Langdock im Praxistest: Das sichere KI-Betriebssystem für den Mittelstand

Update Oktober 2026: Seit der ersten Veröffentlichung im Jänner 2026 hat Langdock kräftig nachgelegt. Im Frühjahr kamen Skills, Subagents, aktualisierter MCP-Support und Workflows direkt aus dem Chat. Im Sommer wanderte die KI in deine Dateien und bis in Excel. Und im Herbst gibt es ein Muster, das mir wichtiger ist als jedes einzelne Feature: Einen KI-Helfer zu bauen und zu starten wird immer leichter. Umso wichtiger wird, bewusst zu entscheiden, was er darf. Die drei Update-Abschnitte weiter unten ordnen das ein. Die Grundaussagen zu Sicherheit, Modell-Unabhängigkeit und Integration gelten unverändert.

Der KI-Dschungel und die Suche nach Orientierung

Unternehmen stehen immer wieder vor der Frage: „Welche KI-Plattform sollen wir nehmen?"

ChatGPT Enterprise? Zu teuer für viele Mittelständler, und die Datenschutzfragen sind kompliziert.

Microsoft Copilot? Nur sinnvoll, wenn du schon tief in Microsoft 365 steckst.

Google Gemini? Ähnliches Problem mit Google Workspace.

Und überall das gleiche Dilemma: Du bindest dich an einen Anbieter und hoffst, dass du auf das richtige Pferd setzt. Und zahlst, was er verlangt.

Ich habe lange getestet. Ich arbeite parallel mit verschiedenen Plattformen.

Ich baute die gleichen Assistenten in ChatGPT, Gemini und Langdock. Ich nutze sie für ähnliche Use Cases. Ich analysiere Kosten, Flexibilität, Datenschutz und vor allem:

Was funktioniert wirklich im Arbeitsalltag?

Das Ergebnis ist eindeutig: Mein Favorit: Langdock.
Update April 2026: parallel nutze ich intensiv Claude von Anthropic.

Nicht, weil Langdock in Vielem besser ist. Sondern weil es die einzige Plattform ist, die mir die Kontrolle lässt, die ich gesucht habe:

Über meine Daten. Über meine Modellwahl. Über meine Zukunft.

In diesem Artikel zeige ich dir, was Langdock genau ist, wo die Stärken liegen und wie ich Langdock nutze. Und in den Update-Abschnitten liest du, was sich vom Frühjahr bis in den Herbst 2026 geändert hat und warum das die Plattform noch interessanter macht.

Langdock ist mehr als nur ein weiterer Chatbot

Auf den ersten Blick könnte man Langdock für einen weiteren KI-Chatbot halten, doch das greift zu kurz. Stell es dir eher als ein zentrales KI-Betriebssystem für dein Unternehmen vor. Eine All-in-One-Plattform, die den sicheren Zugang zu den besten KI-Modellen der Welt ermöglicht.

In Deutschland gegründet, wurde Langdock von Anfang an als sichere, flexible und DSGVO-konforme Alternative zu amerikanischen Anbietern konzipiert. Die Plattform schließt die Lücke zwischen der reinen Leistungsfähigkeit der KI-Modelle und den praktischen Anforderungen deines Arbeitsalltags. Dabei bedient sie zwei zentrale Zielgruppen:

• Alle Mitarbeiter: Ein intuitiver und leistungsstarker KI-Chat für den täglichen Gebrauch, um E-Mails zu formulieren bzw. alles, was normalerweise an Text anfällt. Daten zu analysieren oder kreative Ideen zu entwickeln.

• Entwickler & Tech-Teams: Eine robuste API und Werkzeuge, um eigene, maßgeschneiderte KI-Anwendungen und automatisierte Workflows zu bauen.

Warum es jetzt "Agenten" heißt (und nicht mehr "Assistenten")

Falls du Langdock schon kennst oder ältere Anleitungen gelesen hast: Was früher "Assistenten" hieß, nennt Langdock seit Ende 2025 "Agenten".

Warum die Umbenennung?

Der Begriff "Agent" hat sich am Markt durchgesetzt. Er ist zum Sammelbecken geworden für alle Arten von KI-Helfern, die eigenständig Aufgaben erledigen. Langdock hat sich dieser Entwicklung angepasst, auch wenn die Funktion im Kern dieselbe geblieben ist.

Die Abgrenzung bei Langdock ist jetzt:

• Agenten: KI-Helfer, mit denen du aktiv im Chat interagierst
• Workflows: automatisierte Prozesse, die im Hintergrund ablaufen (dazu später mehr)
• Skills (neu seit März 2026): wiederverwendbare Anweisungen, die die KI automatisch aktiviert

Ich persönlich fand "Assistent" passender, aber das ist Geschmackssache. Wichtig ist nur: Wenn du irgendwo "Assistent" liest, ist dasselbe gemeint wie "Agent".

Die drei strategischen Säulen: Warum Langdock ideal ist für den Mittelstand

Langdock unterscheidet sich durch drei strategische Merkmale, die es zu einer durchdachten Lösung für den Mittelstand machen.

#1: Sicherheit und DSGVO-Konformität an erster Stelle

Für die meisten mittelständischen Unternehmen sind Datenschutz und Datenhoheit die größten Hürden beim KI-Einsatz. Langdock wurde entwickelt, um genau diese Bedenken systematisch auszuräumen. Die Plattform bietet ein Sicherheitskonzept, das auf den höchsten Standards basiert:

• Zertifizierte Sicherheit: Langdock ist nach ISO 27001 und SOC 2 Type II zertifiziert. Das sind international anerkannte Standards, die ein robustes Informationssicherheits-Managementsystem und den sicheren Umgang mit Nutzerdaten belegen.

