Ihr SharePoint ist eine Goldmine: Wie Sie zehn Jahre Dokumente in die Wissensbasis eines KI-Agenten verwandeln

Jeder Mittelstaendler, der Microsoft 365 nutzt, sitzt auf demselben Wert: einer SharePoint-Umgebung, die ueber zehn oder fuenfzehn Jahre stillschweigend Vertraege, Produktdatenblaetter, technische Zeichnungen, QM-Handbuecher, Schulungsunterlagen, als PDF gespeicherte Kunden-Mails, Projekt-Wikis und den einen oder anderen Lieferantenkatalog aufgenommen hat. Rund 80 Prozent der Fortune-500-Unternehmen nutzen SharePoint, und in Deutschland ist es die Standard-Dokumentenschicht in Zehntausenden mittelstaendischen Firmen¹⁷. Die Inhalte sind da. Die meisten Mitarbeitenden finden sie nur nicht.

Dass KI diesen Schatz hebt, stimmt. Der Weg, den die meisten Firmen waehlen - Copilot einschalten, das Beste hoffen - funktioniert nicht. Microsoft selbst warnt seine Kunden inzwischen offen vor Oversharing: Copilot bewertet nicht, ob ein Zugriff angemessen ist, er liest schlicht, was der Nutzer bereits lesen darf⁴. Ein Jahrzehnt bequemer „freigegeben fuer alle ausser externe Nutzer“-Entscheidungen wird plotzlich zu einer Suchmaschine fuer Dinge, die nie jemand sichtbar machen wollte.

Dieser Leitfaden zeigt den gangbaren Weg. Behandeln Sie SharePoint als das, was es ist: eine Goldmine, die einen durchdachten Schacht braucht, keinen Bagger. Ein Custom-KI-Agent auf den Inhalten, die Sie ohnehin besitzen, mit fundiertem Retrieval, Rechten zum Abfragezeitpunkt, angereicherter Metadaten-Schicht und einem Scope, der tatsaechlich steuerbar ist. Zehn Jahre Dokumente werden zum institutionellen Gedaechtnis, das Fragen beantwortet, statt zu einem Laufwerk, das sie speichert.

Was in Ihrem SharePoint bereits steckt

Bevor man entscheidet, was ein Agent mit SharePoint tun kann, muss man ehrlich benennen, was tatsaechlich darin liegt. Ein typischer Mittelstands-Tenant mit 300 bis 1.500 Mitarbeitenden enthaelt weit mehr, als irgendjemand erinnert - und weit weniger Struktur, als irgendjemand annimmt.

• Vertraege und Vereinbarungen - Kundenkonditionen, NDAs, Lieferantenvertraege, Rahmenvertraege, oft in mehreren Versionen ueber Sites verteilt.
• Produkt- und Entwicklungs-Inhalte - Datenblaetter, technische Zeichnungen (oft PDF-Exporte aus CAD), Stuecklisten, Aenderungsmitteilungen, Compliance-Zertifikate.
• Qualitaet und Compliance - ISO-Handbuecher, SOPs, Arbeitsanweisungen, Audit-Berichte, DSGVO-Nachweise, EU-KI-Verordnung-Policies.
• Finanzen und Controlling - Budgetvorlagen, Forecast-Praesentationen, Vorstandsunterlagen, Investor-Updates, Monatsabschluss-Dokumentation.
• Vertrieb und Marketing - Angebotsvorlagen, Preisblaetter, RFP-Antworten, Kunden-Cases, Partnerunterlagen, Eventmaterial.
• HR und Schulung - Rollenbeschreibungen, Onboarding, Trainings, interne Richtlinien, Bewertungsvorlagen, Betriebsrats-Notizen.
• Projektarchive - ganze Teams- und Projekt-Sites, in denen die echte Historie liegt, wie etwas gemacht wurde.
• Der Long Tail - zufaellige Screenshots, gescannte PDFs vom persoenlichen Drucker, Legacy-Word-Dateien, doppelte Mail-Anhaenge, Schatten-IT-Tabellen.

Warum Microsoft 365 Copilot allein nicht reicht

Copilot ist ein brauchbarer Produktivitaetsassistent. Er fasst ein Dokument zusammen, auf das Sie ihn zeigen, verfasst eine Mail auf Basis eines Teams-Threads und spart Zeit bei Routinetexten. Das ist etwas anderes als ein KI-Agent, der komplexe Fragen beantwortet, indem er ueber hunderte Dokumente hinweg argumentiert, mit Zitaten, denen Sie trauen. Die meisten Mittelstaendler, die Copilot als Wissensbasis versuchen, rennen gegen dieselben Waende.

