Ideenarchiv · Projektdossier

Von „lässt sich das bauen“ zu „wer zahlt zuerst“: 5W1H-Neusortierung hinter den Zugangswällen

Ideenarchiv · GeekWaedon @GeekWaedon

GeekWaedon @GeekWaedon · 2026-11-08

Kernurteil: Die ersten drei Dossiers sind nicht zu oberflächlich – sie stellen die falsche Frage. Über fünfhundert Textblöcke begründen solide, ob etwas baubar ist, doch keiner beantwortet die für ein Startup entscheidende Frage: Wer zahlt die erste Rechnung, und unter welchen Bedingungen? Wichtiger noch: Was die Prämissen 2026 wirklich verändert hat, ist nicht die Modellleistung, sondern der Zugang. Von den Nutzungsbedingungen über die Netzinfrastruktur bis zu Plattformprozessen und internen Vorgaben der Anbieter ist „erreichbar sein“ keine technische Annahme mehr, sondern ein Bündel jederzeit veränderbarer vertraglicher und kommerzieller Bedingungen. Diese Übersicht ergänzt zweierlei: Zugangsrisiken werden zur Designprämisse, und mit 5W1H werden die drei Projekte von der Machbarkeit in eine Reihenfolge der Zahlungseingänge überführt.

Dieser Beitrag widerruft die ersten drei Dossiers nicht. Risikoprüfung, Paragraf-für-Paragraf-Zuordnung und Verzichtslisten bleiben gültig. Hinzu kommt eine einzige Randbedingung: Jede externe Abhängigkeit kann abgeschaltet werden. Außerdem ersetzt er qualitative Abbruchlinien durch bezifferte, auslösbare Bedingungen.

Prüfdatum 2026-11-08. Anbietermitteilungen, Gerichtsunterlagen, Fachpublikationen und Analystenprognosen werden getrennt gekennzeichnet; Vermutungen werden nicht als Fakten geschrieben. Alle Schwellenwerte hier sind betriebliche Abbruchlinien, die diese Site für ein Ein-Person-Unternehmen festlegt – eigene Schätzungen, keine Branchenbenchmarks.

I. Das neue Risiko: nicht eine Wand, sondern vier Zugangsebenen

Die Einschätzung, Internetkonzerne und führende Modellanbieter hätten „im Namen der Sicherheit“ Firewalls errichtet, zeigt in die richtige Richtung, deckt aber nur ein Motiv ab. Nach dem am 2026-11-08 prüfbaren Material sind die Beschränkungen gestaffelt, und jede Ebene hat einen völlig anderen Ausweg.