• Garantiert DSGVO-konform: Die Plattform und die meisten KI-Modelle können vollständig in der EU gehostet werden. Entscheidend ist die Zusicherung von Langdock, dass deine Unternehmensdaten niemals zum Training von KI-Modellen verwendet werden, weder von Langdock noch von den Modellanbietern.

• Volle Datenhoheit: Für Unternehmen in stark regulierten Branchen oder mit besonders hohen Sicherheitsanforderungen bietet Langdock die Möglichkeit des Self-Hostings. Das bedeutet, die Plattform kann auf deiner eigenen Infrastruktur (On-Premises) betrieben werden, wodurch du die vollständige Kontrolle über deine Daten behältst. Laut Langdock gibt es diese Variante allerdings erst ab 5.000 Nutzerplätzen, für kleinere Unternehmen ist sie also kein Thema. Ich selbst nutze Langdock sehr praktisch in der Cloud auf europäischen Servern.

Update Oktober 2026: Langdock sitzt wieder ganz in Deutschland. Bisher gehörte die deutsche Langdock GmbH einer Muttergesellschaft im US-Bundesstaat Delaware. Im September hat Langdock bestätigt, dass die Anteile jetzt bei der Langdock Holding SE mit Sitz in Berlin liegen (Quellen: cloudmagazin, Rose Partner). Für Unternehmen, denen Datensouveränität wichtig ist, ist das ein starkes Signal: Eine US-Mutter war bisher ein Thema, wenn es um den Zugriff nach dem US Cloud Act ging. Ein eigenes Rechenzentrum in Deutschland hat Langdock außerdem für dieses Jahr angekündigt.

Zwei Dinge gehören trotzdem zur ehrlichen Einordnung: Der Sitz allein sagt noch nicht alles darüber, wem ein Unternehmen wirtschaftlich gehört, darauf weist auch die Kritik an der früheren Konstruktion hin. Und die genannten Zahlen zu Kunden und Umsatz sind Eigenangaben. Mein Rat gilt deshalb für jeden KI-Anbieter, nicht nur für Langdock: Frag nach, wem er gehört und wo seine Muttergesellschaft sitzt.

#2: Modell-Unabhängigkeit: Nie wieder im "Vendor Lock-in" gefangen

Ein strategisch entscheidender Vorteil von Langdock ist die Modell-Unabhängigkeit (Modellagnostizismus). Anstatt dich an einen einzigen Anbieter wie OpenAI zu binden, gibt dir die Plattform die Freiheit, flexibel das beste Werkzeug für die jeweilige Aufgabe zu wählen.

Langdock unterstützt eine breite Palette der führenden KI-Modelle von Anbietern wie OpenAI, Anthropic, Google und Mistral. Du selbst entscheidest, welches Modell du für deine Mitarbeiter "freigeben" willst und wo es gehostet sein soll.

Der Clou: Du wechselst das Modell mit einem Klick - sogar mitten im Chat. Starte mit einem GPT-Modell für schnelles Brainstorming, wechsle zu einem Claude-Modell für die Textausarbeitung und nutze ein Gemini-Modell für die Analyse großer Datenmengen.

Gibt es Nutzungslimits?

Ja, aber im Alltag stößt du selten daran.

Langdock rechnet inzwischen nach Verbrauch: Jedes Modell hat einen „Nutzungsverbrauch“ von niedrig bis sehr hoch (siehst du im Screenshot unten), und es gibt Limits pro Sitzung (fünf Stunden) und pro Woche. Dazu kommt ein Spam-Schutz von 250 Nachrichten innerhalb von drei Stunden. Ist ein Limit erreicht, läuft es mit einem Ausweichmodell weiter, in der Langdock-Cloud ist das GPT-6 Luna, oder du nutzt Extra Usage, falls dein Workspace das vorsieht. Aktuelle Infos dazu findest du hier: Langdock Usage Limits

Falls du doch einmal ein Limit erreichst, wechselst du einfach temporär auf ein anderes Modell. Das ist ja gerade der Vorteil der Plattform.

Dadurch hast du die Freiheit, je nach Anforderung zwischen verschiedenen Modell-Generationen zu wählen, um jederzeit auf die leistungsstärkste, kreativste oder kosteneffizienteste Option zuzugreifen, ohne deine internen Prozesse oder die Benutzeroberfläche anpassen zu müssen.

In einer Technologielandschaft, in der die Leistungsfähigkeit und Preise von KI-Modellen quartalsweise schwanken, ist diese Unabhängigkeit keine technische Spielerei, sondern eine essenzielle Absicherung deiner Investition und Kostenkontrolle.

#3: Tiefe Integration: Die KI dort, wo die Arbeit stattfindet

Langdock ist keine Insellösung, sondern eine Integrationsplattform, die sich nahtlos in deine bestehende Tool-Landschaft einfügt. Die KI arbeitet dort mit den Daten, wo sie entstehen und gebraucht werden.

Aktuell (Stand Oktober 2026) führt das Integrationsverzeichnis der Langdock-Dokumentation rund 70 native Integrationen, unter anderem:

• Wissensmanagement: Confluence, SharePoint, Google Drive, Notion

• CRM und Sales: Salesforce, HubSpot

• Projektmanagement: Jira, Asana, Monday.com

• Kommunikation: Slack, Microsoft Teams

• Büro und Zusammenarbeit: Microsoft Outlook und Excel, Google Docs und Google Sheets, Google Meet

• HR und Support: Personio, Zendesk

Der Nutzen: Unternehmenswissen, das bisher in verschiedenen Silos verstreut war, wird durchsuchbar. Ein Prompt kann ausreichen, um eine Information aus dem internen Workspace zu ziehen, basierend darauf eine Aufgabe in Asana zu erstellen und das zuständige Team in Slack zu benachrichtigen.

