Über KI-Tools redet gerade jeder. Welches Sie in Ihrem Unternehmen einführen sollten, sagt Ihnen dabei kaum jemand ehrlich – meistens hört man die Meinung des Anbieters, bei dem gerade jemand zufällig Kunde ist. Die eigentliche Frage lautet auch nicht „Welches Tool ist am besten?“, sondern „Welches lässt sich in unserem Unternehmen sauber integrieren, ohne dass wir uns Datenschutz- oder Abhängigkeitsprobleme einhandeln?“
Dieser Artikel beantwortet genau das für fünf Plattformen im Unternehmenseinsatz: ChatGPT, Claude, Gemini in Google Workspace, Langdock und Microsoft 365 Copilot. Verglichen wird entlang zweier Achsen. Die erste ist Datenschutz und DSGVO: Wo werden Daten verarbeitet, gibt es einen Auftragsverarbeitungsvertrag, wird mit Kundendaten trainiert, wie sieht die zentrale Administration aus.
Die zweite Achse wird in der Praxis oft übersehen, entscheidet aber genauso stark darüber, ob die Einführung gelingt: Wie gut lässt sich die Plattform an bestehende Systeme anbinden, und wie hochwertig lassen sich darauf eigene Assistenten, Skills und automatisierte Abläufe bauen? Eine KI-Plattform ist keine Software, die man einmal kauft – sie wird zur Infrastruktur, an die andere Systeme andocken und auf der Arbeit entsteht, die Bestand haben soll.
Am Ende des Artikels stehen fünf Leitfragen, die Ihre Auswahl auf ein oder zwei Plattformen eingrenzen: Welche Daten sollen verarbeitet werden, welche Systeme sind bereits da, wie viele Personen sollen arbeiten, was soll auf der Plattform entstehen – und wie kommen Sie wieder heraus, falls sich die Lage ändert.
Die Reihenfolge im Text ist alphabetisch. Sie enthält keine Wertung.
Was unterscheidet die fünf KI-Plattformen im Überblick?
Was ist ChatGPT Business und Enterprise?
Was es ist ChatGPT ist der KI-Assistent von OpenAI. Für Organisationen gibt es zwei Tarife: Business und Enterprise. Beide laufen in einem gemeinsamen Arbeitsbereich mit zentraler Nutzerverwaltung, getrennt von privaten ChatGPT-Konten.
Datenlage Für beide Tarife stellt OpenAI einen Auftragsverarbeitungsvertrag bereit. Inhalte aus Business und Enterprise werden standardmäßig nicht zum Modelltraining verwendet. SOC 2 Type 2 gilt für beide Tarife. Die ISO-Zertifizierungen 27001, 27017, 27018 und 27701 führt das OpenAI Trust Center dagegen nur für die API, ChatGPT Enterprise und ChatGPT Edu – ChatGPT Business ist dort nicht im Geltungsbereich (Stand: August 2026).
Der wichtigste Unterschied liegt bei der Datenresidenz. OpenAI bietet Speicher-Residenz in zehn Regionen an, darunter Europa (EWR und Schweiz), sowie Inferenz-Residenz in Europa, den USA und den Vereinigten Arabischen Emiraten. Die Preisseite und die Ankündigung vom November 2025 führen Datenresidenz als Enterprise-Merkmal. Für ChatGPT Business beschreibt OpenAI in einem gesonderten Hilfeartikel einen laufenden, noch nicht abgeschlossenen Rollout. Wer Datenresidenz vertraglich benötigt, sollte sie daher für Business nicht einplanen, sondern schriftlich klären.
Eine Kopie jedes Prompts und jeder Antwort wird nach Angaben von OpenAI für einen begrenzten Zeitraum in den USA gespeichert, für Sicherheits- und Missbrauchsüberwachung.
Für Enterprise, Edu, API und Azure OpenAI können abweichende Regelungen und Konfigurationen gelten. Funktional trennt OpenAI die Tarife deutlich. SAML SSO und Domain-Verifizierung sind in Business enthalten. SCIM, rollenbasierte Zugriffssteuerung, Enterprise Key Management, IP-Allowlisting und die Compliance-API gibt es erst mit Enterprise.
Architektur ChatGPT unterstützt das Model Context Protocol (MCP). Auf der API-Plattform lassen sich MCP-Server über die Responses API mit Freigabelogik einbinden.
Assistenten werden im Arbeitsbereich in der Oberfläche konfiguriert. Auf der Plattformseite lässt sich ein im Agent Builder gebauter Ablauf laut OpenAI-Dokumentation als Agents-SDK-Code in TypeScript oder Python exportieren – das aufgebaute Verhalten liegt dann als Quelltext vor und ist versionierbar. Für die Verwaltung gibt es bei Enterprise eine Compliance-API mit Zugriff auf Protokolle und Inhalte sowie ein Analytics-Dashboard; Business bringt Nutzungsauswertung und Budgetkontrollen mit, aber keines von beiden.
Was ist Claude Team und Enterprise?
Was es ist Claude ist der KI-Assistent von Anthropic. Für Organisationen gibt es die Tarife Team (2 bis 150 Sitze) und Enterprise (ab 20 Sitzen). Beide laufen auf claude.ai mit zentraler Verwaltung.
Datenlage Der Auftragsverarbeitungsvertrag mit Standardvertragsklauseln ist Bestandteil der Commercial Terms of Service und gilt mit deren Annahme, ohne gesonderten Signaturprozess. Anthropic weist ISO 27001:2022, ISO/IEC 42001:2023 für KI-Managementsysteme sowie SOC 2 Type I und Type II aus. Inhalte aus den kommerziellen Produkten werden standardmäßig nicht zum Modelltraining verwendet; eine Ausnahme besteht, wenn Nutzer aktiv Feedback melden.
