«Welches Tool?» ist möglicherweise die falsche Frage.

Langdock. Wir brauchen Langdock. Ich höre das in letzter Zeit immer häufiger. Verbunden mit der Frage, ob ich denke, dass Langdock das richtige KI-Tool ist. Ob es sich lohnt. Ob die Mitarbeitenden damit klarkommen. Ob der Datenschutz stimmt. Alles berechtigte Fragen. Aber es sind nicht die, auf die man eigentlich eine Antwort haben sollte, bevor man sich für ein Tool entscheidet.

(Kurze Transparenz-Notiz, weil ich Gossage gelesen habe und deshalb kommerzielle Interessen lieber offenlege als verstecke: Ich berate Unternehmen zur Integration von KI in Arbeitsprozesse. Wenn ihr nach dieser Lektüre merkt, dass ihr dabei Hilfe braucht, ist das kein Zufall, sondern Absicht.)

Was Langdock kann – in 90 Sekunden

Langdock ist eine Berliner Plattform, die über 40 KI-Modelle unter einem Dach bündelt. Claude, GPT, Gemini, Mistral, Llama – alles aus einer Oberfläche, DSGVO-konform, EU-gehostet, ab 25 Euro pro Person und Monat (ab 20,- wenn man jährlich zahlt). Man kann Agenten bauen, die das Firmenwissen kennen. Man kann Workflows automatisieren. Man kann Google Drive anbinden. Man kann zwischen Modellen wechseln wie zwischen Radiosendern (Gruss an die 80er!), je nachdem, welches Modell gerade die klügste Antwort auf die jeweilige Aufgabe liefert.

Die Plattform wächst wie verrückt – von einer auf zwanzig Millionen Jahresumsatz in gut zwei Jahren, zuletzt mit knapp 40 Leuten. Merck nutzt es mit 33'000 aktiven Usern. Der Spiegel. The Economist. Personio. Das ist kein Spielzeug.

Verglichen mit den Alternativen: Günstiger als ChatGPT Enterprise, flexibler als Microsoft Copilot, souveräner als Google Gemini. Für europäische Agenturen mit gemischtem Toolstack aktuell die überzeugendste Option in der Kategorie.

So. Jetzt wisst ihr's.

Und damit zum eigentlichen Thema.

80 Prozent des Problems sitzen nicht im Tool

Es gibt eine Zahl vom MIT, die ich gern zitiere, obwohl sie, bezogen auf die KI-Welt, schon uralt ist (nämlich aus dem letzten Jahr). 95 Prozent aller GenAI-Pilotprojekte in Unternehmen scheitern daran, messbare Ergebnisse zu liefern. Fünfundneunzig. Nicht weil die Tools schlecht sind. Sondern weil die Einführung so läuft: Lizenzen kaufen, Townhall-Präsentation, fertig.

Das ist, als würde man einer Redaktion eine Druckmaschine und Papier hinstellen und sich wundern, dass am nächsten Morgen keine Zeitung vor der Tür liegt.

Die Wahrheit ist leider unbequem: Das Tool macht vielleicht 20 Prozent der Aufgabe aus. Die anderen 80 Prozent sind Dinge, die kein Procurement-Prozess löst.

Was die anderen 80 Prozent sind?

1. Workflows. Nicht „wir nutzen jetzt KI", sondern: Welcher konkrete Arbeitsschritt dauert zu lang, kostet zu viel, nervt alle? Briefings schreiben. Pitches zusammenbauen. Medienresonanzanalysen. Statusberichte. Dort anfangen, dort automatisieren, dort messen. Nicht flächendeckend, sondern chirurgisch. Eine Agentur, die ihre Briefing-Erstellung mit Langdock-Agenten umgebaut hat, berichtet von 40 Prozent Zeitersparnis und 25 Prozent weniger Korrekturschleifen. Das ist ein konkreter Beweis. Aber er entsteht nicht durch das Tool – er entsteht durch die Frage: Was genau soll hier anders laufen als vorher?
   

2. Die Fähigkeit, mit Maschinen zu reden. Das klingt banal und ist es nicht. Die meisten Menschen prompten so, wie sie googeln: ein paar Stichwörter, dann hoffen. Das Ergebnis ist entsprechend. Wer KI nutzt wie eine Suchmaschine, kriegt Suchmaschinen-Ergebnisse. Wer sie nutzt wie einen klugen, aber kontextlosen Praktikanten – mit Rolle, Auftrag, Kontext, Inszenierung, Bewertungskriterien und klarem Briefing – kriegt etwas fundamental anderes. Der Unterschied zwischen „schreib mir eine Pressemitteilung" und einem durchdachten Prompt mit Zielgruppe, Tonalität, Kernbotschaft, Sperrfrist und Formatvorgabe ist der Unterschied zwischen Zeitverschwendung und Effizienzgewinn. Das ist die eigentliche Kompetenz. Sie muss aufgebaut werden. Und nein, ein zweistündiger Workshop reicht dafür meistens nicht. Die Leute müssen ausprobieren dürfen. Womit wir zum nächsten Punkt kommen:
   