Update Frühjahr 2026: Was sich bei Langdock verändert hat

Fünf Monate sind kurz. Aber was Langdock im ersten Halbjahr 2026 ausgeliefert hat, ist mehr als ein Patch. Drei Neuerungen stechen besonders hervor, ergänzt um mehrere kleinere Verbesserungen. Im April und Mai kam dann nochmal ein deutlicher Schub: Library, Document Editor, Auto Model Mode und Agent Versioning. Was danach im Sommer und Herbst kam, bekommt weiter unten eigene Abschnitte, denn dort zeichnen sich Muster ab, die über einzelne Features hinausgehen.

Skills: Das neue Herzstück der Plattform

Skills sind seit März 2026 verfügbar und das Feature, das mich am meisten beschäftigt. Sie verändern, wie KI sich im Arbeitsalltag anfühlt.

Was ist ein Skill? Ein Skill ist eine wiederverwendbare Anleitung für die KI. Du definierst einmal, wie die KI eine bestimmte Art von Aufgabe erledigen soll, und von da an aktiviert sie diesen Skill automatisch, sobald er passt.

Der entscheidende Unterschied zu einem Agenten: Du musst Skills nicht explizit aufrufen. Die KI liest die Beschreibung des Skills, erkennt selbst, ob er für die aktuelle Anfrage relevant ist, und zieht ihn im Hintergrund dazu.

Skills sind der stille Helfer im Hintergrund. Agenten sind die spezialisierten Kollegen, die du gezielt ansprichst.

Langdock liefert sieben Built-in Skills mit: PowerPoint, Word, Excel, PDF-Generierung, Datenvisualisierung, Skill-Erstellung und Plattform-Hilfe. Wenn du die KI bittest, eine Präsentation zu einem Thema zu erstellen, aktiviert sich der PowerPoint-Skill automatisch und du bekommst eine fertige Datei, nicht nur Text.

Skills vs. Agenten im direkten Vergleich:

Die Faustregel: Immer, wenn du die gleiche Anweisung zum dritten Mal in einen Chat tippst, ist es Zeit für einen eigenen Skill. Typische Kandidaten sind dein Meeting-Protokoll-Format, die Tonalität für Kundenkommunikation, der Aufbau von Angeboten oder Qualitätskriterien für Texte.

MCP-Support: Der USB-Standard für KI

MCP steht für Model Context Protocol. Falls dich das abschreckt: Keine Sorge, es ist einfacher, als es klingt.

Stell dir MCP vor wie den USB-Standard. Bevor es USB gab, brauchte jedes Gerät einen eigenen Anschluss. MCP ist der USB-Stecker für KI-Modelle und Tools. Ein einheitlicher Standard, über den eine KI mit beliebigen Tools, Diensten und Datenquellen reden kann.

Langdock hat den MCP-Support zum Jahreswechsel 2025/26 auf die Version 2025-11-25 aktualisiert. In der Praxis bedeutet das: MCP-Server lassen sich deutlich einfacher anbinden, Namen und Icons werden automatisch aus der URL übernommen, manuelle Konfiguration fällt weg. Wenn dein IT-Team einen MCP-Server bereitstellt, hast du in Langdock Zugriff darauf, ohne selbst etwas einzurichten.

Strategisch wichtig ist das, weil sich der gesamte KI-Markt in Richtung MCP bewegt. Eine KI-Plattform, die MCP sauber unterstützt, ist zukunftssicher. Langdock ist hier früh dabei.

Workflows direkt aus dem Chat starten

Die Workflows-Funktion selbst ist nicht neu, aber die Art, sie zu starten, hat sich verändert. Bisher liefen Workflows im Hintergrund und warteten auf einen Trigger (eine eingehende Mail, ein neues Dokument, ein Formular). Das war mächtig, aber der Einstieg war hoch.

Jetzt kannst du Workflows direkt im Chat per @-Mention aufrufen, so wie du einen Agenten ansprichst.

Beispiel: Du hast einen Workflow "Angebot erstellen", der aus einem Kunden-Briefing ein fertiges Angebot baut, das Ergebnis in Google Drive ablegt und das Vertriebsteam in Slack benachrichtigt. Früher über ein Formular angestoßen, heute einfach mit "@Angebot erstellen" im Chat.

Das senkt die Einstiegshürde dramatisch. Plötzlich werden Workflows für alltägliche Aufgaben realistisch, nicht nur für strategische Automatisierungen.

Weitere kleinere Updates im Überblick

Get Started Guide mit Gamification: Neue User bekommen einen personalisierten Onboarding-Pfad mit Checklisten, Punkten und Leaderboard. In der Praxis ein starkes Change-Management-Werkzeug, weil KI-Einführungen selten an der Technik scheitern, sondern daran, dass Mitarbeiter nicht loslegen.

Agent-API (seit Dezember 2025): Agenten lassen sich per API erstellen und aktualisieren. Relevant für Tech-Teams und Enterprise-Setups.

Update Sommer 2026: Die KI kommt zu deiner Arbeit, nicht umgekehrt

Zwischen April und Anfang Juli hat Langdock in einer Schlagzahl nachgelegt, die selbst mich überrascht hat. Ich könnte dir jetzt die Liste aus dem Changelog vorlesen: Library, Document Editor, Auto Model Mode, Scheduled Tasks, Work in Folders, ein Excel-Add-in, dazu im Wochentakt neue Modelle. Aber eine Liste hilft dir nicht bei der Frage, die wirklich zählt: Was bedeutet das für deine Arbeit?