Ebene	Öffentliche Belege und Prüfdatum	Bedeutung für ein Ein-Person-Unternehmen
Vertragsebene · Nutzungsbedingungen der Modelle	Die am 2026-01-01 wirksam gewordenen persönlichen Bedingungen von OpenAI untersagen die automatisierte oder programmatische Extraktion von Daten und Ausgaben, das Umgehen von Ratenbegrenzungen und Schutzmaßnahmen sowie die Entwicklung von mit OpenAI konkurrierenden Modellen aus Ausgaben; die kommerziellen Bedingungen von Anthropic und die Zusatzbedingungen der Google Gemini API enthalten Entsprechendes (Klauselübersicht der Kanzlei Zhong Lun, 2026). Die schriftliche Zeugenaussage vor dem Justizausschuss des US-Senats vom 2026-04-22 ordnete sogenannte „distillation attacks“ ausdrücklich als breach of terms of service ein – als Vertragsverletzung, nicht als Diebstahl im strengen juristischen Sinn.	Kein Modell zu trainieren beseitigt das Vertragsrisiko nicht. Sobald ein Arbeitsablauf auf Massenaufrufen beruht und Ausgaben zu einem dauerhaften eigenen Vermögenswert werden, sind Nutzungsbedingungen, Datenverarbeitungszusatz und Sonderklauseln des Enterprise-Abos einzeln zu prüfen.
Infrastrukturebene · CDN und Bot-Richtlinien	Ab 2025-07-01 lehnt Cloudflare KI-Crawler auf neuen Domains standardmäßig ab und wechselt von Opt-out zu Opt-in; am 2025-09-24 veröffentlichte das Unternehmen die Content Signals Policy und schrieb sie in die verwaltete robots.txt von über 3,8 Millionen Domains; am 2026-07-01 teilte es den automatisierten Verkehr in Search / Agent / Training auf und gab die Steuerung auch für den kostenlosen Tarif frei; die offizielle Ankündigung nennt ab 2026-09-15 für neue Domains mit Werbeseiten standardmäßig Block für Training und Agent bei erlaubtem Search, wobei Crawler mit gemischtem Zweck nach der strengsten zutreffenden Regel behandelt werden.	„Erreichbar sein“ gilt nicht mehr automatisch. Search, Agent und Training brauchen jeweils eigene Freigaben; llms.txt und Content Signals sind Erklärungen und Bitten, kein Passierschein.
Plattform- und Justizebene	Amazon verklagte Perplexity im 2025-11 wegen agentischer Einkäufe mit Comet; ein Bundesgericht in Kalifornien erließ 2026-03 eine einstweilige Verfügung; am 2026-08-04 hob das Berufungsgericht des Neunten Bezirks sie auf, weil der Agent ein Werkzeug und keine Person sei und nicht der Anbieter, sondern der Nutzer selbst die Plattform betrete, wobei es zugleich klarstellte, dass es kein neues Rechtsregime für Agenten schaffe und Plattformen den Zugang weiter über Nutzungsbedingungen beschränken dürfen. Am 2026-09-21 reichte Amazon eine geänderte Klageschrift ein, das Verfahren läuft weiter. Im Fall Reddit gegen Perplexity / SerpApi wurde 2026-07 der überwiegende Teil des Abweisungsantrags zurückgewiesen.	Die strafrechtliche Hürde ist gesunken, die vertragliche unverändert. Nicht auf „ein Gericht hat uns hereingelassen“ bauen, sondern auf „die Plattform kann ihre Bedingungen jederzeit ändern“.
Anbieterinterne und Ökosystem-Ebene	Medienberichte aus der ersten Jahreshälfte 2026: Google untersagte den meisten Beschäftigten aus Sicherheitsgründen Claude Code / Codex und begrenzte die an Meta gelieferte Gemini-Aufrufkapazität wegen Rechenkontingenten; Microsoft strich die meisten internen Claude-Code-Lizenzen; Meta beschränkte den Einsatz von Wettbewerbswerkzeugen bei der Modellentwicklung. Tencent beschrieb 2026-09 öffentlich seine Firewall für Großmodell-Anwendungen, die Agenten-Sandbox, die Einzelautorisierung mit lückenloser Protokollierung und die Lieferkettensicherheit für Drittanbieter-Skills.	MCP und das Skill-Ökosystem sind zugleich neuer Vertriebskanal und neue Prüffläche. Ob ein Drittanbieter-Server aufgerufen werden darf, entscheidet die Richtlinie des Hosts, nicht die Standardisierung des Protokolls.

Zuerst die Formulierung „im Namen der Sicherheit“ kalibrieren: Mindestens vier Motive wirken gleichzeitig – Rechenkontingente (jeder Aufruf hat echte Grenzkosten), Datengrenzen (Schutz vor dem Abfluss interner Geheimnisse), Vermögensschutz (gegen Distillation und Verunreinigung der Entwicklungspipeline) und kommerzielle Lizensierung (von Pay Per Crawl über Pay Per Use zu x402, womit Seiten, Datensätze, APIs und sogar MCP-Werkzeuge bepreist werden können). Alle vier auf Sicherheit zurückzuführen führt zu dem Fehlschluss, ein Compliance-Nachweis genüge; Kontingente und Lizenzen sind strukturell und lassen sich nur umgehen oder bezahlen.

