Leseprobe

Arbeit an KI-Agenten delegieren

Kapitel 12 · 2.568 Wörter · 13 Minuten

Als ich meine erste Firma gründete, hatte ich gerade mein Informatik-Studium beendet; Nebenfach Betriebswirtschaftslehre. In Informatik war ich relativ fit. Von BWL waren wenig mehr als ein paar Grundlagen hängengeblieben. Betriebsführung oder gar Personalführung waren nicht wirklich Teil des Studiums gewesen. Und, wie viele Absolvent:innen ingenieurwissenschaftlicher Studiengänge sah ich das nicht als wichtige Lücke an. Das zeigte sich in der Folgezeit, als die ersten Angestellten dazukamen. Ich denke, ich habe einiges im Bereich Personalführung „aus dem Bauch heraus“ richtig gemacht, vieles aber definitiv nicht. Die größte Herausforderung war für mich über lange Zeit die klar umrissene Übergabe von Entscheidungsbefugnissen und Verantwortung, das Delegieren.

Selbstverständlich konnte ich schon bald nicht mehr alles im Betrieb allein erledigen. Aber gut angefühlt hat sich das nicht. Denn bei allen Arbeiten, die ich nicht selbst erledigte, bestand ja immer das Risiko, dass die „nicht richtig“ erledigt wurden (also nicht so, wie ich es getan hätte). In Aufgabenbereichen, für die es mir offensichtlich an Talent und Ausbildung fehlte — Beispiel Design oder Finanzbuchhaltung — fiel mir das etwas einfacher. Das habe ich gerne abgegeben. Aber im allgemeinen Management, im Vertrieb und der Softwareentwicklung fiel mir das Loslassen lange sehr schwer. Da neigte ich schon zu dem, was zu Recht als „Micromanagement“ verpönt ist: Ich habe den Mitarbeiter:innen nicht nur die Ziele vorgegeben, sondern auch den Weg dahin. Und ich habe ihnen in relativ engem Takt über die Schultern geschaut, um sicherzustellen, dass die Arbeit so erledigt wurde, wie ich es für richtig hielt. Das hat gute Mitarbeiter:innen frustriert, ihre Kreativität und Kompetenz brachliegen lassen und mich selbst viel Zeit und Energie gekostet.

Es hat fast zehn Jahre gedauert, bis ich in der Lage war, wirklich zu delegieren, also Ziele vorzugeben, und nicht den Weg dahin, echte Entscheidungsfreiheiten einzuräumen. Das hat dann nicht allein das Potential meiner Mitarbeiter:innen freigesetzt. Delegieren war nötig, um mich maximal zu entlasten. Und genau darum geht es auch bei KI-Agenten.

Was ist ein Agent?

Im Kontext von KI wird „Agent“ bzw. „agentisch“ (agentic) viel als Marketing-Buzzword genutzt. Alle Anbieter von Software präsentieren ihre Produkte als „agentisch“ und beziehen sich dabei auf unterschiedliche Merkmale. Es ist deshalb sinnvoll, kurz zu klären, was „Agent“ hier wirklich bedeutet.

Menschen mit deutscher Muttersprache denken bei diesem Wort schnell an Geheimagenten. Das ist im Englischen anders. Ein agent ist dort nicht immer gleich ein Spion, sondern jemand (oder etwas), der agency hat. Und agency ist die Fähigkeit, zielgerichtet Entscheidungen zu treffen und dann auch entsprechend dieser Entscheidungen zu handeln. Man könnte agent deshalb auch als „Handlungsbevollmächtigte:r“ übersetzen, wenn das nicht so altmodisch beziehungsweise juristisch klingen würde.

In diesem Sinne ist ein KI-System dann ein Agent, wenn es auf Grundlage von Prompts und weiteren Daten Entscheidungen trifft und diese auch direkt umsetzt. Ein KI-Agent handelt und erteilt nicht nur Ratschläge, die danach ein Mensch umsetzt. Dieses Handeln kann zum Beispiel darin bestehen, dass die KI ohne lange Rückfragen

  • Dateien erstellt, verschiebt oder löscht

  • ein Software-Modul erstellt

  • ein Buch schreibt

  • eine E-Mail schreibt und auch gleich versendet

  • Aktien kauft oder verkauft

  • eine Reise bucht

  • eine Maschine an- oder ausschaltet etc.

Das ist zweifellos eine größere Entlastung, als wenn mir die KI nur Empfehlungen oder Ratschläge gibt. Es stellt zugleich aber auch ein größeres Risiko dar.