Deshalb lege ich die Neuerungen anders nebeneinander. Denn wenn man sie zusammen betrachtet, erzählen sie eine gemeinsame Geschichte. Genauer gesagt: drei.

Die wichtigste Nachricht ist nicht das einzelne Feature. Es ist die Richtung: Die KI kommt dorthin, wo du ohnehin arbeitest, statt dass du deine Arbeit zur KI trägst.

Erstens: Deine Dateien und die KI leben endlich am selben Ort

Kennst du dieses Ping-Pong? Text im Chat erzeugen, kopieren, in Word einfügen, nachformatieren, speichern, im richtigen Ordner ablegen. Fünf Programme für ein Dokument, und bei jedem Wechsel geht ein bisschen Zeit und Konzentration verloren. Genau dieses Ping-Pong baut Langdock gerade Stück für Stück ab.

Der neue Document Editor (er ersetzt den bisherigen Canvas) macht aus dem Chat-Ergebnis ein fertig formatiertes Dokument mit Versionshistorie, das du mit einem Klick nach SharePoint, OneDrive oder Google Drive speicherst. Die Library gibt deinen Vorlagen ein Zuhause direkt in der Plattform: Die Angebots-Vorlage, das Protokoll-Format, das Reporting-Gerüst liegen dort, wo sie gebraucht werden, nicht in einem Ordner, den niemand findet. Und mit Work in Folders bekommt der Chat ein echtes Arbeitsverzeichnis: Du wählst deinen Projektordner, die KI arbeitet mit den Dateien darin und legt neue Versionen wieder genau dort ab. (Nicht verwechseln mit der Ordner-Synchronisation für Agenten, zu der weiter unten die "Ordner-Falle" wartet. Das hier ist etwas anderes: ein aktiver Schreibtisch für einen konkreten Chat, keine Wissensdatenbank.)

Den vorläufigen Höhepunkt dieser Entwicklung gibt es seit Anfang Juli: Langdock for Excel, ein offizielles Add-in aus dem Microsoft Marketplace. Damit sitzt die KI direkt in der Tabelle. Du fragst dein Tabellenblatt: "Was rechnet diese Formel eigentlich?" oder "Wo sind Auffälligkeiten in diesen Zahlen?" Und du baust Formeln, Auswertungen und Pivot-Tabellen, indem du in normaler Sprache beschreibst, was du brauchst.

Warum mich gerade das begeistert: In fast jedem Unternehmen, das ich begleite, laufen die wichtigsten Zahlen durch Excel. Kalkulationen, Reportings, Personalplanung. Und ausgerechnet dort saß die KI bisher nicht. Wer seine Zahlen analysieren wollte, exportierte sie in ein Chat-Fenster und trug das Ergebnis wieder zurück, mit allen Risiken, die das für Datenschutz und Fehlerquellen bedeutet. Dass die DSGVO-konforme Plattform jetzt in der Tabelle selbst arbeitet, inklusive deiner Agenten und Skills, löst genau dieses Problem an der Wurzel.

Zweitens: Die KI arbeitet auch, wenn du gerade nicht hinschaust

Bisher galt in Langdock wie in jedem Chat-Tool: nichts passiert, solange niemand etwas eintippt. Mit Scheduled Tasks ändert sich das. Du legst einen Prompt fest, wählst einen Agenten und einen Rhythmus (täglich, wöchentlich oder individuell), und die Aufgabe läuft von selbst, pünktlich in deiner Zeitzone.

Das klingt nach einem kleinen Komfort-Feature. Es ist aber ein Perspektivwechsel. Ein Beispiel, wie das aussehen kann: Ein Agent fasst jeden Montag um sieben Uhr die wichtigsten Entwicklungen deiner Branche zusammen und legt den Entwurf ab, bevor du den ersten Kaffee getrunken hast. Oder er prüft jeden Freitag, welche Angebote diese Woche offen geblieben sind, und bereitet die Nachfass-Mails vor. Du stößt nichts mehr an, du prüfst nur noch Ergebnisse. Für kleine Teams und Selbständige ist das oft der Unterschied zwischen "KI als nettes Werkzeug" und "KI als stille Mitarbeiterin im Hintergrund".

Mein Rat dazu: Fang mit einer einzigen wiederkehrenden Aufgabe an, die dich jede Woche Zeit kostet und die einem klaren Muster folgt. Wenn die zuverlässig läuft, kommt die nächste.

Drittens: Agenten werden vom Experiment zum Betriebsmittel

Die dritte Linie ist die unauffälligste, aber für Unternehmen vielleicht die wichtigste. Agenten bekommen jetzt das, was professionelle Software schon lange hat: einen geordneten Weg von der Idee in den Team-Einsatz.

Agent Versioning trennt Entwurf und Veröffentlichung. Du entwickelst einen Agenten in Ruhe weiter, während dein Team mit der stabilen Version arbeitet. Analytics-Dashboards zeigen dir, welche Agenten tatsächlich genutzt werden und wo es hakt, damit du nicht an den Bedürfnissen deines Teams vorbei baust. Und mit Agent Evals lässt sich ein Agent systematisch testen, bevor er live geht, statt Fehler erst im Echtbetrieb zu entdecken. Wer schon einmal erlebt hat, wie schnell ein halbgar konfigurierter Agent das Vertrauen eines Teams in KI beschädigt, weiß, wie viel das wert ist.

Und die Modelle? Auch da war viel los, im Wochentakt kamen neue dazu (mehr dazu im Herbst-Abschnitt). Aber die eigentliche Nachricht steckt woanders: Die Frage "Welches Modell nehme ich?" verliert an Gewicht. Auto Model Mode wählt auf Wunsch automatisch das passende Modell für deine Anfrage, manuell geht weiterhin. Und eine neue Anzeige im Chat zeigt, wie voll das "Gedächtnis" des Modells gerade ist (das sogenannte Kontextfenster), damit du rechtzeitig merkst, wann ein frischer Chat bessere Antworten bringt. Genau das meinte ich oben mit Säule 2: Die Modell-Landschaft dreht sich im Wochentakt weiter, und du profitierst davon, ohne dich darum kümmern zu müssen.

