KI & Daten · Stand November 2026

Apps auf Abruf: Warum Unternehmen bald weniger Tools brauchen

Bisher kauft ein Unternehmen für jede Aufgabe ein Werkzeug: eines für Berichte, eines für Abläufe, eines für Planung. Mit KI dreht sich das um. Wer eine Auswertung, eine Checkliste oder ein kleines Freigabe-Tool braucht, beschreibt es, und die App entsteht in Minuten. Sie lebt so lange, wie sie gebraucht wird. Das klappt aber nur, wenn die KI an die Daten des Unternehmens kommt, sicher und mit den richtigen Rechten. Genau dort entscheidet sich gerade, wer vorne liegt.

Das Wichtigste in Kürze

  • Apps entstehen nach Bedarf: KI-Plattformen bauen Oberfläche, Datenbank und Logik aus einer Beschreibung. Viele Einzeltools werden dadurch überflüssig.
  • Auch große Analytics-Tools geraten unter Druck: Microsoft und SAP öffnen Power BI und ihre Plattformen selbst für KI-Agenten. Die Oberfläche verliert an Wert, das Datenmodell gewinnt.
  • Daten sind der Engpass: Nur 6 % der Unternehmen schöpfen ihre Daten voll aus. Wer alle Systeme per MCP ansprechbar macht, gewinnt.
  • Code Mode macht es effizient: Lässt man die KI Code gegen die Schnittstellen schreiben, sinkt der Verbrauch im Beispiel von Anthropic um 98,7 %.
  • Klein geht es schon heute: Mit ChecKI ersetzen kleine Betriebe Word und Excel für Angebote, Rechnungen und Auswertung.

Was „Apps auf Abruf“ bedeutet

Bisher war Software ein Produkt: Jemand plant sie, baut sie, verkauft Lizenzen, und alle arbeiten mit denselben Masken. Jetzt kann ein Sprachmodell die passende Oberfläche für genau eine Frage erzeugen. Google Research hat im November 2025 gezeigt, dass Gemini für beliebige Anfragen ganze interaktive Oberflächen baut, von Werkzeugen bis zu Simulationen. In Tests zogen Menschen diese Oberflächen klar reinen Text- und Markdown-Antworten vor. Nur von Fachleuten gebaute Websites schnitten noch etwas besser ab. Google nennt auch die Grenzen: Das Erzeugen dauert teils eine Minute oder länger, und nicht jedes Ergebnis ist fehlerfrei (Google Research, 18.11.2025).

Im Unternehmen kommt das gerade an. Die Berliner KI-Plattform Langdock bietet mit Langdock Apps genau das: Mitarbeitende beschreiben im Chat ein internes Werkzeug, prüfen die Vorschau, lassen nachbessern und veröffentlichen es. Die App kann eigene Daten speichern und die Integrationen nutzen, die der Administrator im Unternehmen freigibt. Jede Person nutzt dabei ihre eigene Verbindung, und Aktionen in Fremdsystemen müssen einzeln erlaubt werden (Langdock-Dokumentation). Laut dem Langdock-Partner unfuture sehen ab dem 17. November 2026 alle Nutzer eines Arbeitsbereichs die Apps, sofern der Administrator sie nicht abschaltet (unfuture, 04.11.2026).

Microsoft-Chef Satya Nadella hat die Richtung schon im Dezember 2024 beschrieben: Geschäftsanwendungen seien im Kern Datenbanken mit Geschäftslogik, und diese Logik wandere zu KI-Agenten (OfficeChai, 19.12.2024). Gartner erwartet, dass bis Ende 2026 40 % der Unternehmensanwendungen Agenten für bestimmte Aufgaben enthalten, nach weniger als 5 % im Jahr 2025 (Gartner, 26.08.2025).

