferanten entwerfen und mit mehrsprachigen Informationen arbeiten. Ein Unternehmen kann so möglicherweise mehr Märkte bedienen oder komplexere Abläufe verwalten, ohne dass der Verwaltungsaufwand im gleichen Maße steigt.
Diese Möglichkeit erstreckt sich auch auf die Zusammenarbeit. Unternehmen könnten über vernetzte Systeme Kapazitäten koordinieren, Spezifikationen austauschen und sich ergänzende Dienstleistungen identifizieren. Klare Datenstrukturen und zuverlässige Aufzeichnungen bleiben dabei unerlässlich: Sprachmodelle können zwar bei der Interpretation unterschiedlicher Beschreibungen helfen, doch eine plausible Interpretation ist kein Beweis dafür, dass zwei Produkte oder Vertragsbedingungen gleichwertig sind.
Diese Vorteile hängen von der Prozessgestaltung ab. Ein schnellerer Entwurf oder ein schnelleres Suchergebnis schafft einen Mehrwert, wenn dadurch das Geschäftsergebnis verbessert wird. Das Management sollte eher den Arbeitsaufwand, den Korrekturaufwand und die Servicequalität bewerten, anstatt die Anzahl der KI-Interaktionen als Maßstab für die Produktivität heranzuziehen.
KI-Assistenten können zu mächtigen Torwächtern werden
Ein Kunde, der den Vergleich einem Assistenten überlässt, erhält möglicherweise eine kurze Empfehlung, anstatt mehrere Marktplätze zu besuchen. Daraus ergibt sich eine strategische Möglichkeit: Die Kontrolle über den Assistenten könnte Einfluss darauf haben, welche Anbieter Sichtbarkeit erlangen. Empfehlungskriterien, kommerzielle Partnerschaften und gesponserte Platzierungen wären dann entscheidend für den Marktzugang.
Für Unternehmen bedeutet dies, dass sie neben dem Vertrieb über Plattformen auch zuverlässige Produktinformationen bereitstellen und direkte Kundenbeziehungen pflegen sollten. Für Käufer wirft dies zudem eine Frage der Kontrolle auf: Bewertet der Assistent die Optionen anhand der Kriterien des Kunden, und lässt sich die Grundlage für seine Empfehlung überprüfen?
Eine Konzentration auf der Infrastrukturebene führt zu einer weiteren Abhängigkeit. Am 25. Juni 2026 gab die Europäische Kommission ihre vorläufige Einschätzung bekannt, dass AWS und Microsoft Azure im Rahmen des Digital Markets Act als „Gatekeeper“ eingestuft werden sollten. Dabei wurden Wechselkosten, Bindungswirkungen und der Einfluss von KI-Angeboten auf die Beschaffung von Cloud-Diensten hervorgehoben. [3] Diese Ankündigung stellte eine vorläufige Position dar. Ihre strategische Relevanz liegt in dem Zusammenhang zwischen KI-Entscheidungen und einer umfassenderen Infrastrukturabhängigkeit.
Durch Vernetzung lassen sich Fehler in geschäftliche Maßnahmen umwandeln
Eine falsche Antwort hat umso schwerwiegendere Folgen, wenn ein Mitarbeiter Aufträge erteilen, Datensätze ändern oder vertrauliche Informationen weitergeben kann. Ein Modell könnte eine Spezifikation falsch interpretieren, sich auf einen veralteten Preis stützen oder ein ungeeignetes Werkzeug auswählen. Durch die Anbindung weiterer Systeme erhöht sich das potenzielle Ausmaß solcher Fehler.