Update Herbst 2026: Die Hürde sinkt, die Verantwortung bleibt

Zwischen Juli und Mitte Oktober hat Langdock wieder kräftig nachgelegt: ein Agenten-Builder im Chat, Plugins, ein Outlook-Add-in, eine Desktop-App, Workflows, die andere Workflows aufrufen, und nebenbei mehr als ein Dutzend neue KI-Modelle. Die vollständige Liste steht im Changelog. Hier geht es um etwas anderes, nämlich um die Frage: Was davon verändert deinen Arbeitsalltag, und worauf solltest du achten?

Auch diesmal erzählen die Neuerungen zusammen eine Geschichte. Sie ist anders als im Sommer, denn sie hat eine Kehrseite.

Es wird immer leichter, KI-Helfer zu bauen und zu starten. Genau deshalb wird wichtiger, bewusst zu entscheiden, was sie dürfen.

Erstens: Einen Agenten zu bauen heißt jetzt, ihn zu beschreiben

Bisher begann jeder Agent mit einem leeren Formular: Name, Anweisungen, Wissen, Integrationen. Wer das zum ersten Mal sieht, weiß oft nicht, wo er anfangen soll. Die Hürde beim ersten Agenten ist oft nicht die Technik, sondern das leere Blatt.

Der neue Agenten-Builder im Chat (seit Juli) dreht das um. Du beschreibst in normaler Sprache, was der Agent können soll. Der Builder schlägt einen Plan vor, stellt Rückfragen und richtet den Agenten dann ein. Du siehst live im Editor, wie er entsteht. Und weil der Builder die Integrationen, Wissensdatenbanken und bestehenden Agenten deines Workspaces kennt, baut er auf dem auf, was schon da ist.

Dazu passen die Plugins (seit September): Integrationen, Skills und Tools fügst du direkt im Eingabefeld des Chats hinzu und durchsuchst sie in der Seitenleiste an einem Ort. Skills haben nur noch zwei Zustände, aktiviert oder deaktiviert. Eine eigene Installation entfällt.

Das ist die gute Nachricht. Jetzt kommt die Kehrseite: Wer in fünf Minuten einen Agenten bauen kann, baut schnell viele. Und dann stellt sich eine Frage, die kein Changelog beantwortet: Wer kümmert sich eigentlich um all die Agenten, und was dürfen sie selbstständig tun?

Langdock liefert dafür inzwischen brauchbare Bordmittel. Pro Agent lässt sich einstellen, bei welchen Aktionen er vorher um Bestätigung bittet. Das ist Human-in-the-Loop auf Knopfdruck: Der Agent bereitet vor, du gibst frei. Agenten, die drei Monate niemand genutzt hat, schlägt Langdock zur Archivierung vor (mit sieben Tagen Frist). Und Versionierung und Evals aus dem Sommer helfen dir, einen Agenten zu testen, bevor dein Team ihm vertraut.

Die Werkzeuge ersetzen aber nicht das Nachdenken. Mein Vorschlag: Stell dir vor jedem neuen Agenten drei Fragen.

1. Welche Aufgabe übernimmt er genau? Ein Satz reicht. Wenn du ihn nicht in einem Satz sagen kannst, ist der Agent noch nicht reif.
2. Was darf er allein, und was nur nach deiner Freigabe? Alles, was nach außen geht (Mails, Veröffentlichungen, Kundenkontakt), gehört in die zweite Gruppe.
3. Wer schaut regelmäßig drauf? Ein Agent ohne Verantwortliche wird zum Altbestand, noch bevor er richtig im Einsatz war.

Zweitens: Die KI sitzt jetzt auch in deinem Postfach und auf deinem Desktop

Im Sommer ist die KI in die Tabelle gezogen. Jetzt folgt der Ort, an dem für die meisten der Arbeitstag beginnt: das Postfach.

Langdock for Outlook (seit Ende Juli, ebenfalls über den Microsoft Marketplace) sitzt direkt in Posteingang und Kalender. Es fasst lange Mail-Verläufe zusammen, mit den getroffenen Entscheidungen, offenen Fragen und nächsten Schritten. Es entwirft Antworten, passt den Ton an und übersetzt. Und es findet freie Termine, legt sie an oder verschiebt sie. Besonders praktisch klingt die Meeting-Vorbereitung: Die KI zieht passende E-Mails, Kalendereinträge und Unternehmenswissen zusammen, bevor du ins Gespräch gehst. Auch hier stehen deine Wissensdatenbanken, Skills und Workflows direkt zur Verfügung.

Ein Hinweis, der mir wichtig ist: Aktivieren muss das Add-in zuerst ein Workspace-Admin in den Integrationseinstellungen. Erst danach können Einzelne es installieren. Das ist keine Schikane, sondern genau der richtige Ort für eine bewusste Entscheidung: Wer im Team arbeitet mit Mails, und was darf die KI dort sehen? Beantworte das, bevor du den Schalter umlegst.

Die zweite Neuerung dieser Linie wirkt unscheinbar: Seit September gibt es die Langdock Desktop-App für macOS und Windows. Sie hat ein eigenes Symbol im Dock oder in der Taskleiste, deine Chats, Agenten und Workflows sind ohne weitere Einrichtung da, und mit mehreren Tabs lassen sich Aufgaben parallel bearbeiten. Während die lange Recherche läuft, schreibst du im zweiten Tab die Mail.