Drei Stufen der Zusammenarbeit mit KIs

Dieses Spannungsfeld — Entlastung gegen Risiko — charakterisiert die verschiedenen Formen der Zusammenarbeit zwischen Menschen und KIs. KI-Agenten stellen die neueste Form dieser Zusammenarbeit dar. In den vorangehenden Kapiteln haben Sie andere Formen kennengelernt. Alle haben ihre Daseinsberechtigung. Alle haben ihre Vor- und Nachteile.

Damit Sie das besser einordnen können, möchte ich für diese Zusammenarbeit drei Stufen definieren:

  1. Fragen stellen oder kleine Teilaufgaben erledigen lassen

  2. Gemeinsam komplexere Aufgaben lösen / Dokumente erstellen

  3. Delegieren von Aufgaben und Verantwortlichkeiten

Schauen wir uns diese drei Stufen etwas detaillierter an:

Stufe 1: Fragen stellen oder kleine Teilaufgaben erledigen lassen

Die Mehrzahl der Anwender:innen nutzt KI-Chatbots heute immer noch vorwiegend im Frage-Antwort-Modus: sie stellen eine Frage und bekommen eine Antwort. Der folgende Prompt ist ein einfaches Beispiel dafür:

Was ist die Postleitzahl der Gemeinde Werdohl?

Antwort:

Die Postleitzahl von Werdohl ist 58791

Auch, wenn Anfragen anspruchsvoller sind, folgen sie doch demselben Muster. Zum Beispiel:

Was sind die 5 wichtigsten Sehenswürdigkeiten von Paris?

Die Antwort ist gradlinig:

1. Eiffelturm – das Paris-Symbol schlechthin.
2. Louvre – schon von außen Pflicht, innen Mona Lisa & Co.
3. Notre-Dame / Île de la Cité – historisches Zentrum von Paris.
4. Arc de Triomphe & Champs-Élysées – klassische Paris-Achse.
5. Montmartre mit Sacré-Cœur – Aussicht, Atmosphäre, Postkarten-Paris.

Es geht aber nicht nur um Fragen. Auch die folgenden Aufgaben gehören noch in die Kategorie „Fragen und kleine Teilaufgaben“:

  • Zusammenfassung eines Dokuments,

  • Übersetzung eines Textes aus einer oder in eine andere Sprache

  • Formulierung einer höflichen E-Mail aus kurzen Stichworten

  • Umformulierung einer bestehenden Textpassage

  • Erstellung eines Diagramms, das die Eigenschaften einer quadratischen Funktion illustriert

Alle folgen dem einfachen Muster Frage/Anweisung Antwort. Ein Risiko gehe ich hier in keinem Fall ein. Es kann sein, dass ich etwas Zeit verliere, wenn ich den Prompt schlecht formuliert habe. Aber das unzulängliche Arbeitsergebnis kann ich einfach mit einem neuen Prompt korrigieren.

Das gilt auch für den folgenden Prompt:

Erstelle mir zwei Menüvorschläge für ein klassisches 3gängiges Mittagessen mit Suppe, Hauptgericht und Dessert, das man bei einem “gutbürgerlichen” deutschen Restaurant für eine Familienfeier mit ca. 20 Gästen vermutlich gut bestellen kann. Gerne mit Anmerkungen, Für- und Wider-Aspekten und optionalen Austausch-Gängen für vegetarische Gäste.

Ich erspare mir und Ihnen die Darstellungen der Responses, weil das den Rahmen dieses Buches sprengen würde. Probieren Sie es einfach selbst aus. Alle KI-Chatbots, denen ich diese Aufgabenstellung gab, lieferten tadellose Resultate, jeweils zwei unterschiedliche Speisenfolgen mit klassischen spießig-deutschen Gerichten, immer mit veganer Alternative und Anmerkungen, wenn die Gerichte für heiße Sommertage vielleicht nicht so gut geeignet sind etc.

Stufe 2: Gemeinsam komplexere Aufgaben lösen

Ich halte es aber für unwahrscheinlich, dass viele Anwender:innen es schaffen, gleich mit einem ersten, perfekten Prompt eine KI dazu bringen, einen so guten Menüvorschlag zu generieren. Meist vergisst man doch ein Detail (wie zum Beispiel die vegane Alternative) im Prompt oder ist aus anderen Gründen mit dem Ergebnis unzufrieden. Dann wird nachgesteuert und es ergibt sich ein Dialog. Das Ziel wird gemeinsam erreicht.