Für claude.ai Team und Enterprise gibt es derzeit keine EU-Datenresidenz (Stand: August 2026).
Anthropic gibt an, Daten in den USA zu speichern, und Datenverkehr standardmäßig in ausgewählte Länder in den USA, Europa, Asien und Australien zu routen. Eine Steuerung des Verarbeitungsorts existiert nur in einer Richtung: „US-only inference“ ist eine Enterprise-Funktion. Eine EU-Option gibt es nicht.
EU-Datenresidenz für Claude-Modelle ist heute über die Plattformwege erreichbar: über AWS Bedrock, wo Claude Opus 5 und Sonnet 5 unter anderem in Irland und Stockholm in-region verfügbar sind und über EU-Inferenzprofile auch Frankfurt, Paris und weitere EU-Regionen abgedeckt werden, sowie über Google Vertex AI mit einem EU-Multi-Region-Endpunkt und regionalen Endpunkten wie europe-west1. Das ist der API- und Plattformweg – kein Chat-Produkt. Wer Claude als fertigen Assistenten mit EU-Verarbeitung nutzen will, kommt darüber nicht ans Ziel, sondern nur über eine Plattform, die Claude-Modelle in der EU einbindet.
Architektur Anthropic hat das Model Context Protocol entwickelt und als offenen Standard veröffentlicht; es wird inzwischen auch von ChatGPT, Visual Studio Code und weiteren Anwendungen unterstützt. Für den Bau eigener Fähigkeiten gibt es Agent Skills: Ordner mit einer SKILL.md samt YAML-Frontmatter, dazu optional Referenzdateien und ausführbare Skripte. Das Format ist dokumentiert, dateibasiert und damit versionierbar – ein Skill lässt sich in der Quellcodeverwaltung führen wie Code.
Eine Einschränkung gehört dazu, und sie hängt an der Oberfläche: Eigene Skills werden zwischen den Oberflächen nicht synchronisiert. Auf claude.ai sind sie an den einzelnen Nutzer gebunden – Anthropic hält ausdrücklich fest, dass claude.ai keine zentrale Administration oder organisationsweite Verteilung eigener Skills unterstützt. Über die Claude API dagegen sind eigene Skills arbeitsbereichsweit verfügbar und für alle Mitglieder zugänglich. Wer Skills organisationsweit ausrollen will, geht heute also über die API oder über die Quellcodeverwaltung, nicht über die Weboberfläche.
Für Enterprise gibt es eine Compliance-API und eine Analytics-API mit programmatischem Zugriff auf Nutzungsdaten, Protokolle und Inhalte.
Administration Team bringt Single Sign-on mit Domain Capture, rollenbasierte Berechtigungen, Konnektoren für Arbeitswerkzeuge samt Admin-Kontrollen sowie zentrale Abrechnung und Verwaltung mit. SCIM, Audit-Logs, eigene Aufbewahrungsrichtlinien, Compliance- und Analytics-API, kundenverwaltete Schlüssel und die Option auf US-only-Inferenz kommen mit Enterprise. Für Organisationen, die automatisierte Nutzerbereitstellung und Protokollierung brauchen, ist das die relevante Trennlinie.
Was ist Gemini in Google Workspace?
Was es ist Gemini ist Googles KI-Assistent, eingebettet in Gmail, Docs, Sheets, Slides, Meet und Chat.
Zum Namen „Gemini Enterprise“ bezeichnet heute nicht den Workspace-Tarif, sondern eine separate Agentenplattform in Google Cloud, in der die frühere Lösung Agentspace seit 9. Oktober 2025 aufgegangen ist. Sie wird pro Sitz lizenziert, die Business Edition ab 21 USD pro Sitz und Monat (Stand: August 2026). In diesem Artikel ist durchgängig Gemini in Google Workspace gemeint.
Datenlage Es gilt das Cloud Data Processing Addendum als Auftragsverarbeitungsvertrag. Google formuliert zum Training: Kundendaten werden nicht ohne vorherige Erlaubnis oder Anweisung des Kunden für das Training von Modellen verwendet, und Inhalte werden nicht ohne Erlaubnis von Menschen überprüft. Zertifizierungen umfassen unter anderem ISO 27001 und SOC 2.
Die Steuerung der Datenregionen ist gestaffelt. Business Standard und Business Plus erhalten die Stufe „Fundamental data regions“, die erweiterte Stufe „Enterprise data regions“ ist in Enterprise Plus und Frontline Plus enthalten oder als Add-on buchbar. Business Starter hat keine Datenregionen-Steuerung. Wählbar sind zwei Regionen: die USA oder Europa – keine Auswahl auf Länderebene. Die Gemini-Verarbeitung fällt ausdrücklich darunter, sowohl für Daten im Ruhezustand als auch für die Verarbeitung. Google dokumentiert dabei, dass einzelne Funktionen entfallen, wenn nicht-regionalisierte Verarbeitung deaktiviert wird.
Architektur Innerhalb von Workspace läuft Erweiterung über die bekannten Wege: Apps Script, Workspace-Add-ons und die Workspace-APIs. Der eigentliche Agentenbau findet bei Google außerhalb von Workspace statt – in der Gemini Enterprise genannten Cloud-Plattform und mit dem Agent Development Kit (ADK). Das ADK ist quelloffen, in mehreren Sprachen verfügbar und ausdrücklich modellagnostisch: Google formuliert, es funktioniere mit nahezu jedem generativen Modell, und nennt neben Gemini auch Claude und OpenAI-Modelle. Es unterstützt MCP sowie das von Google eingebrachte A2A-Protokoll für die Kommunikation zwischen Agenten.
