Ad-hoc oder Infrastruktur: Welche KI brauchst du wirklich?
ChatGPT und Claude sind Beispiele für Ad-hoc KI
Wenn heute jemand „KI-Agent" sagt, meint er fast immer zwei komplett verschiedene Dinge.
Und genau diese Unschärfe kostet im DACH-Mittelstand gerade richtig Geld. Was sich hinter den Begriffen versteckt – und warum die Verwechslung so teuer werden kann – erklärt dieser Artikel. Denn am Ende entscheidet nicht die Technologie über deinen Erfolg, sondern die Frage, ob du das richtige Werkzeug für den richtigen Zweck einsetzt.

Dieser Workflow automatisiert die Qualifizierung neuer Unternehmen, indem er Firmendaten sammelt, Webseiten analysiert, Branchen erkennt und die Ergebnisse strukturiert in der Datenbank speichert. Durch KI-gestützte Inhaltsanalyse und automatisierte Datenanreicherung werden ungeeignete Leads frühzeitig aussortiert und relevante Unternehmen priorisiert. So reduziert sich der manuelle Rechercheaufwand erheblich und Vertriebsteams können sich auf die vielversprechendsten Opportunities konzentrieren.
Ad-hoc KI: dein kreativer Sparringspartner
Ad-hoc KI ist das, was du kennst. Du hast ein Problem, öffnest Claude oder ChatGPT, arbeitest dich durch, fertig. Du wirfst ein chaotisches Sales-Transkript rein und bekommst eine saubere Präsentation. Du lässt dir eine Outreach-Sequenz entwerfen. Du kippst Daten rein und bekommst ein Dashboard zurück.
Was ad-hoc KI auszeichnet
Drei Eigenschaften machen ad-hoc KI besonders wertvoll:
- Schnell. Du wartest live darauf – keine langen Einrichtungszeiten, kein Setup.
- Kontextsensibel. Sie versteht halbgare Gedanken und arbeitet mit dem, was du ihr gibst.
- Kreativ. Du willst überrascht werden, drei Optionen statt einer einzigen Lösung.
Der Mensch sitzt am Steuer. Die ganze Zeit. Der Output zählt, der Prozess dahin ist Wegwerfware. Du iterierst, verwirfst, probierst neu – und genau so soll es sein.
Die versteckten Grenzen
Genau hier liegt aber auch die Grenze. Du musst jedes Mal neu starten, neu prompten. Die Qualität hängt zu 80 Prozent am Bediener. Governance? Existiert nicht. Geht was schief, bemerkst du es vielleicht. Vielleicht auch nicht.

ChatGPT und Claude sind Beispiele für Ad-hoc AI, weil sie auf Anfrage reagieren und einzelne Aufgaben oder Fragen in Echtzeit bearbeiten. Sie handeln nicht eigenständig, verfolgen keine langfristigen Ziele und führen ohne menschliche Anweisung keine Prozesse dauerhaft aus. Im Gegensatz dazu arbeiten AI Agents proaktiv, nutzen Tools, speichern Kontext und können mehrstufige Aufgaben autonom ausführen.
Der entscheidende Punkt: Der Radius eines Fehlers bleibt klein – meistens eine Person. Das macht ad-hoc KI beherrschbar, aber eben auch begrenzt in ihrer Wirkung.
Infrastruktur-KI: dein unsichtbarer Operator
Infrastruktur-KI funktioniert komplett anders. Sie ist fest in einen Prozess eingebaut, der laufen muss, egal ob du gerade daran denkst oder nicht.
Wenn es um Millionen geht
Ein Beispiel aus der Praxis macht den Unterschied deutlich: Ein großer Getränkehersteller koordiniert seine tägliche Abfülllogistik über ein Infrastruktur-System. Wie viele Flaschen, wo, wann. Das läuft jeden Tag. Zieht Daten aus zwölf chaotischen Quellen. Darf nicht ausfallen, nicht halluzinieren, nicht „kreativ" werden. Ein Fehler hier kostet Millionen.
Infrastruktur-KI muss nicht originell sein. Sie muss verlässlich sein. 24/7 laufen, hohe Genauigkeit halten, saubere Signale aus komplexen Systemen lesen. Du willst keine Überraschungen. Du willst, dass das Ding einfach funktioniert.
