Warum ich mich durch die OpenAI-Strategie bestätigt fühle

Zusammenfassung

er aktuelle Strategievortrag von OpenAI macht deutlich: Nicht das Sprachmodell allein erzeugt den Wert, sondern die Kombination aus Wissen, Prozessen und Werkzeugen. Warum diese Entwicklung eigene Ansätze wie xRAK und das HWD-Framework bestätigt und warum der eigene Datenschatz das wichtigste Fundament bleibt.

Vor wenigen Tagen habe ich mir den aktuellen Vortrag von OpenAI zur strategischen Weiterentwicklung ihrer Agentenplattform angesehen. Anschließend habe ich das Transkript des Vortrags gemeinsam mit ChatGPT analysiert und mit meinen eigenen Projekten verglichen – darunter xRAK, mein HWD-Framework sowie die Arbeiten rund um den Gewerbeverein Rüsselsheim.

Liege ich mit meinen Überlegungen auf einem tragfähigen Entwicklungspfad oder entwickle ich mich in eine Richtung, die an den aktuellen Entwicklungen vorbeigeht?

Die Antwort hat mich selbst überrascht.

Der eigentliche Wandel

Viele Menschen verbinden die aktuelle Entwicklung ausschließlich mit immer leistungsfähigeren Sprachmodellen.

Mal ist GPT führend, dann Gemini, Claude, Mistral oder ein Modell mit offenen Gewichten. Die öffentliche Diskussion dreht sich häufig um Benchmarks und Modellvergleiche.

Der OpenAI-Vortrag zeigt jedoch eine andere Richtung.

Immer weniger steht das einzelne Modell im Mittelpunkt. Immer wichtiger werden:

der eigene Wissensbestand,
Kontext,
Agenten,
Werkzeuge,
Datenzugriffe,
organisatorische Prozesse,
Governance.

Mit anderen Worten:

Nicht das Sprachmodell allein erzeugt den Wert, sondern die Kombination aus Wissen, Prozessen und Werkzeugen.

Genau dort begann meine eigene Entwicklung

Interessanterweise habe ich meine Projekte nie vom Sprachmodell aus gedacht.

Mein Ausgangspunkt war immer eine andere Frage:

Wie kann ich das Wissen einer Organisation so organisieren, dass unterschiedliche Werkzeuge sinnvoll damit arbeiten können?

Genau aus dieser Überlegung entstand auch die Veranstaltungsreihe „Mit Daten sprechen“. Der Titel ist bewusst gewählt. Es geht nicht darum, möglichst viel über Künstliche Intelligenz zu reden. Es geht darum, den eigenen Datenschatz so aufzubauen, dass man mit den eigenen Informationen in einen Dialog treten kann. Erst wenn eine Organisation ihre Daten strukturiert, kuratiert und in einen verständlichen Wissensraum überführt, kann sie im eigentlichen Sinne mit ihren Daten sprechen.

Deshalb arbeite ich seit längerer Zeit konsequent mit einem eigenen Datenschatz auf Basis von Markdown-Dateien.

Warum?

Weil Markdown den eigentlichen Inhalt bewahrt.

Webseiten enthalten Navigation, Werbung, Layout, Stylesheets und technische Elemente. PDFs enthalten Formatierungen, die für eine Wissensverarbeitung häufig eher hinderlich sind.

Vor der Aufnahme in meinen Datenschatz werden Informationen deshalb geprüft, bereinigt und in ein einheitliches Format überführt.

Erst danach werden sie in einer Vektordatenbank semantisch erschlossen.

Der eigentliche Datenschatz besteht also nicht aus beliebigen Dokumenten, sondern aus einem kuratierten Wissensbestand.

Das Sprachmodell wird austauschbar

Diese Architektur hat einen entscheidenden Vorteil.

Das Sprachmodell wird zu einer austauschbaren Komponente.

Heute nutze ich beispielsweise Google Antigravity – unter anderem aus wirtschaftlichen Gründen.