Der Assistent in Workspace ist an Google-Modelle gebunden, das Agentenframework daneben ist quelloffen und modelloffen.
Was ist Langdock?
Was es ist Langdock ist eine Plattform aus Deutschland, die mehrere Sprachmodelle unter einer Oberfläche bündelt und um Assistenten, Wissensanbindung und Workflows ergänzt. Die Tarifstruktur ist Trial, Business und Enterprise.
Datenlage Das Hosting läuft nach Angaben von Langdock über Microsoft Azure auf Servern innerhalb der EU. Langdock weist ISO 27001 und SOC 2 Type II aus. Der Auftragsverarbeitungsvertrag ist Bestandteil der Nutzungsbedingungen und gilt automatisch ab Nutzungsbeginn; für Berufsgeheimnisträger gibt es zusätzlich ein Professional Secrecy Addendum. Zum Training heißt es: Daten werden weder von Langdock noch von den auf der Plattform angebotenen Modellanbietern für das Training verwendet.
Die eingesetzten Subprozessoren sind überwiegend US-Konzerne. Der CLOUD Act bleibt theoretisch anwendbar, auch wenn die Verarbeitung in der EU stattfindet.
Wer diesen Punkt für relevant hält, sollte die Subprozessorenliste im Trust Center prüfen.
Modellauswahl Langdock kennzeichnet pro Modell, ob es in einer EU-Region oder global verarbeitet wird. In der EU-Region verfügbar sind unter anderem Modelle von Anthropic, OpenAI, Google, Mistral und Meta; einzelne Modelle laufen ausschließlich global. Eigene Modellzugänge lassen sich über Bring Your Own Keys einbinden.
Architektur Langdock dokumentiert eine vergleichsweise breite Schnittstellenschicht: eine Completion API, eine Agents API, eine Integrations API, eine Knowledge Folder API, eine Skills API mit eigenem Import-Endpunkt, dazu User Management API, Audit Logs API und Usage Export API. Damit lassen sich Assistenten, Wissensordner, Nutzer und Protokolle programmatisch verwalten statt nur über eine Oberfläche.
Bei MCP arbeitet die Plattform in beide Richtungen: Eigene MCP-Server lassen sich als Werkzeugquelle anbinden – dokumentiert sind mehrere Authentifizierungsverfahren und ein Rahmen von bis zu 200 Werkzeugen und 50 Ressourcen je Integration –, und Langdock stellt umgekehrt einen eigenen MCP-Endpunkt bereit, über den externe KI-Anwendungen die dort gebauten Agenten aufrufen können. Eigene Integrationen lassen sich anlegen, OAuth-Clients selbst mitbringen.
Über Bring Your Own Keys binden Organisationen eigene Modellzugänge ein und rechnen direkt beim Modellanbieter ab. Die Dokumentation nennt unter anderem Microsoft Azure, AWS Bedrock, Google Vertex AI, OpenAI, Anthropic, Mistral und DeepSeek und beschreibt daneben die Anbindung beliebiger OpenAI-kompatibler Endpunkte sowie einen manuellen Weg für Modelle, die nicht im Katalog stehen. Damit sind auch selbst betriebene Modelle erreichbar, sofern sie eine kompatible Schnittstelle anbieten.
Was extra kostet Der API-Zugang und die Workflow-Automatisierung sind eigene, verbrauchsabhängig bepreiste Produkte neben dem Sitzpreis. Wer die Schnittstellenschicht als Argument nimmt, sollte sie also mitkalkulieren.
Was ist Microsoft 365 Copilot?
Was es ist Microsoft 365 Copilot ist der KI-Assistent innerhalb der Microsoft-365-Umgebung: in Word, Excel, Outlook, Teams und SharePoint. Er greift über Microsoft Graph auf Inhalte der Organisation zu. Gemeint ist hier die kostenpflichtige Lizenz, nicht der frei verfügbare Copilot.
Es gibt zwei getrennte Lizenzen: Microsoft 365 Copilot Business für kleinere Organisationen und Microsoft 365 Copilot als Enterprise-Lizenz. Die Verwechslung der beiden ist die häufigste Fehlerquelle beim Preisvergleich.
Datenlage Microsoft gibt an, dass Prompts, Antworten und über Microsoft Graph abgerufene Daten nicht zum Training der zugrunde liegenden Modelle verwendet werden. Copilot ist seit 1. März 2024 in die Datenresidenz-Zusagen der Product Terms aufgenommen. Genannt werden unter anderem ISO 27001 und ISO 42001.
Zwei Punkte gehören in jede Bewertung. Erstens: Copilot erbt die bestehenden Berechtigungen. Er zeigt Nutzern nur Inhalte, für die sie mindestens Leserechte haben – die Qualität der Berechtigungsstruktur im Tenant bestimmt damit unmittelbar, was Copilot sichtbar macht. Zweitens: die EU Data Boundary. Sie wurde mit der dritten Ausbaustufe am 26. Februar 2025 abgeschlossen.
