Eine KI-first-Organisation aufbauen

Am Tag vor einem Podium in Basel sassen ein Freund und ich in einem Call und stellten mehreren KI-Diensten dieselbe Frage über mich. Er sollte mich am Anlass vorstellen, und wir wollten sehen, was jemand findet, der mich nicht kennt. Die Frage war einfach: Warum sollte ich mit Thierry Gilgen an einem KI-Projekt arbeiten?

Manche Antworten brauchten fünfzehn Sekunden oder mehr. Sie brachten ein recht vollständiges Bild zurück: die Firma, die ich gegründet habe, die Banken, für die wir gebaut haben, die Software, die ich veröffentliche, die Texte in dieser Bibliothek. Eine Antwort, aus dem Gratiskonto meines Freundes, kam nach etwa einer Sekunde. Sie konnte nicht einmal feststellen, dass ich überhaupt mit KI arbeite.

Wir haben gelacht. Dann begannen wir, es zu erklären. Die erste Erklärung lag auf der Hand: Wer nichts bezahlt, bekommt die billige Antwort. Wer ein Abo hat, bekommt die Suche.

Das ist eine gute Geschichte. Ich bin nicht sicher, ob sie stimmt. Und der Abstand zwischen diesen beiden Sätzen ist wohl das Nützlichste, was ich in einen Saal voller Gründerinnen, Gründer und Investoren mitbringen kann.

Dieser Band ist mein Bericht über diesen Call. Er ist kein Protokoll. Niemand hat die Zeiten, die Modelle, die Einstellungen oder die aufgerufenen Seiten festgehalten.¹ Was folgt, ist das, was die Belege tragen, was sie nicht tragen, und warum dieser Unterschied zählt, sobald KI zu einem Teil der Arbeitsweise einer Firma wird.

Eine Sekunde ist kein Urteil

Folgendes kann ich mit Sicherheit sagen. Im selben Call, mit fast derselben Frage, verhielten sich die Dienste sehr unterschiedlich. Einige fanden viel. Einer fand fast nichts, und das sehr schnell.

Folgendes kann ich nicht sagen: warum.

Vielleicht hat die schnelle Antwort gar nicht im Web gesucht. Vielleicht hat sie schlecht gesucht, einen anderen Thierry Gilgen gefunden oder eine Seite erwischt, die sie nicht lesen konnte. Vielleicht lief sie auf einem kleineren Modell oder begann mit einem anderen Gesprächsverlauf. Ein bezahltes Konto, das seit Monaten mit mir arbeitet, bringt zudem eine Vorgeschichte mit, die eine frische Sitzung nicht hat. Jede dieser Möglichkeiten führt zur selben Enttäuschung nach einer Sekunde.

Eine weitere Möglichkeit muss ich nennen, gerade weil sie mir schmeichelt. Diese Website veröffentlicht eine Einführung für KI-Agenten, die erklärt, wann ich für ein Projekt in Frage komme.² Findet ein Dienst diese Seite, klingt seine Antwort gut informiert. Eine glänzende Empfehlung, die auf meinen eigenen Worten beruht, ist aber keine unabhängige Empfehlung. Sie zeigt nur, dass jemand gefunden hat, was ich über mich selbst geschrieben habe.

Der ehrliche Befund ist also schmal. Die Dienste, so wie sie eingestellt waren, haben sich in einer einzigen Begegnung unterschiedlich verhalten. Die Ursache wurde nicht gemessen.

Was Bezahlen ändern kann

Die Hilfeseiten der Anbieter zeichnen ein genaueres Bild als «gratis gibt weniger». Mindestens ein grosser Assistent bietet die Websuche auch im Gratisangebot an, mit Nutzungsgrenzen.³ Sein vertiefter Recherchemodus, der mehrere aufeinander aufbauende Suchen durchführt und selbst entscheidet, was er als Nächstes prüft, ist kostenpflichtig. Und auch mit Abo ist ein gewöhnlicher Chat keine Recherche, solange niemand diesen Modus einschaltet.⁴

So bleibt ein besserer Satz als der, mit dem wir angefangen haben. Bezahlen kann leistungsfähigere oder ausdauerndere Arbeit möglich machen. Was man tatsächlich bekommt, hängt vom Modell ab, von den Belegen, die es erreicht, vom Aufwand, den es betreibt, von den Werkzeugen, die es benutzen darf, und vom Ablauf, der das Ergebnis annimmt oder zurückweist.