Klingt nach Komfort, ist aber Gewohnheitsbildung. Was als Symbol in der Taskleiste liegt, wird geöffnet. Was als dreißigster Browser-Tab irgendwo versteckt ist, nicht. Und genau daran scheitern KI-Einführungen oft: nicht an den Funktionen, sondern daran, dass das Werkzeug im Alltag nicht auftaucht.

Drittens: Workflows werden zu Bausteinen

Wer Workflows nutzt, kennt das: Man baut denselben Prüfschritt in drei verschiedenen Abläufen nach. Ändert sich die Regel, muss man alle drei anfassen, und einer wird garantiert vergessen.

Mit Composable Workflows (seit September) kann ein Workflow einen anderen aufrufen, auf dessen Ergebnis warten und damit weiterarbeiten. Du baust den Prüfschritt einmal und verwendest ihn überall. Ein Beispiel, wie das aussehen kann: Ein Baustein „Kundendaten prüfen" wird sowohl vom Workflow „Angebot erstellen" als auch vom Workflow „Rechnung vorbereiten" aufgerufen. Ändert sich die Prüfregel, passt du sie an einer einzigen Stelle an.

Dazu kommen Verbesserungen, die den Alltag spürbar sichern: Mehrere Trigger pro Workflow lassen sich kombinieren. Ein Workflow Monitor zeigt ungültige Verbindungen schon an, bevor ein Lauf scheitert. Und bis zu 20 fehlgeschlagene Läufe starten sich mit einem Klick neu, entweder an der Fehlerstelle oder von vorn. Wer bereits Automatisierungen in Zapier oder Make hat, kann sie importieren.

Mein Rat: Fang flach an. Langdock erlaubt bis zu fünf Ebenen und erkennt Kreisaufrufe von selbst, aber je tiefer verschachtelt, desto schwerer lässt sich nachvollziehen, was bei einem Fehler passiert ist. Zwei Ebenen reichen für die meisten Teams lange. Und die Freigabe-Schritte (Human-in-the-Loop) bleiben dort, wo es um Außenwirkung geht.

Und die Modelle? Lass sie ruhig rennen

Seit Mitte Juli sind mehr als ein Dutzend neue KI-Modelle dazugekommen, von OpenAI, Anthropic und Google, teils im Abstand weniger Tage. Wenn du bei jedem Release neu entscheidest, welches Modell du nutzt, tust du bald nichts anderes mehr.

Das ist der beste Beleg für Säule 2 weiter oben: Weil du bei Langdock nicht an ein Modell gebunden bist, musst du keinem hinterherlaufen. Mein Vorschlag für einen gelassenen Umgang damit:

• Lege pro Aufgabentyp ein Standardmodell fest. Zum Beispiel eines für schnelles Brainstorming, eines für die Textausarbeitung, eines für große Datenmengen.
• Teste Neues an deinen echten Aufgaben. Nimm drei Prompts aus deinem Alltag und vergleiche. Ein Modell, das in Ranglisten glänzt, muss bei deinen Aufgaben nicht besser sein.
• Stell erst um, wenn es sich lohnt. Im Modell-Selektor zeigt Langdock dir bei jedem Modell einen Nutzungsverbrauch von niedrig bis sehr hoch, das hilft bei der Wahl. Und wenn du das alles lieber nicht selbst entscheiden willst, übernimmt der Auto-Modus die Wahl für dich.

Mein Lieblings-Use-Case: Meeting-Transkription

Ich sage es ganz direkt: Wenn du nur einen einzigen Use Case mit Langdock umsetzt, dann diesen.

Meeting-Transkription ist der schnellste Quick-Win und gleichzeitig die Basis für viele weitere Automatisierungen.

So funktioniert mein Setup:

1. Ich nehme Meetings über Google Meet auf (geht auch mit Zoom, Teams etc.)
2. Die Transkripte landen automatisch in Google Drive
3. Da mein Google Drive mit Langdock verbunden ist, kann ich sofort damit arbeiten
4. Ein hinterlegter Agent strukturiert den Inhalt
5. Der Agent erstellt einen Mail-Entwurf für alle Beteiligten
6. Ich prüfe kurz und versende manuell (Human-in-the-Loop)

Warum ist das so wertvoll?

In Meetings entsteht, was ich gerne als "Entscheidungs-DNA" bezeichne: Das Warum hinter den Entscheidungen.

Dein CRM weiß zB, dass ein Kunde 25 % Rabatt bekommen hat. Aber es weiß nicht, wer das freigegeben hat, welche Argumente überzeugt haben, warum bei diesem Kunden eine Ausnahme gemacht wurde.

Diese Information steckt in Meeting-Transkripten. Und plötzlich kannst du die KI fragen: "Warum haben wir bei Kunde X eine Ausnahme gemacht?" - Die Antwort ist auf Knopfdruck da.

Mein Tipp: Mach die Transkription zum Standard für alle Meetings. Frage am Anfang kurz, ob es für alle in Ordnung ist. Die meisten haben kein Problem damit und du baust dir systematisch eine durchsuchbare Wissensbasis auf.

Die Kernfunktionen im Praxis-Check: So hilft dir Langdock im Alltag

Werfen wir einen Blick darauf, wie die zentralen Funktionen von Langdock deine tägliche Arbeit konkret erleichtern.

Der Chat: Deine Superkraft für tägliche Aufgaben

Der Langdock Chat ist das Herzstück für die tägliche Interaktion mit KI und bietet weit mehr als nur Textgenerierung. Er ist ein mächtiges Werkzeug, das mit praktischen Funktionen ausgestattet ist:

• Umfassende Datei-Analyse: Lade komplexe Dokumente wie PDFs, Excel-Tabellen oder Bilder hoch und stelle Fragen dazu. Lass dir die Kernaussagen eines 50-seitigen Reports zusammenfassen oder erstelle Diagramme aus Rohdaten, ohne eine einzige Formel zu kennen.

