Erstveröffentlichung:
Novum Bellum

Letzte Aktualisierung:
09.04.2026

Autoren
Thomas Doll

Der vorliegende Artikel ist der dritte Teil einer Reihe, die sich mit der wachsenden Bedeutung Künstlicher Intelligenz für die Gefechtsführung der Landstreitkräfte befasst. Der erste Beitrag, „Künstliche Intelligenz auf dem Gefechtsfeld — Erkenntnisse und Forderungen zur Erhöhung der Fähigkeiten in landbasierten Operationen“, erschienen im Hardthöhen-Kurier 5/2025, analysierte das Potenzial und die Grenzen von KI-Systemen auf dem Gefechtsfeld — ausgehend von den Erkenntnissen des Ukraine-Krieges und den daraus abgeleiteten Anforderungen an die deutschen Landstreitkräfte. Der zweite Beitrag, „Der KI-gestützte Gefechtsstand — Ein zentrales Element der KI-zentrierten Gefechtsführung“, veröffentlicht auf novumbellum.org im Januar 2026, führte diesen Gedanken weiter und entwarf eine Konzeptidee für die Integration generativer KI in die dislozierte Gefechtsstandarbeit. Der vorliegende Artikel denkt beide Vorgänger zu Ende und vollzieht den entscheidenden Schritt: von der KI-gestützten zur KI-zentrierten Gefechtsführung.

Der Unterschied ist fundamental. KI-gestützte Gefechtsführung bedeutet, dass Künstliche Intelligenz den Menschen bei einzelnen Aufgaben unterstützt — ein Werkzeug unter vielen, punktuell eingesetzt, punktuell wirksam. KI-zentrierte Gefechtsführung bedeutet, dass KI zum strukturgebenden Element der gesamten Führungsarchitektur wird. Sie durchdringt Aufklärung, Führung, Wirkung und Unterstützung nicht als Ergänzung, sondern als verbindendes Nervensystem. Der Mensch bleibt Entscheidungsträger — aber die Art, wie er zu seinen Entscheidungen gelangt, verändert sich grundlegend.

Kern dieses Artikels ist das Konzept des KI-Agenten-Mesh: ein selbstorganisierendes Netz spezialisierter KI-Agenten, das die gesamte Tiefe des Gefechtsfelds überspannt — vom Sensor auf der Drohne über das Gefechtsfahrzeug bis zum operativen Gefechtsstand. Der Artikel beschreibt, wo die KI-Entwicklung heute steht, was das KI-Agenten-Mesh konkret bedeutet — technisch, geographisch und organisatorisch —, wie andere Nationen diesen Weg bereits gehen und welcher Handlungsbedarf sich daraus für die Bundeswehr ergibt.

Der aktuelle Stand: Von agentischen hin zu multi-agentischen Systemen

Seit der Veröffentlichung von ChatGPT Ende 2022 hat die Entwicklung Künstlicher Intelligenz eine Dynamik erreicht, die selbst Fachleute in ihrer Geschwindigkeit überrascht. Innerhalb von nur drei Jahren haben sich generative KI-Systeme von cloudbasierten Textgeneratoren zu autonomen Agenten entwickelt, die eigenständig komplexe Aufgaben ausführen, Werkzeuge bedienen und mit anderen Systemen interagieren. Der aktuelle Paradigmenwechsel führt dabei von einzelnen KI-Modellen zu vernetzten Multi-Agenten-Systemen, in denen mehrere spezialisierte KI-Agenten arbeitsteilig zusammenwirken und ein Ergebnis erzielen, das keiner von ihnen allein erreichen könnte. Dass dieser Wandel auch militärisch erkannt ist, zeigt die im Januar 2026 veröffentlichte KI-Strategie des US-Verteidigungsministeriums, die agentische Netzwerke explizit zum Schwerpunkt erklärt.

Ein eindrückliches Beispiel für das Potenzial solcher Systeme liefern zivile Open-Source-Projekte wie OpenClaw oder Hermes Agent, die seit Ende 2025 binnen weniger Monate hunderttausende Entwickler weltweit begeistern. Es handelt sich um agentische Frameworks, die auf eigener Hardware laufen, verschiedene Kommunikationskanäle verbinden und eigenständig komplexe Aufgaben auf dem Rechner ausführen — wahlweise mit Cloud-Anbindung an leistungsfähige Sprachmodelle oder vollständig lokal mit kleineren Modellen. Was diese Projekte im zivilen Kontext demonstrieren, ist im militärischen Kontext von unmittelbarer konzeptioneller Relevanz: Sie zeigen, was selbstorganisierende KI-Agenten-Netze technisch bereits heute leisten können.

