Claude Tag und das Company Brain: Wem gehört dein Firmenwissen?

Seit Kurzem kannst du Claude in Slack markieren wie einen Kollegen: @Claude, übernimm das. Der Agent arbeitet dann selbstständig — über Stunden, manchmal Tage — und hält dein Team im Channel auf dem Laufenden. Das ist beeindruckend, und es funktioniert. Trotzdem gehört vor den Rollout eine Frage, die in keiner Produktdemo vorkommt: Wo landet das Wissen, das dabei entsteht?

Anthropic nennt die Funktion Claude Tag, und sie markiert einen Wechsel. KI-Anbieter positionieren ihre Modelle nicht mehr als Werkzeug, das du aufrufst, sondern als Mitarbeiter, der bleibt. Ein Mitarbeiter mit Gedächtnis. Für dich als Entscheider heißt das: Die Frage ist nicht mehr nur, welches Modell du einkaufst — sondern wem der Speicher gehört, in dem sich dein Unternehmen ablagert.

Was Claude Tag kann — und was daran neu ist

Die Mechanik ist bewusst einfach gehalten. Du markierst Claude in einem Slack-Channel wie ein Teammitglied und beschreibst die Aufgabe. Claude übernimmt, arbeitet eigenständig weiter und meldet Zwischenstände in den Channel — das ganze Team sieht den Fortschritt, nicht nur die Person, die gefragt hat. Anthropic berichtet, dass Claude in der eigenen Produktentwicklung inzwischen 65 Prozent der Pull-Requests selbst öffnet.

Der eigentliche Unterschied zu ChatGPT-Fenster und Copilot-Sidebar steckt im Gedächtnis. Jeder Channel bekommt einen eigenen Wissensstand: Claude merkt sich, was dort besprochen wurde, und lernt ausschließlich aus diesem Channel — nicht global über die Firma hinweg. Aus einem Chat-Werkzeug wird ein Kollege, der Kontext behält. Verfügbar ist das nur im Team- und Enterprise-Plan, und welches Modell darunterliegt, bestimmt zentral der Admin — nicht der einzelne Nutzer.

Als Use Case ist das stark. Ein Agent, der im Vertriebskanal die Angebotshistorie kennt, spart genau die Rückfragen, die sonst Tage kosten. Die Umsetzung hat allerdings einen Haken, und der liegt nicht in der Technik.

Das Kleingedruckte: dein Kontext zieht beim Anbieter ein

Modelle kannst du austauschen. Ein Unternehmensgedächtnis nicht.

Das Channel-Gedächtnis von Claude Tag ist eine Blackbox: Wo es gespeichert wird, wie du es exportierst, wie du es löschst — dazu macht Anthropic bisher keine belastbaren Angaben. Damit ist Claude Tag kein reines Modell-Interface mehr. Es ist ein Kontext-Speicher in der Schicht des Anbieters. In dem Moment, in dem dein KI-Anbieter zum Mitarbeiter wird, endet die saubere Trennung zwischen gemieteter Intelligenz und eigenem Wissen.

Und es trifft ausgerechnet das wertvollste Wissen. Nicht das Handbuch, das ohnehin im Intranet liegt — sondern die Ausnahmen, die Kundenzusagen, die Prozessdetails, das Narbengewebe aus Jahren von Slack-Konversationen. Genau das Wissen, das nirgendwo sonst dokumentiert ist, sammelt sich dann allein beim Anbieter.

Der Vergleich, der die Lage am besten trifft, kommt aus dem CRM. Ein CRM-Wechsel schmerzt nie wegen der Software — er schmerzt wegen der Daten, die drinstecken. Mit jedem Tag, den ein Agent mit anbietereigenem Gedächtnis läuft, wachsen deine Wechselkosten. Nur dass es diesmal nicht um Kontaktdaten geht, sondern um das, was dein Unternehmen ausmacht.

Warum mehr Dateien das Problem nicht lösen

Die reflexhafte Antwort lautet: Dann dokumentieren wir eben besser. Mehr Ordner, mehr Notizen, ein Wiki. Das greift zu kurz, denn Unternehmen haben kein Sammelproblem — sie haben ein Findeproblem. Der State of Teams Report 2025 beziffert es: 25 Prozent der Arbeitszeit fließen in die Suche nach Informationen. Bei vier Vollzeitkräften sucht rechnerisch eine Person den ganzen Tag.

Der Second-Brain-Trend aus dem Privaten — Markdown-Ordner, Obsidian, Notion, Wissensgraphen — kollabiert im Unternehmen regelmäßig. Starre Kategorien zerfallen, sobald sich Zuständigkeiten, Produkte oder Begriffe ändern. Dazu kommt ein Denkfehler, den Wissensmanager Collector’s Fallacy nennen: Von 2.000 gesammelten Dokumenten braucht die KI für eine gute Antwort oft zehn. Der Rest verwässert die Ergebnisse, statt sie zu verbessern.

Die Lücke zeigt sich auch in den großen Zahlen: Laut McKinsey testen 88 Prozent der Unternehmen KI, aber nur 7 Prozent rollen sie breit aus. Die Differenz scheitert selten am Modell. Sie scheitert am Fundament darunter.