Flex Routing Seit 2026 dokumentiert Microsoft für Kunden in EU und EFTA eine Funktion namens Flex Routing. Sie erlaubt, dass die Inferenz bei Lastspitzen außerhalb der EU Data Boundary stattfindet, konkret in den USA, Kanada oder Australien. Für berechtigte Mandanten, die nach dem 25. März 2026 angelegt wurden, ist die Option standardmäßig aktiv. Für ältere Mandanten nennt Microsoft kein pauschales Standardverhalten und verweist auf das Message Center des jeweiligen Tenants. Kunden mit Multi-Geo-Funktionen sind ausgenommen. Betroffen ist die Verarbeitung, nicht die Speicherung.
Wer Inferenz in der EU zusichern muss, sollte Flex Routing vor dem Rollout prüfen und dokumentieren. Die Funktion lässt sich im Microsoft 365 Admin Center abschalten.
Daten im Ruhezustand bleiben nach Microsofts Darstellung auch bei aktivem Flex Routing in der EU Data Boundary – mit der Ausnahme begrenzter pseudonymisierter Daten, die zu Sicherheits- und Betriebszwecken außerhalb gespeichert werden können.
Ein zweiter Fall betrifft ebenfalls die Verarbeitung: Wenn Kunden die Nutzung von Anthropic-Modellen mit den generativen KI-Diensten von Microsoft zulassen, werden Kundendaten nach Microsofts Angaben von Anthropic in den USA verarbeitet. Die Speicherung bleibt in der EU Data Boundary. Es handelt sich also um eine kundenseitig steuerbare Freigabe, nicht um einen pauschalen Ausschluss.
Architektur Der Ausbau läuft über deklarative Agenten. Microsoft beschreibt sie als Konfiguration aus vier Bausteinen: Verhalten und Anweisungen, Fähigkeiten und Aktionen, Wissensquellen sowie Metadaten für Verteilung und Darstellung. Technisch liegt ein deklarativer Agent als maschinenlesbares JSON-Manifest mit veröffentlichtem Schema vor, das im Agents Toolkit als Datei im Projektverzeichnis geführt und damit versioniert werden kann. Gebaut werden Agenten wahlweise im Agent Builder innerhalb von Copilot, im Microsoft 365 Agents Toolkit, in Copilot Studio oder in SharePoint. Für tiefe Anbindungen an Fremdsysteme kommen Graph-Konnektoren und die Graph-API hinzu.
Copilot Studio unterstützt MCP-Werkzeuge und -Ressourcen, allerdings mit Bedingungen: Die generative Orchestrierung muss aktiviert sein, MCP-Prompts werden nicht unterstützt, und die Funktion wird über ein eigenes Lizenz- und Verbrauchsmodell abgerechnet – also nicht über die Copilot-Lizenz.
Zur Modellfrage gehört eine Unterscheidung, die oft untergeht. Der Assistent Microsoft 365 Copilot selbst läuft auf OpenAI-Modellen. Für Agenten in Copilot Studio lassen sich dagegen ausdrücklich externe Modelle von Anthropic, xAI und Mistral als primäres Modell auswählen. Administratoren müssen externe Modelle im Power Platform Admin Center aktivieren und den Zugang je Anbieter im Microsoft 365 Admin Center freigeben. Microsoft weist zudem darauf hin, dass bei Preview- und experimentellen Modellen Daten außerhalb der geografischen Grenzen der Organisation verarbeitet und gespeichert werden können.
Wie schneiden die Plattformen im direkten Vergleich ab?
Die Matrix zeigt die Unterschiede auf einen Blick. Details zu Datenschutz und DSGVO folgen im nächsten Abschnitt. Stand: August 2026.
Zum Vergleich seitlich scrollen.
| Kriterium | |
|
|
|
|
|---|---|---|---|---|---|
| AVV | Ja, Business/Enterprise | Ja, automatisch | Ja, Cloud DPA | Ja, automatisch | Ja |
| Verarbeitungsort | EU erst mit Enterprise | USA (claude.ai) | USA oder Europa | EU (Azure) | EU Data Boundary1 |
| Modelle | Nur OpenAI | Nur Anthropic | Nur Google | Mehrere Anbieter, BYOK | OpenAI; Agenten zusätzlich |
| Integration | Eigener Workspace | Eigener Workspace | Native in Workspace | Anbindung + Assistenten | Native in Microsoft 365 |
| Voraussetzung | Ab 2 Nutzern | Team ab 2 | Workspace-Abo | Keine Suite | Microsoft-365-Plan |
| Einsatzfeld | Schneller Einstieg | Lange Dokumente, Code | Wer Workspace hat | Residenz + Modellwahl | Wer Microsoft 365 hat |
1 Flex Routing kann Inferenz bei Lastspitzen aus der EU verlagern, abschaltbar.
Was kosten die Business-Tarife?
Alle Preise verstehen sich netto pro Nutzer und Monat. Stand: August 2026. Prüfen Sie Preise vor einer Beschaffungsentscheidung an der Preisseite des Anbieters.
Zum Vergleich seitlich scrollen.
| Plattform | Business-Tarif | Anmerkung |
|---|---|---|
|
20 USD jährlich, 25 USD monatlich | Enterprise auf Anfrage |
|
Team 20 USD jährlich, 25 USD monatlich | Premium-Sitz 100 bzw. 125 USD; Enterprise 20 USD plus API-Nutzung |
|
Im Workspace-Tarif enthalten | Business Standard 14 USD bei Jahresabo (Listenpreis USD) |
|
25,00 € monatlich | 20 % Rabatt bei Jahresabo; Enterprise auf Anfrage |
|
18,20 € jährlich, 21,84 € monatlich | Aktion 15,60 € (1.7.–30.9.2026); Enterprise 26,00 € jährlich; plus Microsoft-365-Plan |
Preise sind nicht direkt vergleichbar. Claude Enterprise ist ein Mischmodell aus Sitzpreis und verbrauchsabhängiger Nutzung zu API-Raten. Bei Copilot kommt zum Copilot-Preis der Preis des berechtigenden Microsoft-365-Plans hinzu.