Parallel zur Entstehung von Multi-Agenten-Systemen vollzieht sich ein entscheidender Effizienzsprung bei den KI-Modellen selbst. Sie sind nicht mehr zwingend auf gigantische, cloudbasierte Rechenzentren angewiesen. Neue Modellgenerationen sind darauf optimiert, bei minimalem Ressourcenverbrauch und ohne Cloud-Anbindung maximale Geschwindigkeit zu liefern. Für den militärischen Einsatz zeichnet sich daraus eine klare Arbeitsteilung ab: Große Sprachmodelle mit umfangreichen Reasoning-Fähigkeiten auf der strategischen und operativen Ebene, mobile KI-Cluster auf den taktischen Gefechtsständen, spezialisierte Kleinstmodelle direkt auf dem Endgerät.

Die Kernvision: Das KI-Agenten-Mesh

Im ersten Artikel dieser Reihe wurde ein Gedanke angerissen, der damals noch spekulativ wirkte, heute jedoch als konzeptionelle Leitlinie ernst genommen werden muss: Zukünftig könnten in der Bundeswehr hunderte, wenn nicht tausende unterschiedliche KI-Agenten zum Einsatz kommen. Praktisch jeder Sensor, jedes Waffensystem, jedes Gefechtsfahrzeug, jede Befehls- und Gefechtsstelle würde über spezialisierte KI-Agenten verfügen. Im Gefecht interagieren diese Systeme selbstständig, tauschen automatisiert Daten und Erkenntnisse aus, ohne dass ein Mensch eingreifen müsste.

Genau dieses Bild beschreibt das KI-Agenten-Mesh — die Kernvision des vorliegenden Artikels. Das Mesh ist kein einzelnes System und kein zentrales Programm. Es ist ein durchgängiges, selbstorganisierendes Netz aus spezialisierten KI-Agenten, das die gesamte Tiefe des Gefechtsfelds überspannt — von der untersten taktischen Ebene bis zum operativen Gefechtsstand. Jeder Knoten dieses Netzes ist ein Akteur: Er nimmt Informationen auf, verarbeitet sie, trifft begrenzte autonome Entscheidungen in seinem Zuständigkeitsbereich und gibt verdichtete Erkenntnisse an benachbarte Knoten weiter.

Was das in der Praxis bedeutet, lässt sich anhand eines konkreten Szenarios verdeutlichen. Eine Aufklärungsdrohne identifiziert ein feindliches Fahrzeug. Ihr eingebetteter KI-Agent klassifiziert das Ziel, bewertet die Bedrohungslage und meldet diese Erkenntnis nicht mehr vertikal an einen übergeordneten Gefechtsstand. Stattdessen verhandelt der Sensor-Agent dezentral und unmittelbar mit den autonomen KI-Agenten benachbarter Wirkmittel über verfügbare Feuerkapazitäten. Der ausgewählte Artillerie-Agent übernimmt selbstständig die Zielzuweisung und bereitet den Wirkauftrag vor — in Sekundenbruchteilen, nicht in Minuten. Gleichzeitig informiert ein dritter Agent automatisch die Logistikkette über den Munitionsverbrauch, den ein möglicher Wirkungseinsatz nach sich ziehen würde. All das geschieht parallel, ohne serielle Weitergabe durch menschliche Zwischenschritte, ohne klassische hierarchische Meldewege, ohne Verzug.

Für sich genommen ist dieses Szenario eine Verbesserung, aber noch keine Transformation. Der eigentliche Paradigmenwechsel tritt ein, wenn es nicht einmal, sondern tausendfach gleichzeitig stattfindet. Wenn hunderte Sensoren eines Großverbands in Echtzeit ausgewertet werden, wenn dutzende Gefechtsstände simultan ein aktuelles Lagebild erhalten, wenn die Sensor-Effektor-Kette über den gesamten Gefechtsstreifen hinweg ohne manuelle Meldewege schließt. Die Entscheidungsgewalt über den Einsatz von Wirkmitteln bleibt jederzeit beim Menschen.