Ein weiterer selten eingepreister Bias: Eine Arbeit auf der ACM Web Conference 2026 (Steinacker-Olsztyn, Gosain, Dao) maß, dass 60,0 % der seriösen Nachrichtenseiten mindestens einen KI-Crawler ablehnen, bei Desinformationsseiten nur 9,1 % – seriöse Seiten nennen im Mittel 15,5 KI-User-Agents. Eine SIGIR-2026-Studie mit 11.500 realen Suchanfragen fand, dass Seiten, die den Google-KI-Crawler blockieren, deutlich seltener von AI Overviews abgerufen werden. Was ein Agent lesen kann, ist also bereits eine gefilterte, verzerrte Stichprobe. Umgekehrt meldete TollBit 2026-02, dass im vierten Quartal 2025 rund 30 % der KI-Bot-Abrufe die ausdrücklichen robots.txt-Vorgaben missachteten (Fremdmonitoring, keine Selbstauskunft der Plattformen). Erlaubt zu sein und zitiert zu werden sind zweierlei; keines von beiden gehört in die Default-Annahmen eines Geschäftsplans.

Für das Design bleiben drei Disziplinen: Daten gelangen nur über vom Nutzer ausgelöste Exporte und lizenzierten Quellen mit klaren Rechten herein, Scraping ist nie Hauptkanal; Modelle sind austauschbar, Evaluierungsset und zwei Anbieter sind Standard; Lieferobjekte müssen herunterladbar und offline prüfbar sein und an keinen einzelnen Agenten oder keine einzelne Plattform gebunden.

II. 5W1H: drei Dossiers Feld für Feld in eine Zahlungsreihenfolge bringen

5W1H ist ein altes Raster. Sein Wert liegt nicht in der Neuheit, sondern darin, dass es jedes Feld ehrlich zu füllen zwingt. Liest man die drei Dossiers damit, sind Who und When im Wesentlichen leer: Zielnutzer sind beschrieben, aber nicht die Person, die unterschreibt und zahlt; ein 12-Wochen-MVP ist beschrieben, aber nicht die Woche der ersten Zahlung. Unten steht in jedem Feld nur widerlegbarer Inhalt.

