KI-Werkzeugkasten 2026: Kontext schlägt Modell

Mein wichtigstes KI-Werkzeug ist kein Chatbot. Und meine KI ist in den letzten Monaten deutlich besser geworden, ohne dass ich dafür ein einziges Mal das Modell gewechselt hätte. Das klingt nach einem Widerspruch zu allem, was man gerade über KI liest — ist aber inzwischen ordentlich untersucht. Was den Unterschied macht, ist seltener das Modell. Es ist das, was drumherum steht.

Was steckt 2026 in meinem KI-Werkzeugkasten?

Fangen wir mit der Liste an, weil das die Frage ist, die mir am häufigsten gestellt wird.

Im Alltag frage ich Claude. Ein paar ältere Assistenten in Gemini laufen noch mit, weil sie ihre Aufgabe einfach gut machen und es keinen Grund gibt, sie anzufassen. Dazu ein paar Agenten in Langdock, die kleine wiederkehrende Routinen abarbeiten — eine Berliner Plattform, die Modelle verschiedener Anbieter über eine gemeinsame, datenschutzkonforme Oberfläche zugänglich macht.

Für Bild, Video und Musik nutze ich Higgsfield. Für Websites und Prototypen Lovable. Der Code liegt auf GitHub, der Betrieb läuft über Railway, die Daten über Supabase.

Das ist der Werkzeugkasten. Und jetzt der unbequeme Teil: Diese Liste erklärt nicht, warum sich meine Arbeit verändert hat. Jeder kann diese Werkzeuge kaufen. Die meisten davon sind einen Klick entfernt.

Warum ist mein Hauptwerkzeug kein Chatbot?

Mein Hauptwerkzeug ist mit großem Abstand Claude Code. Ursprünglich ist das ein Werkzeug für Softwareentwicklung, und dafür benutze ich es auch — damit baue ich Software und KI-Systeme.

Inzwischen steuere ich damit aber auch alles andere. Es gibt einen zentralen Ort, an dem meine Projekte, Notizen und Abläufe zusammenlaufen: einfache Textdateien, untereinander verlinkt, in einer Versionsverwaltung. Von dort aus behalte ich sie im Blick.

Der Unterschied zu einem Chatbot ist nicht die Intelligenz — es ist derselbe Modellhersteller. Der Unterschied ist der Zugriff. Ein Chatbot bekommt von mir ein Fenster mit Text und antwortet darauf. Ein Werkzeug wie dieses liest, schreibt, sucht, führt aus und prüft nach. Es arbeitet in meinem Material, nicht daneben.

Wer nur ein Chatfenster aufmacht, hat ein sehr gutes Modell — und lässt den größeren Teil des Hebels liegen.

Wird meine KI besser, weil die Modelle besser werden?

Zum Teil. Aber es ist der kleinere Teil, und das ist keine Vermutung mehr.

Im Mai 2026 hat ein Forschungsteam um Yunbei Zhang eine Arbeit mit dem angenehm direkten Titel „Stop Comparing LLM Agents Without Disclosing the Harness“ veröffentlicht. Der Begriff „Harness“ meint die Infrastruktur um das Modell herum: wie der Kontext zusammengestellt wird, welche Werkzeuge das Modell benutzen darf, wie Aufgaben zerlegt und Ergebnisse geprüft werden. Auf Deutsch am ehesten: das Gerüst.

Die zentrale Messung: In einem kontrollierten Experiment war die Leistungsstreuung, die durch das Gerüst entsteht, im Mittel 7,8-mal größer als die Streuung durch einen Modellwechsel (18,48 gegenüber 2,37 Prozentpunkten im Quadrat).

Konkret wird es an einem Software-Benchmark. Dasselbe Modell — Claude Sonnet 4.5 — kam dort auf 68 Prozent in einem Gerüst und auf 34 Prozent in einem anderen. Vierunddreißig Prozentpunkte Unterschied, gleiches Modell, gleiche Aufgaben. Ein Modellwechsel innerhalb desselben Gerüsts bewegte dagegen nur 2,5 bis 5 Prozentpunkte.

Und noch etwas, das jede Rangliste betrifft: In sechs von neun möglichen Vergleichen kippte die Reihenfolge zweier Modelle, sobald man das Gerüst wechselte. Wer eine Rangliste liest, ohne zu wissen, in welchem Gerüst gemessen wurde, liest eine halbe Information — dasselbe Muster, das schon bei der Frage nach dem besten KI-Modell auftaucht.

Für die Praxis folgt daraus etwas Unbequemes und etwas Erfreuliches. Unbequem: Die Modellwahl ist nicht der Hebel, für den sie gehalten wird. Erfreulich: Der eigentliche Hebel liegt bei dir und nicht bei einem Anbieter in Kalifornien.