Morgen könnte es ebenso gut GPT, Claude, Mistral oder ein leistungsfähiges Open-Weights-Modell sein.

Mein Datenschatz bleibt derselbe.

Meine Ontologie bleibt dieselbe.

Meine Organisationsstruktur bleibt dieselbe.

Das reduziert die Abhängigkeit von einzelnen Anbietern erheblich.

Der Vergleich mit einer Küche

Ich erkläre diesen Gedanken inzwischen gerne mit einem einfachen Bild.

Ein gutes Restaurant entsteht nicht dadurch, dass es den berühmtesten Koch beschäftigt.

Entscheidend sind viele Faktoren:

hochwertige Zutaten,
eine gut organisierte Küche,
passende Werkzeuge,
funktionierende Arbeitsabläufe,
Qualitätskonrolle,
Erfahrung,
die richtige Reihenfolge der Arbeitsschritte.

Der Koch ist wichtig.

Aber selbst der beste Koch kann aus schlechten Zutaten kein Spitzenmenü zaubern.

Bei agentischen Systemen ist es ähnlich.

Das Sprachmodell ist der Koch.

Der Datenschatz sind die Zutaten.

RAG ist der Vorratsschrank.

MCP verbindet die Küche mit den Geräten.

Agenten übernehmen einzelne Arbeitsschritte.

Das HWD-Framework beschreibt den Ablauf.

Governance sorgt dafür, dass nachvollziehbar bleibt, warum Entscheidungen getroffen wurden.

Erst das Zusammenspiel dieser Komponenten erzeugt Qualität.

Deshalb lautet meine zentrale These inzwischen: Nicht das Sprachmodell ist die wichtigste Zutat, sondern der eigene Datenschatz. Wer seine Informationen kennt, pflegt und strukturiert, kann unterschiedliche Sprachmodelle einsetzen, ohne jedes Mal von vorne beginnen zu müssen. Genau das verstehe ich unter „Mit Daten sprechen“.

Der Digitale Zwilling von Rüsselsheim: Ein Gedächtnis für die Stadt

xRAK war nie nur ein Chatbot

Bei der Analyse meiner eigenen Projekte wurde mir selbst etwas klar.

xRAK ist kein Chatbot.

Der eigentliche Zweck besteht darin, Wissen aus sehr unterschiedlichen Quellen zusammenzuführen.

Ratsvorlagen, Protokolle, Webseiten, Videos, Podcasts und eigene Dokumente werden miteinander verbunden.

Aus einzelnen Dokumenten entsteht ein zusammenhängender Wissensraum.

Der Bürger sieht am Ende einen verständlichen Bürgerservice.

Intern arbeitet jedoch ein strukturierter Datenschatz, der kontinuierlich erweitert wird.

Das HWD-Framework beschreibt Erkenntnis

Auch mein HWD-Framework sehe ich heute mit anderen Augen.

Es ist kein Prompt-System.

Es beschreibt vielmehr einen Erkenntnisprozess.

Am Anfang stehen:

Erkundung,
Auftrag,
Regeln,
offene Fragen.

Erst danach folgen:

Planung,
Umsetzung,
Prüfung,
Dokumentation.

Das Ziel besteht nicht darin, möglichst schnell Code zu erzeugen.

Das Ziel besteht darin, belastbares Wissen aufzubauen.

Was ich aus dem OpenAI-Vortrag mitnehme

Der Vortrag hat mich nicht deshalb beeindruckt, weil dort neue Modelle vorgestellt wurden.

Beeindruckend fand ich etwas anderes.

Die strategische Richtung.

Auch dort verschiebt sich der Schwerpunkt vom einzelnen Modell hin zum gesamten Organisationskontext.

Der Begriff lautet dort häufig Context.

Ich spreche seit längerer Zeit von einem Datenschatz.

Beides beschreibt im Kern dieselbe Herausforderung:

Wie organisiert eine Organisation ihr eigenes Wissen so, dass Menschen und Agenten gemeinsam produktiv arbeiten können?