Das Entscheidende dabei ist: Das Mesh ist mehr als die Summe seiner Teile. Jeder einzelne KI-Agent löst eine begrenzte Aufgabe. Doch im Zusammenwirken entsteht ein synergetischer Effekt, der das Gesamtsystem um ein Vielfaches leistungsfähiger macht als jeden Agenten für sich — eine kollektive Intelligenz des Gefechtsfelds, die kein einzelnes System und kein menschlicher Stab in dieser Geschwindigkeit und Breite erreichen könnte. Erst in dieser Skalierung entfaltet das KI-Agenten-Mesh seine volle Wirkung — und erst dann kippt die Gefechtsführung von KI-gestützt zu KI-zentriert.

Das KI-Agenten-Mesh ist kein konzeptioneller Neuanfang. Es ist die landtaktische Entsprechung eines Gedankens, den das amerikanische Militär seit Jahren konsequent weiterentwickelt: das Kill Web. Mit JADC2, DARPAs ACK-Programm und Project Convergence vernetzen die USA Sensoren und Effektoren über alle Operationsräume hinweg — Luft, Land, See, Weltraum und Cyberraum — und ersetzen lineare Wirkketten durch resiliente, dezentrale Netze. Was dort auf der dimensionsübergreifenden Ebene gedacht wird, denkt das KI-Agenten-Mesh auf der Ebene der Landstreitkräfte zu Ende. Streitkräfte, die diesen Schritt nicht mitgehen, verlieren den Geschwindigkeitsvorteil nicht in einer abstrakten Zukunft — sie verlieren ihn bereits heute.

Die technische Dimension: Infrastruktur für das Mesh

Die technischen Bausteine für ein KI-Agenten-Mesh existieren — auf dem zivilen Markt, nicht in der Bundeswehr. Für die Streitkräfte ergibt sich daraus eine klassische Dual-Use-Situation: Die Technologie ist verfügbar, doch der Weg zum feldtauglichen, integrierten System ist weder kurz noch trivial. Die technische Grundstruktur des Mesh folgt einem Schichtprinzip, welches sich aus der aktuellen Konfliktrealität ableiten lässt.

Am taktischen Rand — dort, wo der Feindkontakt stattfindet — hat der Ukraine-Krieg das Gefechtsfeld grundlegend verändert. Klassische gepanzerte Plattformen können sich in vielen Frontabschnitten kaum noch bewegen, ohne sofort aufgeklärt und bekämpft zu werden. Drohnen verursachen bis zu 75 Prozent aller Gefechtsverluste auf beiden Seiten. An vorderster Linie dominieren heute Aufklärungsdrohnen, FPV-Kampfdrohnen, Loitering Munition, bodengestützte Sensoren und abgesetzte Soldaten — Systeme, die klein, vernetzt, in großer Stückzahl vorhanden und im Einzelfall entbehrlich sind. Genau diese Zone stellt die unterste Schicht des KI-Agenten-Mesh dar. Hier kommen kleine, spezialisierte KI-Modelle auf Edge-Hardware zum Einsatz: Bilderkennung direkt auf der Drohne, Zielklassifikation am Sensor, Führungsassistenz auf dem Smartphone des Soldaten. Alles lokal, ohne Cloud-Anbindung, ohne Rückverbindung zum Gefechtsstand. Die dafür notwendige Rechenleistung ist in handelsüblichen Geräten bereits heute verfügbar.

Auf der Plattformebene — in gepanzerten Gefechts- und Unterstützungsfahrzeugen aller Art — verschieben sich Rolle und Einsatzprofil. Gepanzerte Plattformen agieren zunehmend aus der Tiefe, als geschützte Feuerkraft und mobile Führungsmittel, nicht mehr als Speerspitze an vorderster Linie. Ihre KI-Anforderungen sind entsprechend anders gelagert: gleichzeitige Verarbeitung von Sensordaten, Lageinformationen und taktischen Entscheidungsgrundlagen in einem einzigen, fahrzeugtauglichen Rechenmodul. Auch hierfür existieren leistungsfähige zivile Lösungen. Die eigentliche Herausforderung liegt in der militärischen Ertüchtigung — Ruggedisierung, Zertifizierung nach Militärstandards und Integration in bestehende Fahrzeugsysteme.

