Unternehmen, die ihr M365 wirklich im Griff haben
Das Thema kurz und kompakt:
Ursache liegt selten in der KI
Enttäuschende Copilot-Ergebnisse entstehen meist durch veraltete Inhalte, offene Berechtigungen oder fehlenden Kontext in Microsoft 365.
Drei blinde Flecken entscheiden über die Qualität
Zugriffsrechte, Datenaktualität und Metadaten bestimmen, ob Copilot präzise oder irreführende Antworten liefert.
Aufräumen allein reicht nicht dauerhaft
Ohne laufende Governance kehrt das Datenchaos zurück, denn KI-Readiness ist ein Zustand und kein Einmalprojekt.
Nutzen braucht Arbeitsweise
Erfahrungsgemäss nutzen nur 2 bis 3 Prozent der Belegschaft Copilot eigenständig. CoffeeNet 365 macht ihn mit vorkonfigurierten Arbeitsumgebungen und rollenbasierten KI-Aktionen für alle nutzbar.
Copilot als Belastungstest für M365: Warum schwache Ergebnisse selten an der KI liegen
Ein Team fragt Copilot nach dem aktuellen Stand von „Projekt Alpha“ und erhält eine Zusammenfassung, die auf einem SharePoint-Ordner basiert, der seit drei Jahren nicht mehr aktualisiert wurde. Niemand hat diesen Ordner gelöscht, niemand hat ihn als veraltet markiert, und Copilot hat keine Möglichkeit, das zu wissen. Solche Antworten sind kein Einzelfall, und sie kosten genau die Zeit, die Unternehmen mit Copilot eigentlich zurückgewinnen wollen.
Laut McKinsey verbringen Wissensarbeitende rund 28 Stunden pro Woche mit E-Mails, Informationssuche und klassischer Zusammenarbeit. Genau diese Zeit beabsichtigen viele Unternehmen mit Copilot zurückzugewinnen. Ob das gelingt, entscheidet sich aber nicht am Modell, sondern an der Struktur, mit der es arbeitet.
Copilot arbeitet nämlich nicht im luftleeren Raum, sondern mit genau den Informationen, Prozessen und Berechtigungen, die in einer Organisation bereits vorhanden sind. Das Prinzip „Garbage in, Garbage out“ gilt deshalb auch im KI-Zeitalter, und zwar mehr denn je. Verstreutes Wissen, unterschiedliche Standards und historisch gewachsene Ablagen waren für Mitarbeitende mühsam, aber irgendwie handhabbar. Für ein KI-System werden sie schnell zum Problem, weil es implizite Regeln nicht kennt und nicht selbst erkennt, welche Inhalte noch aktuell sind.
Die Folgen zeigen sich in der Praxis immer wieder: Laut einer aktuellen Studie von Workday gehen rund 40 Prozent der durch KI erzielten Produktivitätsgewinne wieder verloren, weil Ergebnisse überprüft, korrigiert oder nachbearbeitet werden müssen. Die gewonnene Zeit geht so wieder verloren, und aus dem Produktivitätsversprechen wird schnell eine Nacharbeits-Falle.
KI erzeugt keine Ordnung. KI setzt Ordnung voraus.
KI erzeugt keine Ordnung. KI setzt Ordnung voraus. Damit ist gemeint: Copilot kann ein Chaos aus offenen Berechtigungen, veralteten Inhalten und fehlendem Kontext nicht selbst auflösen, es arbeitet lediglich mit der Struktur, die in Microsoft 365 bereits vorhanden ist. Erst wenn diese Struktur stimmt, kann die KI überhaupt verlässliche statt zufällige Antworten liefern.
Melodie Fleury
Principal AI Practice, MondayCoffee
Thomas Peyer
CTO, MondayCoffee
Drei blinde Flecken, die Copilot-Ergebnisse verwässern
Aus zahlreichen Enterprise-Projekten lassen sich drei wiederkehrende Ursachen destillieren, die über Erfolg oder Misserfolg einer Copilot-Einführung entscheiden. Sie betreffen selten die Technik selbst, sondern die Art, wie Microsoft 365 im Alltag gewachsen ist. Reto Meneghini, CEO von MondayCoffee, bringt die gemeinsame Wurzel im Netzwoche-Interview (Ausgabe 11/2026) auf den Punkt: „KI braucht relevanten, aktuellen und erlaubten Kontext, nicht einfach möglichst viele Daten.“ Die drei blinden Flecken entsprechen genau dieser Triade: Berechtigungen regeln den erlaubten Kontext, der Lifecycle den aktuellen, Metadaten den relevanten.