Dimension	Projekt eins · PrivateGraph (Beziehungsentitäten)	Projekt zwei · konforme Lieferpakete und maschinenlesbare Assets	Projekt drei · resolve() und Beweiskette
What · was tatsächlich verkauft wird	Ein einmaliges Lieferobjekt „Beziehungsaufnahme und Audit der Empfehlungspfade“, kein Abo-App; Ergebnis ist eine herunterladbare Liste von Empfehlungspfaden samt Belegen.	Aus einem Entstehen N konformitätsgeprüfte Lieferpakete plus ein maschinenlesbares Asset (Block mit Originalstatistik, strukturierte Fragen und Antworten, llms.txt-Einträge) – nicht „Ein-Klick-Veröffentlichung auf Plattformen“.	Ein `resolve()`-Aufruf mit einer Beweiskette aus Quelle, Version, Zeitstempel und Konfidenz; „kein Bauteil im Bestand“ ist ein Ergebnis erster Klasse, keine weitere Datenbank-Website.
Why · warum gerade jetzt	Die Speicherschicht ist voll von Produkten, die lokale Verarbeitung und Datensouveränität versprechen; absolute Privatsphäre ist inzwischen Eintrittskarte. Niemand speichert, wer wen empfehlen kann, auf welcher Grundlage und ob die Empfehlung je genutzt wurde. Extraktion und Zusammenführung sind billiger geworden, Kanäle und Vertrauen nicht.	Mit schärferen Zugangsregeln verliert „erreichbar sein“ an Wert und gewinnen „lizenziert und eigen“; die Kennzeichnungspflichten für KI-Inhalte machen ausdrückliche Erklärungen und die Prüfung eingebetteter Metadaten zu einem echten Schmerzpunkt. Die über 60 mehrsprachigen Langbeiträge und strukturierten Daten dieser Site sind das Versuchsfeld null.	Der Engpass bei KI für industrielle Dokumente liegt nicht in der Extraktion, sondern in Parsing und Auflösung; eine selbstbewusst falsche Zuordnung ist deutlich teurer als keine. Belege für jede Aussage passen genau zu einer Welt, in der Quellen lizenziert sein müssen.
Who · wer die erste Rechnung zahlt	Unabhängige Berater, Headhunter und Branchen-BD mit Empfehlungsbedarf, die Beziehungen nicht in die Cloud geben wollen. Zahlender und Nutzer sind identisch, die Nachfrage ist aber selten und schwer zu standardisieren – die langsamste Validierung.	Self-Media-Publisher und kleine Organisationen mit stabilem Veröffentlichungstakt; diese Site ist ihr eigener Kunde null. Zahlende ist die Content-Verantwortliche, die Entscheidungskette ist am kürzesten.	Kleine Hardwareteams, unabhängige Beschaffungsberater und Bewerter des Restwerts gebrauchter Beschleunigerkarten. Zahlende ist die technische oder Einkaufsleitung, die die Beweiskette unterschreiben muss: höchster Auftragswert, längster Validierungsweg.
When · wie lange bis zur Validierung	90 Tage lang bleibt es ein Werkzeug zur Eigennutzung ohne kommerziellen Einsatz; fragt bis dahin niemand außerhalb des Gründerkreises danach, wird es dauerhaft herabgestuft.	Tag 0–30: auf dieser Site in Betrieb nehmen und drei echte Zahlen erheben – Veröffentlichungsrate, Fehlalarmrate, Zitatanzahl.	Tag 31–60: zwei manuelle Auditberichte zur BOM-Disambiguierung mit 100–500 Zeilen abliefern, abrechnen pro Zeile; Code erst nach dem zweiten Auftrag.
Where · wo geliefert wird, woher der Verkehr kommt	Ein MCP-Server, der nur auf 127.0.0.1 lauscht, ohne App-Store-Präsenz; ob er aufgerufen wird, entscheidet der Host-Agent, deshalb keine Wachstumsannahmen.	Eigene Domain plus herunterladbare Lieferdateien plus maschinenlesbare Einträge, die ein Agent zitieren kann; das Publikum erweitert sich von Menschen auf Agenten, aber kein einzelner Plattformbetreiber trägt den Zugang.	MCP oder eine einfache HTTP-API, beginnend mit einem manuellen PDF-Bericht; nur lizenzierte Quellen werden angebunden, ohne Distributorpreise und Lagerbestände.
How · wie gebaut wird und wie Mensch und Maschine sich teilen	Kleine Modelle übernehmen Extraktion, Deduplizierung und Kandidatenzusammenführung; der Mensch bestätigt Beziehungen und gibt Empfehlungen frei, Nachrichten werden nie automatisch versendet.	Kleine Modelle übernehmen Umformulierungen und Prüfungen, bei denen mehrere Lösungen gelten und Fehler eingegrenzt bleiben; Anmeldung, Veröffentlichung und Konformitätserklärung bleiben immer beim Menschen.	Kleine Modelle übernehmen Extraktion und Kandidatenabgleich, Einheitenumrechnung läuft getrennt, Attribute dürfen explizit leer sein; der Mensch unterschreibt die endgültige Disambiguierung und entscheidet Streitfälle.

Das anfälligste Feld ist Who. Die ursprünglichen Abbruchlinien aller drei Dossiers waren Abstraktionen wie „aufhören, wenn es nicht geht“ – ohne Zahlenden nicht widerlegbar. Ist Who gefüllt, folgt die Reihenfolge aus Validierungstempo × vorhandene Assets × Schwierigkeit des Zahlungseingangs: Projekt zwei ist am schnellsten, Projekt drei hat einen klaren Zahlenden aber keinen Branchenkanal, Projekt eins ist am langsamsten im dichtesten Feld. Ein Ein-Person-Unternehmen sollte nicht drei Linien parallel schieben.

III. 90-Tage-Takt mit auslösbaren, bezifferten Abbruchlinien

Die folgenden Schwellen sind betriebliche Abbruchlinien, die diese Site für ein Ein-Person-Unternehmen festlegt (eigene Schätzungen, keine Branchenbenchmarks). Jede braucht einen beobachtbaren Auslöser, damit kein „schauen wir noch etwas“ daraus wird.

