So entstehen unsere Inhalte: hybride Arbeitsteilung im laufenden Betrieb

An einem Morgen Anfang Oktober saß ich mit meinem Kaffee vor einem Artikel, der viel zu lang geworden war. Thema waren die Vorfälle bei OpenAI und die Frage, was Unternehmen daraus für den Betrieb ihrer AI-Agenten lernen sollten. Es war schon so viel passiert, das man wissen sollte. Wir wollten es zusammenfassen, gleichzeitig abstrahieren und unsere eigenen Thesen einbringen. Das passte nicht mehr in einen Text.

Ich habe gefragt, ob das nicht zu lang ist für einen Artikel. Die AI stimmte zu. Im Dialog haben wir dann geklärt, welche Geschichte wir als Aufhänger nehmen, wie wir das Thema herunterbrechen und ob daraus eine Serie mit begleitendem Podcast wird. Nachdem wir lange genug darüber gesprochen hatten, passten die Texte fast auf Anhieb, und ich musste nur noch Kleinigkeiten ändern. So entstand der erste Teil einer Serie darüber, warum AI-Sicherheit eine Betriebsfrage ist.

Das ist die hybride Arbeitsteilung, mit der unsere Insights entstehen: ein Gespräch zwischen Mensch und Maschine, eingebettet in feste Übergaben, Routinen und eine benannte Person, die freigibt. In diesem Beitrag lege ich den Prozess offen, mit Werkzeugen, Zahlen, einem Fallbeispiel und den Fehlern, die wir unterwegs gemacht haben.

5–6 h → 1 h

Aufwand je Artikel, vorher und heute

eigener Betrieb, 2026

5

Stabwechsel zwischen Mensch und Maschine je Artikel

eigener Betrieb, 2026

1–2 × 2

Artikel pro Woche, jeweils in zwei Sprachen

Publikationsplan, 2026

Inhalt

• Warum wir den Prozess offenlegen
• Die hybride Arbeitsteilung: fünf Stabwechsel
• Fallbeispiel: wie ein konkreter Artikel entstand
• Die Routinen: welcher Takt was auslöst
• Das Gate: prüfen und urteilen
• Was schiefging und was wir geändert haben
• Die Rückkopplung: warum der nächste Lauf mehr weiß
• Wenn der Berater zum Entwickler wird
• Was daran übertragbar ist
• Fazit
• Häufige Fragen
• Quellen

Warum wir den Prozess offenlegen

Wir legen den Prozess offen, weil wir es für richtig halten. Wir wollen mit unserem Beispiel vorangehen und tun, was wir predigen: AI nutzen, um Qualität und Effizienz zu gewinnen, uns dabei der Konsequenzen bewusst sein und Prozesse entwickeln, die wir kontinuierlich verbessern können.

Dazu kommt die Pflicht. Seit dem 02.08.2026 gelten die Transparenzpflichten des AI Act, und wir müssen bestimmte Texte entsprechend kennzeichnen. Für AI-generierte Texte zu Themen von öffentlichem Interesse greift eine Ausnahme, wenn der Text eine menschliche Prüfung durchlaufen hat und eine benannte Person die redaktionelle Verantwortung trägt. Diese Seite ist der Nachweis dieses Prozesses. Was die Kennzeichnungspflicht im Detail verlangt, steht in einem eigenen Beitrag.

Wir sehen in der Pflicht vor allem eine Chance: Sie gibt uns den Anlass, unser Vorgehen offen zu zeigen und damit auch die Strategie, nach der wir selbst arbeiten und die wir für Kunden anpassen und gestalten.

Die hybride Arbeitsteilung: fünf Stabwechsel

Der Unterschied zwischen einem AI-Tool und einem AI-Betrieb liegt nicht darin, wer was macht. Er liegt darin, wo der Stab wechselt und woran man den Wechsel erkennt. Jede Übergabe hat einen Auslöser, ein Artefakt und einen Empfänger. Fehlt das Artefakt, bleibt nur die Hoffnung, dass die andere Seite schon weiß, was zu tun ist.

