KI verändert unsere Arbeit. Nicht unsere Verantwortung.
Woher diese neun Grundsätze kommen
Wir setzen AI und Agenten täglich in echten Projekten ein. Dabei haben wir gelernt, wo sie Arbeit grundlegend verändern, und wo menschliche Erfahrung, Kontrolle und Verantwortung wichtiger werden.
Daraus sind diese neun Grundsätze entstanden.
AI first heißt bei uns: zuerst prüfen, dann entscheiden. Die Entscheidung treffen Menschen, und sie stehen dafür gerade.
1. KI-Agenten verändern, wie wir Software entwickeln
Wir diskutieren nicht mehr darüber, ob Agenten grundsätzlich eingesetzt werden können, sondern wo sie sinnvoll sind.
Unsere eigene Website mit über 440 Seiten wird seit 2026 überwiegend mit Agenten weiterentwickelt: Ein Mensch beschreibt die Aufgabe, der Agent setzt um, ein Mensch prüft das Ergebnis.
Für euch: Wir bringen diese Arbeitsweise in eure Projekte und zeigen transparent, wo Agenten einen echten Vorteil bringen, und wo nicht.
2. AI first heißt bei uns: zuerst prüfen, dann entscheiden
Bei jeder Aufgabe fragen wir zuerst, ob ein Agent sie besser, schneller oder gründlicher erledigen kann. Die Antwort kann auch Nein sein.
Human in the loop bedeutet für uns deshalb mehr als nachträgliches Korrigieren. Menschen bauen die Agenten, geben ihnen Kontext und Regeln und prüfen ihre Arbeit.
In unserer Entwicklung geschieht das an mehreren Stellen: durch automatisierte Tests, Code-Review, Staging und eure Abnahme.
Bestimmte Dinge überlassen wir Agenten nicht allein: mit euch kommunizieren, auf Produktion deployen, Daten löschen, Rechnungen stellen oder unter unserem Namen veröffentlichen.
Für euch: Ihr könnt nachvollziehen, was automatisiert wurde, welche Regeln galten und wer das Ergebnis geprüft hat.
3. Unser Wert liegt zunehmend darin, Systeme zu bauen, in denen Agenten zuverlässig arbeiten können
Die Arbeit unseres Teams verschiebt sich.
Weniger Zeit fließt in das reine Abarbeiten einzelner Aufgaben. Mehr Zeit fließt in Architektur, Kontext, Regeln, Tests, Sicherheitsgrenzen, Datenschutz und kontinuierliche Verbesserung.
Unsere Qualitäts-Gates sind ein Beispiel dafür: Vor jedem Merge laufen 39 automatisierte Prüfungen. Agenten profitieren von diesem System. Geschaffen und weiterentwickelt wird es vom Team.
Für euch: Ihr bekommt AI-Werkzeuge und dazu Menschen, die deren Grenzen aus der täglichen Arbeit kennen und die Umgebung entsprechend gestalten.
4. Produktivitätsgewinne gehören nicht in eine KI-Pauschale
Wir rechnen weiterhin nach Aufwand und mit denselben Stundensätzen wie vor dem breiten Einsatz von Agenten.
Wenn Agenten eine Aufgabe schneller machen, kommt dieser Vorteil bei euch an: entweder durch geringeren Aufwand oder durch mehr inhaltliche Tiefe innerhalb desselben Budgets.
Modellkosten sind Bestandteil unseres Stundensatzes. Dafür gibt es keine eigene Position auf der Rechnung.
Für euch: Ihr bezahlt unsere Arbeit, Erfahrung und Verantwortung, nicht dafür, dass irgendwo ein Sprachmodell läuft.
5. Anleitungen gibt es überall, Erfahrung nur durch Anwenden
Wissen über AI, Softwareentwicklung und Automatisierung ist heute nahezu überall zugänglich.
Deshalb teilen wir unsere Erfahrungen offen: Methoden, Workflows, Zahlen, technische Ansätze und auch Dinge, die wir ausprobiert und wieder verworfen haben.
Dieses Wissen dürft ihr ausdrücklich auch ohne uns nutzen.
Unser Geschäft ist nicht der Zugang zu Informationen. Unser Geschäft ist deren Anwendung unter Expertise und Verantwortung.
Für euch: Ihr könnt unsere Arbeitsweise beurteilen, bevor ihr uns beauftragt, und während eines Projekts nachvollziehen, warum wir bestimmte Entscheidungen treffen.
6. Je schneller sich AI-Werkzeuge ändern, desto wichtiger wird ein stabiles Fundament
Für Content, Benutzer, Rechte, Workflows und strukturierte Daten setzen wir seit 2012 auf Drupal.
Darum herum wählen wir die Werkzeuge nach Aufgabe. Agenten, Modelle und Automatisierungsplattformen dürfen sich verändern.
Das Fundament soll bestehen bleiben.
Für euch: Der Kern eurer Plattform bleibt unabhängig davon bestehen, welches AI-Werkzeug gerade sinnvoll ist.
7. Open Source ist für uns ein Mittel gegen unnötige Abhängigkeit
Wir wollen Kontrolle über Code, Daten und den Zeitpunkt behalten, an dem wir eine Technologie austauschen.
Deshalb besteht ein großer Teil unseres Stacks aus Open-Source-Software: unter anderem Drupal, n8n, LiteLLM, Ollama, GitLab, Redmine und Linux.
Wir geben auch selbst etwas zurück, beispielsweise durch eigene Drupal-Module, Event-Sponsoring und Coworking Days.