Auf der Gefechtsstandebene verlagert sich der Schwerpunkt von der reinen Datenverarbeitung zur KI-gestützten Entscheidungsunterstützung. Dislozierte Gefechtsstandzellen müssen unter Zeitdruck Lagebilder verdichten, Handlungsoptionen simulieren und dem Truppenführer bewertete Vorschläge unterbreiten — Aufgaben, die leistungsfähige KI-Systeme mit umfangreichen Reasoning-Fähigkeiten erfordern. Seit 2025 ist eine neue Geräteklasse kompakter KI-Rechner auf den Markt gekommen, die nahezu Rechenzentrums-Leistung im Format eines Mini-PCs bereitstellt. Mehrere dieser Systeme, zu einem Minicluster verbunden, könnten die Rechengrundlage für eine sprachbasierte, agentische Führungsunterstützung bilden, wie sie der zweite Artikel dieser Reihe konzeptionell beschrieben hat.

Das verbindende Prinzip über alle drei Schichten lautet: Die KI-Verarbeitung findet dort statt, wo die Daten entstehen. Nur verdichtete Erkenntnisse werden übertragen, nicht Rohdaten. Eine einzelne Aufklärungsdrohne erzeugt pro Mission über 100 Gigabyte Sensordaten — auf Bataillonsebene entstehen täglich Terabytes. Diese Datenmassen lassen sich unter Gefechtsbedingungen nicht übertragen. Sie müssen dort ausgewertet werden, wo sie anfallen.

Die geographische Dimension: Heimat, Einsatzland, Verbindung

Das KI-Agenten-Mesh endet nicht am vorderen Rand. Es erstreckt sich — in unterschiedlicher Ausprägung und mit unterschiedlichen Anforderungen — vom Gefechtsfeld bis ins Heimatland. Wo welche Rechenleistung bereitgestellt wird, welche Modelle wo betrieben werden und wie die Verbindung zwischen Einsatzraum und Heimat sichergestellt wird, sind keine nachgelagerten Infrastrukturprobleme. Es sind Richtgrößen, die frühzeitig festgelegt werden müssen — denn aus dem operativen Bedarf jeder Ebene leiten sich Rechenanforderung, Modellgröße und Übertragungsbedarf ab.

Im Einsatzraum operieren Sensoren, Plattformen und Gefechtsstände nach dem im vorangegangenen Abschnitt beschriebenen Schichtprinzip — autonom, auf lokaler Hardware, mit spezialisierten Modellen für ihre jeweilige Aufgabe. Je weiter man sich vom taktischen Rand nach rückwärts bewegt, desto mehr Rechenleistung steht zur Verfügung, desto größer werden die Modelle und desto umfassender die Entscheidungsunterstützung, die sie leisten können.

Im Heimatland konzentriert sich die schwere KI-Infrastruktur. Hier werden die großen Sprachmodelle trainiert, aktualisiert und für den Einsatz optimiert. Hier laufen die Systeme, die für strategische und operative Entscheidungsunterstützung benötigt werden — Modelle, die zu groß und zu energiehungrig für den mobilen Einsatz sind, aber auf dieser Ebene ihre volle Wirkung entfalten.

Militärische KI-Rechenzentren unterliegen dabei Anforderungen, die sich grundlegend von zivilen Infrastrukturen unterscheiden: Sie müssen physisch geschützt, redundant ausgelegt und gegen Cyberangriffe wie kinetische Bedrohungen gleichermaßen gehärtet sein. Die EuroHPC Initiative baut zwar eine leistungsfähige europäische Hochleistungsrechenlandschaft auf, doch diese Systeme sind zivil konzipiert, an zivilen Standorten betrieben und für militärische Zwecke weder vorgesehen noch geeignet. Für die KI-zentrierte Gefechtsführung wäre eine eigenständige, geschützte militärische Recheninfrastruktur erforderlich.

Unmittelbar damit verknüpft ist die Frage nach digitaler Souveränität. Welche KI-Modelle laufen in deutschen Rechenzentren? Unter welchen Bedingungen wurden sie entwickelt? Wer hat Zugang zu den Trainingsdaten? Aktuell gibt es in Europa nur einen Akteur, der in diesem Feld ernstzunehmend wettbewerbsfähig ist: das französische Unternehmen Mistral AI, das leistungsfähige Sprachmodelle mit einem klaren Anspruch auf europäische Datensouveränität entwickelt und bereits über einen Rahmenvertrag mit dem französischen Verteidigungsministerium verfügt.