Warum viele Tools überflüssig werden

Die meisten Werkzeuge im Büro machen drei Dinge: Daten holen, sie zeigen und einen Ablauf anstoßen. Wenn eine KI das für jede Frage neu zusammenbauen kann, braucht es nicht mehr für jede Aufgabe ein eigenes Produkt mit eigener Lizenz, eigener Schulung und eigener Schnittstelle. Unsere Einschätzung, was sich verschiebt:

  • Feste Dashboards: Wer eine Frage hat, stellt sie und bekommt Antwort, Grafik oder Mini-App. Der Bericht, den alle einmal im Monat öffnen, wird seltener.
  • Lizenzen je Werkzeug: Statt eines Tools je Abteilung reicht eine KI-Plattform, die Oberflächen nach Bedarf baut. Bezahlt wird für Nutzung, nicht für Regale voller Software.
  • Flows zwischen Systemen: Wo heute ein Flow Daten von A nach B schiebt, ruft ein Agent die Werkzeuge beider Systeme auf und legt das Ergebnis zur Freigabe vor.
  • Was bleibt: Saubere Datenmodelle, Kennzahlen-Definitionen und Rechte. Sie werden wertvoller, weil jede App darauf aufbaut.

Wie stark das den Markt schon bewegt, zeigte die Börse Anfang 2026: Nach neuen Erweiterungen für den KI-Assistenten von Anthropic verlor der S&P-500-Index für Software und IT-Dienste in einer Woche rund 830 Milliarden US-Dollar an Wert. Analysten verwiesen darauf, dass Lizenzen je Nutzer an Wert verlieren, wenn KI dieselbe Arbeit erledigt (ITPro, 05.02.2026). Mehr dazu steht in unserem Artikel „Make or Buy … bald vorbei?“.

Power BI, Power Automate und SAP Analytics Cloud unter Druck

Analytics-Werkzeuge leben davon, dass Fachleute Berichte bauen und alle anderen sie ansehen. Wenn jede Person ihre Frage selbst stellen kann und die passende Grafik bekommt, verliert der feste Bericht an Bedeutung. Gartner erwartet, dass bis 2027 75 % der Analytics-Inhalte generative KI nutzen und dass sich Analytics-Plattformen zu autonomen Systemen entwickeln, die 20 % der Geschäftsprozesse selbst steuern (Gartner, 18.06.2025).

Bemerkenswert ist, dass die großen Anbieter diesen Weg selbst gehen. Microsoft bietet für Power BI eigene MCP-Server an: einen, mit dem KI-Agenten Datenmodelle anlegen und ändern, und mit Fabric IQ einen für Fragen in normaler Sprache. Beide arbeiten mit den Rechten der angemeldeten Person (Microsoft Learn, 29.09.2026). SAP hat auf der TechEd 2025 ein MCP-Gateway angekündigt, über das eigene Schnittstellen und Integrationsabläufe als Werkzeuge für KI-Agenten bereitstehen, dazu MCP-Unterstützung in Joule Studio und SAP HANA Cloud (SAP News, 05.11.2025).

Das ist folgerichtig, verändert aber das Geschäft: Wenn ein Agent das Datenmodell direkt abfragt, braucht nicht mehr jede Person eine Lizenz für die Berichtsoberfläche. Ähnlich bei Power Automate: Ein Flow, der Daten zwischen zwei Systemen verschiebt, wird zu einem Agenten, der die Werkzeuge beider Systeme aufruft. Für SAP Analytics Cloud gilt dasselbe, sobald die Daten über MCP erreichbar sind. Unsere Einschätzung: Diese Produkte verschwinden nicht morgen, aber ihr Wert wandert von der Oberfläche zum Datenmodell. Wer heute neue Lizenzen für Jahre plant, sollte das einrechnen.

Datendemokratisierung: Jede Person fragt die Daten, die sie sehen darf

Datendemokratisierung heißt nicht, dass alle alles sehen. Es heißt: Jede Person kommt ohne Ticket an die IT an genau die Daten, die sie ohnehin sehen darf, in normaler Sprache. Davon sind die meisten Unternehmen weit entfernt. Laut Bitkom gehen nur 6 % der Unternehmen davon aus, dass sie das Potenzial ihrer Daten vollständig ausschöpfen, 18 % schöpfen es überhaupt nicht aus (Bitkom, 11.06.2024).

Für Apps auf Abruf ist das der eigentliche Engpass. Die KI kann nur so gute Apps bauen, wie sie Daten bekommt. Steckt das Wissen in Excel-Listen auf Laufwerken oder in Systemen ohne Schnittstelle, baut sie hübsche Oberflächen ohne Inhalt. Deshalb lohnt es sich jetzt, Datenmodelle, Begriffe und Rechte sauber zu beschreiben. Warum diese fachliche Beschreibung die Antwortqualität so stark verbessert, zeigen wir im Artikel „Talk to your Data“.

