Die Dark Horse Retro: Wie hat KI 2026 unsere Arbeit verändert?

TL;DR: KI hat 2026 Tempo gemacht und unsere Arbeitsweise umgekrempelt. Wir haben Expert:innen und Kolleg:innen rund um Dark Horse gefragt, was sich für sie wirklich verändert hat: KI-Agenten, die produzieren statt nur recherchieren, Vibecoding und eine neue Art von Erschöpfung sind nur einige ihrer Befunde. Willkommen zu einer kleinen Retrospektive. 

Wo neue Technologien von massiven Investitionen gestützt werden, erleben wir eine Art Fortschritt im Zeitraffer. Es fühlt sich jedenfalls ein bisschen nach Lichtgeschwindigkeit an, wenn man mitverfolgt, wie schnell die KI-Modelle von Anthropic, OpenAI und Consorten dieses Jahr weiterentwickelt haben. Zwar gibt es noch keinen universellen Messstandard für die Lernentwicklung, aber wenn wir untersuchen, wie zuverlässig eine KI komplexe Aufgaben erledigen kann, dann verdoppelt sich dieser Wert gerade ungefähr alle drei bis vier Monate (mehr zur METR-Methode hier).

Klar also, dass jeden Tag neue Use Cases dazukommen, die vor ein paar Monaten noch nicht abbildbar waren. Wir merken selbst, dass man sich in diesem Strudel aus News, Updates, Prototyping und Testing schnell verlieren kann. Und ganz ehrlich... es wirkt so, als kämen gemeinsame Retros darüber bei vielen Teams zur Zeit etwas zu kurz. Als Komplexitäts-Fans haben wir aber gelernt: Wenn es uns zu wuselig wird, machen wir es wie die Falken und fliegen einmal hoch genug, dass wir uns wieder einen Überblick verschaffen können.

Für diesen Artikel haben wir in unserem eigenen Kosmos geforscht und ein paar Expert:innen aus dem Inneren und dem näheren Umfeld von Dark Horse gefragt, wie sich ihre Arbeit durch KI dieses Jahr wirklich verändert hat. Ihre Antworten haben wir in Trends geclustert.

Vom Research-Tool zum Umsetzungswunder: Wenn KI-Agenten produzieren

2025 hörte und sah man viele Lobgesänge auf Tools wie Perplexity oder ChatGPT und ihre Recherchefähigkeiten. Ein Jahr später recherchiert der Großteil der Wissensarbeitenden selbstverständlich mit Chatbots und in den Newsfeeds mehren sich KI-produzierte Slides und Artifacts. 

Auch bei Dark Horse nutzen wir die visualisierenden Features von Claude, um interne Dashboards zu erstellen oder große Datenmengen aufzubereiten. Kolleg:innen verwenden Claude Design für schicke Workshop-Agenden oder Präsentationen. Wer einmal ein stimmiges Designsystem aufgesetzt hat, spart so nicht nur eine Menge Zeit, sondern kreiert auch erstaunlich guten Output.

„KI trifft auf Design Thinking“-Coach Semih Aridogan geht einen Schritt weiter und lässt Präsentationen direkt von Claude in HTML anlegen und automtisch updaten: „Dann zieht sich Claude die aktuellen Benchmarks von der Seite und aktualisiert die Slides selber.“

Agenten, die nicht nur suchen und strukturieren, sondern auch mit hoher Qualität produzieren können, haben also Konjunktur. Vor allem dort, wo dieselben Aufgaben vielfache Male ausgeführt werden müssen, glänzt die KI. Einen gesamten Blog auf eine neue Website umzuziehen wird plötzlich zur realistischen Wochentask für eine einzige Person; zehn neue Ads zu schalten, lässt sich noch kurz vor der Mittagspause reinquetschen.

Von Subscriptions zu Vibecoding: Eigene Software ohne Programmierkenntnisse

Wirklich spannend wird es aber im Bereich des Vibecodings. Das dialogische Coden von auf die eigenen Bedürfnisse zugeschnittenen Anwendungen oder funktionierender Prototypen hat 2026 einen enormen Boost erfahren.

Das zeigt sich gerade vor allem in der digitalen Innovationsarbeit. Vibecoding reduziert die Kosten ehemals aufwändiger High-Resolution-Prototypen auf nahezu null. „Wir bauen keine Fassaden mehr, sondern Dinge, die wirklich funktionieren“, fasst Semih die Entwicklung zusammen.