Ich ziehe diesen Satz aus einem praktischen Grund vor. Die erste Fassung lässt einer Firma nur eine Möglichkeit: zahlen. Die zweite gibt ihr eine Liste von Dingen, die sie verbessern kann: einen passenden Modus wählen, dem System die richtigen Quellen geben, die nötigen Werkzeuge anbinden und prüfen, was zurückkommt.

Über diese Lücke zwischen dem, was ein Abo verspricht, und dem, was die Arbeit liefert, habe ich vor einigen Wochen geschrieben.⁵ Der Call war dieselbe Lektion, live, in weniger als einer Minute.

Der Saal am Donnerstag

Der Anlass heisst Kapitalbrücke beider Basel. Die Startup Academy Basel und die Startup Academy Baselland lancieren ihn am Donnerstag, 29. Oktober 2026, ab 18 Uhr auf dem FHNW Campus Dreispitz in Basel. Ich sitze auf dem ersten Podium, mit Gründerinnen und Gründern, die erzählen, wie sie ihre Firmen finanziert haben. Auf dem zweiten Podium sitzen Investoren, ein Unternehmer und ein Mitglied des Grossen Rates.⁶

Die Idee dahinter ist einfach. Junge Firmen in der Region brauchen Kapital. Wer Kapital hat, muss Firmen kennenlernen, die er beurteilen kann. Die Veranstalter beschreiben einen jährlichen Netzwerkanlass, zwei bis drei kuratierte Pitching Nights pro Jahr und dazwischen gezielte Matching-Gespräche, zunächst in zwei Clustern: Kreislaufwirtschaft sowie Innovation und Technologie.⁷ Das sind angekündigte Pläne. Soweit ich sehe, ist die Brücke ein Ort der Begegnung. Sie ist kein Fonds und verspricht kein Geld.

Die erste Pitching Night ist für den 2. Dezember 2026 angesetzt. Wer sich bewirbt, reicht ein Pitchdeck ein, einen Finanzplan über drei Jahre mit Worst, Base und Best Case, eine Cap Table und ein Video von höchstens neunzig Sekunden. Bewerbungsschluss ist der 18. November.⁸

Man lese diese Liste noch einmal und denke dabei an KI. Jedes dieser Dokumente lässt sich heute schneller herstellen als je zuvor. Ein Deck, ein Finanzmodell, eine saubere Tabelle und ein überzeugendes Video kosten nicht mehr viel. Unwichtiger werden sie dadurch nicht. Wichtiger werden die Fragen dahinter. Sind die Annahmen vertretbar? Sind die Besitzverhältnisse klar? Wird das Geld für etwas eingesetzt, das sich überprüfen lässt?

Was ich mitbringe, und was zu Ende ging

Ich komme aus dem Bauen. Ich habe MachinaLabs gegründet und geführt, eine Schweizer Firma für angewandte KI. Unser Team hat Kurz Notiert gebaut, einen KI-gestützten Finanznachrichtendienst für die Basler Kantonalbank und die Bank Cler. Beide Banken haben die Firma öffentlich genannt.⁹¹⁰¹¹

MachinaLabs hat den Betrieb Anfang 2026 eingestellt, weil wir die Finanzierung, die wir zum Weitermachen brauchten, nicht sichern konnten.⁹

Ich stelle diese beiden Absätze bewusst nebeneinander. Ein funktionierendes Produkt, echte institutionelle Kunden und eine Finanzierung, die trägt, sind drei verschiedene Dinge. Man kann die ersten zwei haben und das dritte trotzdem verlieren. Das ist kein Geständnis für einen Abend über Kapital. Es ist die wichtigste Erfahrung, die ich dazu mitbringe.

Heute organisiere ich meine eigene Arbeit und Arbeit für andere mit KI im Zentrum. Im Call sagte ich, dass ich sechs oder mehr KI-first-Organisationen betreibe, für meine eigene Firma und für andere. Das ist meine Darstellung, keine geprüfte Zählung von Firmen oder Installationen.¹ Zwei Teile der Architektur sind öffentlich. Der eine ist eine Vorabversion eines Werkzeugs für gemeinsame Anweisungen und Projekteinrichtung über verschiedene KI-Programmierwerkzeuge hinweg; die eigene Dokumentation sagt, welche Prüfungen auf echten Geräten noch ausstehen.¹² Der andere ist ein frühes, nur lesendes Werkzeug, mit dem eine Website ihre öffentlichen Inhalte KI-Agenten in verlässlicher Form anbieten kann.¹³ Keines von beiden beweist, dass der Rest funktioniert. Beide lassen sich prüfen.