• Audio- & Video-Transkription: Du hast einen einstündigen Kundenanruf aufgezeichnet? Lade die Audio- oder Videodatei hoch, lass sie automatisch transkribieren und frage anschließend nach den wichtigsten Action-Items oder offenen Punkten.

• Websuche & Deep Research: Für schnelle Fragen greift der Chat auf Echtzeitinformationen aus dem Internet zu. Bei komplexen Recherchen, wie einer Marktanalyse, kannst du die „Deep Research“-Funktion nutzen. Sie prüft autonom mehrere Quellen und erstellt einen strukturierten Bericht mit Quellenangaben.

Der unterschätzte Hebel: Dein Unternehmenskontext

In den Workspace-Einstellungen von Langdock gibt es ein Feld namens "Unternehmensbeschreibung". Die meisten überspringen es oder füllen es halbherzig aus.

Das ist ein Fehler.

Dieser Kontext wird jedem Chat im Hintergrund mitgegeben, ganz automatisch, ohne dass du ihn jedes Mal eingeben musst. Er macht den Unterschied zwischen generischen und passgenauen Antworten.

Was sollte rein?

Stell dir vor, du schreibst einen Wikipedia-Eintrag über dein Unternehmen. Nicht zu oberflächlich, aber auch nicht jedes Produktdetail:

• Wer seid ihr? Ein Satz, der euer Unternehmen beschreibt
• Mission und Werte: Wofür steht ihr?
• Produkte und Services: Was bietet ihr wem an?
• Tonalität: Duzt oder siezt ihr? Direkt oder förmlich?
• Zielgruppe: Wen wollt ihr erreichen?

Wichtig: Geh nicht zu tief in einzelne Produkte, die nur für einen Bruchteil der Anfragen relevant sind. Sonst befüllst du das Kontextfenster mit Informationen, die meistens nicht gebraucht werden.

Die Faustregel: So viel wie nötig, so wenig wie möglich. Oder anders ausgedrückt: Wikipedia-Niveau, nicht Produktkatalog.

Die Agenten: Maßgeschneiderte KI-Experten für dein Team

Während der Chat für spontane, alltägliche Aufgaben konzipiert ist, sind Agenten das strategische Werkzeug, um das Expertenwissen und die besten Prozesse deines Unternehmens zu digitalisieren und zu skalieren. Zwei Funktionen stechen hier besonders hervor:

Highlight #1: Lebendiger Kontext durch Ordner-Synchronisation:

Anstatt Dokumente manuell hochzuladen, kannst du ganze Ordner aus Google Drive oder SharePoint mit einem Agenten synchronisieren.

Der Vorteil? Dein Agent arbeitet immer mit den aktuellsten Informationen. Ein HR-Agent kennt so stets die neueste Version des Mitarbeiterhandbuchs, da der Ordner täglich automatisch synchronisiert wird.

Highlight #2: Konsistente Qualität durch Formulare:

Statt offener und oft vager Prompts kannst du für standardisierte Aufgaben, wie das Erstellen eines Social-Media-Briefings, feste Formulare definieren. Dein Team füllt nur noch die vorgegebenen Felder aus, und der Agent liefert einen perfekt strukturierten Entwurf. Das Ergebnis ist eine konsistent hohe Qualität und ein massiv beschleunigter Prozess.

Die Ordner-Falle: Der häufigste Fehler bei Langdock (und wie du ihn vermeidest)

Dieser Abschnitt kann dir Stunden an Frust ersparen.

Ich höre oft dieselbe Geschichte: Jemand baut einen Agenten, füttert ihn mit Dokumenten, bekommt brillante Ergebnisse. Dann will er "optimieren" und plötzlich liefert der Agent nur noch generisches Zeug.

Was ist passiert?

Meistens das: Statt einzelne Dateien anzuhängen, wurde ein ganzer Ordner synchronisiert. Für den Nutzer sieht beides gleich aus. Aber unter der Haube passiert etwas völlig Unterschiedliches.

Direct Attachments vs. Ordner-Sync: Der entscheidende Unterschied

Direct Attachments (bis zu 50 Dateien, bis zu 20 davon liegen komplett im Blick der KI):

• Die KI "liest" das gesamte Dokument
• Sie versteht Stil, Tonalität, Zusammenhänge
• Sie sieht das große Ganze
• Keine automatische Synchronisation: neue Versionen lädst du selbst hoch

Ordner-Sync (RAG-Verfahren):

• Die KI "sucht" nur nach passenden Textschnipseln
• Sie sieht nie das vollständige Dokument
• Kein Verständnis für Stil oder Kontext
• Geeignet für Faktensuche in großen Dokumentenmengen
• Synchronisiert sich alle 24 Stunden oder auf Knopfdruck

Was ist RAG eigentlich?

RAG steht für "Retrieval Augmented Generation" - auf Deutsch etwa "abrufgestützte Generierung". Wer genauer verstehen will, wie das im Hintergrund funktioniert: Im Beitrag Gemini Notebook: RAG einfach erklärt beschreibe ich die zwei Phasen Schritt für Schritt.

Stell es dir so vor:

Beim Direct Attachment gibst du der KI ein Buch zum Lesen. Sie liest es komplett, versteht den Aufbau, den Stil, die Argumentation.

Beim RAG-Verfahren (Ordner-Sync) gibst du der KI Zugang zu einer riesigen Bibliothek. Aber sie liest nicht die Bücher. Sie hat nur einen Zettelkasten mit Textschnipseln. Wenn du eine Frage stellst, sucht sie nach passenden Zetteln und bastelt daraus eine Antwort.