Wo liegen die Unterschiede bei Datenschutz und DSGVO?
Der Vergleich wird übersichtlicher, wenn man ihn auf vier Prüffragen reduziert. Sie gelten für jede Plattform gleich.
Gibt es einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO?
Bei allen fünf Plattformen: ja, für die Unternehmenstarife. Der Weg dorthin unterscheidet sich. Bei Langdock und Anthropic ist der AVV automatisch Teil der Vertragsbedingungen. Bei OpenAI, Google und Microsoft ist er ebenfalls verfügbar, teils als eigenes Dokument. Für Privattarife gibt es ihn nicht – das ist der eigentliche Trennstrich.
Wo werden die Daten verarbeitet?
Hier liegen die größten Unterschiede. Langdock verarbeitet nach eigenen Angaben in der EU. Microsoft betreibt die EU Data Boundary, mit Flex Routing als konfigurierbarer Ausnahme für die Inferenz. Google lässt die Wahl zwischen den Regionen USA und Europa, abhängig vom Tarif. OpenAI bietet Datenresidenz in Europa, vertraglich verlässlich derzeit nur mit Enterprise. Anthropic speichert für claude.ai in den USA; EU-Verarbeitung von Claude-Modellen führt über AWS Bedrock oder Google Vertex AI.
Wird mit Kundendaten trainiert?
Bei allen fünf Plattformen lautet die Antwort für die Unternehmenstarife: standardmäßig nein. Die Formulierungen unterscheiden sich in der Härte. Langdock schließt es generell aus, OpenAI, Microsoft und Anthropic schließen es standardmäßig aus, Google formuliert „nicht ohne vorherige Erlaubnis oder Anweisung des Kunden“. Wer die Zusage vertraglich braucht, sollte den Wortlaut im jeweiligen Dokument nachlesen.
Gibt es zentrale Administration?
Alle fünf bieten sie in den Unternehmenstarifen. Der Umfang steigt mit dem Tarif, und zwar bei mehreren Anbietern an derselben Stelle: Single Sign-on ist im Einstiegstarif enthalten, die automatisierte Nutzerbereitstellung über SCIM und die Protokollierung nicht. Bei ChatGPT liegen SCIM, RBAC, Enterprise Key Management und die Compliance-API bei Enterprise. Bei Claude sind rollenbasierte Berechtigungen bereits im Team-Tarif enthalten, SCIM, Audit-Logs, eigene Aufbewahrungsrichtlinien und die Compliance-API dagegen erst bei Enterprise. Wer ab mittlerer Größe einführt, sollte diesen Punkt früh prüfen – er entscheidet oft über die Tarifstufe.
Alle fünf lassen sich datenschutzkonform betreiben. Sie unterscheiden sich darin, welchen Aufwand das verursacht, welche Tarifstufe dafür nötig ist und welche Zusagen vertraglich einklagbar sind statt nur beschrieben.
Der praktisch bedeutsamere Unterschied verläuft nicht zwischen den Anbietern, sondern zwischen Business- und Privattarif. Ein privates ChatGPT-Plus- oder Claude-Pro-Konto hat keinen AVV, keine zentrale Verwaltung und keine Löschkontrolle durch die Organisation. Wenn Mitarbeitende solche Konten für dienstliche Inhalte nutzen, entsteht Shadow AI: eine Verarbeitung, von der die Organisation nichts weiß und die sie nicht steuern kann. Der IBM Cost of a Data Breach Report 2025, erhoben vom Ponemon Institute unter 600 Organisationen, gibt an, dass eine von fünf Organisationen einen Sicherheitsvorfall im Zusammenhang mit Shadow AI berichtete und nur 37 Prozent über Richtlinien zum Umgang mit KI oder zur Erkennung von Shadow AI verfügten.
Eine bereitgestellte, freigegebene Plattform ist deshalb zuerst eine Maßnahme gegen unkontrollierte Nutzung – unabhängig davon, welche es ist.
Was der EU AI Act für Betreiber heute bedeutet
Der Rechtsrahmen hat sich 2026 verschoben. Die Verordnung (EU) 2026/1744, der sogenannte Digital Omnibus on AI, wurde am 24. Juli 2026 im Amtsblatt veröffentlicht und ist am 27. Juli 2026 in Kraft getreten. Sie verschiebt die Pflichten für Hochrisikosysteme nach Anhang III auf den 2. Dezember 2027 und nach Anhang I auf den 2. August 2028.
Für Organisationen, die KI-Assistenten einsetzen – also für Betreiber im Sinne der Verordnung – sind heute drei Punkte relevant:
- Art. 4, KI-Kompetenz, gilt seit 2. Februar 2025. Der Digital Omnibus hat die Vorschrift abgeschwächt: Betreiber müssen die Entwicklung von KI-Kompetenz ihrer Beschäftigten unterstützen, sind aber ausdrücklich nicht verpflichtet, ein bestimmtes Kompetenzniveau einzelner Personen zu garantieren. Aus einer Ergebnispflicht ist eine Bemühenspflicht geworden. Ein dokumentiertes Schulungskonzept bleibt sinnvoll, ein Kompetenznachweis pro Person ist nicht gefordert.
- Art. 5, verbotene Praktiken, gilt seit 2. Februar 2025. Für den Arbeitskontext praxisrelevant ist vor allem das Verbot der Emotionserkennung am Arbeitsplatz. Zwei neue Verbotstatbestände greifen ab 2. Dezember 2026.