Die Verbindung zwischen Heimat und Einsatzraum ist das dritte und vielleicht technisch anspruchsvollste Element. Dieses fungiert in einer resilienten Mesh-Architektur jedoch nicht als ununterbrochene Nabelschnur für den laufenden Gefechtsbetrieb, sondern dient vielmehr der periodischen, übergeordneten Synchronisation. Sobald die Kommunikationswege ins Hinterland verfügbar sind, fließen operative Lagebilder und dezentral gesammelte Trainingsdaten aus dem Einsatzraum in die Heimat. Dort werden sie für die kontinuierliche Verbesserung der großen Basismodelle nutzbar gemacht, bevor tiefgreifende Modell-Updates zurück in den Einsatzraum übertragen werden.

Die organisatorische Dimension: Was ändert sich in der Gefechtsführung?

Technologie verändert Gefechtsführung nur dann, wenn sie in Organisation übersetzt wird. Das KI-Agenten-Mesh ist keine Ausnahme. Seine eigentliche Wirkung entfaltet es nicht durch die Hardware, auf der es läuft, sondern durch die Veränderungen, die es in der Art und Weise erzeugt, wie Führung ausgeübt, Entscheidungen vorbereitet und Aufträge erteilt werden.

Auf der operativen Ebene bietet das Operative Führungskommando der Bundeswehr erhebliches Potenzial für den Einsatz KI-gestützter Führungsunterstützungssysteme. Es führt rund um die Uhr das streitkräftegemeinsame Lagebild, übersetzt strategische Vorgaben in konkrete militärische Aufträge und priorisiert die bereitzustellenden Kräfte und Fähigkeiten — seit April 2025 als zentrale Schaltstelle zwischen Verteidigungsministerium, Teilstreitkräften und Unterstützungsbereich. Für genau dieses Aufgabenprofil liefern KI-Agenten den größten unmittelbaren Mehrwert: automatisierte Verdichtung von Lagebildern aus hunderten gleichzeitiger Quellen, Simulation von Handlungsoptionen in Minuten statt Stunden, kontinuierliche Ressourcenübersicht ohne manuellen Pflegeaufwand.

Den Schwerpunkt des Mesh bildet jedoch die taktische Ebene — von der Division über die Brigade bis zum Bataillon und darunter. Hier ist der Zeitdruck am höchsten, die Datenmenge am größten und die Konsequenz von Verzögerungen am unmittelbarsten. Gleichzeitig ist hier der Mensch heute noch am stärksten belastet: Stabsoffiziere aggregieren Meldungen manuell, Truppenführer warten auf Lagebilder, die bereits veraltet sind, wenn sie vorliegen. Die Digitalisierung Landbasierter Operationen schafft hierfür das digitale Fundament. Ihr volles Potenzial entfaltet sie jedoch erst, wenn sie von Anfang an auf die Integration von KI-Fähigkeiten und auf neue, dezentralere Führungsstrukturen ausgerichtet wird.

KI-zentrierte Führung bedeutet nicht, bestehende Stäbe digital zu beschleunigen, sondern die Führungsorganisation strukturell anzupassen. Der operationelle Mehrwert einer schrittweisen Dezentralisierung klassischer Stäbe zugunsten kleinerer, agiler Kommando-Knoten sollte daher in anstehenden Test- und Versuchsreihen intensiv geprüft werden. Dem Truppenführer wird künftig kein manuell fusioniertes Lagebild mehr vorgelegt, sondern eine durch KI-Agenten optimierte Wirkungsoption. Er führt unverändert — aber aus einer angepassten Struktur heraus, mit signifikant reduzierter kognitiver Last und in der Geschwindigkeit des hochmobilen Gefechts.

Die Bundeswehr unternimmt in diesem Bereich bereits erste konkrete Schritte. Das Amt für Heeresentwicklung untersucht mit der Studie ReLeGs, wie Reinforcement Learning für die Entscheidungsunterstützung auf Bataillonsebene nutzbar gemacht werden kann — ein KI-System, das Erfolgsaussichten von Handlungsoptionen bewertet und taktische Empfehlungen abgibt, bevor der Kommandeur seinen Entschluss fasst. Parallel untersucht das Unterstützungskommando der Bundeswehr mit der Studie KITCH, ob ein sprachbasiertes KI-Interface auf dem Gefechtsstand integriert werden kann, das den Stabsoffizier von zeitaufwendiger Anwendungsbedienung entlastet und ihm ermöglicht, in natürlicher Sprache mit dem Lagebild zu interagieren. Beide Studien haben die grundsätzliche Machbarkeit ihrer Ansätze nachgewiesen. Die konzeptionelle Vorarbeit ist geleistet, die Serienreifmachung steht noch aus.