Company Brain: eine Quelle für Menschen, Dashboards und Agenten

Die Alternative hat einen Namen: Company Brain — eine zentrale, lebendige Wissensbasis, in der Meetings, Entscheidungen, Kennzahlen und Kommunikation zusammenlaufen. Der Kern ist ein simples Prinzip: Mitarbeiter, Dashboards und KI-Agenten greifen auf dieselbe Quelle zu, eine Single Source of Truth. Nicht drei Wahrheiten in CRM, Excel und Köpfen, sondern eine.

Der Unterschied zur klassischen Dateiablage: Das System wächst im Betrieb. Ein Entscheidungs-Log etwa, das wichtige Beschlüsse automatisch aus Meeting-Transkripten zieht, dokumentiert die Firma nebenbei — ohne dass jemand freitags Protokolle nachpflegt.

Für den deutschen Mittelstand kommt eine Frist dazu, die mit KI zunächst nichts zu tun hat: In den nächsten 15 Jahren verlassen 13,4 Millionen Fachkräfte den Arbeitsmarkt, und in vielen Betrieben ist mehr als die Hälfte der Führungsebene über 55. Wissen, das nur in Köpfen liegt, geht dann mit — egal wie gut dein KI-Stack ist. Ein Company Brain ist deshalb auch Nachfolge-Vorsorge: Das Wissen der Person, die 30 Jahre die Fertigung geplant hat, bleibt abrufbar, wenn sie geht.

Dazu kommt der Datenschutz. Liegt die Wissensbasis im eigenen Haus oder bei einem europäischen Betreiber, lassen sich DSGVO-Fragen sauber beantworten: wer zugreift, was gespeichert ist, wann gelöscht wird. Bei einem Agenten-Gedächtnis in der Blackbox eines US-Anbieters beantwortet diese Fragen im Zweifel niemand — spätestens der Betriebsrat oder ein Großkunde mit Audit-Recht wird sie aber stellen.

Und der strategische Punkt, der zurück zu Claude Tag führt: Gehört der Speicher dir, bleibt das Modell austauschbar. Heute Claude, nächstes Jahr ein anderes Modell oder eine Open-Source-Variante auf eigener Infrastruktur — dein Agentic-AI-Setup bleibt anschlussfähig, weil das Gedächtnis nicht beim Anbieter wohnt.

So gehst du vor

Erst bündeln, dann automatisieren. Der erste Schritt ist unspektakulär: verstreutes Wissen digitalisieren und an einem Ort zusammenführen. Meeting-Transkripte, Entscheidungen, Angebote, Kennzahlen. Ohne diesen Schritt optimierst du später nur das Chaos.

Zugriff je Anwendungsfall wählen. Damit KI in dieser Basis das Richtige findet, braucht sie eine Suchschicht — meist RAG, also das Nachschlagen relevanter Dokumente vor der Antwort. Ein Onboarding-Chatbot kommt mit der Standardvariante aus. Eine Fachsuche über Verträge und Technik-Doku braucht hybride Suche, die Stichworte und Bedeutung kombiniert. Für Bilder, Audio oder Video wird es multimodal. Wer hier pauschal „eine KI für alles” kauft, zahlt für die falsche Architektur.

Agenten zuletzt — lesend, nicht hortend. Wenn die Basis steht, dürfen Agenten darauf arbeiten, auch Claude Tag. Der Unterschied: Der Agent liest aus deinem Speicher, statt ein eigenes Gedächtnis beim Anbieter aufzubauen. Wie beim Einsatz von KI-Agenten im Unternehmen generell gilt: klein anfangen, einen Prozess sauber, dann skalieren.

Der typische Fehler ist die umgekehrte Reihenfolge — beim Agenten anfangen, weil die Demo glänzt, und das Fundament auf später verschieben. Später heißt dann: nachdem sich zwölf Monate Firmenkontext in einer fremden Blackbox angesammelt haben.

Erst das Fundament, dann der neue Kollege

Claude Tag ist kein Produkt, vor dem man warnen muss — es zeigt präzise, wohin sich KI-Arbeit entwickelt: weg vom Chatfenster, hin zum Agenten im Team. Teste es ruhig, bewusst und in einem Channel ohne kritisches Firmenwissen. Aber verwechsle den bequemsten Weg nicht mit dem robustesten.

Das Company Brain gehört ins eigene Haus. Wer jetzt eine Single Source of Truth aufbaut, macht jeden künftigen Agenten besser — und bleibt frei in der Modellwahl, statt in zwei Jahren Wechselkosten zu verhandeln. Der Markt für solche Lösungen im Mittelstand ist noch jung; der Vorsprung ist real, wie bei jeder KI-Strategie entscheidet die Reihenfolge.

Wenn du überlegst, wie du Firmenwissen so aufstellst, dass Mitarbeiter und Agenten dieselbe verlässliche Quelle nutzen — und nichts davon beim Anbieter festwächst —, ist ein kurzes Gespräch meist der schnellste Weg zu einer klaren Reihenfolge.