Was wächst da eigentlich mit?

Drei Dinge. Alle drei werden bei mir stetig mehr, keines davon ist ein Kauf, und alle drei bleiben, wenn das Modell wechselt.

Verlinkte Textdateien als Gedächtnis. Was meine KI über meine Arbeit wissen muss, steht in gewöhnlichen Textdateien, die aufeinander verweisen. Kein System, keine Datenbank, keine Lizenz.

Skills — Abläufe, die einmal beschrieben sind. Eine wiederkehrende Aufgabe wird einmal sauber aufgeschrieben und danach immer gleich ausgeführt. Der Nebeneffekt ist der wichtigere: So ein Ablauf ist lesbar. Ein Kollege kann ihn prüfen, kritisieren und verbessern — bei einem Prompt, der jedes Mal neu getippt wird, geht das nicht.

Anbindungen an andere Werkzeuge über eine offene Schnittstelle. Higgsfield, Lovable, GitHub, Railway, Supabase — jedes davon ist über denselben Standard erreichbar, nicht über eine Sonderlösung pro Anbieter.

Jede einzelne dieser Ergänzungen ist klein. Zusammen sind sie der Grund, warum dieselbe KI heute Dinge kann, die sie vor drei Monaten nicht konnte.

Warum verlinkte Textdateien und nicht einfach eine Suche über alle Dokumente?

Das Prinzip stammt von Andrej Karpathy, der es 2026 in einem öffentlichen Gist unter dem Namen „LLM Wiki“ beschrieben hat. Der Kerngedanke ist eine Umkehrung: Statt bei jeder Frage die Rohdokumente neu zu durchsuchen und zusammenzufassen, wird Wissen einmal aufgeschrieben und danach aktuell gehalten. Querverweise existieren schon, Widersprüche sind markiert. Karpathys eigene Formulierung: Die Wiki ist ein Artefakt, das sich verzinst.

Drei Operationen halten das am Laufen: Ingest (eine neue Quelle wird eingearbeitet, nicht abgelegt), Query (eine Frage wird gegen den Bestand beantwortet, und eine gute Antwort darf selbst eine neue Seite werden) und Lint (ein regelmäßiger Gesundheits-Check auf Widersprüche, veraltete Aussagen und verwaiste Seiten).

Dass daran mehr als Ordnungsliebe hängt, zeigt die Messung. Anthropic hat 2024 eine Methode namens Contextual Retrieval veröffentlicht: Jedes Textstück bekommt vor der Verarbeitung einen kurzen Kontext-Satz mitgegeben, der erklärt, woher es kommt. Ergebnis: 49 Prozent weniger Fehlgriffe bei der Suche (von 5,7 auf 2,9 Prozent), mit einem zusätzlichen Sortierschritt 67 Prozent weniger (auf 1,9 Prozent). Gleiche Dokumente, gleiches Modell — nur besser vorbereitet.

Noch deutlicher wird es bei einer Arbeit namens „Agentic Context Engineering“, vorgestellt von einem Team um Qizheng Zhang. Dort wird der Kontext als mitwachsendes Spielbuch behandelt, das nach jedem Durchlauf ergänzt und aufgeräumt wird. Das brachte 10,6 Prozent bessere Ergebnisse bei Agenten-Aufgaben und 8,6 Prozent bei Finanz-Analysen. Der eigentliche Befund steckt aber in einem Nebensatz: Mit diesem Spielbuch erreichte ein kleineres, frei verfügbares Modell das Niveau des bestplatzierten kommerziellen Systems.

Genau das ist der Satz, der mich überzeugt hat. Nicht das größere Modell hat gewonnen, sondern der bessere Kontext.

Und die Kehrseite gehört dazu, sonst wird eine Methode zur Ideologie: Die Autoren beschreiben zwei Krankheiten solcher Sammlungen. Kürzungsbias — man fasst zusammen, bis das Fachwissen weg ist. Und Kontext-Kollaps — wiederholtes Umschreiben schleift die Details ab. Eine Wissenssammlung, die niemand pflegt, wird nicht neutral. Sie wird schlechter.

Was ist MCP — und warum ist eine offene Schnittstelle mehr als Technik?

Die Anbindungen zwischen KI und Werkzeugen laufen bei mir über das Model Context Protocol, kurz MCP. Technisch ist das eine Steckdosennorm: Ein Werkzeug beschreibt einmal, was es kann, und jede KI, die den Standard spricht, kann es benutzen.