Es ist sogar eine gute Idee, von vornherein davon auszugehen, dass man einen solchen Arbeitsauftrag nicht im ersten Schritt perfekt hinbekommt, und KI-Unterstützung schon bei der Formulierung einzufordern.

Das könnte für das obige Beispiel zum Beispiel so aussehen:

Ich brauche zwei Menüvorschläge für ein klassisches 3gängiges Mittagessen für eine Familienfeier. Lege nicht sofort los. Stelle mir stattdessen ein paar Fragen, deren Antworten Dir dabei helfen würden, diese Aufgabe besser zu verstehen und besonders gut zu erledigen.
Mach das am besten so, dass Du nicht alle Fragen auf einmal stellst, sondern immer nur eine auf einmal. Sag mir Bescheid, wenn Du meinst, genug Informationen zusammen zu haben.

Auch hier funktioniert die bekannte Analogie, den Chatbot wie einen menschliches Gegenüber zu behandeln. Auch der Koch oder die Managerin eines Restaurants erwartet von Ihnen sicherlich keine perfekte Aufgabenbeschreibung. Stattdessen finden es Menschen in diesen Berufen vermutlich als völlig normal, die Details im Dialog mit Ihnen abzuklären. Diese Menschen wissen tatsächlich auch am besten, welche Fragen geklärt werden müssen. Und das gilt genauso für einen Chatbot, der sie bei einer Aufgabe unterstützen soll, bei der Sie nicht viel Erfahrung haben.

Auch die Erstellung von Konzeptpapieren, Analysen, Reiseplänen, Bedienungsanleitungen etc. mit KI-Unterstützung findet am besten in einem Dialog zwischen Mensch und Maschine statt. Eventuell liefert die KI einen Entwurf oder eine Gliederung, darauf antwortet der Mensch mit Kritik, zusätzlichen Wünschen und Verbesserungsvorschlägen. Die KI führt Rechercheaufgaben durch, deren Ergebnisse dann in neue Textpassagen einfließen, die entweder der Mensch oder die KI erstellt. Manchmal wird eine KI-erstellte Passage vom Menschen überarbeitet. Ein anderes Mal korrigiert die KI grammatische oder orthografische Fehler im menschlich erstellten Text.

Das gemeinsame Arbeiten an komplexeren Aufgaben nutzt die Fähigkeiten moderner KI-Modelle auch deutlich besser als die reinen Frage-Antwort-Spiele. Es ist aber kein echtes „Delegieren“ von Arbeit. Stufe 2 ist wie das gemeinsame Bearbeiten einer Aufgabe mit einem anderen Menschen, wobei die eine Person die Chefrolle einnimmt, die Richtung und jeden einzelnen Schritt dorthin vorgibt.

Das kann produktiv sein. Es lässt aber keinen Raum für kreative (oder auch nur alternative) Lösungsansätze, resultiert in einem hohen Kommunikationsaufwand und belastet beide Personen, auch den Menschen, zeitlich weiterhin stark. Das ist nicht optimal. Ziel ist es, den Menschen maximal zu entlasten. Und genau hier liegt die Motivation für die nächste Stufe der Mensch-KI-Zusammenarbeit.

Stufe 3: Aufgaben und Verantwortlichkeiten delegieren

Diese dritte Stufe stellen KI-Agenten dar. Die Schlagworte „Agent“ oder „agentisch“ gehören seit 2025 zum Marketing aller KI-Anbieter und -Beratungsfirmen. Und seit Anfang 2026 wurde daraus Schritt für Schritt Realität. Die neueste Generation von KI-Modellen ist in der Lage, zumindest in einigen Bereichen auch recht anspruchsvolle Arbeitsaufgaben ohne menschliches Zutun zu erledigen. Dafür sind nicht nur Verbesserungen der Modelle selbst verantwortlich, sondern auch weitere Funktionalitäten, die die Anbieter in den KI-basierten Tools ergänzt haben.

Beides zusammen hat dazu geführt, dass solche KI-Agenten zu der Zeit, da ich das hier schreibe, bereits eine ganze Reihe digitaler Aufgaben über längere Zeiträume hinweg selbstständig bewältigen können.

  • Sie arbeiten stundenlang und manchmal tagelang ohne jedes menschliche Feedback an der Entwicklung von Software.

  • Sie suchen selbständig nach Fehlern in Softwareprojekten und beheben sie.