Tag 0–30, Projekt zwei zuerst: llms.txt um Einträge mit Originalstatistik ergänzen, eine Tabelle für KI-Zitate anlegen, zwei Dossiers in konforme Lieferpakete überführen. Abbruchlinie: Werden die maschinenlesbaren Einträge innerhalb von 30 Tagen in drei gängigen Assistenten kein einziges Mal zitiert und will niemand außerhalb des Gründerkreises für ein Lieferpaket zahlen, wird Projekt zwei zum Werkzeug für die Eigennutzung und die Produktarbeit endet.
Tag 31–60, Zahlenden für Projekt drei prüfen: zwei manuelle BOM-Auditberichte mit 100–500 Zeilen abliefern, Abrechnung pro Zeile. Abbruchlinie: Bringt keiner der beiden Berichte einen Folgeauftrag oder eine Weiterempfehlung, oder dauert die menschliche Prüfung im Mittel über 3 Minuten pro Zeile, wird die Automatisierung gestoppt und die Berichtsvorlage als Material für die Leistungsseite behalten.
Tag 61–90, Abschluss: wiederkehrende Schritte zu einem resolve()-Prototyp machen, nur für lizenzierte Quellen geöffnet; Projekt eins bleibt MCP zur Eigennutzung und wird nicht als Geschäft gestartet. Gesamtabbruchlinie: Liegt der kumulierte bezahlte Umsatz der drei Linien nach 90 Tagen unter 5.000 Yuan oder gibt es keinen einzigen Kunden außerhalb des Gründerkreises, geht alles auf Inhalte und Eigenwerkzeuge zurück – ohne externe Mittel, ohne angemeldete Gesellschaft.

Bewertung, Nutzerzahlen und Reichweite fehlen absichtlich. Ein Ein-Person-Unternehmen prüft den Cashflow vor der Skalierung. Gartner beziffert 2026 den Anteil der Organisationen, die KI-Agenten tatsächlich einsetzen, auf rund 17 %, über 60 % planen es binnen zwei Jahren; zugleich wird prognostiziert, dass bis Ende 2027 über 40 % der agentischen KI-Projekte wegen steigender Kosten, unklarem Wert oder unzureichender Risikokontrolle eingestellt werden. Das ist eine Analystenprognose, kein eingetretener Fakt – doch die drei Gründe sind genau die Fallen, in die ein Ein-Person-Unternehmen am leichtesten gerät.

IV. Abschaltprobe: was, wenn diese drei Wege morgen geschlossen werden

Zugangsrisiken nützen erst, wenn sie in konkrete Handlungen übersetzt sind. Für jedes Projekt einmal fragen, was bei Abschaltung morgen passiert; die Antwort muss an einem Tag umstellbar sein, nicht „einen anderen Anbieter suchen“.

Modell-API nicht verfügbar oder Bedingungen geändert: Evaluierungsset, mindestens zwei austauschbare Anbieter und ein lokales kleines Modell als Rückfall; pro Ausgabe Modell, Prompt-Version und Zeitstempel protokollieren, damit frühere Schlussfolgerungen nachvollziehbar bleiben.
Zielplattform sperrt automatisierten Zugriff: Projekt zwei liefert ohnehin nur Dateien, ohne Anmeldung oder Veröffentlichung im Namen des Nutzers; Projekt eins und drei beziehen Daten aus vom Nutzer ausgelösten Exporten und lizenzierten Quellen, nicht aus Scraping.
Upstream-Quelle verlangt kostenpflichtige Lizenz oder schickt eine Unterlassungsaufforderung: Projekt drei entfernt diese Quelle auf Quellenebene statt sie zu umgehen. Der Satz aus dem ursprünglichen Dossier – zehntausend prüfbare Datensätze sind mehr wert als hundert Millionen Zeilen unklarer Herkunft – gilt in einer Welt mit Abrechnung pro Abruf erst recht.
Vier Disziplinen: austauschbare Modelle, lizenzierbare Daten, herunterladbare Ausgaben, prüfbare Protokolle. Fehlt eine, gehört dieser Schritt nicht in ein Kundenversprechen.
An Agenten abgeben: Recherche, Wettbewerbs- und Regularienabgleich, Extraktion und Deduplizierung, Prototypen und Tests, dreisprachige Erstentwürfe, Umformulierungen, erste Support-Antwort.
Beim Menschen behalten: Preise, Kundenzusagen, Veröffentlichung, Konformitätserklärung, Unterschrift unter die Beweiskette, Streitentscheidung. Gartner grenzt Fälle mit nur einer richtigen Antwort, bei denen Fehler rechtliche oder finanzielle Folgen haben, ausdrücklich aus dem geeigneten Einsatzbereich von Agenten aus.
Kostenlogik nicht umdrehen: a16z beobachtet mit LLMflation, dass die Inferenzkosten bei festem Leistungsniveau um rund das Zehnfache pro Jahr fallen – GPT-3-Niveau (MMLU 42) von etwa 60 US-Dollar je Million Token im 2021-11 auf etwa 0,06 US-Dollar Ende 2024; der Originaltext nennt die eigene Methode grob und beschränkt die Aussage ausdrücklich auf feste Fähigkeit, nicht auf sinkende Flaggschiff-Preise. Ein lokales kleines Modell plus günstige API hält die monatlichen Inferenzkosten im Bereich weniger Dutzend Yuan. Die eigentlichen Kosten bleiben menschliche Prüfung und Kundengespräche.