1. Zugriffe und Berechtigungen: wenn Copilot zeigt, was niemand sehen sollte
In klassischen Fileservern schützte das Verstecken in tiefen Unterordnern vor ungewolltem Zugriff. Für Copilot ist „versteckt“ irrelevant: Wenn die technische Berechtigung existiert, findet und aggregiert die KI die Daten trotzdem. Hinzu kommen typische Muster wie der „Member gleich Owner“-Irrtum, bei dem Teammitglieder standardmässig zu weitreichende Rechte erhalten, sowie „Broken Inheritance“: Wenn Nutzende Berechtigungen auf einzelnen Ordnern manuell durchbrechen, entsteht ein unsichtbarer Flickenteppich, den klassische Audit-Tools oft übersehen, Copilot aber nicht.
Externe Gäste, die auch nach Projektende Zugriff behalten, und fehlende Sensitivity Labels verschärfen das Risiko zusätzlich. Mit der Einführung von KI-Werkzeugen wie Copilot gewinnt daher der Schutz von Identitäten und Zugriffen nochmals deutlich an Bedeutung. Copilot erzeugt diese Berechtigungsfehler nicht, es deckt sie auf und macht sie in Sekunden auffindbar.
2. Aktualität und Lifecycle: wenn Copilot mit Daten von vor Jahren antwortet
Inaktive Teams, die nie archiviert wurden, gelten für Copilot als aktives Wissen, selbst wenn die enthaltenen Prozessanweisungen längst überholt sind. Nach unserer Einschätzung aus zahlreichen Kundenprojekten ist ein erheblicher Teil der Inhalte in einer typischen Microsoft-365-Umgebung redundant, veraltet oder trivial, was das Signal-Rausch-Verhältnis für jede KI-Antwort verschlechtert. Verwaiste Arbeitsbereiche, deren ursprünglicher Owner das Unternehmen längst verlassen hat, verschärfen das Problem: Niemand bürgt mehr für die Richtigkeit der Inhalte, doch Copilot nutzt sie trotzdem weiter.
3. Kontext und Metadaten: wenn Copilot Text liest, aber den Zusammenhang nicht versteht
Sprachmodelle denken nicht in Ordnerpfaden. Ein Dokument mit dem Namen „Protokoll.docx“ im Ordner „Kunde A“ verliert seinen Kontext, sobald die KI nur das einzelne Textfragment liest, nicht die menschliche Ordnerlogik dahinter.
Hinzu kommt das klassische Namenskonventionen-Chaos, etwa „Angebot_Final_v2_neu.docx“, das ohne zusätzliche Struktur nicht priorisierbar ist, sowie die fehlende Content-Type-Logik: Für Microsoft 365 sind ein Urlaubsantrag und ein Projektreport technisch identische Dateien. Fehlt der semantische Kontext, muss Copilot raten, und es rät auf Basis dessen, was gerade zufällig gefunden wird.
Zusammengefasst wirkt sich jeder der drei blinden Flecken anders auf die Antworten von Copilot aus:
Blinder Fleck | Typisches Symptom in M365 | Was Copilot damit macht |
|---|---|---|
Zugriffe & Berechtigungen | Broken Inheritance, „Member = Owner“-Irrtum, vergessene Gastzugänge | Zeigt Inhalte an, die eigentlich gesperrt sein sollten |
Aktualität & Lifecycle | Inaktive Teams, verwaiste Arbeitsbereiche, veraltete Prozessanweisungen | Antwortet mit Daten von vor Jahren, ohne das zu kennzeichnen |
Kontext & Metadaten | Fehlende Tags, uneinheitliche Namenskonventionen, keine Content-Type-Logik | Verliert den Zusammenhang und muss raten |
Warum Aufräumen allein nicht reicht: Governance für Copilot als dauerhafter Zustand
Eine einmalige Bereinigung von Berechtigungen und Inhalten fühlt sich wie ein Erfolg an, hält aber selten lange. Drei Muster sorgen dafür, dass das Datenchaos zurückkehrt und Copilot erneut mit einer unzuverlässigen Grundlage arbeitet:
- Self-Service-Anarchie vs. Flaschenhals: Freier Self-Service beim Anlegen neuer Teams erzeugt schnell wieder unstrukturierte Daten. Ein zu restriktiver Ansatz ohne Self-Service treibt Mitarbeitende stattdessen in Schatten-IT, etwa wenn Aufgaben über private Tools statt über die Unternehmensumgebung organisiert werden. Beide Extreme schaden der Qualität von Copilot-Antworten gleichermassen.