- Art. 50, Transparenzpflichten, gilt seit 2. August 2026. Für Betreiber betrifft das vor allem die Offenlegung, dass Personen mit einem KI-System interagieren, und die Kennzeichnung von Deepfakes. Diese Pflichten gelten ohne Übergangsfrist. Eine Übergangsregelung bis 2. Dezember 2026 besteht für einzelne Anbieterpflichten bei generativen Systemen, die bereits vor dem 2. August 2026 in Verkehr waren – sie entlastet Betreiber nicht.
Der AI Act ändert damit an der Auswahl der Plattform wenig. Er ändert etwas an dem, was die Organisation um sie herum dokumentieren sollte.
Integration, Agentenbau und Anbieterbindung
Die Datenschutzfrage lässt sich in einem Beschaffungsvorgang klären. Die Architekturfrage begleitet die Organisation, solange die Plattform im Einsatz ist. Sie zerfällt in drei Teile: Wie gut lässt sich anbinden, was schon da ist? Wie hochwertig lässt sich darauf bauen? Und was bleibt, wenn man wechselt?
Der gemeinsame Nenner heißt MCP
Das Model Context Protocol ist der Grund, warum diese Frage 2026 anders zu beantworten ist als 2024. MCP ist ein quelloffener Standard für die Anbindung von KI-Anwendungen an Datenquellen, Werkzeuge und Abläufe – ursprünglich von Anthropic entwickelt, inzwischen von einer Reihe von Anwendungen unterstützt, darunter Claude, ChatGPT und Visual Studio Code.
Praktisch heißt das: Wer eine Anbindung an das eigene ERP, das Ticketsystem oder die Dokumentenablage als MCP-Server baut, baut sie nicht mehr für eine bestimmte Plattform, sondern für alle, die den Standard sprechen. Das ist eine der wenigen Maßnahmen gegen Anbieterbindung, die in der Hand der Organisation liegt und nicht beim Anbieter.
MCP ist im Umfeld aller fünf Plattformen erreichbar – die Bedingungen unterscheiden sich allerdings erheblich, und bei Google und Microsoft führt der Weg über ein Produkt neben dem eigentlichen Assistenten.
Fünf Ebenen der Bindung
„Vendor Lock-in“ ist als Begriff zu grob. Bei KI-Plattformen entsteht Bindung auf fünf getrennten Ebenen, und die meisten Organisationen prüfen nur die erste:
Modellbindung
Ist die Plattform an die Modelle eines Anbieters gebunden, oder lässt sich wechseln, wenn ein anderes Modell besser oder günstiger wird?
Werkzeugbindung
Sind die Anbindungen an Fremdsysteme proprietär, oder folgen sie einem Standard wie MCP und lassen sich mitnehmen?
Definitionsbindung
Existieren die gebauten Assistenten als Konfiguration in einer Weboberfläche, oder als Dateien, die man exportieren, versionieren und woanders wieder einlesen kann?
Datenbindung
Wo liegt das aufgebaute Wissen, und wie kommt es wieder heraus?
Identitätsbindung
Hängt die Nutzerverwaltung an einer Suite, deren Wechsel weit über die KI-Plattform hinausreicht?
Ebene 3 ist die, die am häufigsten übersehen wird. Eine Organisation, die zwei Jahre lang Assistenten baut, investiert Arbeit in Anweisungen, Beispiele und Prüfregeln. Ob diese Arbeit als Eintrag in einer fremden Datenbank oder als versionierbare Datei im eigenen Repository liegt, entscheidet darüber, ob ein Wechsel ein Projekt oder ein Neuanfang ist. Die erfreuliche Nachricht: Bei vier der fünf Plattformen gibt es einen dateibasierten Weg. Die unerfreuliche: Er führt fast überall über ein Produkt neben dem Assistenten, den die Belegschaft tatsächlich benutzt.
Der Vergleich
Eine Vorbemerkung zur Lesart: Bei Google und Microsoft findet der Agentenbau in einem eigenen Produkt neben dem Assistenten statt, mit eigener Lizenz und eigener Abrechnung. Bei OpenAI und Anthropic verläuft die Trennlinie zwischen Chat-Produkt und Plattform. Die Tabelle nennt jeweils beides und markiert, wo eine Grenze liegt.
Zum Vergleich seitlich scrollen.
| Kriterium | |
|
|
|
|
|---|---|---|---|---|---|
| Schnittstellen | Auswertung in Business; APIs erst Enterprise | APIs erst Enterprise | Workspace-APIs, Apps Script | Breite API, extra Kosten | Graph-API, Konnektoren |
| MCP | Ja | Ja | Nur im ADK1 | Ja, beide Richtungen | Nur in Copilot Studio1 |
| Assistenten | Oberfläche; Export als Code1 | SKILL.md; Verteilung über API |
ADK / Gemini Enterprise1 | Skills + API-Objekte | JSON-Manifest1 |
| Modellwechsel | Nein | Nein im Chat | Nein im Assistenten; ja im ADK | Ja, inkl. BYOK | Nein im Assistenten; ja im Studio |
| Bindung | Modell | Modell und Verteilung | Suite und Identität | Plattform selbst | Identität, Rechte, Index |
1 Grenze zwischen Assistent und Plattform: Agent Builder bei ChatGPT, ADK bzw. Gemini Enterprise, Copilot Studio.
Wie man das liest
Vier Beobachtungen, die aus der Tabelle nicht sofort springen.