Wo Copilot nicht mehr reicht

• Einzelquellen-Denken - Copilot glaenzt, wenn er ein Dokument angezeigt bekommt; er tut sich schwer, wenn die Antwort drei Vertraege und eine Preisliste kombiniert.
• Keine Systemuebergreifende Reichweite - Fragen, die SharePoint plus ERP plus CRM plus Lieferantenportal brauchen, liegen ausserhalb von generischem Copilot.
• Ererbte Rechte - Copilot respektiert Nutzerrechte, was sicher klingt, aber jede Altentscheidung zu Oversharing in SharePoint sichtbar macht⁴.
• Keine Scope-Agenten by default - Copilot weiss nicht, welche zehn Dokumente die maassgebliche Quelle fuer eine Frage sind; er sieht den ganzen Graph.
• Keine Aktion - Copilot antwortet, handelt aber selten. Ein Agent entwirft, leitet weiter, aktualisiert einen Datensatz, schliesst einen Vorgang.
• Lizenzmathematik - bei 28-30 EUR pro Nutzer und Monat wird Copilot teuer, lange bevor er flaechendeckend genutzt wird⁸.

Die Oversharing-Falle (und wie Sie sie zuerst entschaerfen)

Oversharing ist der Hauptgrund, warum SharePoint-KI-Projekte haengenbleiben. Microsoft bezeichnet es inzwischen selbst als eines der verbreitetsten Governance-Probleme in Microsoft 365, dessen Wirkung sich vervielfacht, sobald Copilot oder ein Custom-Agent den Tenant liest^4,5. Das ist kein theoretisches Problem.

Wie das Problem entsteht

• Standardfreigabe fuer alle - die einfachste Rechteeinstellung bei Site-Anlage wird oft dauerhaft.
• „Alle ausser externe Nutzer“ - die gefaehrlichste Gruppe in Microsoft 365; wirkt kontrolliert, heisst in der Praxis jeder Interne.
• Gebrochene Rechte-Vererbung - Site-Rechte passen nicht zu Ordner- oder Dateirechten, eine Verengung oben repariert unten nichts.
• Alter externer Gast-Zugriff - Partner und Dienstleister von vor Jahren haben noch aktive Links.
• Schatten-Sites - jedes neue Team erzeugt eine SharePoint-Site; ueber Jahre driften Rechte auseinander, ohne dass jemand das verfolgt.
• Sensitivitaetslabel ungenutzt - Microsoft Purview Labels existieren, wurden aber nicht ausgerollt; vertrauliche Inhalte sind ununterscheidbar von allgemeinen.

Die Bereinigungs-Reihenfolge

1. Rechte-Audit durchfuehren - SharePoint Advanced Management Permission State Reports zeigen, welche Sites, Ordner und Dokumente breit zugaenglich sind⁴.
2. „Alle ausser externe“ entfernen, wo sie nicht hingehoert - ersetzen durch explizite Gruppen oder M365-Gruppen mit echtem Team-Bezug.
3. Vererbung wiederherstellen, wo sie unnoetig gebrochen wurde - flache, vererbte Rechte sind leichter zu steuern als fein-granulare Ausnahmen.
4. Sensitivitaetslabel anwenden auf klare Kategorien (vertraulich, intern, oeffentlich) - der Agent kann sie dann automatisch respektieren.
5. Restricted Content Discovery nutzen, um bestimmte Hoch-Risiko-Sites aus dem Agent-Zugriff auszuschliessen, auch wenn einzelne Nutzer sie weiter brauchen⁴.
6. Change-Monitoring aufsetzen - Rechte-Drift ist kontinuierlich; Governance ist ein Dauerprozess, kein Einzelprojekt.

Grounding, Chunking und Metadaten: Was Retrieval wirklich tragen

Der Unterschied zwischen einem Agenten, der brauchbare Antworten liefert, und einem, der plausibel klingenden Unsinn erfindet, ist fast nie das Sprachmodell. Es ist die Technik darunter: wie Inhalt zerlegt, angereichert, gefunden und belegt wird. Drei Entscheidungen zaehlen mehr als alles andere.