- App-Sprawl: Daten in Drittanwendungen, die als zusätzlicher Tab in einem Teams-Kanal eingebunden werden, liegen häufig ausserhalb des Sicherheitsperimeters, den Copilot und die zugehörige Governance abdecken.
- Fehlende Re-Zertifizierung: Ohne regelmässige Überprüfung bleibt ein Projekt, das 2022 als vertraulich eingestuft wurde, für immer vertraulich eingestuft, auch wenn sich die Lage längst geändert hat und neue, eigentlich berechtigte Mitarbeitende keinen Zugriff erhalten.
Wie viel Governance es dafür braucht, ohne den Copilot-Einsatz unnötig auszubremsen, beantwortet Reto Meneghini im Netzwoche-Interview mit einem klaren Prinzip: „So viel wie nötig, so wenig wie möglich. Governance muss Orientierung geben, nicht blockieren.“ Praxisnahe Regeln und konkrete Beispiele helfen Mitarbeitenden mehr als lange Dokumente.
In CoffeeNet 365 setzt sich dieser Grundsatz im Opt-in-Verfahren fort: Neue KI-Funktionen werden nicht ungefragt in bestehende Arbeitsumgebungen ausgerollt, sondern bewusst aktiviert. Die IT behält damit die Kontrolle darüber, welche Aktionen wann und in welchen Workspaces verfügbar sind, statt nur zwischen „alles erlauben“ und „abschalten“ zu wählen.
Gut zu wissen
KI-Readiness ist kein einmaliges Projekt, sondern ein dauerhafter Zustand, der laufend überwacht werden muss. Wiederkehrende, automatisierte Überprüfungen sind hier wirksamer als punktuelle, manuelle Aufräumaktionen der IT. Wer diesen digitalen Frühjahrsputz nur einmal macht, räumt vor allem für den nächsten Rückfall auf.
CoffeeNet 365: Struktur, Kontext und produktive KI-Aktionen für Microsoft Copilot
MondayCoffee startet nicht bei der KI, sondern bei der Arbeit. CoffeeNet 365 stellt dafür vorkonfigurierte Arbeitsumgebungen für typische Arbeitsszenarien bereit: Projekte, Abteilungen, Gremien, Meetings oder Kundenräume. Struktur, Rollen, Berechtigungen und Datenablage sind im Template bereits definiert und stehen auf Knopfdruck bereit. Erst wurden die Arbeitsräume standardisiert, jetzt werden die passenden KI-Assistenzen dazu standardisiert.
Auf dieser Basis verhindert CoffeeNet 365 die drei beschriebenen blinden Flecken bereits bei der Entstehung eines Arbeitsraumes, statt sie nachträglich zu korrigieren:
- Template Engine: Jeder neue Arbeitsraum entsteht aus einer Standardvorlage mit vordefinierten Berechtigungen, Metadaten und Sensitivity Labels. Damit ist von Anfang an geregelt, wer worauf zugreifen darf, statt dass Berechtigungen im Nachhinein manuell zusammengeflickt werden.
- Rule Engine: Setzt Governance-Regeln automatisch um. Wird beispielsweise ein neuer interner Mitarbeitender einem Projekt hinzugefügt, ordnet sie ihn automatisch dem internen, gästefreien Kanal zu, ohne dass die Projektleitung das manuell nachpflegen muss.
- Lifecycle Management: Steuert Arbeitsräume und Dokumente über ihren gesamten Lebenszyklus, von der Erstellung über die aktive Nutzung bis zur Archivierung. Inaktive Teams werden automatisiert erkannt und archiviert, verwaiste Arbeitsbereiche erhalten eine automatisierte Owner-Nachfolge, sobald der ursprüngliche Owner das Unternehmen verlässt.