Die Definitionsfrage ist fast überall lösbar – nur nicht dort, wo die meisten sie stellen. Deklarative Agenten bei Microsoft sind JSON-Manifeste, ChatGPT-Abläufe aus dem Agent Builder lassen sich als SDK-Code exportieren, Claude Skills sind Ordner mit Markdown, ADK-Agenten sind Code, Langdock-Skills lassen sich als Datei importieren. Wer dagegen ausschließlich in der Chat-Oberfläche baut, erzeugt bei jeder dieser Plattformen eine Konfiguration, die dort bleibt. Die Entscheidung liegt damit weniger beim Anbieter als beim eigenen Vorgehen.
Bei Google fallen Assistent und Agentenplattform auseinander. Der Workspace-Assistent ist an Google-Modelle gebunden. Das ADK daneben ist quelloffen, mehrsprachig und ausdrücklich modellagnostisch – Google nennt selbst Claude und OpenAI-Modelle als nutzbar. Wer Google nur nach dem Workspace-Assistenten beurteilt, unterschätzt die Architekturseite. Wer umgekehrt das ADK als Argument für Workspace nimmt, verwechselt zwei Produkte: Das ADK selbst ist lizenzkostenfrei, der produktive Betrieb über Gemini Enterprise ist es nicht.
Bei Microsoft ist die Modellfrage nicht so geschlossen wie ihr Ruf. Für Agenten in Copilot Studio sind Modelle von Anthropic, xAI und Mistral wählbar. Der Preis dafür ist ein zweites Lizenz- und Verbrauchsmodell neben der Copilot-Lizenz und eine Freigabe in zwei Admin-Konsolen. Die Bindung entsteht bei Microsoft weniger über das Modell als über Identität, Berechtigungen und den Index – also über Dinge, die man beim Wechsel nicht mitnimmt.
Bei Claude ist das Format offen, die Verteilung hängt an der Oberfläche. Ein Agent Skill ist ein Ordner mit einer SKILL.md und optionalen Skripten – portabel, prüfbar, versionierbar. Über die Claude API sind eigene Skills arbeitsbereichsweit für alle Mitglieder verfügbar. Auf claude.ai dagegen sind sie an den einzelnen Nutzer gebunden, ohne zentrale Verteilung durch Administratoren und ohne Abgleich zwischen den Oberflächen. Für Organisationen, die einheitliche Arbeitsweisen ausrollen wollen, verläuft der Weg damit über API oder Repository, nicht über die Weboberfläche.
Was für alle gilt
Zwei Punkte gelten unabhängig von der Plattform.
Erstens: Ein Assistent, der auf Unternehmensdaten zugreift, macht sichtbar, was ohnehin freigegeben ist. Bei Copilot ist das durch die Berechtigungsvererbung besonders unmittelbar, gilt aber überall dort, wo Wissensquellen angebunden werden. Wer Assistenten einführt, prüft die Berechtigungsstruktur vorher – nicht danach.
Zweitens: Die Qualität eines Assistenten entsteht selten im Modell. Sie entsteht in den Anweisungen, den Beispielen, den angebundenen Quellen und den Prüfschritten. Das ist Arbeit, die dokumentiert und gepflegt werden muss wie Code. Plattformen, die dafür Dateien, Versionierung und eine API anbieten, machen diese Arbeit haltbar. Plattformen, die nur ein Textfeld anbieten, machen sie flüchtig.
Wie Sie auf den einzelnen Plattformen Assistenten anlegen, zeigt die Schritt-für-Schritt-Anleitung für KI-Agenten.
Welche Plattform passt zu welchem Betrieb?
Wer vollständig auf Microsoft 365 arbeitet, hat mit Copilot den kürzesten Weg zur Nutzung. Wer auf Google Workspace arbeitet, hat Gemini bereits im Abo. Beides senkt die Einführungshürde. Wer keine dominante Suite hat oder den Verarbeitungsort festlegen will, entscheidet über Modellwahl, Residenz und den Aufwand für Assistentenbau. Die fünf Leitfragen im Fazit grenzen die Auswahl in der Regel auf ein oder zwei Plattformen ein.
Warum die Lizenz das kleinere Problem ist
Die Auswahl der Plattform ist der Teil der Einführung, der sich am schnellsten erledigen lässt. Sie ist eine Beschaffungsentscheidung mit überschaubaren Kriterien: Verarbeitungsort, bestehende Systemwelt, Preis, Anzahl der Personen. Nach ein paar Wochen ist sie getroffen, die Lizenzen sind zugewiesen und die Zugänge stehen.
Was danach kommt, entscheidet über den Nutzen. Drei Dinge fallen dabei ins Gewicht. Erstens die Konfiguration: Aufbewahrungsfristen, Datenregionen, Berechtigungen, im Fall von Copilot die Entscheidung zum Flex Routing. Diese Einstellungen sind Voreinstellungen, keine Automatismen – sie bleiben so, wie sie beim ersten Mal gesetzt wurden. Zweitens die Governance: eine Regelung, welche Daten in welchen Assistenten dürfen, wer Assistenten anlegen darf und wie mit Ergebnissen umzugehen ist. Drittens die Befähigung: die Frage, ob Beschäftigte die Werkzeuge für ihre tatsächliche Arbeit einsetzen können – und nicht nur für das Umformulieren von E-Mails.
Der praktische Prüfstein ist einfach. Wenn nach drei Monaten ein kleiner Teil der Belegschaft die Lizenzen regelmäßig nutzt und der Rest zum vorherigen Vorgehen zurückgekehrt ist, lag es selten an der Plattform. Der EU AI Act verstärkt diesen Punkt eher, als dass er ihn ändert: Art. 4 verlangt seit Februar 2025, die Entwicklung von KI-Kompetenz zu unterstützen – eine Anforderung, die keine Lizenz erfüllt.