Bei Sprachmodellen entscheiden wir pragmatisch nach Qualität, Datenschutz und Aufgabe. Deshalb setzen wir sowohl offene Modelle als auch Dienste von Anthropic und OpenAI ein, direkt oder über Anbieter wie Langdock.
Personenbezogene Daten pseudonymisieren wir auf eigener Infrastruktur, bevor sie an externe Modelle übergeben werden.
Für euch: Ihr könnt nachvollziehen, welches Modell welche Daten verarbeitet, und die technische Architektur bleibt austauschbar.
8. Wir nutzen KI nicht, um Menschen durch Maschinen zu ersetzen
Unsere Arbeit ist nicht verschwunden. Sie hat sich verändert.
Wer früher hauptsächlich umgesetzt hat, baut und betreibt heute zusätzlich Agenten, definiert Regeln, prüft Ergebnisse und entwickelt unsere Arbeitsweise weiter.
Dafür schulen wir das gesamte Team.
Wir behaupten nicht, die langfristigen Auswirkungen von KI auf Arbeit vorhersehen zu können. Aber unser heutiger Weg ist klar: Wir entwickeln diese Arbeitsweise mit unserem Team, nicht gegen es.
Für euch: Wir entwickeln AI gemeinsam mit den Menschen, die Prozesse, Technik und Fachlichkeit bereits kennen, statt sie zu umgehen.
9. Wir testen selbst, bevor wir etwas empfehlen
Research und Prototyping gehören bei uns seit jeher zur normalen Arbeit.
Wir bauen automatisierte Workflows, setzen sie produktiv ein, beobachten ihre Ergebnisse, verändern sie und schaffen sie auch wieder ab, wenn sie sich nicht bewähren.
Vollautomatische Prozesse sind technisch oft möglich. Das bedeutet nicht automatisch, dass sie sinnvoll sind.
Für euch: Ihr bekommt Empfehlungen aus praktischer Erfahrung, einschließlich der Fälle, in denen weniger Automatisierung die bessere Entscheidung ist.
Was das für die Zusammenarbeit heißt
Wer arocom beauftragt, arbeitet mit Menschen, die Agenten bauen und verantworten. Ihr seht in jedem Projekt, wo Agenten gearbeitet haben und wer geprüft hat. Die Rechnung folgt dem Aufwand, wie bisher. Das Ziel dabei ist Wachstum, nicht der billigere Einkauf derselben Leistung: neue Themen anzugehen und KI mit uns in Bereichen einzuführen, die es bei euch noch nicht gibt.
Was wir dabei gelernt haben, steht offen im Blog, mit Zahlen und mit dem, was nicht funktioniert hat.
Redet mit einem Menschen
Das Erstgespräch ist kostenlos und unverbindlich. Es führt Axel Roth, kein Agent.
Ersetzt arocom Mitarbeiter durch KI?
Nein. Wir nutzen KI derzeit nicht, um Menschen durch Maschinen zu ersetzen. Die Arbeit hat sich verschoben: Wer früher umgesetzt hat, baut und betreibt heute zusätzlich Agenten, definiert Regeln und prüft Ergebnisse. Dafür schulen wir das gesamte Team.
Wofür zahle ich, wenn Agenten die Arbeit machen?
Für Arbeit, Erfahrung und Verantwortung: Aufgabe beschreiben, Agenten mit Kontext und Regeln ausstatten, Ergebnis prüfen, dafür geradestehen. Unsere Stundensätze sind dieselben wie vor dem breiten Einsatz von Agenten. Wo wir nach Aufwand abrechnen, sinkt mit dem Aufwand die Rechnung. Im Festpreis kommt der Vorteil als mehr inhaltliche Tiefe für dasselbe Budget an. Beide Modelle stehen auf der Seite Investition.
Welche KI-Anbieter setzt arocom ein, und wo liegen meine Daten?
Offene Modelle sowie Dienste von Anthropic und OpenAI, direkt oder über Anbieter wie Langdock, das in der EU gehostet wird. Personenbezogene Daten pseudonymisieren wir auf eigener Infrastruktur, bevor sie an ein externes Modell übergeben werden. Jeder Anbieter steht im Auftragsverarbeitungsvertrag, den ihr mit uns schließt (Art. 28 DSGVO). Das Team ist nach Art. 4 AI Act geschult, KI-erzeugte Inhalte kennzeichnen wir nach Art. 50.
Arbeitet arocom nur mit Drupal?
Als CMS ja, seit 2012: für Content, Benutzer, Rechte, Workflows und strukturierte Daten. Darum herum wählen wir die Werkzeuge nach Aufgabe, ein großer Teil davon Open Source: n8n, LiteLLM, Ollama, GitLab, Redmine, Linux.
Was heißt "human in the loop" konkret in meinem Projekt?
Ein Agent arbeitet auf einem eigenen Branch. Dazwischen liegen automatisierte Tests, ein Code-Review durch einen Entwickler, Staging und eure Abnahme, bevor etwas live geht. Mit euch kommuniziert immer ein Mensch. Ihr könnt nachvollziehen, was automatisiert wurde, welche Regeln galten und wer das Ergebnis geprüft hat.
Wer trägt die Kosten für die Modellnutzung?
Wir. Sie sind Bestandteil des Stundensatzes und erscheinen nicht als eigene Position auf der Rechnung.
Axel Roth, Ostfildern, im September 2026.
Diese neun Grundsätze habe ich mit dem Team geschrieben und stehe dafür. Wenn sich unsere Arbeit ändert, ändere ich diese Seite und schreibe hier auf, was anders ist.