- Content Freshness: Fordert Verantwortliche in einem festgelegten Intervall von typischerweise 90 bis 180 Tagen zur Bestätigung der Aktualität ihrer Inhalte auf. Bleibt diese Bestätigung aus, kann der Inhalt aus der Suche und damit auch aus der Copilot-Sichtbarkeit genommen werden, eine direkte Antwort auf das Problem veralteter Inhalte.
- Reapply-Template: Änderungen an einer Vorlage lassen sich auch nachträglich auf bereits bestehende Arbeitsbereiche zurückspielen, ohne dass für jeden Altbereich ein eigenes Skript nötig wäre.
Rollenbasierte KI-Aktionen: Copilot-Nutzen ohne Prompt-Know-how
Auf diesem Fundament setzt die eigentliche KI-Ebene auf: CoffeeNet 365 hinterlegt rollenbasierte KI-Aktionen direkt im jeweiligen Template. Die gewünschte Aufgabe, die Rolle, der Arbeitskontext und die relevanten Daten werden automatisch berücksichtigt. Mitarbeitende müssen weder wissen, wie man einen Agenten baut, noch jedes Mal neu formulieren, welchen Output sie erwarten. Sie lösen die passende Aktion aus, auf Knopfdruck.
Weil die KI-Aktion im Template hinterlegt ist und auf die strukturierten Daten im Arbeitsraum zugreift, folgen auch die Ergebnisse klaren Vorgaben. Statt jedes Mal anderer Resultate entstehen konsistente, nachvollziehbare Ausgaben, die Orientierung schaffen und sich im Unternehmen skalieren lassen. Dabei bleibt der Mensch jederzeit in der Kontrolle: Die KI macht Vorschläge, der Benutzer prüft sie und übernimmt sie anschliessend. Human-in-the-Loop statt blinder Automatisierung.
KI im Projektraum: KI-Aktionen in der Praxis
In einem CoffeeNet-Projektraum werden Dokumente, E-Mails, Chats, Meetings, Aufgaben und die Projektdokumentation zentral zusammengeführt, sodass erstmals ein vollständiger Projektkontext entsteht. Eine Projektleitung nutzt diesen Kontext über vorgefertigte KI-Aktionen und erhält auf Knopfdruck Projektübersichten, Risikoanalysen oder Projekt-Health-Checks, ohne Daten zusammensuchen oder komplexe Prompts formulieren zu müssen.
Skalieren statt neu bauen: AI Instructions und zentrale Pflege
Wo Branche, Prozess oder Unternehmen besondere Anforderungen stellen, lassen sich die Aktionen gezielt erweitern oder mit eigenen AI Instructions anpassen. Was einmal entwickelt wurde, wird über zentral gepflegte Templates in gleichartigen Arbeitsräumen konsistent bereitgestellt, aktualisiert und weiterentwickelt, statt in jedem Projekt neu zu entstehen. Microsoft liefert die KI-Modelle und die Sicherheit. CoffeeNet 365 liefert die Struktur, den Kontext und die produktiven Anwendungsfälle.
Stimme aus der Praxis: Wie sich das in der Praxis anfühlt, beschreibt Vivian Wegelin, Business Analyst/Controller bei LGT Venture Philanthropy, so: „Ursprünglich war ich der Meinung, man könne Copilot einfach bedenkenlos einführen. Heute weiss ich: Die richtige Vorbereitung ist entscheidend. Der Copilot Readiness Check mit MondayCoffee hat uns genau das gezeigt. In kurzer Zeit haben wir eine fundierte Einschätzung erhalten, ob unsere technische Basis, von Lizenzen über Security bis hin zu Microsoft Teams und der Power Platform, bereit ist für den produktiven Einsatz von KI.“
Lifecycle Management im Vergleich: CoffeeNet 365 und klassische Tools im Copilot-Kontext
Bei klassischen Tools wie AvePoint oder Rencore läuft Lifecycle Management meist nachträglich: Sie scannen eine gewachsene Umgebung, melden inaktive oder verwaiste Arbeitsbereiche und räumen das entstandene Chaos in einem separaten Schritt auf. Das funktioniert, kostet aber laufend Zeit, weil das Chaos in der Zwischenzeit ungestört weiterwächst.