Internationaler Vergleich

Dass die KI-zentrierte Gefechtsführung keine abstrakte Vision ist, zeigt der Blick auf die Verbündeten. Die USA haben mit dem Maven Smart System eine KI-gestützte Datenintegrations- und Lagebildplattform operativ in Dienst gestellt, die Aufklärungsdaten aus hunderten Quellen fusioniert, Entscheidungszyklen verkürzt und über die NATO-Hauptquartiere ausgerollt wird. Großbritannien forciert mit dem Defence AI Centre die operative KI-Integration und untersucht in Konzeptstudien KI-zentrierte Führungsstrukturen für das Hochintensitätsgefecht. Frankreich geht den konsequentesten europäischen Weg: Mit der militärischen KI-Agentur AMIAD, einem dedizierten Verteidigungs-Supercomputer und dem C2-Vorhaben ARTEMIS.IA schafft Paris eine eigenständige Infrastruktur für souveräne KI-Führung auf dem Gefechtsfeld.

Auf multinationaler Ebene werden die Mittel des Europäischen Verteidigungsfonds genutzt, um die Verschmelzung von KI und Führungssystemen gezielt voranzutreiben. Das laufende Vorhaben PROTEAS untersucht den Aufbau KI-gestützter, verlegefähiger Gefechtsstände mit föderierter Datenfusion. Das EDF-Arbeitsprogramm 2026 fordert darüber hinaus die Entwicklung eines europäischen KI-Frameworks für die militärische Entscheidungsfindung. Ziel ist es, nationale Insellösungen aufzubrechen und die Interoperabilität im Bündnis auf eine neue technologische Grundlage zu stellen.

Vor diesem Hintergrund hat die Bundeswehr noch erheblichen Aufholbedarf, aber nicht ohne Richtung. Auf konzeptioneller Ebene untersuchen die Studien ReLeGs, KITCH, AUGE und KITU verschiedene KI-Anwendungsfelder — von der Entscheidungsunterstützung über die automatisierte Geländebeurteilung bis zur Schwarmsteuerung taktischer Drohnen. Auf operativer Ebene entsteht mit Uranos KI das erste KI-Aufklärungssystem für den taktischen Einsatz. Und mit dem im Februar 2026 eröffneten Innovationszentrum in Erding hat die Bundeswehr erstmals eine institutionelle Heimat geschaffen, deren Auftrag es ist, zivile Hochtechnologien — darunter KI — beschleunigt in die militärische Nutzung zu überführen.

Fazit

Die KI-zentrierte Gefechtsführung ist eine operative Notwendigkeit — und ihre technologischen Grundlagen existieren bereits heute. KI hört auf, ein Werkzeug unter vielen zu sein. Sie wird zum strukturgebenden Nervensystem der gesamten Führungsarchitektur. Das KI-Agenten-Mesh ist kein Infrastrukturprojekt — es ist ein Führungsmodell. Wer es einführt, legt fest, wie Verantwortung verteilt, Lagebilder aufgebaut und Entscheidungen vorbereitet werden. Von oben nach unten – top-down.

Die geopolitische Lage erfordert schnelles Handeln. Verbündete sind bereits operativ, Technologien sind verfügbar, der Druck wächst. Umso wichtiger ist es, dass der Weg, der jetzt eingeschlagen wird, von Anfang an einem klaren Zielbild folgt. Einzellösungen ohne konzeptionellen Rahmen, Beschaffungen ohne Architekturgedanken und Piloten ohne Nachfolger sind Risiken, die sich eine zukunftsorientierte Armee nicht leisten kann. Mutige Entscheidungen brauchen Orientierung — nicht als Bremse, sondern als Kompass.

Damit dieser Gedanke nicht konzeptionell bleibt, braucht es institutionelle Orte, an denen operativer Bedarf und technologische Möglichkeiten zusammenfinden. Die Studien des Unterstützungskommandos der Bundeswehr, des Kommandos Heer und des Amtes für Heeresentwicklung sowie das Innovationszentrum in Erding sind solche Orte. Entscheidend ist, dass sie konsequent auf das Zielbild einer KI-zentrierten Gefechtsführung ausgerichtet werden. Wer auf dem Gefechtsfeld der Zukunft die Initiative behalten will, muss das KI-Agenten-Mesh beherrschen. Die Zeit, es aufzubauen, ist jetzt.