2030 Ein Provenance‑Native Unternehmen.

Author: Yauheni Kurbayeu
Published: March 13, 2026
LinkedIn

Stellen wir uns ein „Provenance‑Native Unternehmen“ im Jahr 2030 vor – eine Organisation, die von Anfang an rund um Entscheidungs‑Lineage, SDLC‑Memory und Nachvollziehbarkeit von AI‑Ausführungen aufgebaut ist, statt dies später nachträglich einzubauen.

1. Organisatorisches Gedächtnis ist Kern‑Infrastruktur.

In einem provenance‑nativen Unternehmen wird organisatorisches Gedächtnis als Infrastruktur behandelt, nicht als Dokumentation.

Anstatt dass Wissen über Tools wie Jira, Slack, GitHub und Notion verteilt ist, erzeugen alle Arbeitsereignisse automatisch strukturierte Provenance‑Records.

Jede bedeutende Handlung erzeugt Knoten in einem Entscheidungs‑Graphen:

-   Decision
-   Assumption
-   Constraint
-   Risk
-   Experiment
-   Artifact
-   Agent execution

Diese Knoten werden automatisch miteinander verknüpft.

Das Ergebnis ist ein lebender kausaler Graph der Organisation.

Keine im Nachhinein geschriebene Dokumentation, sondern Gedächtnis, das als Nebenprodukt der Arbeit entsteht.

2. AI‑Agenten müssen Provenance erzeugen.

Im Jahr 2030 wird der Großteil der Arbeit von AI‑Agenten unterstützt.

In einem provenance‑nativen Unternehmen dürfen AI‑Agenten nicht arbeiten, ohne Traceability‑Records zu erzeugen.

Jede Ausführung erfasst:

-   Agent identity
-   Model version
-   Inputs
-   Reasoning chain
-   Tools used
-   Decision references
-   Output artifacts
-   Confidence / risk notes

Das wird zu standardisierter operativer Telemetrie, ähnlich wie Observability heute.

Aber statt Systeme zu beobachten, beobachtet das Unternehmen Entscheidungsflüsse.

3. Architektur wird zu einem lebenden Entscheidungs‑Graphen.

Architekturdiagramme werden zweitrangig.

Stattdessen wird Architektur als Graph von Entscheidungen über die Zeit dargestellt.

Beispiel:

Decision: Split EU infrastructure
  ├── Assumption: GDPR enforcement risk
  ├── Constraint: Data residency
  ├── Risk: Deployment complexity
  └── Resulting artifacts:
          - AWS EU cluster
          - Separate pipelines

Sechs Monate später erscheint ein weiterer Knoten:

Decision: Merge EU & US services
Reason: Regulatory change
Supersedes: Decision #231

Architektur wird zu zeitbewusstem Denken, nicht zu statischen Diagrammen.

4. Meetings werden zu Entscheidungs‑Erfassungssystemen.

Meetings existieren weiterhin, aber ihr Zweck verändert sich.

Anstatt dass Diskussionen in Notizen verschwinden, extrahieren Systeme:

-   Proposed decisions
-   Risks
-   Assumptions
-   Disagreements
-   Action items

Diese werden als strukturierte Knoten gespeichert.

Das System verknüpft sie automatisch mit:

• Codeänderungen
• Produktfeatures
• Incidents
• Experimenten

Im Laufe der Zeit sammelt das Unternehmen eine kausale Historie darüber, warum Dinge passiert sind.

5. Incidents werden über Entscheidungs‑Lineage untersucht.

Heute konzentriert sich Incident‑Analyse meist auf:

• Logs
• Metriken
• Code

In einem provenance‑nativen Unternehmen beginnt die Untersuchung anders:

Welche Entscheidungskette hat den Fehler verursacht?

Beispiel:

Incident: Payment outage

Trace:
    Code change
    ↓
    Decision: switch payment provider
    ↓
    Assumption: fallback system ready
    ↓
    Assumption invalid

Die Root Cause wird zu invaliden Annahmen, nicht nur zu fehlerhaftem Code.

6. Institutionelles Wissen wird abfragbar.

Mitarbeiter können fragen:

• Warum nutzen wir diese Architektur?
• Welche Annahmen rechtfertigen diese Einschränkung?
• Von welchen Entscheidungen hängt diese Komponente ab?

Das System rekonstruiert Antworten mithilfe des Entscheidungs‑Graphen.

Das ist grundlegend anders als RAG über Dokumentation.

Es antwortet mit kausaler Lineage, nicht mit Textähnlichkeit.

7. Strategie wird als Entscheidungs‑Evolution verfolgt.

Auch Entscheidungen der Unternehmensführung werden im Provenance‑Graphen aufgezeichnet.

Beispiel:

Strategic Decision: Enter EU market
Assumptions: 
    - EU demand growing 
    - compliance manageable

Constraints: 
    - data residency 
    - local legal frameworks

Zwei Jahre später:

Decision: Expand EU infrastructure
Supersedes: initial EU strategy
Reason: adoption exceeded forecast

Strategie wird zu nachvollziehbarem Denken über die Zeit.

8. Das Unternehmen entwickelt „Decision Capital“.

Das ist das interessanteste Ergebnis.

Heute sammeln Unternehmen:

• Code
• Daten
• Dokumente

Ein provenance‑natives Unternehmen sammelt Decision Capital.

Das bedeutet, es besitzt einen historischen Graphen von:

• Trade‑offs
• gescheiterten Ideen
• validierten Annahmen
• Architektur‑Evolution
• strategischem Denken

Neue Mitarbeiter und AI‑Systeme können sofort die Denkweise der Organisation verstehen.

Das beschleunigt Onboarding und strategische Ausrichtung erheblich.

9. AI wird sicherer einsetzbar.

Eines der größten Probleme heutiger AI‑Systeme ist Accountability.

In einem provenance‑nativen Unternehmen kann jede AI‑Aktion zurückverfolgt werden zu:

• wer das Ziel genehmigt hat
• welche Annahmen verwendet wurden
• welches Modell das Ergebnis erzeugt hat
• welche Entscheidungskette die Ausführung autorisiert hat

Dadurch wird AI auditierbar und governierbar.

10. Die Kultur verschiebt sich hin zu Entscheidungsdenken.

Ingenieure hören auf zu fragen:

„Welchen Code sollten wir schreiben?“

Stattdessen fragen sie:

„Welche Entscheidung treffen wir?“

Artefakte wie Code, Dokumente und Experimente werden zu Konsequenzen von Entscheidungen.

Die Ironie

Der interessanteste Aspekt dieser Zukunft ist, dass sie keine revolutionäre Technologie erfordert.

Alles, was benötigt wird, existiert bereits:

• Graphdatenbanken
• Vector Embeddings
• AI‑Agenten
• Event‑Pipelines
• Observability‑Stacks

Was fehlt, ist das mentale Modell.

Genau dieses führt das Provenance Manifesto ein.