Auch Frank Giroux, Experte für KI und Informationsstrategie, bewundert, wie stabil der Approach geworden ist. Eigene Apps laufen mit etwas Einarbeitungszeit dank Services wie Supabase und Vercel auch ohne eigenes Coding-Wissen nicht mehr nur lokal auf dem eigenen Rechner, sondern können gehostet und anderen zugänglich gemacht werden.

So zieht der Trend zur Hyper-Individualisierung auch in der Softwareentwicklung ein, wo plötzlich selbst gebaute Lösungen auch bei einem Bedarf von n=1 realisierbar sind. Damit fällt einerseits eine Hürde für Selbstständige und KMUs, die darauf hoffen können, einige Subscriptions durch hausgemachte Lösungen zu ersetzen.

Andererseits gerät mit SaaS auch unmittelbar eines der gängigsten Geschäftsmodelle in die Bredouille. Wird es in Zukunft – abseits von den über den Dingen zu stehen scheinenden KI-Services – noch Bedarf für „One-Size-Fits-All“-Lösungen geben? Für Frank Giroux stellt sich die Frage zumindest für komplexere Lösungen nicht mehr, da sich zeige, dass sich das Business Know-How großer Platformen kaum ersetzen ließe. Für Anbieter niedrigschwelligerer Tools wie CRM-Datenbanken, Task-Management-Systeme oder Unternehmens-Wikis bleibt das Thema dennoch aktuell. 

Von einzelnen Tools zum verknüpften System: Agentische Workflows mit MCP

Als wir für diesen Artikel mit Expert:innen und Kolleg:innen sprachen, waren wir überrascht, wie stark KI jetzt schon den Arbeitsalltag vieler dominiert. So schildert Vibecoding-Experte Semih Aridogan: „Wenn ich morgens meinen Laptop aufklappe, dann gibt es für mich nur noch zwei Applikationen, die fast den gesamten Arbeitsablauf koordinieren. Das sind einmal Codex und einmal Claude Code.“

Tatsächlich: Wer 2026 richtig was bewerkstelligen will, steuert seinen Softwarekosmos bereits über MCPs und APIs. Was bedeutet das? Zum Beispiel, dass ich auf meiner Homepage veraltete Bilder nicht mehr selbst austauschen muss, sondern Claude darum bitte. E-Mails schreiben, Präsentationen  , Prototypen bauen, Kundenprojekte brainstormen, Akquise machen, Workshops planen: alles läuft letztendlich via KI.

Richtig aufgesetzt, sparen solche agentischen Workflows viel Zeit und tragen sogar zur Qualitätssicherung bei. Automatismen überprüfen wöchentlich, ob Buchungen richtig synchronisiert sind oder ob sich in neuen Veröffentlichungen Tippfehler eingeschlichen haben. Experten wie Frank Giroux bauen sich gleich eigene Agenten, die verschiedene Newsletter zusammenfassen und nach Themen sortieren.

So allokieren wir einen Großteil unserer Zeit von vielen Plattformen hin zu wenigen Hauptmotoren. Um Semih zu zitieren: „AI ist für mich Dreh- und Angelpunkt meines gesamten Arbeitslebens geworden. Während es im letzten Jahr noch um die 20, 30 % meiner Arbeitszeit unterstützt hat, sind es jetzt 80, 90 %.“

Vom Abarbeiten zum Delegieren: Warum KI-Nutzung Führungskompetenz braucht

Wie gut die Ergebnisse am Ende sind, die aus der Auseinandersetzung mit den eigenen Agenten entstehen, hängt stark davon ab, wie gut wir uns verständlich machen können. LLMs wie ChatGPT oder Claude sind nach wie vor mit Wahrscheinlichkeiten arbeitende Systeme, die am besten mit klaren Anweisungen arbeiten. Es liegt an uns, ihnen die richtigen Kontexte zu ermöglichen und Aufgaben zu delegieren. In diesem Zug sickert ein anderer Skillbereich aus den Führungsetagen durch an die Schreibtische der großen Masse: Leadership.

„Es ist wirklich so, als ob man mit einem Entwickler zusammenarbeitet, selber das Konzept macht und dem Entwickler sagt: ‚Jetzt bitte diesen Arbeitsschritt.‘ Der setzt sich hin und codet das“, sagt Frank Giroux.