CoffeeNet 365 setzt beim Lifecycle Management dagegen präventiv an, denn die entsprechenden Regeln sind Teil der Template Engine und damit bereits bei der Entstehung eines Arbeitsraumes wirksam, statt erst bei einem nachgelagerten Scan sichtbar zu werden. Microsoft liefert mit M365 und Copilot die Plattform, CoffeeNet 365 macht daraus als Company OS die strukturierte Arbeitsumgebung, auf der diese Plattform verlässlich funktioniert.
Merkmal | CoffeeNet 365 (Lifecycle Management) | Klassisches Lifecycle Management (z. B. AvePoint, Rencore) |
|---|---|---|
Zeitpunkt der Steuerung | Präventiv: Regeln sind Teil der Template Engine, bereits bei der Entstehung eines Arbeitsraumes wirksam | Reaktiv: Scannen eine gewachsene Umgebung und melden inaktive/verwaiste Bereiche nachträglich |
Direkter Nutzen für Copilot | Verlässliche, korrekt berechtigte Antworten von Anfang an | Übersicht über bestehende Altlasten, die Copilot bereits genutzt haben könnte |
Wichtig: Es geht nicht darum, Microsoft zu ersetzen. Microsoft 365 liefert mit Copilot eine leistungsfähige Plattform, doch diese Plattform allein bringt noch keine unternehmensspezifische Ordnung, sondern lässt Governance-Fragen offen, die jede Organisation für sich beantworten muss.
Der tiefere Unterschied liegt darin, welche Probleme die Ansätze lösen:
- Klassische Governance-Tools räumen das Chaos auf, das in der Umgebung bereits entstanden ist, und lösen damit vor allem ein Verwaltungsproblem der IT.
- CoffeeNet 365 liefert darüber hinaus die vorkonfigurierte Arbeitsumgebung, in der Copilot im Daily Business produktiv wird, und adressiert damit das Arbeitsproblem der Mitarbeitenden.
CoffeeNet 365 übersetzt die Möglichkeiten von Microsoft 365 in klare, gelebte Arbeitsweisen und schöpft damit das Potenzial der bestehenden Lizenzen voll aus, statt eine zusätzliche, konkurrierende Plattform danebenzustellen.
Fazit: Vom Belastungstest zur verlässlichen Copilot-Grundlage
Copilot führt vor, in welchem Zustand die eigene Microsoft-365-Umgebung wirklich ist. Schwache Ergebnisse sind kein Modellproblem. Sie zeigen, wo Berechtigungen, Aktualität und Kontext fehlen. Die Lösung ist kein einmaliges Aufräumen, sondern eine Grundlage, die bleibt:
- Geordnete Datenbasis: Copilot antwortet verlässlich statt zufällig.
- Laufende Governance: Der aufgeräumte Zustand bleibt erhalten, statt nach wenigen Monaten zu verwildern.
- Vorgegebene Arbeitsweise mit rollenbasierten KI-Aktionen: Der Nutzen erreicht die ganze Belegschaft statt weniger Experten.
Wer Copilot nur als Tool einführt, bekommt die Ergebnisse, die die Umgebung hergibt. Wer die Grundlage baut, bekommt die Ergebnisse, die das Tool verspricht.
Aus Aufräumen wird Struktur, die bleibt
CoffeeNet 365 macht aus einer einmaligen Bereinigung ein automatisiertes Fundament, das Ihre Copilot-Ergebnisse dauerhaft trägt.
FAQs
Woran erkennen IT-Leiter, dass enttäuschende Copilot-Ergebnisse an der Datenbasis liegen und nicht am Modell?
Typische Symptome sind widersprüchliche oder veraltete Antworten und Inhalte, die Copilot anzeigt, obwohl sie eigentlich gesperrt sein sollten. Auch Antworten, die auf einem längst inaktiven Team oder einer verwaisten Ablage basieren, gehören dazu. Solche Muster deuten fast immer auf einen der drei blinden Flecken hin, offene Berechtigungen, veraltete Inhalte oder fehlenden Kontext in der Ablagestruktur, und selten auf eine Schwäche des Sprachmodells selbst.
Reicht eine einmalige Berechtigungsbereinigung vor dem Copilot-Rollout aus?