Alle Systeme per MCP ansprechbar machen

Das Model Context Protocol (MCP) ist seit November 2024 der offene Standard, über den KI-Assistenten mit Unternehmenssystemen sprechen (Anthropic, 25.11.2024). Seit Dezember 2025 betreut ihn die Agentic AI Foundation unter dem Dach der Linux Foundation, unterstützt unter anderem von Google, Microsoft und AWS (Anthropic, 09.12.2025). Eine MCP-Schnittstelle, einmal gebaut, funktioniert also mit vielen KI-Plattformen. Das macht sie zur besten Investition, die ein Unternehmen gerade in seine Systeme stecken kann: Jedes System, das per MCP erreichbar ist, steht jeder künftigen App zur Verfügung.

Code Mode: so effizient wie möglich

Der klassische Weg hat einen Haken: Die KI ruft ein Werkzeug auf, liest das ganze Ergebnis, ruft das nächste auf und kopiert die Daten weiter. Jede Zwischenstufe läuft durch das Modell und kostet Zeit und Geld. Cloudflare hat dafür im September 2025 den Ansatz Code Mode vorgestellt: Die Werkzeuge eines MCP-Servers werden als TypeScript-Schnittstelle beschrieben, und das Modell schreibt Code, der sie aufruft. Sprachmodelle haben sehr viel echten Code gesehen, aber nur wenige künstliche Werkzeugaufrufe, und schreiben deshalb besser Code (Cloudflare, 26.09.2025).

Der Code läuft in einer abgeschotteten Sandbox ohne freien Internetzugang. Er erreicht nur die freigegebenen MCP-Server, und die Zugangsschlüssel bleiben beim Server, sodass der erzeugte Code sie gar nicht kennt (Cloudflare). Anthropic kam zum selben Ergebnis: In einem Beispiel, in dem ein Agent ein Dokument aus Google Drive in Salesforce überträgt, sank der Verbrauch von 150.000 auf 2.000 Tokens, eine Ersparnis von 98,7 %. Zwischenergebnisse bleiben dabei in der Sandbox, das Modell sieht nur, was ausdrücklich zurückgegeben wird. Das schützt auch personenbezogene Daten (Anthropic, 04.11.2025). Anthropic weist darauf hin, dass Sandbox, Limits und Überwachung eigenen Aufwand bedeuten. Die Zahl stammt aus einem Beispiel und ist kein allgemeiner Messwert.

Für uns folgt daraus eine feste Regel: Jede MCP-Schnittstelle, die wir bauen, beschreibt ihre Werkzeuge so, dass sie als typisierte Code-Schnittstelle taugen, mit Einheiten, Seitenweise-Abruf, Antwortschema und IDs zum Weiterverwenden.

Schema: Mitarbeitende beschreiben einen Wunsch. Eine KI-Plattform wie Langdock erzeugt die App, das Modell schreibt Code in einer Sandbox (Code Mode), eine MCP-Datenschicht wie die Virtual Data Platform holt die Daten live und mit den Rechten des Nutzers aus SAP, Salesforce, Datenbanken und SharePoint.
Vom Wunsch zur App: Die Daten bleiben in ihren Systemen, die App entsteht obendrauf. Zum Vergrößern antippen.

Die Virtual Data Platform: alle Daten, nichts kopiert

Jedes System einzeln anzubinden, dauert. Hier setzt die Virtual Data Platform aus Gröbenzell bei München an, unter dem Motto „Connect everything. Copy nothing.“ Die Daten bleiben in ihren Quellen und werden bei jeder Abfrage live geholt, ohne nächtliche Kopie in ein Data Warehouse. Anbindungen gibt es unter anderem für SAP BW, SAP HANA, SAP Business One, Salesforce, Workday, Snowflake, Dynamics 365, SharePoint, Oracle, PostgreSQL und Microsoft SQL Server. Fachleute bauen daraus ohne Code sogenannte Virtual Datasets, also wiederverwendbare fachliche Sichten mit Geschäftslogik (Virtual Data Platform).