Für Präsentationen:SVGPNG

Die neun Schritte hinter den fünf Wechseln, in der Reihenfolge:

#	Wer	Schritt	Artefakt
1	Mensch und AI	Themenideen sammeln: aus Kundengesprächen und Beobachtungen im Team, dazu die Ideenliste, die die AI jede Woche mit These, Anlass und Quellen ergänzt	Idee im Board
2	Mensch	Thema wählen, Briefing mit Zielaussage, Struktur, Quellen und Blickwinkel schreiben	Briefing im Ticket
3	AI	Daten und Fakten recherchieren, Konzept entwickeln: These, Gliederung, geplante Zahlen, Faktencheck an der Originalquelle	Konzept-Kommentar
4	Mensch	Fakten- und Logikcheck des Konzepts, schärfen, freigeben	Freigabe im Ticket
5	AI	Zahlen erneut an der Primärquelle prüfen, DE und EN schreiben, Schaubilder bauen, Qualitäts-Gate durchlaufen	Pull Request
6	AI	PDF-Vorschau ans Ticket hängen, Lese-Link und Aufgabe ganz oben	PDF-Vorschau
7	Mensch	Ton, Aufbau und Haltung prüfen, ändern, freigeben	Freigabe im Ticket
8	AI	Label setzen, mergen, nächtlicher Release, Livegang am Publikationsdatum, Live-Check	Live-Artikel
9	Mensch	Was im Review auffiel, zurück in Standards und Projekt-Gedächtnis geben	aktualisierter Standard

Werkzeuge, beim Namen genannt: Claude für die Ideenliste und die Schritte 3, 5, 6 und 8, Asana für Briefing, Freigaben und Dokumentation, GitHub für Pull Requests und den nächtlichen Release, Astro als Framework, Coolify als Ziel. Wir nennen sie bewusst: Austauschbarkeit ist nur überprüfbar, wenn man weiß, was drin steckt.

Wo das eigene Unternehmen bei AI Operations steht, ordnet der kostenlose Self-Check in wenigen Minuten ein.

Fallbeispiel: wie ein konkreter Artikel entstand

Abstrakt klingt jeder Prozess gut. Deshalb hier ein echter Durchlauf aus dem August: der Beitrag zum AI-ROI, damals unter dem Titel „81% können den AI-ROI nicht messen”, geschrieben am 03.08.2026, veröffentlicht am 17.08.2026. Damals gab es den Konzeptschritt noch nicht, und ich habe noch selbst gepusht. Der Durchlauf zeigt, was funktioniert hat, und den Fehler, aus dem wir am meisten gelernt haben.

Das Briefing. Angelegt am 07.07.2026 als Asana-Ticket. Enthalten: Zielaussage, H2-Struktur, drei Pflicht-Kennzahlen, primäres und sekundäres Keyword, Quellenhinweise, interne Links und der gewünschte Blickwinkel: „Messbarkeit als Budget-Überlebensfrage, nicht Gap-Narrativ wiederholen”. Zeitaufwand: rund zwanzig Minuten.

Der Lauf. Am 03.08.2026 prüfte die Routine das 14-Tage-Fenster und fand zwei fällige Artikel. Ohne fälligen Artikel wäre nichts passiert.

Die Verifikation: hier wurde es interessant. Das Briefing nannte „~5.000 Unternehmen” als Stichprobe der DIHK-Digitalisierungsumfrage. Die Prüfung an der Originalquelle ergab 4.686 Teilnehmer, Befragungszeitraum 10. bis 28.11.2025, Reporttitel „Künstliche Intelligenz, Souveränität und Resilienz”. Diese Korrektur hat funktioniert. Die beiden Kernzahlen des Briefings, 81 Prozent ohne quantifizierbaren AI-Nutzen und über 75 Prozent ohne messbaren Return, galten nach der Prüfung ebenfalls als bestätigt. Das waren sie nicht: Sie stammten aus einer Sekundärquelle, die Werte mehrerer Studien vermischte, und standen so nicht in der DIHK-Umfrage.

Deshalb prüfen wir Zahlen heute zweimal an der Quelle: im Konzept und beim Schreiben. Briefings veralten. Wer Fakten gegen das Briefing prüft statt gegen die Quelle, schreibt alte Zahlen fort.

Die Produktion. DE- und EN-Fassung, ein SVG-Schaubild mit sprachspezifischen Beschriftungen, astro check ohne Fehler, ein Commit. Kein Push.

Die Übergabe zurück. Ergebnis-Kommentar im Ticket mit den verifizierten Fakten, dem Commit-Hash und dem geplanten Datum. Ticket geschlossen, Review-Task angelegt.