Ein weiteres Sicherheitsrisiko geht von der Prompt-Injektion aus: Bösartige Befehle, die in eine Webseite, ein Dokument oder die Antwort eines Tools eingebettet sind, können versuchen, einen Agenten umzuleiten. In einer von Anthropic veröffentlichten Studie wird diese Bedrohung beschrieben und eingeräumt, dass sie trotz verbesserter Abwehrmaßnahmen nach wie vor ungelöst ist. [4]
Unternehmen sollten daher Berechtigungen in den Systemen durchsetzen, in denen Aktionen ausgeführt werden. Die Vorgabe eines Modells, eine Grenze einzuhalten, sollte durch eine tatsächliche technische Einschränkung untermauert werden. Ausgabegrenzen, eingeschränkter Datenzugriff, Genehmigungsanforderungen und Transaktionsprotokolle tragen dazu bei, Verantwortlichkeiten klar zu definieren. Schutz vor doppelten Aktionen und Wiederherstellungsverfahren sind wichtig, wenn Arbeitsabläufe Zahlungen oder irreversible Änderungen beinhalten.
Große Sprachmodelle (LLMs) können zudem die Kosten für die Erstellung irreführender Nachrichten oder Inhalte senken. Plattformen und ihre Nutzer müssen die Herkunft wichtiger Informationen nachweisen können und praktische Möglichkeiten für eine Überprüfung durch Menschen bereitstellen, wenn die Echtheit oder Richtigkeit angezweifelt wird.
Managementprioritäten für die nächste Phase
Ein sinnvoller Ausgangspunkt ist ein Arbeitsablauf mit einem messbaren geschäftlichen Problem, zuverlässigen Quelldaten und einem klar festgelegten Verantwortlichen. Ermitteln Sie die derzeitige Bearbeitungszeit, die Fehlerquote und die Kosten. Führen Sie KI im Rahmen festgelegter Berechtigungen ein und bewerten Sie anschließend die erfolgreichen Ergebnisse sowie den Aufwand, der zur Behebung von Fehlern erforderlich ist.
Die Ausfallsicherheit des Systems sollte bereits bei der Konzeption berücksichtigt werden. Prüfen Sie, ob Kundendaten, Transaktionsverläufe und Workflow-Konfigurationen exportiert werden können. Testen Sie den praktischen Aufwand für einen Anbieterwechsel. Berücksichtigen Sie bei der Bewertung der Gesamtkosten die Modellnutzung, die Integration, die Überwachung und die Störungsbehebung.
Die zentrale Aufgabe des Managements besteht darin, zu entscheiden, welche Tätigkeiten unter welchen Bedingungen und mit welchem Nachweis über die erfolgreiche Erledigung delegiert werden können. Plattformen und große Sprachmodelle (LLMs) können die Teilhabe am Wirtschaftsleben erweitern und die Koordination zwischen Organisationen verbessern. Um diesen Mehrwert zu erzielen, müssen Unternehmen die Abhängigkeiten verstehen, die sie eingehen, und sich die Fähigkeit bewahren, die Systeme, auf die sie sich stützen, zu hinterfragen, außer Kraft zu setzen und zu ändern.
STRATECTA unterstützt Führungsteams dabei, Chancen im Bereich der künstlichen Intelligenz zu bewerten, Governance-Strukturen zu entwerfen und vernetzte KI-Fähigkeiten in praktische Geschäftsprozesse umzusetzen.
Quellen
[1] Model Context Protocol. Was ist das Model Context Protocol? Offizielle Dokumentation, abgerufen am 3. November 2026. https://modelcontextprotocol.io/introduction
[2] Google Developers Blog. Ein Blick hinter die Kulissen des Universal Commerce Protocol. 11. Januar 2026. https://developers.googleblog.com/under-the-hood-universal-commerce-protocol-ucp/
[3] Europäische Kommission. Vorläufige Stellungnahme zur Einstufung der Cloud-Dienste von Amazon und Microsoft im Rahmen des DMA. 25. Juni 2026. https://digital-markets-act.ec.europa.eu/commission-reaches-preliminary-position-amazons-and-microsofts-market-leading-cloud-services-should-2026-06-25_en
[4] Anthropic. Minderung des Risikos von Prompt-Injektionen bei der Nutzung von Browsern. 24. November 2025. https://www.anthropic.com/research/prompt-injection-defenses
Verwandte Links:
