47.000 KI-Tools — und Sie nutzen vermutlich drei davon

Der neue Werkzeugkasten - 47.000 KI Tools (and counting)

Von Maximilian Störzer · Veröffentlicht am 21. März 2026

Warum die Tool-Auswahl nicht das eigentliche Problem ist

Die Plattform There’s an AI for That listet aktuell über 47.000 KI-Tools. Allein in der Kategorie Software-Entwicklung sind es über 4.000, im Bereich Business-Anwendungen über 7.000. Jeden Tag kommen neue dazu.

Für Entscheider ist das kein Grund zur Freude — es ist ein Orientierungsproblem. Und eines, das mit traditionellen Evaluierungsmethoden nicht mehr lösbar ist. Kein Mensch testet 7.000 Automatisierungstools. Kein Unternehmen hat die Kapazität, auch nur die Top 50 systematisch zu vergleichen.

Was wir brauchen, ist kein besseres Bewertungstool. Was wir brauchen, ist ein Ordnungsrahmen.

Die KI-Tool-Landkarte: Fünf Kategorien, drei Autonomiestufen

Bei meiner Arbeit an einem strategischen Leitfaden zur KI-gestützten Digitalisierung habe ich mich an einer Taxonomie für die heutige Tool-Landschaft versucht. Dazu habe ich die über 47.000 Tools in fünf Aufgabenkategorien eingeordnet:

• Content & Kreativität (~10.000 Tools): Von Midjourney über Suno bis zu vollautomatisierten Content-Pipelines
• Softwareentwicklung (~4.000 Tools): Von GitHub Copilot über Claude Code bis zu autonomen Coding-Agenten wie Devin
• Unternehmensprozesse (~7.000 Tools): Von Power BI Copilot über UiPath bis zu Salesforce Agentforce
• Wissen & Kommunikation (~5.000 Tools): Von Perplexity über Intercom Fin bis zu autonomen L1-Support-Systemen
• Persönliche Produktivität (~6.000 Tools): Von ChatGPT über Microsoft Copilot bis zu persönlichen KI-Agenten

Die zweite Dimension ist entscheidender: Jede Kategorie erstreckt sich über drei Autonomiestufen. Die Taxonomie von Sapkota et al. (2025) unterscheidet generative/assistive KI, KI-Agenten und agentische KI. Der Unterschied ist fundamental: Ein assistives Tool wie ChatGPT antwortet auf Ihre Fragen. Ein KI-Agent wie UiPath führt definierte Workflows eigenständig aus. Ein agentisches System wie Salesforce Agentforce plant, entscheidet und handelt autonom über mehrere Schritte hinweg — und zerlegt dabei komplexe Aufgaben in Teilschritte, die es selbst koordiniert.

Tool-Klassifikation nach Aufgabe und Autonomie.

Die Landkarte zeigt über 80 repräsentative Tools, eingeordnet nach Kategorie und Autonomiestufe. Der grüne Punkt markiert Tools, die EU-Datenresidenz anbieten — ein Kriterium, das zunehmend zum Differenzierungsmerkmal wird.

Erkenntnis 1: Digitale Souveränität als hartes Auswahlkriterium

Die naheliegende Frage bei der Tool-Auswahl lautet: „Welches Tool ist das leistungsfähigste?” Die richtigere Frage lautet: „Wohin werden meine Daten übertragen?”

Der Blick auf die Landkarte zeigt: Die Mehrzahl der marktführenden Tools stammt von US-Anbietern (wenig überraschend). Das bedeutet potenziell US CLOUD Act — US-Behörden können auf Cloud-gespeicherte Daten zugreifen, unabhängig vom physischen Speicherort. Aus Sicht des BSI IT-Grundschutzes kann allein die Nutzung eines US-Cloud-KI-Tools den Schutzbedarf bei Vertraulichkeit auf „hoch” oder „sehr hoch” setzen — nicht wegen der Funktion des Tools, sondern wegen seines Betriebsmodells.

Die gute Nachricht: In jeder Kategorie gibt es inzwischen europäische Alternativen oder Anbieter mit EU-Datenresidenz. Stable Diffusion (Open Source), Mistral, ElevenLabs mit EU-Hosting, SAP Joule, n8n — die grünen Punkte auf der Landkarte werden mehr, nicht weniger. Und auf Infrastrukturebene bieten T-Systems Open Telekom Cloud, OVHcloud und IONOS vollständig europäische Alternativen zu den US-Hyperscalern.

Wer diese Fragen ignoriert, hat kein Tool-Problem — er hat ein Compliance-Problem.

Erkenntnis 2: Governance begrenzt die Tool-Auswahl stärker als das Budget

Dies ist möglicherweise die wichtigste und am häufigsten unterschätzte Erkenntnis: Die eigene Governance-Reife bestimmt, welche Tools eine Organisation überhaupt sicher einsetzen kann.

Die Governance-Anforderungen steigen mit jeder Autonomiestufe exponentiell — nicht linear. Konkret:

Stufe 1 — Assistive Tools (ChatGPT, Copilot, Power BI): Stichproben-Audits auf KI-generierte Inhalte. Nutzungsrichtlinien, die festlegen, welche Daten eingegeben werden dürfen. Vier-Augen-Prinzip bei veröffentlichten Inhalten. Das ist mit überschaubarem Aufwand machbar.

Stufe 2 — KI-Agenten (UiPath, Make, Zapier): Definierte Handlungsgrenzen (z.B. Bestellungen nur bis 5.000 EUR). Tägliches Log-Review der automatisierten Entscheidungen. Sandbox-Tests vor jedem neuen Workflow. Hier steigt der Aufwand deutlich — aber er ist planbar.

Stufe 3 — Agentische KI (Agentforce, Devin, autonome Support-Systeme): Kill Switches für sofortiges Abschalten. Echtzeit-Anomalieerkennung über automatisierte Monitoring-Systeme. Human-in-the-Loop bei allen irreversiblen Aktionen (Vertragsabschlüsse, Löschungen, Zahlungen). Regelmäßige externe Audits. Hier sprechen wir über eine vollständig neue Governance-Infrastruktur.

Die Konsequenz ist unbequem, aber klar: Wer die Governance für Stufe 3 nicht hat, sollte keine agentischen Systeme einsetzen — egal wie beeindruckend die Demo war. Die Frameworks dafür existieren: NIST AI RMF, ISO/IEC 42001, der EU AI Act und das Singapore Model AI Governance Framework für agentische KI liefern konkrete Leitplanken. Das BSI IT-Grundschutz-Kompendium bietet mit der Schutzbedarfsfeststellung ein bewährtes Instrument zur systematischen Risikobewertung.

Erkenntnis 3: Die 47.000 Tools sind ein Übergangszustand

Hier wird es spannend. Die heutige Vielfalt spezialisierter KI-Tools wird nicht von Dauer sein. Die Konvergenz zu universellen KI-Plattformen ist bereits in vollem Gange — und sie vollzieht sich auf drei Ebenen gleichzeitig.

Erstens verschmelzen die Fähigkeiten der Foundation Models selbst. GPT-4o versteht Sprache, generiert Bilder und schreibt Code in einem einzigen Modell. Claude bedient Computer-Interfaces autonom — Mausklicks, Tastatureingaben, Screenshot-Analyse. Die Unterscheidung zwischen einem „Content-Tool” und einem „Coding-Tool” wird obsolet, wenn dasselbe Modell beides kann.

Zweitens entstehen offene Interoperabilitätsstandards, die isolierte Tools zu kooperierenden Agenten verbinden. Anthropics Model Context Protocol (MCP) standardisiert, wie KI-Modelle auf externe Datenquellen zugreifen. Googles Agent2Agent Protocol (A2A) definiert, wie Agenten verschiedener Hersteller miteinander kommunizieren. Ende 2025 gründeten OpenAI, Anthropic und Google gemeinsam die Agentic AI Foundation unter dem Dach der Linux Foundation — die schärfsten Wettbewerber einigen sich auf gemeinsame Standards, weil alle davon profitieren.

Drittens explodiert der Markt: Laut MIT AI Agent Index wächst der Markt für agentische KI von 7 Milliarden USD (2025) auf prognostizierte 93 Milliarden USD (2032) — bei einer jährlichen Wachstumsrate von 44,6 Prozent. Gartner prognostiziert, dass bis 2027 bereits 40 Prozent aller generativen KI-Lösungen multimodal sein werden. Dieses Kapital fließt nicht in weitere spezialisierte Einzeltools, sondern in universelle Plattformen.