Das Review. Rund eine Stunde. Angepasst habe ich Zuspitzung und Reihenfolge und die Stichprobe, die auf 4.686 statt 5.000 lauten musste. Die falschen Kernzahlen sind mir im Review nicht aufgefallen. Am 19.08. haben wir den Beitrag korrigiert, mehr dazu im Abschnitt Was schiefging.

Vorher hätte derselbe Artikel fünf bis sechs Stunden gekostet: Recherche, Schreiben, Schaubild, englische Fassung. Der Faktor liegt bei fünf. Er entsteht nicht durch schnelleres Schreiben, sondern durch den Wegfall der Arbeit zwischen den Entscheidungen.

Die Routinen: welcher Takt was auslöst

Ein Prozess ohne Takt ist eine Absichtserklärung. Vier Routinen halten den Betrieb.

Für Präsentationen:SVGPNG

Was die vier Routinen tun:

• Release, jede Nacht um 4:20 Uhr. Ein automatischer Lauf übernimmt alles, was freigegeben und zusammengeführt ist, in die Live-Fassung der Website, wenn Tests und Prüfungen bestanden sind. Am frühen Morgen wird die Website neu gebaut, und Artikel, deren Publikationsdatum erreicht ist, erscheinen.
• Pipeline, werktags um 6:04 Uhr. Die AI geht das Asana-Board durch: Sie entwickelt Konzepte zu neuen Briefings, schreibt Artikel, deren Konzept freigegeben ist, bereitet freigegebene Texte für den Release vor, prüft, ob geplante Artikel live sind, und verlinkt Beiträge, sobald sie erscheinen. Montags ergänzt sie die Ideenliste.
• Publikation, montags und donnerstags. Feste Erscheinungstage geben Leser:innen und uns einen verlässlichen Rhythmus. Das Datum steht im Artikel selbst.
• Newsletter, freitags. Ein Skript stellt aus den neuen Beiträgen der Woche einen Entwurf zusammen, ein Mensch prüft und verschickt ihn.

Ein Detail daran ist wichtiger, als es aussieht: Freigabe und Erscheinen sind entkoppelt. Das erlaubt Vorlauf und nimmt dem Review den Zeitdruck.

Das Gate: prüfen und urteilen

Im August habe ich an dieser Stelle geschrieben, faktisch sei praktisch nie etwas falsch. So würde ich das heute nicht mehr sagen.

Fehler passieren. Sie entstehen, wenn Daten oder Informationen unpräzise sind, wenn man Quellen zu schnell glaubt oder wenn der Faktencheck ausbleibt. Am häufigsten passieren sie, wenn die Zeit fehlt, etwas doppelt zu prüfen. Wir leben in einem Spannungsfeld aus zeitaufwendiger Akribie und wirtschaftlichem wie persönlichem Zeitdruck. Den Mittelweg finden wir nur, wenn wir aus jedem Fehler eine Verbesserung im Prozess machen.

Dabei habe ich beide Richtungen erlebt. Die AI hat mir widersprochen, als ich einen falschen Eindruck hatte. Und umgekehrt konnte ich mir Zahlen, die sie mir vorlegte, so einfach nicht vorstellen. Ich habe nachgefragt, wir haben weiter recherchiert, und am Ende stellte sich heraus: Meine Intuition war richtig, die Daten waren falsch wiedergegeben oder falsch interpretiert.

In unseren Fällen erfindet die AI keine Daten. Sie reißt sie manchmal aus dem Zusammenhang. Das kennen wir von uns Menschen auch.

Mal versteht sie den Kontext einer Zahl nicht, mal zieht sie die Zahl heraus, um das Argument des Artikels zu stützen. Wie bei uns Menschen muss man das prüfen und korrigieren. Bei Zahlen, die für das Argument besonders wichtig sind, schaue ich mir deshalb selbst die Quelle an und prüfe die Daten dort.

Das Zweite, was ich beisteuere, ist Urteil. Die Maschine kann das nicht, weil es subjektiv ist. Auch kein Mensch kann am Ende meine Feder führen, ohne dass ich merke, dass der Text nicht von mir kommt. Ich muss Hand anlegen, damit er so klingt, wie ich in diesem Moment klingen will. Meistens ist das die Einleitung: Dort vermenschliche ich Worte und Dramaturgie und setze Beispiele ein. Auch die Einstiege in Themen und Abschnitte ändere ich, damit der Zugang leichter wird und meine bildliche Sprache Platz bekommt. Ich stelle Sätze um und suche die Tonalität, die gerade angemessen ist. Das ist Feinschliff, oft so situativ, dass man ihn in keinem Prompt verallgemeinern kann. Es ist wie bei meinen Kolleg:innen, für die ich Mentor sein darf: Ich kann vieles erklären, herleiten, Hintergründe geben und im Detail von Beispielen aus der Praxis erzählen. Bestimmte Situationen selbst zu erleben und den eigenen Weg zu finden, damit umzugehen, ist etwas anderes.