Wissen teilen statt Modelle vergleichen

Wer heute ausschließlich darüber diskutiert, welches Sprachmodell gerade den ersten Platz belegt, schaut meiner Ansicht nach auf den kleineren Teil der Entwicklung.

Die größere Veränderung findet in den Organisationen statt.

Dort geht es künftig darum,

Wissen aufzubereiten,
Beziehungen zwischen Informationen herzustellen,
Prozesse zu dokumentieren,
Erfahrungen festzuhalten,
Agenten sinnvoll einzubinden,
den eigenen Wissensraum kontinuierlich weiterzuentwickeln.

Genau dort entsteht langfristig der eigentliche Wert.

Ich glaube deshalb, dass „Mit Daten sprechen“ weit mehr ist als der Titel einer Veranstaltungsreihe. Es beschreibt eine neue Arbeitsweise. Organisationen lernen, ihren eigenen Datenschatz nicht nur zu verwalten, sondern aktiv zu nutzen. Aus Dokumenten wird Wissen. Aus Wissen entsteht Kontext. Und aus diesem Kontext können Menschen und agentische Systeme gemeinsam arbeiten.

Mein persönliches Fazit

Ich weiß nicht, welches Sprachmodell in fünf Jahren führend sein wird.

Niemand weiß das.

Ich bin aber überzeugt, dass Organisationen ihren eigenen Wissensraum aufbauen und pflegen müssen.

Wer seine Daten versteht, strukturiert und kontinuierlich weiterentwickelt, wird neue Modelle, Agenten und Werkzeuge vergleichsweise leicht integrieren können.

Wer dagegen ausschließlich auf das jeweils aktuelle Modell setzt, bleibt von dessen Entwicklung abhängig.

Deshalb sehe ich die Zukunft weniger im Wettlauf um das nächste Sprachmodell.

Ich sehe sie im Aufbau belastbarer Wissensinfrastrukturen.

Für mich bedeutet „Mit Daten sprechen“ deshalb, den eigenen Datenschatz zum Ausgangspunkt aller digitalen Arbeit zu machen. Nicht das Sprachmodell steht im Zentrum, sondern das Wissen einer Organisation. Das Modell hilft dabei, dieses Wissen zu erschließen – aber es ersetzt es nicht.

Die Modelle werden sich weiterentwickeln.

Der eigene Datenschatz bleibt.

Hinweis in eigener Sache: Dieser Beitrag entstand am Sonntagmorgen, dem 26. Juli 2026, in einem mehrstündigen Dialog zwischen mir und ChatGPT. Grundlage waren zahlreiche Quellen, Dokumente, eigene Projekte sowie mein über Jahre aufgebauter Datenschatz. Der Text ist damit nicht nur ein Beitrag über das Prinzip „Mit Daten sprechen“, sondern zugleich ein praktisches Beispiel dafür, wie Menschen und agentische Systeme Wissen gemeinsam analysieren, strukturieren und verständlich aufbereiten können.

Achim Weidner ist zertifizierter Social Media Manager (IHK) und Absolvent des Zertifizierungsprogramms (Certificate of Advanced Studies) „Rechtliche Aspekte der IT- und Internet-Compliance“ an der Carl von Ossietzky Universität Oldenburg. Dieses Programm ist angesiedelt in der Fakultät für Informatik, Wirtschafts- und Rechtswissenschaften und deckt folgende Bereiche ab: Datenschutz, Datensicherheit, Internetrecht sowie Computer- und Internetstrafrecht, ergänzt durch den Aspekt der technischen Datensicherheit. Seite 2017 befasst er sich mit der Thematik der „Künstlichen Intelligenz“.

→ Erstgespräch anfragen

Achim Weidner
Haßlocher Straße 73
65428 Rüsselsheim am Main
post@achim-weidner.de
06142 796066

Vorträge und Veranstaltungen 2026

Erreichbar über Social Media und sichtbar auf Google