Ein Landmaschinenbauer rechnet mit 590 Prozent, Amex gibt KI-Agenten einen Einkaufszettel

Der Landmaschinenhersteller Horsch, ein Familienunternehmen mit rund 3.500 Beschäftigten weltweit, hat seine Büro-IT umgebaut, um KI in den Arbeitsalltag zu bringen. Das berichtet das Fachmagazin CIO am 12. Oktober. Bisher band eine gemischte Landschaft aus Microsofts Cloud Azure und eigenen Exchange-Mailservern einen großen Teil der rund zehnköpfigen IT-Abteilung. Seit Mitte August läuft der Umstieg auf Google Workspace mit dem KI-Assistenten Gemini, begleitet vom Stuttgarter Dienstleister Zoi. Die Beschäftigten bekamen Gemini, bevor ihre Postfächer umgezogen waren, Ende August nutzten es schon über 640 Personen. 150 interne „Google Guides“ in den Abteilungen geben ihr Wissen an Kolleginnen und Kollegen weiter. Zwei Details halte ich für übertragbar. Alte VBA-Makros, also die kleinen Programme, die in vielen Excel-Dateien still Arbeit erledigen, lässt Horsch mit KI-Unterstützung analysieren und ablösen. Und Fachabteilungen bauen mit Google AppSheet eigene kleine Anwendungen, innerhalb fester Leitplanken. Beim Datenschutz setzt Horsch auf eine Variante von Schwarz Digits mit Verschlüsselung und optionaler Sicherung in der deutschen Stackit-Cloud. Laut Business Case soll sich das Projekt nach neun Monaten rechnen, über fünf Jahre ist von rund 590 Prozent Rendite die Rede. Getragen wird das vor allem von über 530.000 Euro, die jährlich durch abgeschaltete Altlizenzen und doppelte Strukturen wegfallen sollen. Das sind Planzahlen und keine Bilanz. Ich lese sie so, dass das meiste Geld im Aufräumen alter Systeme steckt und die KI vor allem den Anlass liefert, es endlich anzugehen.

American Express will verhindern, dass KI-Agenten mit der Karte ihrer Besitzer etwas kaufen, das niemand bestellt hat. Am 13. Oktober hat der Kartenkonzern dafür das Intent Intelligence Framework vorgestellt, berichtet TechCrunch. Intent heißt Absicht, und die wird vor dem Kauf festgehalten. Eine Schnittstelle namens Create Intent API notiert die Vorgaben der Kundin, etwa Händler, Höchstbetrag und Produktwünsche. Sie bestätigt ihre Identität und zeichnet diese Vorgaben ab. Daraus entstehen eine eindeutige Kennung und ein digitaler Nachweis mit den Rahmenbedingungen. Mit diesem Nachweis holt sich der Agent eine sichere Zahlungsberechtigung und bezahlt damit, die echte Kartennummer bekommt er nie zu sehen. Das Beispiel von Amex ist anschaulich. Bestellt jemand weiße Nike-Sneaker in Größe 9 und der Agent greift zu Adidas, kann Amex den Kauf blockieren. Der Aufwand hat einen technischen Grund, denn Sprachmodelle antworten nicht jedes Mal gleich und greifen deshalb auch mal daneben. Bei wiederkehrenden Käufen wie Papierhandtüchern genügt laut Amex ein automatischer Abgleich mit der hinterlegten Absicht, und das Protokoll jeder Freigabe hilft später bei Streitfällen. Einen Anstieg von Reklamationen durch Agenten-Käufe sieht Amex nach eigener Aussage noch nicht, der Konzern baut vor. Ob andere Anbieter mitziehen, ist offen. Die Spezifikation für Intent Intelligence steht laut Amex seit April im Entwicklerpaket ACE. Wer Agenten im Einkauf plant, sollte jeder Bestellung vorher eine abgezeichnete Grenze mitgeben, gegen die der Agent geprüft wird.