Nein. Eine einmalige Bereinigung schafft einen guten Ausgangspunkt für den Rollout, verliert aber ohne laufende Governance schon nach wenigen Monaten wieder an Wirkung. Neue Teams entstehen, alte Projekte bleiben liegen, und Berechtigungen driften erneut auseinander. Erst wiederkehrende Content-Freshness-Zyklen und eine regelmässige Re-Zertifizierung von Berechtigungen halten den aufgeräumten Zustand dauerhaft aufrecht, statt ihn nach kurzer Zeit wieder verwildern zu lassen.
Müssen Mitarbeitende lernen, mit Copilot zu prompten?
Nein, genau diese Hürde nimmt CoffeeNet 365 den Mitarbeitenden ab. Heute muss ein Benutzer dem Copilot oft selbst erklären, wer er ist, welche Rolle er hat, woran er arbeitet und welchen Output er erwartet. In CoffeeNet 365 sind diese Informationen bereits hinterlegt: Die Rolle, der Arbeitsraum, die vorhandenen Daten und die gewünschte Aufgabe werden automatisch berücksichtigt. Mitarbeitende lösen die passende KI-Aktion auf Knopfdruck aus, statt komplexe Prompts zu formulieren oder Agents zu bauen.
Welche Rolle spielen Sensitivity Labels für Copilot in regulierten Branchen wie Banken oder Versicherungen?
In regulierten Branchen erhöhen Vorgaben wie FINMA-Rundschreiben, DORA, NIS2 oder der EU AI Act den Druck, Daten, Zugriffe und KI-Nutzung nachvollziehbar zu organisieren. Sensitivity Labels sind dabei eine zentrale Voraussetzung: Ohne sie kann Copilot nicht zuverlässig zwischen öffentlich zugänglichen und streng vertraulichen Informationen unterscheiden, was gerade bei Kunden- oder Personaldaten zu einem ernsten Compliance-Risiko werden kann.
Was unterscheidet ein Governance-Tool wie AvePoint von einem Company OS wie CoffeeNet 365 im Copilot-Kontext?
Governance-Tools setzen meist nachträglich an: Sie scannen eine bestehende Umgebung und melden oder bereinigen Abweichungen, die längst entstanden sind. CoffeeNet 365 setzt präventiv an, direkt in der Template Engine, mit der neue Arbeitsräume von Anfang an korrekt strukturiert entstehen, statt im Nachhinein korrigiert zu werden. Microsoft bleibt dabei die Plattform, CoffeeNet 365 erschliesst ihr Potenzial für den täglichen, sicheren Copilot-Einsatz.
Was passiert, wenn Copilot ohne eine vorgegebene Arbeitsweise eingeführt wird?
Der Nutzen bleibt erfahrungsgemäss auf wenige Experten beschränkt: Nur 2 bis 3 Prozent der Belegschaft nutzen die Werkzeuge eigenständig, die Mehrheit möchte ihr Daily Business erledigen, statt Agents zu bauen oder komplexe Prompts zu formulieren. Gleichzeitig entstehen dezentrale Eigenlösungen mit eigenen Datenkopien und unterschiedlichen Ablagestrukturen. Wissen hängt dann an einzelnen Personen, Ergebnisse fallen je nach Person anders aus, und die IT wird zum Engpass, weil sie wiederkehrende Fragen und Tickets bearbeitet, die sich im Unternehmen ähneln. Eine vorgegebene Arbeitsweise mit rollenbasierten KI-Aktionen macht dieses Wissen stattdessen für alle nutzbar.
Lohnt sich CoffeeNet 365 auch für kleine Unternehmen?
Ja, gerade weil sich die Entwicklungs- und Pflegeleistung für KI-Aktionen bei CoffeeNet auf viele Kunden verteilt, statt von jedem Unternehmen allein getragen zu werden. Microsoft verändert die Plattform laufend, sodass jede Eigenlösung gepflegt, getestet und angepasst werden muss, und das bei vollständig eigenen Kosten. Kleine Unternehmen ohne eigene Microsoft-365-Spezialisten erhalten mit den zentral gepflegten Templates und KI-Aktionen denselben Standard, den grössere Organisationen intern aufbauen, ohne ihn selbst entwickeln und weiterentwickeln zu müssen.