Das RAG-Verfahren ist großartig, wenn du in hunderten Dokumenten nach einer bestimmten Information suchst - zum Beispiel: "Wie ist unsere Reisekostenrichtlinie?"

Aber wenn du willst, dass die KI deinen Schreibstil übernimmt oder eine strategische Analyse macht? Dann brauchst du Direct Attachments.

Die Faustregel

Brauchst du Stil, Strategie, Kreativität? → Direct Attachments (einzelne Dateien anhängen)

Brauchst du Faktensuche in vielen Dokumenten? → Ordner-Sync

Ein konkretes Beispiel

Du willst einen Agenten bauen, der Blogbeiträge in deinem Stil schreibt.

Falsch: Du synchronisierst deinen Google-Drive-Ordner mit 200 Blogposts. Der Agent sucht sich einzelne Schnipsel raus und liefert generischen Text ohne deine Stimme.

Richtig: Du wählst deine 15 - 20 besten Blogposts als Direct Attachments aus. Der Agent "liest" sie komplett, versteht deinen Stil, deine Wortwahl, deinen Aufbau und schreibt wie du.

Wer diesen Unterschied nicht kennt, gibt oft frustriert auf. Dabei liegt es nicht an der Technologie, sondern an der falschen Einrichtung.

Die neuen Skills bieten da nochmals eine andere Möglichkeit der Blogartikelerstellung.

Die Automatisierung: Workflows bei Langdock

Langdock entwickelt sich kontinuierlich weiter: Das vor einigen Monaten gelaunchte "Workflows“-Feature hebt die Automatisierung auf die nächste Stufe: Es ermöglicht, mehrstufige, wiederkehrende Prozesse komplett zu automatisieren und macht dadurch Langdock zum proaktiven Agenten.

Die Kernkonzepte sind uns bereits von anderen (Automatisierungs-) Tools wie zB n8n oder make bekannt - sehr einfach und zugleich mächtig.

Die drei Kernkonzepte:

1. Trigger-basierter Start

Ein Workflow startet automatisch, wenn etwas Bestimmtes passiert:

• Eine E-Mail landet in einem bestimmten Postfach
• Ein Formular wird ausgefüllt
• Ein Dokument wird in einen Ordner hochgeladen

2. Mehrstufige Automatisierung

Der Workflow kann Aktionen über verschiedene Tools hinweg verketten:

• Eingehende Support-Mail wird analysiert
• Basierend darauf wird ein Ticket in Jira angelegt
• Das zuständige Team wird in Slack benachrichtigt

Alles ohne manuellen Eingriff.

3. Human-in-the-Loop

Bei kritischen Schritten kannst du eine manuelle Genehmigung einbauen. Die KI bereitet vor – du gibst frei. So behältst du die Kontrolle, wo sie wirklich nötig ist.

Seit Q1 2026 neu: Workflows lassen sich direkt im Chat per @-Mention starten. Damit werden sie auch für alltägliche Aufgaben realistisch, nicht nur für strategische Automatisierungen im Hintergrund.

Seit September 2026 neu: Workflows können andere Workflows aufrufen. So baust du gemeinsame Schritte einmal und nutzt sie überall. Wie das funktioniert und worauf du achten solltest, steht im Abschnitt „Update Herbst 2026“ weiter oben.

Warum ist das relevant für dich?

Wenn du aus der Experimentierphase rauswillst und echte produktive Use Cases suchst: Workflows sind der nächste Schritt.

Sie verwandeln einzelne KI-Interaktionen in systematische Prozesse, die dein Team dauerhaft entlasten.

Ist Langdock die richtige Wahl für dein Unternehmen?

Langdock positioniert sich als eine durchdachte und strategische Lösung für den DACH-Mittelstand.

Die drei Säulen, nämlich Sicherheit & DSGVO-Konformität, Modell-Unabhängigkeit und tiefe Integration, adressieren exakt die zentralen Herausforderungen, die viele Unternehmen bisher vom KI-Einsatz abhalten.

Mit den Updates im Frühjahr 2026 (Skills, MCP-Support, chat-native Workflows), im Sommer (Scheduled Tasks, Work in Folders, Langdock for Excel) und im Herbst (Agenten-Builder im Chat, Outlook-Add-in, Desktop-App, Composable Workflows) bewegt sich die Plattform konsequent in Richtung Agentic AI und bleibt dabei den Stärken treu, die sie für den Mittelstand interessant machen. Excel und Outlook zeigen, wohin die Reise geht: KI dort, wo ohnehin schon gearbeitet wird, statt als zusätzliches Tool nebenher.

Der Herbst hat noch etwas gezeigt: Je leichter sich Agenten bauen und starten lassen, desto mehr kommt es auf die Menschen an, die entscheiden, was diese Agenten dürfen. Genau dafür lohnt sich ein klarer Rahmen, bevor es viele werden.

Die Plattform senkt die technologischen und rechtlichen Hürden erheblich, ersetzt aber nicht die strategische Planung. Die Einführung von KI bleibt ein Veränderungsprozess, der aktiv gestaltet und begleitet werden muss.

Wenn du nach einer Plattform suchst, die Sicherheit, Flexibilität und echte Produktivitätsgewinne vereint, um KI strukturiert und nachhaltig in deinem Unternehmen zu verankern, dann würde ich jedenfalls Langdock in die engere Auswahl miteinbeziehen.

Du willst KI sinnvoll in deinem Team einsetzen und dabei weder Datenschutz noch Produktivität opfern? Hol dir ein kostenloses Kennenlerngespräch:

Jetzt loslegen