  • Sie übernehmen stundenlange Rechercheaufgaben im Web, lassen sich neue Suchbegriffe einfallen, fassen Ergebnisse zusammen und erstellen Berichte, Marktübersichten, Wettbewerbsanalysen oder technische Entscheidungsvorlagen.

  • Sie füllen Formulare aus, übertragen Daten zwischen Webanwendungen, suchen Informationen in Portalen, veranlassen Buchungen oder Bestellungen.

  • Sie überwachen den Nachrichteneingang bei Personen und Firmen, beantworten Standardfragen per E-Mail, Messenger oder Telefon, nehmen Bestellungen, schlagen Lösungen vor und übergeben schwierige Fälle an Menschen.

  • Sie ordnen Belege zu, prüfen Rechnungen gegen Bestellungen, extrahieren Beträge und Leistungszeiträume, markieren Unstimmigkeiten, erstellen Buchungsvorschläge oder buchen diese gleich selbst.

  • Sie lesen Maschinen-Logs, oder empfangen Sensor-Daten direkt von Maschinen, erkennen Fehlermuster und veranlassen Diagnose- und Gegenmaßnahmen

  • …

Das ist ohne Frage beeindruckend. Es ist aber auch immer noch ein bisschen „Marketing-Realität“. Ja, es gibt einzelne Projekte, in denen KIs solche Aufgaben wahrnehmen. Fakt ist aber auch, dass KI-Agenten 2026 nicht einfach „digitale Angestellte“ sind, denen man beliebige Aufgaben übergeben kann.

KI-Agenten sind bei klar begrenzten Aufgaben stark, bei denen man Erfolg/Misserfolg und Qualität der Arbeit exakt messen kann. Das betrifft zum Beispiel Softwareentwicklung, Recherche, Support, Dokumentation, Datenextraktion und Büroautomation. Sie zeigen deutliche Schwächen, sobald Ziele unscharf und Qualitätsmaßstäbe nicht präzise messbar sind. Deshalb werden sie zwar produktiv eingesetzt, aber meist — vielleicht mit der Ausnahme „Software-Entwicklung“ — mit dem Vorbehalt menschlicher Freigabe (Stichwort „Human-in-the-loop“; dazu gleich noch mehr.)

Zum Zeitpunkt, da ich das hier schreibe, ist es nicht sinnvoll, detailliert zu beschreiben, wie Sie selbst solche Agenten mit dem KI-Chatbot oder KI-Tool Ihrer Wahl kreieren und erfolgreich einsetzen. Dazu sind diese Funktionalitäten bei den unterschiedlichen Tools noch zu uneinheitlich und ändern sich nahezu monatlich. Stattdessen möchte ich Ihnen zeigen, welche grundsätzlichen Vorkehrungen beim Einsatz agentischer Software zu beachten sind, um den Nutzen zu maximieren und Risiken zu minimieren. Diese Prinzipien auf ein konkretes KI-Tool zu übertragen, ist dann keine Raketenwissenschaft mehr.

Und wie so oft in diesem Buch gilt auch hier wieder das Prinzip: Am Ende sind KIs auch nur (wie) Menschen. Das heißt: Was müssten Sie tun, um eine Aufgabe an menschliche Mitarbeiter:innen zu delegieren — und zwar so, dass dabei mit hoher Wahrscheinlichkeit das gewünschte Ziel erreicht und Ihr eigener Arbeitsaufwand minimiert wird? Gehen Sie analog genauso mit dem Agenten um. Dann sind Sie auf dem richtigen Weg.

Wann lohnen sich KI-Agenten?

Zu der Zeit, da ich dieses Kapitel schreibe, nutzen die wenigsten Menschen überhaupt KI-Agenten (wenn überhaupt, dann im beruflichen Kontext). Das hat viele Gründe. Eine Ursache für die zurückhaltende Nutzung liegt darin, dass diese Funktionalitäten relativ neu sind. Ein anderer Grund ist sicherlich das mangelnde Vertrauen in die Zuverlässigkeit von KIs bei unbeaufsichtigter Arbeit. Diese beiden Ursachen werden im Laufe der kommenden Jahre sicher schwächer werden. Eine dauerhafte Hürde ist hingegen der Aufwand bei der Einrichtung. Das kostet nahezu immer deutlich mehr Zeit und Arbeit, als diese Aufgabe einmal selbst oder in enger Zusammenarbeit mit einer KI zu erledigen.