Chunking: wie Inhalt in abrufbare Stuecke zerlegt wird

• Naives Festgroessen-Chunking - Teilung nach Zeichenzahl; billig und schnell, zerschneidet Saetze und Gedanken willkuerlich. Nur fuer triviale Faelle.
• Rekursives Zeichen-Chunking - Teilung an natuerlichen Grenzen (Absaetze, Saetze) mit empirisch gepflegten Groessen; aktuell der Sweetspot fuer die meisten Mittelstandsinhalte¹¹.
• Semantisches Chunking - nutzt Embeddings, um inhaltlich zusammengehoerige Passagen zu gruppieren; teurer, aber praeziser fuer dichte technische Inhalte.
• Ueberschrift-bewusstes Chunking - respektiert Word- oder HTML-Struktur; ideal fuer SOPs, Handbuecher und gut strukturierte Dokumentation.
• Tabellen und Abbildungen - Tabellen werden als JSON mit Zeilen-IDs und Spaltenueberschriften gespeichert; Abbildungen laufen durch Vision-Modelle fuer Alt-Text¹¹.

Metadaten-Anreicherung: was der Agent ueber jedes Stueck weiss

• Quellenkennung - Site, Library, Ordner, Dateiname, Version - Pflicht fuer Zitate.
• Authoring-Metadaten - Autor, letzte Aenderung, Abteilung, Sprache.
• Sensitivitaetslabel - aus Microsoft Purview geerbt; bei der Antwort gefiltert oder gewarnt.
• LLM-generierte Metadaten - ein kleines Modell schreibt pro Stueck Zusammenfassung, Schluesselentities, Dokumenttyp und Themenlabel und erhoeht so die Retrieval-Praezision deutlich¹².
• Gueltigkeit und Ablauf - Vertraege und Richtlinien sind zeitgebunden; der Agent muss wissen, was aktuell gilt.
• Partition-Tags - erlauben, Anfragen auf Teilmengen („finance-reports“, „Produkt-A“) zu beschraenken, ohne Daten physisch zu trennen⁹.

Retrieval: wie der Agent die richtigen Stuecke findet

• Nur-Vektor-Retrieval - semantische Aehnlichkeit, stark bei Konzeptfragen, schwach bei exakten Bezeichnern wie Vertrags- oder Teilenummern.
• Nur-Keyword-Retrieval (BM25) - stark bei exakten Begriffen, blind fuer Synonyme und Umschreibungen.
• Hybrides Retrieval - beides kombiniert; heute Baseline, nicht Luxus. 80 Prozent der Enterprise-RAG-Systeme nutzen dieses Muster¹¹.
• Reranking - ein kleineres Modell ordnet die Top-Treffer nach echter Relevanz; ab etwa einer Million Chunks unverzichtbar¹¹.
• Metadaten-Filter - vorab nach Autor, Datum, Sensitivitaet oder Partition filtern, bevor die semantische Suche laeuft.
• Multi-Query-Expansion - der Agent formuliert die Frage mehrfach um und vereinigt die Ergebnisse fuer besseren Recall.

Mehr als „Chat mit Ihren Dokumenten“

„Chat mit Ihren Dokumenten“ ist die Demo, die die Idee verkauft und im Alltag enttaeuscht. Das nuetzliche Agent-Muster ist ein anderes: ein Agent, der weiss, welche Quellen fuer eine Frage maassgeblich sind, plant mehrere Retrieval-Schritte, kombiniert SharePoint mit anderen Systemen und fuehrt die naechste Aktion aus, sobald die Antwort steht.

Die vier Faehigkeiten, die Agenten von Suche trennen

1. Scope-Bewusstsein - der Agent weiss, dass Garantiefragen in einer bestimmten Site liegen, HR-Policies in einer anderen, Finanzvorlagen in einer dritten. Er verwaessert Retrieval nicht ueber den ganzen Tenant.
2. Mehrstufige Planung - er zerlegt eine komplexe Frage, setzt mehrere Retrieval-Aufrufe ab, reflektiert Zwischenergebnisse und korrigiert, wenn der erste Versuch schwache Treffer liefert¹⁰.
3. Systemuebergreifendes Grounding - er verknuepft SharePoint-Inhalte mit ERP-Datensaetzen, CRM-Kontext und externen APIs und zitiert jede Quelle getrennt.
4. Aktionsausfuehrung - sobald die Antwort belastbar ist, verfasst er die Mail, aktualisiert den Datensatz, erstellt die Aufgabe oder startet den Workflow, mit Human-in-the-Loop fuer alles Wirkungsstarke.