Interessanter als die Technik ist, wem es gehört. Anthropic hat MCP am 9. Dezember 2025 abgegeben — an die Agentic AI Foundation, einen Verbund unter dem Dach der Linux Foundation, mitgegründet von Anthropic, Block und OpenAI, unterstützt von Google, Microsoft, AWS, Cloudflare und Bloomberg. Zum Zeitpunkt der Übergabe waren mehr als 10.000 öffentliche MCP-Server in Betrieb, die Entwicklungsbibliotheken wurden über 97 Millionen Mal pro Monat heruntergeladen.

Für einen Betrieb ist das der eigentliche Punkt. Was du an einen offenen Standard anschließt, hängt nicht am Fortbestand eines einzelnen Anbieters. Modelle kann man abschalten — das ist keine Theorie, das ist im Juni 2026 passiert. Eine Schnittstelle, die einem Konsortium gehört, überlebt den Anbieterwechsel. Deshalb steht auf meinem Post-Bild der Satz, der diesen Artikel zusammenfasst: Das Modell ist geliehen. Der Kontext gehört mir.

Was heißt das für einen Betrieb im Mittelstand?

Hier wird es interessant, denn die deutsche Datenlage sagt genau dasselbe — nur ohne Benchmarks.

KfW Research hat am 29. Juli 2026 eine Auswertung des KfW-Mittelstandspanels veröffentlicht (Fokus Volkswirtschaft Nr. 554, Dr. Volker Zimmermann). 20 Prozent der mittelständischen Unternehmen nutzen inzwischen mindestens eine KI-Technologie — gegenüber 4 Prozent in den Jahren 2016 bis 2018. Am weitesten verbreitet sind die einfach handhabbaren Anwendungen: Erzeugung natürlicher Sprache bei 14 Prozent, Texterkennung bei 10 Prozent. Anspruchsvollere Anwendungen bleiben selten — Datenanalyse bei 3 Prozent, autonome Maschinenbewegung bei 1 Prozent.

Der entscheidende Satz der Studie ist aber ein anderer, und er ist wörtlich zitierfähig: „Entscheidend für den KI-Einsatz ist weniger die Unternehmensgröße, sondern vor allem der Digitalisierungsgrad, vorhandenes digitales Knowhow und die generelle Innovativität.“

Das ist derselbe Befund wie in der Harness-Arbeit, übersetzt in die Sprache eines Betriebs. Nicht das Werkzeug entscheidet, sondern das Umfeld, in das du es stellst. Die Studie belegt es an einer weiteren Zahl: Unternehmen mit einer Digitalisierungsstrategie setzen KI-Technologien mit einer bis zu 9 Prozentpunkte höheren Wahrscheinlichkeit ein als Unternehmen ohne Strategie und ohne Digitalisierungsvorhaben. Und die Empfehlung der Autoren lautet nicht „mehr KI kaufen“, sondern: zentral sei der Aufbau einer Datenkultur, von der Datenerfassung über die Datensicherheit bis zur Analyse.

Auch der zweite Teil der Zahlen tröstet: Bei kleinen Unternehmen mit unter fünf Beschäftigten setzen bereits 13 Prozent auf Sprach-Erzeugung und 9 Prozent auf Texterkennung. Die Größe ist nicht die Hürde. Die Vorbereitung ist es — und die ist das Einzige an dieser ganzen Rechnung, das du selbst in der Hand hast. Genau daran scheitern die meisten KI-Projekte, nicht an der Technik.

Womit fängst du an?

Nicht mit der Werkzeugfrage. Die Werkzeuge sind in einer Woche ohnehin andere.

Fang mit einer einzigen Datei an, in der steht, was deine KI über deine Arbeit wissen muss. Wie eure Angebote aufgebaut sind. Wie ihr eure Kunden ansprecht. Welche drei Dinge in jedem Protokoll stehen müssen. Was letztes Jahr schiefgegangen ist und warum.

Das ist unspektakulär und dauert einen Vormittag. Es ist auch der einzige Teil des Werkzeugkastens, der dir gehört. Alles andere kann gekündigt, abgeschaltet, aufgekauft oder verteuert werden.

Und dann gilt die unbequeme Hälfte des Ganzen: Diese Datei ist nur so gut, wie sie gepflegt wird. Ein Wissensstand, den niemand aktualisiert, wird nicht neutral — er wird zur Quelle falscher Antworten, die sich mit jedem Verweis fester anfühlen. Das ist keine Software-Aufgabe. Das ist eine Gewohnheit.

Meine Erfahrung nach einem halben Jahr: Es ist die Gewohnheit mit dem besten Zinssatz, die ich kenne.

Wie baust du dein eigenes Gerüst auf?

Wir ordnen gemeinsam ein, wo bei dir Kontext, Abläufe und Anbindungen stehen — und was der erste sinnvolle Schritt ist. In der KI-Potenzialanalyse machen wir das strukturiert.