Auch hier sind die Parallelen zur Zusammenarbeit zwischen Menschen unübersehbar. Einen Arbeitsprozess zu definieren und in einem Leitfaden zu dokumentieren, kann Tage dauern. Einen Menschen so weit zu führen, dass er eine Aufgabe eigenständig übernehmen kann, ist nicht mit einer E-Mail oder einem Gespräch getan. Die Bearbeitung von Rückfragen und die Überprüfung der Arbeitsergebnisse kann in den ersten Tagen und Wochen mehr Zeit in Anspruch nehmen, als hätte man den Job weiterhin selbst gemacht.

Delegieren beziehungsweise die Erstellung von KI-Agenten lohnt sich nur dann, wenn auf Dauer mehr Aufwand eingespart werden kann, als deren Erstellung, Tests und die laufende Betreuung und Verbesserung kosten. Das heißt zum einen, dass diese Aufgabe häufig anfallen muss. Das ist aber nicht das einzige Kriterium. Aufgaben mit gut prüfbarem Output — Code, Datenanalysen, Tabellen — eignen sich besser dafür als Aufgaben mit schwer prüfbarem Output. Wo vieles Ermessenssache ist, lässt sich ein „gutes“ Arbeitsergebnis nur schwer von einem „schlechten“ unterscheiden.

Hier die acht wichtigsten Merkmale, an denen sich eine agententaugliche Aufgabe erkennen lässt:

  1. Hinreichende Häufigkeit. Die Aufgabe fällt oft genug an — oder es laufen genügend Aufgaben dieser Sorte parallel —, dass sich die Einrichtungs-Kosten amortisieren. Für eine Aufgabe, die vermutlich nur ein-, zwei- oder dreimal oder sehr selten anfällt, ist Dialog (Stufe 2) meist günstiger als Agentenbetrieb.

  2. Aufgabe folgt einem wiederkehrenden Muster. Jeder einzelne Lauf hat einen sehr ähnlichen Aufbau mit wenig Variation. Damit lohnt sich die einmalige Investition in präzise Instruktionen, Leitplanken und Skills. Gibt es viele Variationen, werden die Instruktionen umfangreich und können schnell missverstanden werden.

  3. Eindeutiges Zielkriterium. Es gibt eine messbare Erfolgsgröße. Und Sie wissen von Anfang an, woran Sie ein brauchbares Ergebnis erkennen werden. Das macht es für den Agenten einfacher, über mehrere Schritte hinweg das Ziel im Auge zu behalten.

  4. Prüfbarer Output. Das Ergebnis lässt sich mit überschaubarem Aufwand verifizieren — idealerweise automatisiert (Tests, Plausibilitätschecks, Vergleich mit Referenzdaten). Klare Entscheidungen (Ja/Nein, Zuordnung in eine von ein paar Kategorien, ein mathematisch überprüfbarer Beweis etc.) sind besser geeignet als lange Fließtexte mit subjektiven Qualitätsmerkmalen.

  5. Klar abgegrenzter Kontext. Die Aufgabe braucht keinen langen, ungeschriebenen Kontext und kein situatives Bauchgefühl. Was der Agent wissen muss, lässt sich aufschreiben und ist beim Start verfügbar.

  6. Handlungen sind reversibel oder Fehler können mit harten, technischen Grenzen verhindert werden. Im Fehlerfall lässt sich der Schaden zurücknehmen oder durch Grenzen außerhalb des Agenten begrenzen (Prepaid-Karte, Read-only-Zugriffe, Sandbox-Prinzip und ähnliche Ansätze).

  7. Stabile Werkzeuge und Konnektoren verfügbar. Alle Systeme, die der Agent ansteuern muss, sind über APIs, MCP-Server oder CLIs zuverlässig erreichbar. Handlungen, die durch den Browser gehen müssen oder für die zusätzliche Individual-Software entwickelt werden muss, sind brüchig.

  8. Lange Bearbeitungszeiten sind akzeptabel. Der Agent darf in Ruhe und im Hintergrund laufen. Das Arbeitsergebnis ist nicht dringend. Sie können in der Zwischenzeit anderes tun oder die Aufgabe auch nachts laufen lassen.

Es ist nicht notwendig, dass alle diese Kriterien erfüllt werden, um die Entscheidung für den Bau eines KI-Agenten (oder eines Skills) zu treffen. Das trifft selten zu. Aber, wenn mehr als drei oder vier Kriterien nicht zutreffen (insbesondere von den ersten fünf), sollten sie darüber nachdenken, ob die gemeinsame Bearbeitung mit der KI (Stufe 2) nicht vielleicht doch die bessere Lösung ist.