Die Vision: Der Computer der Enterprise

Wohin führt diese Konvergenz? Ich bin überzeugt: Wir bewegen uns auf eine General Purpose Agentic AI zu — einen universellen KI-Assistenten, der beliebige Aufgaben versteht und ausführt, ohne dass der Anwender wissen muss, welches Tool im Hintergrund arbeitet.

Es gibt eine Vision, die dieses Endziel besser beschreibt als jede Analystenprognose: den Computer der USS Enterprise aus Star Trek. In Gene Roddenberrys Zukunftsvision von 1966 interagiert die Crew über natürliche Sprache mit einem allwissenden System. „Computer, zeige mir die Sensorendaten des Planeten auf dem Hauptschirm.” Das System versteht den Kontext, beschafft die Daten, wählt die optimale Darstellungsform und präsentiert das Ergebnis. Niemand fragt, welche Datenbank dahinterliegt. Niemand konfiguriert ein Dashboard. Niemand öffnet ein spezialisiertes Analyse-Tool.

Was in den 1960er Jahren reine Fiktion war, ist heute technisch greifbar. Die Foundation Models verstehen natürliche Sprache besser als jedes System zuvor. Computer Use ermöglicht die Steuerung beliebiger Software-Interfaces. Multimodale Ausgabe — Text, Bild, Sprache, interaktive Visualisierung — ist Realität.

Was fehlt, ist nicht die Technologie. Was fehlt, ist die Integration, die Zuverlässigkeit — und vor allem die Governance, die sicherstellt, dass ein solches System im Interesse des Nutzers handelt.

Was das für Ihre Strategie bedeutet

Die strategische Konsequenz: Investieren Sie nicht in proprietäre Tool-Silos. Setzen Sie auf offene Standards (MCP, A2A), lose Kopplung zwischen den Schichten Ihrer IT-Architektur und eine Multi-Vendor-Strategie. Evaluieren Sie alle neun Monate, ob Sie noch das richtige Tool haben. Und vor allem: Bauen Sie die Governance vor der Technologie auf — nicht danach.

Die KI-Tool-Landschaft konvergiert von über 47.000 spezialisierten Werkzeugen zu wenigen universellen Plattformen. Die Vision eines natürlichsprachlichen, allwissenden Assistenten — vor sechzig Jahren Science-Fiction — wird in den nächsten Jahren Realität.

Die Frage ist nicht, ob diese Zukunft kommt. Sondern ob Ihre Organisation die Governance hat, sie sicher zu nutzen.

---

Referenzen

1. Sapkota, R., Roumeliotis, K.I. & Karkee, M. (2025): AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges. Information Fusion, Vol. 120. DOI: 10.1016/j.inffus.2025.103599
2. NIST (2023): AI Risk Management Framework 1.0. National Institute of Standards and Technology. DOI: 10.6028/NIST.AI.100-1
3. ISO/IEC 42001:2023: Artificial Intelligence — Management System. Erster internationaler Standard für KI-Managementsysteme mit 38 Kontrollen.
4. BSI (2017): BSI-Standard 200-2: IT-Grundschutz-Methodik. Bundesamt für Sicherheit in der Informationstechnik. PDF
5. Shneiderman, B. (2022): Human-Centered AI. Oxford University Press. ISBN 978-0-19-284599-9. — Three Lines of Defense-Modell für KI-Governance.
6. IMDA Singapore (2024): Model AI Governance Framework for Generative AI. AI Verify Foundation. PDF
7. Shavit, Y. et al. (2024): Practices for Governing Agentic AI Systems. OpenAI Research White Paper. Link
8. McKinsey & Company (2025): The State of AI: How Organizations Are Rewiring to Capture Value. McKinsey Global Survey. Link
9. Gartner (2024): Gartner Predicts 40% of Generative AI Solutions Will Be Multimodal By 2027. Pressemitteilung
10. MIT FutureTech (2025): The 2025 AI Agent Index. Link — Agentic AI Market: 7 Mrd. USD (2025) → 93 Mrd. USD (2032).
11. Linux Foundation (2025): Linux Foundation Launches the Agent2Agent Protocol Project. Pressemitteilung
12. There’s an AI for That (2026): AI Tools Directory. theresanaiforthat.com — Stand März 2026: über 47.000 gelistete KI-Tools.