Ein realistischer Ablauf

Ein regionaler Vertriebsleiter fragt: „Welchen Preis haben wir zuletzt an Kunde X fuer Produktlinie B angeboten - und passt das noch zur aktuellen Rabattrichtlinie?“ Eine klassische Copilot-Antwort schaut auf das nahegelegene Dokument. Ein richtiger Agent:

1. Holt das aktuellste Angebot aus dem Kundenordner in SharePoint.
2. Holt die geltende Rabattrichtlinie aus der Vertriebs-Governance-Site.
3. Prueft im CRM den Kundenstatus und die Einstufung.
4. Gleicht Angebot, Richtlinie und Status ab - markiert jede Abweichung explizit.
5. Liefert eine zitierte Zusammenfassung; bietet an, einen Folge-Mail-Entwurf zu schreiben, der die Richtlinie einhaelt.

5 konkrete Use Cases fuer den Mittelstand

Das sind die fuenf Anwendungsfaelle, in denen sich ein SharePoint-gestuetzter Agent zuverlaessig innerhalb eines Jahres rechnet. Alle setzen voraus, dass Oversharing bereinigt, Scope definiert und der Retrieval-Stack produktionsreif ist.

1. Technischer Kundensupport mit Produktwissen

• Quellen - Datenblaetter, Handbuecher, FAQs, alte Support-Tickets, Aenderungsmitteilungen.
• Was der Agent tut - beantwortet die Frage des Support-Technikers mit Zitaten, sodass Kunden in Minuten statt in einem halben Tag eine Antwort bekommen.
• Typischer ROI - 30-50 Prozent weniger Bearbeitungszeit; messbare Verbesserung der First-Contact-Resolution.
• Governance - mittel; Inhalte sind nicht vertraulich, produktgenaue Antworten aber kritisch.

2. Vertragsklauseln und Pflichten abfragen

• Quellen - Kunden- und Lieferantenvertragsarchive, Rahmenvertraege, NDAs.
• Was der Agent tut - beantwortet „Wie sind unsere Kuendigungsrechte im Mueller-Vertrag?“ mit der Klausel, dem Stichdatum und einem Link zum unterschriebenen PDF.
• Typischer ROI - Legal und Vertrieb sparen pro Quartal Wochen aggregierter Suchzeit; Risiko verpasster Pflichten sinkt.
• Governance - scoped auf juristisch freigegebene Nutzer; Sensitivitaetslabel strikt beachten.

3. Qualitaets- und Compliance-Fragen beantworten

• Quellen - ISO-Handbuecher, SOPs, Arbeitsanweisungen, Audit-Logs, CAPA-Nachweise.
• Was der Agent tut - ein Maschinenfuehrer fragt „Was ist das aktuelle Drehmoment fuer Teil 4B?“ und bekommt die exakte Zeile aus dem aktuellen SOP mit Revisionsnummer.
• Typischer ROI - weniger Fehler in der Halle; kuerzere Audit-Vorbereitung; institutionelles Wissen gesichert vor Rentenwellen.
• Governance - hoch; regulierte Branchen brauchen nachvollziehbare Zitate und Revisionsfuehrung.

4. RFP und Angebotsassemblage

• Quellen - alte RFP-Antworten, Case Studies, Faehigkeitsbeschreibungen, Preisblaetter.
• Was der Agent tut - entwirft eine erste Antwort auf eine neue RFP-Frage in der genehmigten Unternehmenssprache, mit Quellenverweisen.
• Typischer ROI - 50-70 Prozent weniger Erstentwurfszeit; mehr Konsistenz zwischen Angeboten.
• Governance - scoped auf den Vertrieb; menschliche Pruefung bleibt Pflicht.

5. Onboarding und interne Wissensfragen

• Quellen - HR-Policies, Onboarding-Wikis, Produkthandbuecher, Organigramme.
• Was der Agent tut - beantwortet „Wie buche ich ein Training?“ oder „Wer betreut den Kunden Salzgitter?“, ohne dass jemand die richtige SharePoint-Seite sucht.
• Typischer ROI - schnellere Time-to-Productivity fuer Neueinsteiger; weniger Last auf HR und Admin.
• Governance - allgemeiner Zugriff, Sensitivitaetslabel verhindern Lecks in vertrauliche HR-Inhalte.