Für die Rechtslage ist das sauber. Die Ausnahme in Art. 50 verlangt eine bewusste inhaltliche Prüfung mit der realen Möglichkeit abzulehnen. Bei uns findet diese Prüfung bei jedem Artikel zweimal statt: als Fakten- und Logikcheck beim Konzept und als Review des fertigen Textes.

Was schiefging und was wir geändert haben

Ein Beitrag über die eigene Content-Pipeline, der nur Erfolge zeigt, wäre wenig glaubwürdig. Zwei Fälle haben uns besonders viel beigebracht.

Die Zahl vom 19.08. Die beiden Kernzahlen aus dem Fallbeispiel gingen als Angaben der DIHK live, obwohl sie aus einer Sekundärquelle stammten. Ein LinkedIn-Post dazu musste wieder gelöscht werden. Aufgefallen ist es bei unseren regelmäßigen, wiederkehrenden und automatisierten Aufgaben, in denen wir Quellen recherchieren und prüfen: In der Originalquelle standen die Zahlen so nicht. Am 19.08. haben wir den Beitrag auf belegte Zahlen umgestellt und einen Korrekturhinweis gesetzt. Seitdem prüfen wir jede Zahl an der Primärquelle, also beim Institut, bei der Behörde oder beim Herausgeber der Studie. Blogs, Presseportale und Zusammenfassungen zählen nicht. Für solche Fehler gibt es zwei Gegenmittel, und es braucht beide: menschliches Hinterfragen mit Intuition und feste Prüf- und Kontrollprozesse.

Das Feedback, das liegen blieb. Zum Artikel über Schatten-AI hatte ein Kollege Feedback gegeben, das vor dem Livegang nicht eingearbeitet war. Die Technik hatte funktioniert, der Prozess nicht. Neben der Technik müssen wir deshalb immer den Prozess hinterfragen, vor allem wenn mehrere Menschen beteiligt sind. Wir haben drei Dinge geändert:

1. Transparenz. Kennen und verstehen wir den Prozess? Können wir ihn nachvollziehen und Dritten vermitteln? Hier lag die Fehlerquelle: Der Ablauf war unklar und missverständlich.
2. Neu aufsetzen. Wir haben den Prozess glattgezogen, verprobt, getestet und komplett neu aufgesetzt. Mit dem neuen Asana-Board und seinen klaren Abschnitten ist heute viel einfacher zu verstehen, wie der Ablauf funktioniert, wo ein Artikel steht und wer am Zug ist.
3. Werkzeuge. Briefings, Artikel-Konzepte und PDF-Vorschauen, die sich einfach und bequem mit einem Klick im Ticket öffnen lassen, senken die Fehlerquote und damit den Frust.

Die Rückkopplung: warum der nächste Lauf mehr weiß

Schritt 9 ist der unspektakulärste und der wichtigste. Was im Review auffällt, wandert zurück in zwei Ablagen: in die Standards, die für alle Artikel gelten, und in das Projekt-Gedächtnis, das der nächste Lauf liest.

Drei Beispiele aus den letzten Wochen: die Regel, dass jeder Artikel ein eigenes Schaubild braucht und die Kennzahlenzeile es nicht ersetzt. Die Regel, dass jede Zahl an der Primärquelle geprüft wird, weil Briefings veralten und Sekundärquellen Zahlen verschieben. Und die Regel, dass in jedem Ticket ganz oben der Lese-Link und die Aufgabe stehen, damit niemand suchen muss.

Keine dieser Regeln stand am Anfang im Prozess. Jede entstand aus einer Korrektur. Ohne diese Schleife wäre die Pipeline eine Automatisierung, mit ihr ist sie ein Betrieb, der besser wird. Diesen Unterschied bauen wir auch bei Kunden auf: Wir führen kein Werkzeug ein, wir bauen Prozesse in Maschinen, die dazulernen und dennoch unter der Kontrolle der Menschen bleiben.