Für KI ist der eingebaute MCP-Server entscheidend: Assistenten sehen nur die freigegebenen Virtual Datasets als Werkzeuge, und jede Abfrage läuft mit der Anmeldung der Person, die fragt. Genannt werden unter anderem Claude, Microsoft Copilot Studio, Azure AI Foundry und eigene Agenten (Virtual Data Platform, AI & MCP). Das Gateway im Unternehmen baut nur ausgehende Verbindungen auf, eingehende Firewall-Regeln sind nicht nötig. Die Plattform läuft in einem eigenen Azure-Mandanten, Excel und Power BI bleiben als Zugang erhalten.

Kombiniert man das mit dem passenden KI-Modell, entsteht genau die Kette aus der Grafik oben: Die Datenschicht liefert geprüfte Daten mit den richtigen Rechten, das Modell schreibt per Code Mode die Abfragen, und die KI-Plattform baut die Oberfläche dazu, als webbasierte App für genau diesen Zweck. Welches Modell es wird, entscheidet die Aufgabe: ein schnelles für einfache Listen, ein starkes für Analysen und Code.

Langdock: Apps für große Unternehmensgruppen

Gerade für Konzerne mit vielen Gesellschaften ist Langdock interessant. Die Plattform kommt aus Berlin, lässt sich mit mehr als 30 KI-Modellen führender Anbieter nutzen und unterstützt offene Standards wie REST, MCP und Agent-to-Agent. Betrieben wird sie standardmäßig auf Servern in der EU, für große Kunden auch als eigene Installation, ab 5.000 Plätzen in der eigenen Cloud des Kunden oder im eigenen Rechenzentrum. Langdock nennt Kunden wie Merck, Würth, Trumpf und Eppendorf, bei Merck mit mehr als 33.000 monatlich aktiven Nutzern (Langdock Enterprise).

Mit Apps wird daraus mehr als ein Chat: Jede Gesellschaft, jede Abteilung baut sich die Werkzeuge, die sie braucht, auf derselben Plattform, mit denselben Rechten und derselben Verwaltung. Administratoren sehen alle Apps, steuern, wer sie erstellen und teilen darf, und können einzelne Apps sperren (Langdock-Dokumentation).

Unabhängigkeit von Microsoft und SAP

Der größte Gewinn liegt in der Unabhängigkeit. Bisher bestimmte der Anbieter des Kernsystems auch, wie man an die Daten kommt: über SAP Analytics Cloud und Joule bei SAP, über Power BI, Power Automate und Copilot bei Microsoft. Mit einer offenen Datenschicht über MCP und einer KI-Plattform, die das Modell frei wählen lässt, gehört die Oberfläche nicht mehr dem ERP-Anbieter. SAP bleibt das führende System für Buchungen und Aufträge, aber welche Apps darauf entstehen und welches Modell sie antreibt, entscheidet das Unternehmen selbst.

Ehrlich gesagt heißt das nicht „ohne jede Abhängigkeit“: Langdock und die Virtual Data Platform laufen standardmäßig auf Microsoft Azure, und laut unfuture lässt sich der Code einer Langdock-App weder bearbeiten noch exportieren (unfuture). Wer sich frei halten will, legt den Wert deshalb in die offenen Schichten: MCP-Schnittstellen, Datenmodell und Begriffe. Die lassen sich mitnehmen, falls die Plattform einmal wechselt.

Im Kleinen schon heute: ChecKI statt Office

Was bei Konzernen gerade beginnt, funktioniert für kleine Betriebe bereits. ChecKI ist genau so ein Werkzeug, das nur das tut, was der Betrieb braucht: Angebote per Sprache oder Foto beim Kunden erstellen, mit Kalkulations-Check und eigener Preisliste, mit einem Tipp daraus eine E-Rechnung im ZUGFeRD-Format machen und offene Posten, Erinnerungen und Umsätze im Blick behalten. Die Auswertung zeigt Kennzahlen, Angebote und Rechnungen, Kosten und Ertrag, ohne dass jemand eine Excel-Tabelle pflegt.