Das 60-Tage-Playbook

SharePoint-Agenten lassen sich schneller einfuehren als stackweite Projekte, weil Inhalt und Authentifizierung bereits existieren. So laeuft ein erfolgreicher 60-Tage-Einsatz.

Phase 1: Scope und Bereinigung (Wochen 1-3)

1. Woche 1: Use Case und Scope - einen Use Case (Support, Vertraege, Qualitaet) und einen Content-Scope (konkrete Sites und Libraries) waehlen. Nicht alles indexieren wollen.
2. Woche 2: Oversharing-Audit - SharePoint Advanced Management Reports auf den Scope ausfuehren, Rechte reparieren, Label setzen, Restricted Content Discovery aktivieren, wo noetig⁴.
3. Woche 3: Content-Kuration - maassgebliche von archivalischen Inhalten trennen, offensichtliche Duplikate deprecaten, Sensitivitaetsstufen bestaetigen.

Phase 2: Bauen und fundieren (Wochen 4-7)

4. Woche 4: Indexing-Pipeline - Chunking, Embeddings, Metadaten-Anreicherung, Partition-Tags konfigurieren. Azure AI Search oder aequivalenter Store ausgewaehlt.
5. Woche 5: Agentenlogik - Planung, Retrieval, Reranking, Zitate-Verhalten aufsetzen. Cross-System-Quellen (ERP, CRM) integrieren, wo der Use Case sie braucht.
6. Woche 6: Interner Test - gegen ein festes Set realer Fragen der Zielgruppe laufen. Retrieval-Praezision, Antwortqualitaet und Zitatgenauigkeit messen.
7. Woche 7: Feinschliff - offensichtliche Luecken schliessen: fehlende Metadaten, falsches Chunking bei bestimmten Dokumenttypen, Policy-Raender explizit behandeln.

Phase 3: Rollout und Messung (Wochen 8-9)

8. Woche 8: Pilot-Start - Go-Live mit der Zielgruppe. Feedback-Mechanismen an jeder Antwort. Nutzung und Zitatqualitaet taeglich beobachten.
9. Woche 9: Messung - Vergleich zur Baseline aus Phase 1 (Bearbeitungszeit, Suchzeit, Fehlerquote). An die Fuehrung berichten. Naechsten Use Case oder naechste Content-Expansion scopen.

DSGVO, EU-KI-Verordnung und Betriebsrat

Ein SharePoint-Agent erbt die Compliance-Pflichten der Inhalte, die er liest. Fuer den europaeischen Mittelstand zaehlen drei Rahmen am meisten. Keiner davon ist ein Blocker, aber alle drei gehoeren von Anfang an in den Entwurf.

DSGVO

• Inhalte bleiben im Tenant - Agenten holen aus Ihrem Microsoft-365-Tenant; der Index liegt in Ihrer Azure-Subscription in einer EU-Region.
• Ort der LLM-Verarbeitung - Azure OpenAI in EU-Regionen oder europaeische Modell-Anbieter (Mistral, Aleph Alpha) halten Inferenz in EU-Hoheit.
• Rechtsgrundlage - pro Use Case dokumentiert; berechtigtes Interesse deckt typisch operative Q&A; mitarbeiterrelevante Prozesse brauchen eigene Grundlage.
• Unterauftragsverarbeiter-Pruefung - jeder externe LLM-Anbieter im Verarbeitungsverzeichnis; DPAs unterzeichnet; Datenresidenz belegt.
• Recht auf Erklaerung - Zitate und abrufbare Audit-Logs erfuellen die praktische Anforderung; der Agent zeigt genau, welche Dokumente welche Antwort produziert haben.

EU-KI-Verordnung

• Risikoklasse - die meisten SharePoint-Wissens-Agenten fallen in minimales oder begrenztes Risiko; Transparenz („das ist ein KI-Agent“) ist die Hauptpflicht¹⁸.
• Artikel-4-Kompetenz - Nutzer und Admins brauchen dokumentierte Schulung bis August 2026; das Agentenprojekt ist der natuerliche Anlass.
• Hoch-Risiko-Szenarien - HR-nahe Agenten (Einstellung, Bewertung), sicherheitskritisches Wissen oder Kreditscoring-Inhalte schieben den Agenten in Hoch-Risiko; Konformitaetsbewertung greift.
• Nachweispflichten - Audit-Logs und Quellenzitate bedienen die Dokumentationsanforderungen direkt.