Wenn der Berater zum Entwickler wird

Der interessanteste Effekt steht in keinem Ablaufdiagramm.

Früher habe ich als Berater Strategien, Ideen, Analysen und Konzepte geschaffen, die zu neunzig Prozent in Dokumenten endeten. Für die Umsetzung, ob Organisationsentwicklung, Programmierung oder Maßnahmenplanung, brauchten wir viele andere Menschen, auf die wir angewiesen waren. Bis die gewünschten Ergebnisse tatsächlich erreicht waren, kostete das viel Management-Aufwand, Koordination und Abstimmung. Und danach gingen jedes Mal Traktion und Effektivität verloren.

Heute setze ich Konzepte selbst in Dummies und Prototypen um. So räume ich Missverständnisse früh aus und schaffe echte gemeinsame Bilder in den Köpfen. Ich baue erste funktionale Anwendungen, an denen ich die Funktionsweise prüfen und zeigen kann. Mit ihnen checke ich die Anforderungen quasi rückwärts und dokumentiere sie für eine spätere, professionelle Umsetzung durch Profis. Auch Prozesse kann ich vorab verproben, organisatorische wie zwischenmenschliche: Bringt uns ein Vorgehen in der Zusammenarbeit oder in Meetings etwas, oder führt es in die Irre?

Als Geschäftsführer spreche ich mit meinen Kolleg:innen in den Fachabteilungen heute mehr auf Augenhöhe. Ich komme besser in die Themen hinein, bereite Termine besser vor und brauche nicht mehr für jede Aufgabe jemanden aus dem Team, weil ich vieles mit der Zeit und den Mitteln, die ich habe, selbst hinbekomme. Auch diesen Prozess steuere ich selbst: Ich schreibe Briefings, prüfe Konzepte und Vorschauen und entscheide über Freigaben.

Man darf dabei nie vergessen zu prüfen, was herauskommt. Die Ergebnisse sind vorläufig, bis ich sie mit einer Expertin oder einem Experten diskutiert habe. Wie bei den Artikeln kann es immer zu Fehlinterpretationen und Missverständnissen kommen, und das Prüfen soll sie verhindern. Es ist eine Frage des Mindsets: Schnell erledigt ist noch lange nicht abgehakt, auch wenn eine komplexe Aufgabe in kurzer Zeit fertig wurde.

Wenn ich Kund:innen diese Arbeitsweise zeige, sind die meisten begeistert und erstaunt. Viele können sie sich in ihren eigenen Strukturen und Umfeldern aber nicht vorstellen. Am Ende bleibt immer das Thema Hoheit und Sicherheit, bei Daten und Systemen ebenso wie bei Prozessen und Ergebnissen. Bin ich noch Herr dessen, was da passiert, auch wenn ich es nicht verstehe? Kann ich es beeinflussen? Welchen Sicherheitsrisiken setze ich mich aus?

Die Technologie hat das Auffassungsvermögen der Menschen überholt, und ihre Vorstellungskraft gleich mit. Wir müssen jetzt wieder auf eine Ebene kommen, damit diese Technologien sinnvoll integriert werden. Darüber sprechen wir am konkretesten im Diagnose-Call.

Was daran übertragbar ist

Übertragbar ist alles daran, die Pipeline ebenso wie das Muster dahinter.

Hybride Arbeitsteilung heißt: Aufgaben gehen an Teams aus Menschen und AI-Agenten, die sie gemeinsam lösen. Der Mensch steuert, die AI arbeitet zu. Es ist ein kreatives Fließband, das dem Menschen Superkräfte verleiht, fachlich, qualitativ und quantitativ: Er schafft mehr Arbeit in höherer Qualität und hält dabei stets die Regeln des Unternehmens ein. Das verändert Prozesse, und es verändert Organigramme.

Für Präsentationen:SVGPNG

Vier Fragen machen aus einem beliebigen Ablauf eine hybride Arbeitsteilung:

1. Wo sind die Übergabepunkte? Jeder Wechsel braucht ein Artefakt, das man vorzeigen kann.
2. Welcher Takt löst was aus? Ohne Takt passiert nichts oder alles gleichzeitig.
3. Wer entscheidet, und woran erkennt man die Entscheidung? Eine Freigabe im Ticket, ein Label, ein Kommentar, kein Gefühl.
4. Wohin fließt das Gelernte? Ohne Rückkopplung bleibt es Automatisierung.