Fazit

Die drei Projekte sind im Grunde dasselbe: privates oder fachliches Wissen, das sich nicht prüfen lässt, in prüfbare Entitäten und aufrufbare Schnittstellen verwandeln. Projekt eins sind Beziehungsentitäten, Projekt drei Bauteilentitäten, Projekt zwei macht aus beiden Inhalte, die Menschen und Agenten zitieren können. Ein gemeinsames Fundament bedeutet: nicht drei Linien parallel.

Das neue Zugangsrisiko ist kein Grund aufzuhören, sondern ein Grund, alles von fremder Erlaubnis Abhängige aus dem Plan zu streichen: kein Scraping, keine automatische Veröffentlichung, kein einzelner Modellanbieter, keine Plattform, die eine Schnittstelle öffnet. Was bleibt – eigene Inhalte, von Menschen nachprüfbare Urteile, Beweisketten mit Quellen – ist genau das, was mit jeder neuen Wand wertvoller wird.

Ein Satz zum Abschluss: Die Machbarkeitsstudie beantwortet „lässt sich das bauen“, 5W1H beantwortet „wer zahlt zuerst“. Abbruchlinien als Zahlen, Zugang als Designbedingung – erst dann wird aus einem Dossier ein Geschäft.

Zurück zum Ideenarchiv · Projekt eins PrivateGraph-Geschäftsplan · Projekt zwei Risikoanalyse Ein-Klick-Verteilung · Projekt drei Offene Bauteil-Identitätsschicht; verwandte Praxis: Bauteilbeschaffung und Vermittlung.

Häufige Fragen

Bauen die Großen diese Wälle wirklich nur „im Namen der Sicherheit“ auf?

Die Richtung stimmt, aber es ist nicht eine einzige Ursache. Mindestens vier Motive wirken gleichzeitig: Rechenkontingente (jeder Aufruf verursacht echte Grenzkosten), Datengrenzen (interne Geheimnisse sollen nicht abfließen), Schutz des eigenen Vermögens (gegen Distillation und Verunreinigung der Entwicklungspipeline) sowie kommerzielle Lizensierung (von Pay Per Crawl zu Pay Per Use und x402). Sicherheit ist ein öffentlicher Grund und der am leichtesten durch Compliance-Nachweise zu entkräftende; Kontingente und Lizenzen sind strukturell und lassen sich nicht wegverhandeln, sondern nur umgehen oder bezahlen. Alle vier Ebenen als eine Sicherheitswand zu behandeln führt zur falschen Reaktion.

In den Nutzungsbedingungen geht es um Distillation, ich trainiere aber kein Modell. Was hat das mit diesen drei Projekten zu tun?

Sehr viel – nur nicht über die Klausel zu Wettbewerbsmodellen. Die am 2026-01-01 wirksam gewordenen persönlichen Bedingungen von OpenAI untersagen auch die automatisierte oder programmatische Extraktion von Daten und Ausgaben sowie das Umgehen von Ratenbegrenzungen und Schutzmaßnahmen; Anthropic und Google enthalten vergleichbare Regelungen. Sobald ein Arbeitsablauf auf Massenaufrufen beruht und Ausgaben zu einem dauerhaften eigenen Vermögenswert verdichtet, sind Nutzungsbedingungen, Datenverarbeitungszusatz und Sonderklauseln von Enterprise-Abos einzeln zu prüfen. Die schriftliche Anhörung im US-Senat vom 2026-04-22 ordnete den Distillationsstreit als Vertragsverletzung ein – das Hauptfeld ist also Vertrag und Zugangskontrolle, nicht Urheberrecht.