Betriebsrat

• Mitbestimmungs-Ausloeser - jeder Agent, der Mitarbeiter-nahe Prozesse beruehrt (HR-Abfragen, Bewertung, interne Kommunikation, Monitoring), braucht eine Betriebsvereinbarung.
• Operative Agenten sind leichter - ein Support- oder Vertrags-Agent braucht typischerweise Information und Konsultation, keine formale Vereinbarung.
• Fruehe Einbindung beschleunigt - scoped Agenten mit klarem Audit-Trail, dokumentierten Datenquellen und definierten Human-in-the-Loop-Regeln sind viel leichter zu genehmigen als offene Piloten.
• Vorlage fuer die Vereinbarung - strukturieren Sie die Betriebsvereinbarung entlang Scope, erlaubten Aktionen, Pruefpflichten, Aufbewahrung und KPIs; das spiegelt das technische Design.

Wie Superkind passt

Superkind baut individuelle KI-Agenten auf Ihrem bestehenden Stack, und SharePoint ist eine der haeufigsten Content-Quellen, die wir anbinden. Das Prinzip ist dasselbe wie bei ERP und CRM: wir verschieben Ihre Inhalte nicht, ersetzen keine Tools, sondern setzen eine Agent-Schicht darauf und machen die Inhalte, die Sie ohnehin besitzen, wirklich nutzbar.

• Scope vor Skala - wir starten mit einem Use Case und einem Content-Scope; der zweite nutzt die Grundlage des ersten.
• Oversharing-Bereinigung inklusive - jeder Einsatz startet mit einem Rechte-Audit des Ziel-Scopes, wo moeglich mit SharePoint Advanced Management.
• Grounded Retrieval by Design - hybrides Retrieval, ueberschrift-bewusstes und semantisches Chunking, LLM-generierte Metadaten, Reranking; keine Demos, die im Regelbetrieb umfallen.
• Systemuebergreifende Agenten - SharePoint plus ERP plus CRM plus, was der Use Case braucht. Nicht auf Microsoft-Oekosystem begrenzt.
• Europaeische Deployment-Optionen - Azure OpenAI in EU-Regionen, Mistral oder Aleph Alpha fuer souveraene Szenarien, Azure AI Search oder aequivalenter Store im Tenant.
• Ergebnis-basierte Preise - pro Use Case, an messbare Resultate gebunden, kein Per-Seat-Vertrag, der unabhaengig von der Nutzung kostet.
• Compliance eingebaut - DSGVO-konforme Architektur, EU-KI-Verordnungs-faehige Dokumentation, Betriebsrat-freundliche Scope- und Audit-Vorlagen.
• Kontinuierliche Verbesserung - wir liefern nicht ab und verschwinden; der Agent wird mit Nutzung scharfer, Ihr Team formt ihn durch Feedback.

Entscheidungsrahmen

Nicht jedes Unternehmen ist heute fuer einen SharePoint-Agenten bereit. So erkennen Sie es.

Haeufig gestellte Fragen

Weiterlesen

• KI-Agenten auf Legacy-Systemen - dasselbe Layering-Prinzip fuer ERPs ausserhalb SharePoint.
• KI-Agenten vs. Microsoft Copilot - wann Custom-Agenten Copilot schlagen.
• Schatten-KI im Mittelstand - warum Mitarbeitende in ChatGPT kopieren, wenn interne Tools zu kurz greifen.
• Ihre KI ist nur so gut wie Ihre Daten - Datenvoraussetzungen, die Retrieval tragen.
• KI-Agenten fuer den Mittelstand - der grundlegende Leitfaden.
• KI als Compliance-Assistent - verwandter Use Case fuer Audit und Richtlinien.
• Souveraene KI fuer den Mittelstand - wenn europaeischer Deployment-Kreis Pflicht wird.

Henri Jung

Co-Gruender von Superkind. Hilft Mittelstaendlern und Enterprises, individuelle KI-Agenten zu entwickeln, die wirklich zu ihren Arbeitsablaeufen passen. Henri arbeitet daran, die Luecke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen stiftet, zu schliessen. Er ist ueberzeugt, dass der Mittelstand alles hat, was es braucht, um in der KI fuehrend zu sein - nur den richtigen Ansatz.