AI-native (AI-Native) bezeichnet ein Organisationsparadigma, das künstliche Intelligenz-Modelle als zentrale Systemvoraussetzung nutzt und dabei Prozessabläufe, Datenstrukturen und Entscheidungsbefugnisse systematisch neu gestaltet. Das Konzept entstand aus der industriellen Praxis und blieb lange Zeit auf der Ebene der Marketing-Rhetorik; mit dem Aufkommen großer Sprachmodelle wurde es weit verbreitet, entbehrte jedoch stets einer operativen und bestimmbaren technischen Definition.

Im Jahr 2026 stellte Tan in der Arbeit Defining AI-Native Systems: Autonomy as Revision Authority erstmals eine strenge technische Definition vor. Diese Definition konzentriert die Bewertungskriterien auf eine einzige Kern-Dimension – die Revisionsautorität (Revision Authority) des Systems über seine eigenen Entscheidungen. Dabei wird klar zwischen dem ausführenden Akteur der Entscheidung (Occupancy) und dem Inhaber der Änderungsbefugnis (Revision Authority) unterschieden. Die Revisionsautorität wird in drei aufeinander aufbauende Stufen unterteilt: Selbstoptimierung (Self-Tuning), Selbstmodifikation (Self-Rewriting) und Selbstarchitektur (Self-Architecting).

Nach diesem Maßstab kann ein System nur dann als echtes AI-native System definiert werden, wenn die künstliche Intelligenz über die Fähigkeit verfügt, die eigene Systemimplementierung autonom umzuschreiben. Solche Systeme müssen mit entsprechenden Mechanismen zur Anomalieerkennung, formalen Verifikationsprozessen und validierten Rückfalllösungen ausgestattet sein, während die Systemziele und die Befugnis zur Korrektheitsprüfung weiterhin beim Menschen verbleiben. Nach dieser Einstufung fallen die meisten Produkte, die „AI-native“ behaupten, tatsächlich nur in die Kategorie der KI-Unterstützung (AI-Augmented). In echten AI-nativen Systemen ist die künstliche Intelligenz nicht mehr nur ein Hilfsmittel, sondern ein substantieller Akteur an der kontinuierlichen Evolution des Systems.

[JIALIU_0]