Wer diese vier Fragen für einen einzigen Ablauf beantwortet, hat den Einstieg. Warum der Ablauf vor dem Werkzeug kommt, zeigt der Beitrag zu Workflow-first.

Fazit

Dass wir unsere Produktivität mit diesem Prozess um den Faktor fünf gesteigert und dabei mehr Kolleg:innen beteiligt und mehr Beiträge veröffentlicht haben, haben wir in über 15 Jahren Firmengeschichte so nicht geschafft. Möglich war das nur durch den etablierten Prozess, eine Arbeitsteilung, die wir von Anfang an hybrid gedacht haben: mit benannten Übergaben, festem Takt, Transparenz, zwei menschlichen Gates für Prüfung und Urteil und einer Schleife, die Gelerntes zurückführt. Die Fehler der letzten Wochen haben mir gezeigt, dass das nur trägt, wenn wir den Prozess genauso hinterfragen wie die Technik.

Wenn Geschäftsführer:innen aus diesem Beitrag eine Sache mitnehmen, dann diese:

Eines würde ich dabei nie automatisieren: Gespräche mit Menschen, ob mit Kolleg:innen oder Kund:innen.

Das ist auch meine Antwort auf die Transparenzfrage. Wer seinen Prozess so bauen kann, dass er ihn zeigen darf, hat kein Compliance-Problem, er hat ein Argument. Diese Seite ist beides: Nachweis und Beleg.

Häufige Fragen

Schreibt die AI unsere Insights allein?

Nein. Ideen liefern beide. Themenwahl, Briefing, der Fakten- und Logikcheck des Konzepts und die finale Freigabe liegen beim Menschen. Daten- und Faktenrecherche, Konzept, Textentwurf, Schaubilder und Publishing übernimmt die AI. Zahlen prüfen beide: die AI an der Primärquelle, ich zusätzlich bei den Zahlen, die das Argument tragen. Ohne menschliche Freigabe erscheint kein Artikel. Der Hinweisblock unter jedem Beitrag zeigt die Aufteilung im Einzelfall.

Wie viel Zeit spart das konkret?

Ein Artikel in zwei Sprachen mit Schaubild kostete früher fünf bis sechs Stunden. Heute bleiben rund sechzig Minuten für Briefing, Konzept-Review und Text-Review. Die Einsparung entsteht nicht durch schnelleres Schreiben, sondern durch den Wegfall der Arbeit zwischen den Entscheidungen.

Was passiert, wenn die AI einen Fehler macht?

Fehler passieren, meist weil eine Zahl aus dem Zusammenhang gerissen oder unpräzise wiedergegeben wurde. Deshalb prüfen wir Zahlen zweimal an der Primärquelle, im Konzept und beim Schreiben, und ich schaue mir die wichtigsten selbst an. Ein Beispiel: Das Briefing nannte eine Stichprobe von rund 5.000 Unternehmen, verifiziert waren 4.686. Die Korrektur passierte vor der Veröffentlichung. Rutscht doch etwas durch, wie am 19.08. zwei Zahlen aus einer Sekundärquelle, korrigieren wir es offen und verschärfen die Regel.

Warum gibt nicht die Maschine frei?

Weil die Freigabe die Entscheidung ist. Sie markiert den Punkt, an dem ein Mensch die Verantwortung übernimmt, im Prozess und im Sinne von Art. 50 KI-VO. Eine automatische Freigabe würde die Stelle entfernen, die den Prozess tragfähig macht.

Lässt sich das auf andere Bereiche übertragen?

Ja, wenn man vier Fragen beantwortet: Wo sind die Übergabepunkte, welcher Takt löst was aus, wer entscheidet woran erkennbar, und wohin fließt das Gelernte. Wir arbeiten das im kostenlosen Diagnose-Call für einen konkreten Ablauf durch.

Quellen

• Europäische Kommission: Quick Facts, Transparency rules for AI systems, 2026
• DIHK: Digitalisierungsumfrage 2026, Künstliche Intelligenz, Souveränität und Resilienz, 2026
• Astro: Content Collections, Dokumentation, 2026
• Coolify: Dokumentation, 2026

Alle Zeitangaben und Prozessdetails in diesem Beitrag stammen aus unserem eigenen Betrieb, Stand Oktober 2026. Das Fallbeispiel zeigt den Ablauf vom August.