Für Angebote und Rechnungen fallen damit Word-Vorlagen, Excel-Listen und das Abtippen dazwischen weg. ChecKI kostet ab 14,99 € im Monat. Wer Office nur für diese Arbeit bezahlt, kann das Abo oft kündigen. Wie viel Zeit das spart, rechnen wir im Artikel „Büroarbeit unterwegs erledigen“ ehrlich durch. Es ist dasselbe Prinzip wie bei den großen Plattformen: weniger Programme, mehr Ergebnis.

ChecKI ansehen

Ausblick: Wer heute KI-nativ wird, onboardet morgen Roboter

Der nächste Schritt verlässt den Bildschirm. Google DeepMind hat im September 2025 Gemini Robotics 1.5 vorgestellt: Ein planendes Modell zerlegt Aufgaben, ruft dabei digitale Werkzeuge wie die Google-Suche oder vom Nutzer definierte Funktionen auf, und ein zweites Modell setzt die Schritte in Bewegungen um. Gelerntes überträgt sich von einem Roboter auf andere, etwa auf den humanoiden Roboter Apollo von Apptronik, ohne das Modell für jeden Roboter anzupassen (Google DeepMind, 25.09.2025). In der Fabrik ist das keine Zukunftsmusik mehr: Humanoide Roboter von Figure haben elf Monate im BMW-Werk Spartanburg gearbeitet, mehr als 90.000 Teile eingelegt und an der Produktion von über 30.000 Fahrzeugen mitgewirkt, laut Figure (Figure, 19.11.2025).

Für Unternehmen heißt das: Ein Roboter braucht dieselben Werkzeuge wie eine App. Er muss wissen, welcher Auftrag ansteht, wo das Material liegt, was die Arbeitsanweisung sagt und wann er fertig melden soll. Wer seine Systeme heute per MCP ansprechbar macht und sein Wissen fachlich beschreibt, hat diese Werkzeuge bereits. Unsere Einschätzung: Das Onboarding eines Roboters an die Firmendaten dauert dann wenige Stunden statt Monate, weil nur noch die vorhandenen Werkzeuge freigegeben werden. Die Mechanik, die Sicherheit am Arbeitsplatz und das Anlernen der Bewegungen brauchen weiter ihre Zeit. Wer dagegen erst dann anfängt, seine Daten zu öffnen, wenn der Roboter in der Halle steht, verliert genau die Zeit, die andere schon investiert haben.

So fangen Sie an

  1. Daten finden: Welche Systeme gibt es, wem gehören die Daten, welche Rechte gelten? Diese Landkarte ist die Grundlage für alles Weitere.
  2. Fachlich beschreiben: Begriffe und Kennzahlen festhalten: Was ist ein offener Auftrag, wie rechnet sich die Marge? So rät die KI nicht.
  3. Per MCP öffnen: Jedes System bekommt eine MCP-Schnittstelle mit Rechteprüfung, zuerst nur lesend. Für viele Systeme auf einmal hilft eine Datenschicht wie die Virtual Data Platform.
  4. Code Mode einplanen: Werkzeuge mit klaren Beschreibungen, Einheiten und Antwortschema bauen, damit Modelle sie als Code-API nutzen können.
  5. Erste Apps bauen lassen: Mit einer Abteilung drei echte Wünsche umsetzen und messen, was es spart. Erst danach ausweiten und Schreibzugriff mit Freigabe ergänzen.

Welche Leitplanken dabei gelten sollten, von nur lesendem Start bis zur Notbremse, steht im Artikel „Talk to your Data“. Wie das mit dem Datenschutz zusammengeht, erklärt „KI im Betrieb nutzen, ohne dass Daten die EU verlassen“.

Ihre Systeme bereit für Apps auf Abruf?

In der Session „KI-native Unternehmensarchitektur“ (2 bis 3 Stunden, Festpreis) bestimmen wir Ihren Reifegrad, erstellen die Daten-Landkarte Ihrer wichtigsten Systeme und einen 90-Tage-Fahrplan. Danach baue ich auf Wunsch die MCP-Schnittstellen mit Code Mode.

Zum Workshop Direkt anfragen

Quellen

Dieser Artikel gibt meine Einschätzung wieder (Stand November 2026). Zahlen stammen aus den genannten Quellen, Angaben zu Produkten von den Anbietern selbst.