Die Rechnung ist nicht die Fähigkeit

Man fragt mich, was das kostet. Im Call habe ich die ehrlichen Zahlen genannt. Die Grundlast liegt bei rund tausend im Monat, verteilt auf vier Anbieter. In manchen Monaten liegt der Gesamtbetrag über zehntausend.¹ Eine Währung oder eine Aufschlüsselung habe ich nicht genannt, und ich sollte nicht so tun, als wären diese Zahlen eine Buchhaltung.

Spannend ist der Unterschied zwischen Grundlast und Spitzen. Die Grundlast kauft Verfügbarkeit. Die Spitzen sind Recherche, Entwicklung, Experimente, Wiederholungen und manche Sackgasse. Ohne die Zusammensetzung sagt die Rechnung, wie viel ausgegeben wurde. Sie sagt nicht, was dafür gekauft wurde.

Die Rechnung ist deshalb das Falsche, um es einem Investor zu zeigen. Eine hohe KI-Rechnung beweist so wenig Raffinesse wie eine hohe Lohnsumme.

Lieber messe ich die Kosten pro angenommenem Ergebnis. Man nimmt eine Art wiederkehrender Arbeit. Man zählt alles zusammen, was sie kostet: Abos, nutzungsabhängige Modellkosten, Werkzeuge, Infrastruktur und die menschliche Zeit fürs Anleiten, Prüfen und Reparieren. Dann teilt man durch die Zahl der Ergebnisse, die einen Massstab erfüllt haben, den man vorher aufgeschrieben hat. Die Experimente bleiben sichtbar, statt in den Erfolgen zu verschwinden.

Eine Rendite für mein eigenes System kann ich nicht beziffern. Die Angaben, die ich habe, tragen keine, und ich würde jedem misstrauen, der sie aus einer Monatsrechnung ableitet. Ein teures System kann für wertvolle Arbeit vernünftig sein und für die falsche Aufgabe Verschwendung. Ein günstiges kann völlig genügen.

Vom Prompt zum angenommenen Ergebnis

Wer «KI-first» hört, stellt sich oft einen Menschen vor, der in ein Chatfenster tippt. Das ist der kleinste Teil.

Die eigentliche Arbeitseinheit ist eine Schleife. Ein Mensch legt Ziel, Budget und Berechtigungen fest. Das System denkt nach, holt Belege, benutzt Werkzeuge in einem festgelegten Rahmen und stellt etwas her: ein Dokument, ein Diagramm, ein Stück Software. Dann wird das Ergebnis geprüft und entweder angenommen oder zurückgeschickt.

Das Model Context Protocol ist einer der Wege, wie solche Werkzeuge angebunden werden. Es legt fest, wie eine Anwendung, ihre Verbindungen und die Server dahinter Kontext und Fähigkeiten austauschen. Es macht Verbindungen einheitlicher. Es macht kein Modell klüger und beglaubigt keine Antwort.¹⁴ Ein Werkzeug anzubinden heisst eher, jemandem einen Schlüssel zu geben: nützlich, und beschränkt auf die Türen, die er öffnen soll.¹⁵

Für anspruchsvolle Recherchen können mehrere Stränge gleichzeitig arbeiten, einer zum Anlass, einer zum öffentlichen Werdegang, einer zur Technik, und am Schluss werden Widersprüche an den Quellen geklärt. Ein Anbieter hat beschrieben, wie er ein solches System gebaut hat, auch wie viel teurer es im Betrieb ist und wie sorgfältig es geprüft werden muss.¹⁶ Das beschreibt einen Mechanismus. Es ist keine Leistungszahl, die ich mir ausleihen kann.

Drei Dinge machen diese Arbeit nützlich statt bloss schnell.

Erstens Kontext, der eine Sitzung überdauert. Wiederholtes Einrichten kostet Aufmerksamkeit und erzeugt Abweichungen. Anweisungen, Entscheide und Versionen, die bestehen bleiben, verringern diese Reibung, solange man noch sieht, was geladen und was tatsächlich verwendet wurde.