Humanoide Roboter kommen in deutschen Werken an, rechnen tun sie sich noch nicht. Table.Briefings hat am 14. Oktober die Projekte von BMW, Schaeffler und DHL zusammengetragen. BMW testet seit Anfang 2026 im Werk Leipzig den 1,65 Meter großen Humanoiden AEON des schwedischen Herstellers Hexagon, der schwere Energiemodule in Batteriegehäuse setzt. Schaeffler hat beim Metzinger Start-up Neura Roboter für 300 Millionen Euro bestellt und will bis 2035 eine mittlere vierstellige Zahl humanoider Roboter einsetzen. Simon Schmidt vom Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) bremst. Er kennt nach eigener Aussage noch keinen messbaren finanziellen Erfolg mit Humanoiden. Ein Machbarkeitstest kostet Mittelständler 30.000 bis 100.000 Euro, Integrationsprojekte schnell mehrere Hunderttausend. Für viele Aufgaben bleiben klassische Industrieroboter, Cobots und fahrerlose Transportsysteme günstiger, den Einstieg in Humanoide nennt Schmidt für den Mittelstand „meistens zu viel Spielgeld“. Ich teile das, mit einer Einschränkung, die er selbst macht. Wer IT, Datensicherheit und Arbeitsplatzfragen erst klärt, wenn der fertige Roboter auf dem Markt ist, verliert Zeit.

Die Makro-Inventur vor dem nächsten IT-Umzug Was Horsch mit seinen VBA-Makros macht, steht in vielen Betrieben irgendwann an. Vor Jahren hat jemand eine Excel-Datei gebaut, die Angebote kalkuliert oder Lieferscheine zusammenführt, und heute weiß niemand mehr genau, was darin passiert. Ein KI-Assistent kann die Bestandsaufnahme vorbereiten. Zuerst sammelt die IT alle Dateien mit Makros an einer Stelle, für den Anfang genügt eine Suche nach den Dateiendungen.xlsm und.xlam. Dann beschreibt ein Unternehmens-KI-Modell den Code jedes Makros in Alltagssprache, also was es liest, was es rechnet und wohin es schreibt. Im dritten Schritt gleicht die zuständige Fachkraft diese Beschreibung mit ihrer Erfahrung ab und ergänzt, wer das Makro nutzt und wie oft. Erst danach wird entschieden, was ersetzt, was weiterbetrieben und was gelöscht wird. Zwei Vorsichtsregeln gehören dazu. Makros enthalten oft Dateipfade, Passwörter oder Kundendaten, deshalb kommt nur ein Modell mit Vertrag zur Auftragsverarbeitung infrage. Außerdem ersetzt die KI-Beschreibung keinen Test. Bevor ein Makro abgeschaltet wird, läuft sein Nachfolger eine Weile parallel mit.

1. Google lässt selbst gebaute KI-Apps privat auf dem eigenen Android-Handy laufen, ohne öffentliche Veröffentlichung im Play Store. Gebaut werden sie mit Google AI Studio, zum Start gilt das nur für Erwachsene in den USA. In den kommenden Monaten sollen sich die Apps mit einem vertrauten Kreis teilen lassen, etwa mit der Familie oder dem Sportverein. Damit könnte auch die kleine App für ein festes Team in Reichweite rücken, die bisher an der Hürde einer öffentlichen Veröffentlichung scheiterte. (TechCrunch) 2) Microsoft hat Maia 300 vorgestellt, die nächste Generation seiner eigenen KI-Chips für den laufenden Betrieb von Modellen. Pro Megawatt soll das System 40 Prozent mehr Token verarbeiten, also mehr der Wortbausteine, in denen Modelle rechnen. Ab 2027 will Microsoft es im Multi-Gigawatt-Maßstab einsetzen, unter anderem für GitHub und die Entwicklerplattform Foundry. Effizientere Chips sind einer der Hebel, mit denen Anbieter die Betriebskosten ihrer KI-Dienste drücken. (Microsoft)