3. Experimentierbereitschaft. Menschen ticken sehr unterschiedlich, wenn es um den Umgang mit dieser neuen, mächtigen Technologie geht. Einige schmeissen sich begeistert in die Fluten, andere weigern sich, den Zeh ins Wasser zu tippen. Und selbst die, die offen sind, werden nicht automatisch «AI Champions» – dazu muss man lernen, wie die Maschinen funktionieren und was die eigene Rolle in diesem ungewohnten Dialog ist. Das braucht Experimentierräume. Und die kosten Zeit und Geld und im Zweifelsfall erstmal auch: Rendite. Dessen müssen sich die Chefinnen und Chefs bewusst sein: Wer KI auf Mitarbeitende loslässt, ohne ihnen Arbeitszeit, Vertrauen und die Erlaubnis zum Scheitern mitzugeben, bekommt keine Transformation – sondern Compliance-Theater. Nicht in jeder Firma, die ich als Berater kennenlernen durfte, war diese Art der Freiheit eine Selbstverständlichkeit, wenn ich das mal so vorsichtig zum Ausdruck bringen darf.
   

4. Unternehmenskultur. Experimentierräume allein reichen aber nicht – sie brauchen Leitplanken. Wenn die Führungsebene KI als IT-Projekt behandelt, ist das Projekt tot. Wenn es keine klaren Regeln gibt, was mit Kundendaten passieren darf und was nicht, entsteht entweder Wildwuchs oder Lähmung. IBM hat errechnet, dass unkontrollierte KI-Nutzung – sogenannte Shadow AI – die Kosten eines Datenlecks um 670'000 Dollar erhöht. Freiheit ohne Struktur ist keine Freiheit, sondern Überforderung. Governance ist nicht Bürokratie. Governance ist der Grund, warum man nachts ruhig schläft.
   

5. Mindset. Das klingt nach LinkedIn-Phrase und ich entschuldige mich dafür. Aber es gibt keine andere Vokabel für die Tatsache, dass die meisten Agenturen KI als Effizienz-Tool denken (schneller das Gleiche machen) statt als Kapazitäts-Erweiterung (Dinge machen, die vorher nicht möglich waren). Eine Strategieabteilung, die mit Deep Research in zwei Stunden eine Wettbewerbsanalyse erstellt, für die vorher zwei Wochen nötig waren – die hat nicht Zeit gespart. Die hat ein neues Angebot. Das zu kapieren, ist zentral: KI verändert unsere Arbeit nicht bloss, sie hat das Potential, sie zu transformieren – wenn wir bereit sind, uns auf die Wahrscheinlichkeitsmaschinen einzulassen.

Was das für die Langdock-Frage bedeutet

Ja, Langdock ist ein gutes Tool. Für europäische Agenturen vermutlich sogar aktuell das beste in seiner Kategorie. Die Modellvielfalt ist ein echter Vorteil – weil verschiedene Modelle verschiedene Dinge besser können, und Agenturarbeit nun mal nicht eine Sache ist, sondern zwanzig. Die DSGVO-Architektur ist solide (mit der Einschränkung, dass Anfragen an GPT oder Claude trotzdem bei den Modellanbietern verarbeitet werden – Langdock kontrolliert dort vertraglich, nicht physisch). Der Preis ist fair. Die Entwicklungsgeschwindigkeit beeindruckend.

Aber.

Langdock ohne Workflow-Redesign ist ein teures Chat-Fenster. Langdock ohne Prompt-Kompetenz ist ein Zufallsgenerator mit Enterprise-Lizenz. Langdock ohne Change Management ist das, was 95 Prozent aller KI-Projekte sind: eine gute Idee, die nie Traktion entwickelt.

Die Agenturen, die ich beobachte und die KI tatsächlich produktiv nutzen, haben eines gemeinsam: Sie haben nicht mit dem Tool angefangen. Sie haben mit der Frage angefangen, welche Arbeit sich verändern soll. Das Tool kam danach.

Eine letzte Sache, über die wir reden sollten

Die Agentur-Branche steht vor einer Abrechnungsfrage, die grösser ist als jede Tooldiskussion. Wenn ein Briefing, das vorher acht Stunden gedauert hat, jetzt in 90 Minuten steht – rechne ich dann 90 Minuten ab? Oder den Wert des Briefings? Wer KI einführt, ohne das Pricing-Modell mitzudenken, rationalisiert sich selbst die Marge weg. Das ist kein Langdock-Problem. Das ist ein Branchenproblem, das durch jedes KI-Tool verschärft wird.

Die ehrliche Empfehlung: Langdock einführen, ja. Aber gleichzeitig in Prompt-Kompetenz investieren, Workflows neudenken, Governance aufbauen und – am unbequemsten – das eigene Geschäftsmodell hinterfragen. Das Tool funktioniert.