Zweitens Befugnisse, die an Handlungen gebunden sind. Eine veröffentlichte Seite lesen, einen Entwurf bearbeiten und ihn freigeben sind verschiedene Handlungen. Die öffentliche Agentenschnittstelle dieser Website kann genau deshalb nur lesen.²

Drittens eine Prüfung, die das Ergebnis ändern kann. Eine Quelle, die der Geschichte widerspricht, muss die Geschichte ändern dürfen. Ein fehlgeschlagener Test muss die Freigabe stoppen können. Eine flüssige Antwort, der die entscheidende Tatsache fehlt, verdient für ihren Stil keine Anerkennung. Die Transparenzregeln dieser Bibliothek verlangen vor jeder Veröffentlichung eine menschliche Prüfung und Freigabe.¹⁷

Von aussen wirkt vieles davon wie Zauberei. Der grösste Teil der Arbeit verschwindet aus dem Blick. Die Anlage muss ihn wieder sichtbar machen, sobald jemand ihr vertrauen, sie reparieren oder sie anfechten will.

Wo Belege auf Kapital treffen

Es gibt eine Fassung des KI-first-Arguments, der ich am Donnerstag widersprechen möchte: dass KI einfach den Kapitalbedarf jeder Firma senkt. Das ist eine Behauptung, die man prüfen muss, keine Tatsache.

Die Fassung, an die ich glaube, ist bescheidener. Eine Gründerin kann mit einem begrenzten Budget wichtige Unsicherheiten klären, ein funktionierendes Ergebnis zeigen und erst dann Geld verlangen, um die nächste Engstelle zu beseitigen. Jeder Schritt verlangt eine andere Art von Beleg.

Ein Prototyp zeigt, dass etwas möglich ist. Wiederholte Lieferung zeigt, dass jemand es betreiben kann. Kundinnen und Kunden zeigen, ob es jemand will. Ein Finanzierungsplan erklärt, was es braucht, um den nächsten Meilenstein zu erreichen. Das sind verwandte Urteile. Es ist nicht dasselbe Urteil.

Wenn ein glänzendes Ergebnis billig wird, sollten Investoren nach dem fragen, was dahinter steht: Abnahmekriterien, echte Nutzung, Referenzen, Kostenbelege und eine Person, die das System erklären kann, wenn der Assistent ausgeschaltet ist. Meine eigene Firma hatte ein funktionierendes System und institutionelle Kunden. Verkaufszyklen, Vertrauen, Betriebskapital und Umsetzungsrisiko blieben trotzdem sehr real.⁹

Wenn ich dem Saal eine einzige Frage mitgeben könnte, dann diese: Welche Unsicherheit würde der nächste Franken Kapital beseitigen, und an welchem Ergebnis würden wir erkennen, dass sie beseitigt ist?

Diese Frage gibt der KI einen Platz in einem Finanzierungsgespräch. Sie verhindert, dass die Vorführung zum ganzen Investment Case wird.

Die Antwort, die die Suche hätte geben sollen

Vor ein paar Tagen erzählte diese Bibliothek von einem Familienbuch, das in weniger als sechs Tagen Entwicklung zu einem privaten Archiv wurde.¹⁸ Das Tempo war echt. Vertrauenswürdig wurde die Arbeit durch alles, was sie verlangsamte: Quellen an jeder Aussage, eine Prüfung vor der Freigabe und ein Assistent, der sagen kann: Ich weiss es nicht.

Mein Freund fragte auch, ob ein Mensch bessere Arbeit leisten könnte als die Bände dieser Bibliothek. Ja. Ein fähiger Mensch kann das. Die nützliche Frage ist, was es dafür an Fachwissen, Recherche, Produktionszeit und Prüfung braucht, und ob der Vergleich all das einrechnet.¹

Würde ich das Experiment richtig anlegen, sähe es so aus. Dieselbe Frage, fester Wortlaut, frische Sitzungen, mindestens drei Durchgänge pro Einstellung, Abo und Modus notiert, und eine Person, die die Antworten bewertet, ohne zu wissen, welches Abo sie erzeugt hat. Ein Durchgang mit offener Suche, einer mit den richtigen Links als Vorgabe. Wird die schwache Antwort mit den Quellen deutlich besser, lag das Problem beim Finden. Bleibt sie schwach, muss man anderswo suchen.¹⁹ Ein solcher Versuch wurde nicht durchgeführt. Bis dahin bleibt der Call eine gute Geschichte und ein schlechter Massstab.

Und die Antwort auf die Frage, die wir eingetippt haben? Eine faire Antwort wäre an Bedingungen geknüpft. Ich komme in Frage, wenn ein Projekt beides braucht: das Bauen und eine ernsthafte Antwort darauf, wem es gehört, wovon es abhängt und wie es betrieben wird, wenn die Vorführung vorbei ist. Ob das zu einem bestimmten Projekt passt, kann ein Gespräch klären. Ein selbstsicherer Absatz, erzeugt in einer Sekunde oder in fünfzehn, kann es nicht.

Quellen