Es lohnt sich also für alle KI-User, die ein oder andere Führungsmethode zu lernen. Dem Thema wollen wir uns bald nochmal etwas ausführlicher widmen.

Mehr Output oder mehr Freizeit? Die Kehrseite der KI-Produktivität

Ob wir durch die Zeit, die KI uns spart, mehr oder weniger arbeiten werden, haben wir schon vor ein paar Monaten sinniert. Die Antwort hängt natürlich immer von unseren persönlichen Motivationen ab, vielleicht ist es auch eine Typfrage. Trotzdem zeigt sich auch in den Gesprächen, die wir führen, eine Tendenz.

Da wird KI wahlweise als größter Sprung der persönlichen Arbeitskarriere bezeichnet; wir hören von Kolleg:innen, die am Wochenende ihre eigenen Anwendungen vibecoden, von den Erfolgen, die ein anderthalbköpfiges Team jetzt dank Automatisierungen verbuchen kann. Überall wird die Zeit verdichtet, weil die Verlockung, eben doch noch ein bisschen mehr schaffen zu können, enorm groß ist. So startet Fried, Head of Academy bei Dark Horse, vor dem Gassigehen mit dem Hund ab und zu auch eine Claude Code Session mit einem komplexen Prompt, die er dann unterwegs mit dem Handy weiterführen kann.

Aufmerksam bleiben sollten wir überall dort, wo die Mehrarbeit zu Lasten von Kollaboration geht. Wir beobachten schon eine Weile, dass Unternehmen weniger in Co-Creation investieren. Stattdessen landen Aufgaben, die vorher im Team erarbeitet wurden, beim Gespann aus einzelnen Mitarbeitenden und der KI. Durch das ständige Reinforcement, also die Programmierung der Chatbots auf Gefälligkeit, gehen jene wertvollen und herausfordernden Perspektiven verloren, die ein partizipativer Prozess zutage fördern würde.

Das zeigt auch eine nette Anekdote aus dem Dark Horse Umfeld. Zwei Gründer mit entgegengesetzten Ansichten zu einem Thema fragten beide Claude um Rat und formulierten ihren Prompt dabei bewusst so neutral wie möglich. Recht bekamen am Ende trotzdem beide.

Fazit: Klare Zielbilder gegen die KI-Erschöpfung

Auch, wenn sich viele unserer Kolleg:innen und Expert:innen dank ihrer neuen KI-Power wahnsinnig produktiv fühlen, hören wir oft auch leise Geständnisse von Erschöpfung heraus. Einerseits zehrt das ständige Multitasking an den Energiereserven. Andererseits ist die Zahl der zu treffenden Entscheidungen einfach viel höher geworden.

„Bei jeder Session kommt am Ende eine Entscheidungsfrage: Wie soll ich weitermachen? Plötzlich musst du in kürzestem Abstand immer Entscheidungen treffen, den Kontext switchen und überlegen: Welche Entscheidung treffe ich jetzt?“, sagt Fried. Gerade für Perfektionisten ist die ständige Möglichkeit des Noch-besser-Machens ein gefährliches Rabbit Hole.

Wie lange wir die Produktivitätswelle reiten können, hängt also auch davon ab, wie gut wir mit unserem Fokus und unserer Energie haushalten können. Für Pascal Gemmer, einen der Co-Founder von Dark Horse, ist die Hauptaufgabe jedenfalls, genug Motivation für eine Sache zu sammeln „und alle anderen Sachen nicht zu machen“. Auch Frank Giroux rät davon ab, mehrere Hochkonzentrationsaufgaben parallel zu bearbeiten.

Vielleicht liegt auch hier die Lösung in einer smarten Entscheidungsfindung, die weniger auf Masse als auf eine starke Positionierung abzielt. Der Stratege Michael Porter prägte einmal den Satz „The essence of strategy is choosing what not to do“. Im anstehenden KI-Zeitalter gilt das womöglich umso mehr, und zwar nicht nur für die Strategieabteilung eines Unternehmens. Egal, ob es darum geht, welche Produktfeatures ich verfolgen will, welche Personen ich einstelle oder wie ich Budgets verteile: Klare Zielbilder helfen allen Entscheider:innen dabei, fokussiertere Entscheidungen zu treffen.