Wenn Cloudflare Agenten standardmäßig blockiert, sind maschinenlesbare Inhaltsassets dann vergeudete Arbeit?

Im Gegenteil – aber der Ansatz muss sich ändern. Am 2026-07-01 teilte Cloudflare den automatisierten Verkehr in Search, Agent und Training auf; die Ankündigung nennt ab 2026-09-15 für neue Domains mit Werbeseiten standardmäßig Block für Training und Agent bei erlaubtem Search. Erreichbar zu sein ist kein Default-Recht mehr, dadurch gewinnen Lizenzen, eigene Kanäle und herunterladbare Lieferobjekte an Wert. Drei Einschränkungen: Jede Kategorie braucht eine eigene Freigabe; Content Signals und llms.txt sind Erklärungen und Bitten, kein Passierschein; erlaubt zu sein ist nicht zitiert zu werden. Und die eigene Site sollte nicht auf Alles-ablehnen stehen, wenn man Zitate erwartet.

Warum ist das Who – wer die erste Rechnung zahlt – wichtiger als die technische Machbarkeit?

Weil die ursprünglichen Abbruchlinien aller drei Dossiers Abstraktionen waren wie „aufhören, wenn es nicht geht“. Ohne Zahlenden lassen sie sich nicht widerlegen. Erst mit dem Who zeigen sich drei verschiedene Zahlungsstrukturen: Bei Projekt zwei ist die Content-Verantwortliche die Zahlende, mit der kürzesten Entscheidungskette und dieser Site als Kunde null; bei Projekt drei zahlt die technische oder Einkaufsleitung, mit hohem Auftragswert, aber Unterschrift unter die Beweiskette; bei Projekt eins sind Zahlender und Nutzer identisch, bei seltener Nachfrage. Die Reihenfolge folgt dann Validierungstempo × vorhandene Assets × Schwierigkeit des Zahlungseingangs – nicht dem technischen Schwierigkeitsgrad.

5W1H ist ein so einfaches Raster. Was bringt es hier?

Es zwingt dazu, jedes Feld ehrlich zu füllen. Liest man die drei Dossiers durch sechs Dimensionen, sind What und Why ausführlich und How detailliert, aber im Who fehlt die Person, die unterschreibt und zahlt, im When die Woche der ersten Zahlung und im Where die Frage, wer den Zugang kontrolliert. Sind diese drei Felder gefüllt, ordnen sich die drei zunächst parallelen Projekte von selbst, und jede Zeile erhält einen beobachtbaren Auslöser. Das Raster erzeugt keine Einsicht – es legt die Leerstellen offen.

Was sind die größten versteckten Kosten, wenn Agenten die Projekte vorantreiben?

Nicht die Inferenz, sondern menschliche Prüfung und Kundengespräche. a16z beobachtet mit LLMflation, dass die Inferenzkosten bei festem Leistungsniveau um etwa das Zehnfache pro Jahr fallen; der Originaltext beschränkt die Aussage ausdrücklich auf feste Fähigkeit und nennt die eigene Methode grob. Ein lokales kleines Modell plus günstige API hält die monatlichen Inferenzkosten im Bereich weniger Dutzend Yuan. Gartner prognostiziert für Ende 2027, dass über 40 % der agentischen KI-Projekte wegen steigender Kosten, unklarem Wert oder unzureichender Risikokontrolle eingestellt werden – eine Prognose, kein Fakt. Zwei dieser drei Gründe betreffen Menschen: Evaluierungsset, Modell-, Prompt-Version und Zeitstempel pro Ausgabe, Stichprobenprüfung, Auditprotokoll – und Preis oder externe Zusagen gehören nicht in Agentenhand.

Zurück zum Ideenarchiv Fachbeiträge Leistungen