Fazit: fünf Fragen statt einer Rangfolge
Es gibt keine Plattform, die für alle Organisationen die richtige ist, und keine, die für alle falsch wäre. Statt einer Rangfolge helfen fünf Fragen, in dieser Reihenfolge.
Welche Daten sollen verarbeitet werden?
Das ist die Frage mit den härtesten Konsequenzen. Geht es um eigene Texte, öffentliche Recherche und interne Konzepte, ist der Verarbeitungsort eine Abwägung. Geht es um personenbezogene Daten, Mandantendaten oder Inhalte unter berufsrechtlicher Verschwiegenheitspflicht, wird er zur Vorgabe – und die Auswahl verkleinert sich auf Plattformen, die EU-Verarbeitung vertraglich zusichern, oder auf Tarifstufen, die das erlauben. Für die Assistenten von Anthropic bedeutet das heute: EU-Verarbeitung ist nur über den Plattformweg erreichbar, nicht über claude.ai.
Welche Systemwelt ist bereits vorhanden?
Wer vollständig auf Microsoft 365 arbeitet, hat mit Copilot den kürzesten Weg zur Nutzung. Wer auf Google Workspace arbeitet, hat Gemini bereits im Abo. Beides sind starke Argumente, weil sie die Einführungshürde senken. Wer keine dominante Suite hat oder sich bewusst nicht binden will, entscheidet freier – und dann werden Modellauswahl und Verarbeitungsort zu den bestimmenden Kriterien.
Wie viele Personen sollen arbeiten?
Die Größe entscheidet weniger über die Plattform als über die Tarifstufe und den Aufwand. Bei kleinen Teams reichen SSO und ein sauberer AVV. Ab mittlerer Größe kommen automatisierte Nutzerverwaltung über SCIM und Audit-Logs hinzu – und diese Funktionen liegen bei mehreren Anbietern in der jeweils höheren Stufe. Die Größe bestimmt außerdem, wie viel Rollout und Schulung nötig sind: Ab etwa fünfzig Personen wird die Einführung ein eigenes Vorhaben und lässt sich nicht mehr nebenbei erledigen.
Was soll auf der Plattform entstehen?
Die Frage, die am seltensten gestellt wird. Wer die Plattform nur als besseren Chat nutzt, braucht sie kaum zu stellen. Wer darauf Assistenten, Skills und automatisierte Abläufe baut, sollte vorher wissen, wie gut das geht. Zwei Punkte entscheiden: Lassen sich die eigenen Systeme sauber anbinden – Dokumentenablage, ERP, Ticketsystem –, und lassen sich Assistenten so bauen, dass sie verlässlich arbeiten und nicht nur nett antworten? Das hängt weniger am Modell als an den Werkzeugen drumherum: an Konnektoren, an der Möglichkeit, Anweisungen und Prüfschritte zu hinterlegen, und an einer Schnittstelle, über die sich das Ganze verwalten lässt.
Wichtig dabei: Bei Google und Microsoft findet der Agentenbau in einem eigenen Produkt neben dem Assistenten statt – Gemini Enterprise beziehungsweise Copilot Studio –, mit eigener Lizenz und eigener Abrechnung. Wer den Ausbau plant, sollte diese Kosten von Anfang an mitrechnen, nicht erst im zweiten Jahr entdecken.
Wie kommen Sie wieder heraus?
Die Frage, die am teuersten übersehen wird. Anbieterbindung ist bei KI-Plattformen kein einzelner Punkt, sondern entsteht auf fünf Ebenen: beim Modell, bei den Werkzeuganbindungen, bei den Definitionen der gebauten Assistenten, bei den aufgebauten Daten und bei der Identitätsverwaltung. Die meisten Organisationen prüfen nur die erste.
Drei Prüffragen reichen für den Anfang. Lassen sich die Anbindungen an eigene Systeme über einen offenen Standard wie MCP herstellen, statt anbieterspezifisch? Gibt es für die gebauten Assistenten einen dateibasierten Weg – Manifest, Skill-Ordner, exportierter Code – oder entsteht alles nur als Konfiguration in einer Oberfläche? Und lässt sich das zugrunde liegende Modell wechseln, ohne die Plattform zu wechseln?
Bei den meisten Plattformen im Vergleich gibt es einen dateibasierten Weg. Er führt aber fast überall über ein Werkzeug neben dem Assistenten, den die Belegschaft täglich nutzt. Ob eine Organisation ihn geht, ist deshalb weniger eine Produktfrage als eine Frage der eigenen Arbeitsweise. Und der Rest der Bindung lässt sich ohnehin nicht wegverhandeln: Wer Microsoft 365 als Identitäts- und Berechtigungsgrundlage nutzt, bindet sich mit Copilot an etwas, das weit über die KI-Plattform hinausreicht. Das ist kein Argument gegen die Entscheidung – nur eines dafür, sie bewusst zu treffen.
Die Fragen vier und fünf ändern die Reihenfolge der ersten drei nicht, aber sie ändern oft das Ergebnis. Zwei Plattformen, die bei Daten, Systemwelt und Größe gleich gut passen, können sich hier deutlich unterscheiden.
Wer alle fünf Fragen beantwortet hat, hat die Auswahl in der Regel auf ein oder zwei Plattformen eingegrenzt. Der Rest ist eine Preis- und Terminfrage.