Der geheime Vorteil: Gedächtnis
Und sie hat etwas, was ad-hoc Tools nie haben: Gedächtnis.
Sie sammelt Kontext über jeden Lauf. Welche Ausnahmen aufgetreten sind. Welche Muster typisch für dein Geschäft sind. Was letztes Quartal funktioniert hat. Der tausendste Lauf ist nicht derselbe wie der erste. Das ist der eigentliche Hebel von Agent Memory.
Wenn Fehler eskalieren
Geht hier was schief, geht es richtig schief. Skaliert. Bis es ein Mensch bemerkt. Deshalb brauchst du Traces, Observability, Human-in-the-Loop Checkpoints und echte Governance.
Das alte Wort dafür war Business Process Automation. Heute heißt es agentic operations. Die Ambition ist dieselbe: einen kritischen, wiederholbaren Prozess so bauen, dass er sich selbst ausführt. Zuverlässig.
Der Punkt, den niemand laut sagt
Beide Welten bleiben. Aber sie sind nicht gleich viel wert.
Ad-hoc KI wird gerade radikal kommoditisiert. Die Modelle konvergieren, die Preise fallen, jeder kann morgen das Tool wechseln. Der Sprung von Claude zu ChatGPT zu Gemini kostet dich nichts.
Infrastruktur-KI ist das Gegenteil.
Sticky, tief integriert, fest verankert in deinem Geschäft. Wenn ein Infrastruktur-System sechs Monate lang in deine Abläufe eingelebt ist und deine Edge Cases kennt, reißt du das nicht mal eben raus.
Die Schätzung: 70 bis 80 Prozent des langfristigen Werts liegen auf der Infrastruktur-Seite.
Aber genau da bauen die wenigsten. Warum? Weil es schwerer ist.
Was die meisten Unternehmen falsch machen
Die meisten KI-Initiativen im Mittelstand starten mit einer coolen Idee. Ein Chatbot hier, eine Automatisierung da. Hübsche Demo, null Impact.
Was fehlt, ist das, was darunter liegt: Orchestrierung, Memory, Observability, Governance.
Ohne diese Schicht bekommst du am Ende kein produktives System. Du bekommst 38 verwaiste Agenten, die alle irgendwie laufen, aber nichts davon ist wartbar, messbar oder skalierbar. Genau hier liegt der Unterschied zwischen Spielzeug und Architektur.
Der einfache Test
Wenn du wissen willst, in welcher Welt du gerade arbeitest, frag dich eine Sache:
Wenn die KI heute Nacht ausfällt, woher erfährst du es?
- Von einem Kollegen? Dann redest du über ad-hoc. Selbstkorrigierend, menschengesteuert, Blast Radius klein.
- Von einem Monitoring-Alarm? Dann redest du über Infrastruktur-KI. Du brauchst Traces, Checks, Governance. Sonst hast du ein Problem, das du erst Tage später bemerkst.
Beides ist legitim. Beides hat seinen Platz. Aber baue nie ein Infrastruktur-System mit ad-hoc Mindset. Und betreibe nie einen kritischen Prozess mit einem Werkzeug, das für kreatives Brainstorming gebaut wurde. Das ist die Verwechslung, die gerade durch viele Mittelstands-Roadmaps geistert.
Fazit: Die Frage, die Geld spart
Wenn das nächste Mal jemand sagt „wir bauen einen KI-Agenten", frag nach.
Welche Art? Wer bemerkt einen Ausfall? Was ist der Blast Radius?
Du wirst überrascht sein, wie oft die Antwort lautet: das haben wir noch nicht entschieden. Genau an dieser Stelle wird das Geld liegen gelassen.
Die gute Nachricht: Mit der richtigen Unterscheidung im Kopf kannst du die Weichen frühzeitig richtig stellen. Nutze ad-hoc KI dort, wo Kreativität und Geschwindigkeit zählen. Investiere in Infrastruktur-KI dort, wo Zuverlässigkeit und Skalierung den Unterschied machen. Und vor allem: Verwechsle die beiden nie wieder.
In beiden Fällen kann APEX aushelfen: https://calendly.com/apex-consulting-call/ki-beratung