Ich erkläre, wie man meiner Meinung nach KI-Agenten sehen (und behandeln) sollte, um beste Ergebnisse zu erzielen.

Dazu Zukunftsprognosen von einem Forscher, der schon viele Entwicklungen ziemlich genau für Jahrzehnte vorhergesagt hat (inkl. Kommentar eines bekannten und umstrittenen KI-Chefs).

Abschließend kleine Übersicht meiner neuesten Präsentations-Charts zum Thema KI, Zukunft, usw. Enjoy 😉

KI-Agenten als „digitale Mitarbeiter" zu bezeichnen klingt erstmal sinnvoll – bis man merkt, dass das gesamte Management-Toolkit nicht funktioniert:

KI-Agenten kann man nicht zur Rechenschaft ziehen, wenn sie einem Kunden falsche Infos geben oder eine Berichtsnummer verwechseln. Es ist buchstäblich eine dumme Maschine, die nur schlau wirkt.

Was dann? Roboter? Das ist das andere Extrem – und führt genauso in die Irre. Denn bei „Roboter" denken die meisten an sowas hier:

Vollständig deterministische Maschinen. Gleicher Input, gleicher Output. Präzise, vorhersehbar, ein mächtiges Werkzeug.

Das sind moderne LLM-basierte Agenten nicht. Diese „Maschinen" treffen bei identischen Daten unterschiedliche Entscheidungen. Sie scheitern nicht an Grenzfällen – sie lösen sie auf unerwartete Weise. Und sie berichten selbstbewusst, 500 Rechnungen verarbeitet zu haben, obwohl sie 50 übersprungen haben. Nicht gerade roboterhaft.

Beide Bilder verfehlen, was ein Agent wirklich ist: Ein Werkzeug mit begrenzten Fähigkeiten, das mit gewisser Autonomie arbeitet, echte Verantwortung braucht und auf spezifische Weisen versagt, auf die man sich vorbereiten muss.

Das ist ein Hund.

Ich weiß, dass dieser Vergleich manchen Hundebesitzern schwerfällt – ich selbst habe keinen. Wer zu emotional daran hängt: Stell dir einfach den Hund von jemand anderem vor.

Hunde haben 4 Eigenschaften, die beim Nachdenken über KI-Agenten überraschend nützlich sind.

Wenn dein Hund jemanden beißt, wirst du verklagt. Nicht der Hund. Nicht der Züchter. Nicht der Trainer. Du. In den meisten Rechtssystemen gilt strikte Halterhaftung – unabhängig von Absicht, Vorgeschichte oder ob du überhaupt dabei warst. Wer einen Hund hält, übernimmt Verantwortung für sein Verhalten.

Das ist das richtige Modell für Agenten.

Wenn ein Agent eine falsche Entscheidung trifft, trägt die Organisation, die ihn einsetzt, die Konsequenzen. In der Praxis bedeutet das: Jeder Agent in deiner Organisation braucht einen namentlich genannten Verantwortlichen. Nicht „die IT". Eine konkrete Person, die dafür haftet, was der Agent tut und lässt. Diese Person stellt sicher, dass Outputs regelmäßig geprüft werden, Fehler korrigiert werden und der Agent abgeschaltet wird, wenn er nichts mehr bringt. Und sie bekommt den Kredit, wenn er funktioniert – was wahrscheinlich der wichtigste Teil ist.

Kurzum: Wenn du keinen Namen auf einen Agenten schreiben kannst, hast du keinen Agenten im Produktivbetrieb.

Die Fähigkeiten von Hunden sind bewundernswert. Ein Pyrenäen-Schäferhund kann tagelang allein eine Herde in den Bergen hüten. Aber wirfst du ihm einen Ball, schaut er dich nur an: „Tja, jetzt musst du ihn selbst holen."

KI-Agenten sind genauso ungleichmäßig in ihren Fähigkeiten. Wenn ein Agent bei einer Aufgabe versagt, liegt es selten daran, dass das KI-Modell „zu dumm" ist. Meistens ist das agentische System schlicht nicht für diese Situation ausgelegt. Ein Research-Agent, der für Finanzdaten optimiert wurde, liefert schlechte Ergebnisse, wenn man ihn auf rechtliche Dokumente loslässt.

Frag also nicht, ob der Agent „gut" ist. Frag:

Anbieter verkaufen dir einen „Agenten, der X macht" – und lassen dich selbst herausfinden, ob dein X und ihr X übereinstimmen. Das tun sie selten. Die Aufgabe eines Agent-Owners ist nicht nur Monitoring. Es geht darum, den tatsächlichen Fähigkeitsbereich des Agenten zu kennen und Einsätze außerhalb davon zu verweigern.

Du würdest einem Hund vertrauen, eine Herde zu bewachen. Aber du würdest ihn nicht allein mit einem Kleinkind lassen. Technisch könnte der Hund das. Trotzdem machst du es nicht – das Risiko ist zu hoch.

Ich vertraue einem Rechnungsverarbeitungs-Agenten beim Lesen von Rechnungen. Ich vertraue demselben Agenten nicht beim Erstellen von Rechnungen – auch wenn das zugrunde liegende System es könnte.

Fähigkeit ist nicht gleich Vertrauen. Vertrauen entsteht dadurch, dass man gesehen hat, wie das System mit den tatsächlichen Inputs umgeht – wiederholt, mit vorhersehbarem Verhalten. Je weiter du dich vom getesteten Bereich entfernst und je höher das Fehlerrisiko, desto weniger solltest du dem Einsatz vertrauen.

Ein Schäferhirt hat vielleicht zwei, drei, vier Hunde. Aber niemand würde 100 Hunde losschicken, um 10.000 Schafe zu hüten. Genau das pitchen KI-Anbieter aber: „Bau deine KI-Belegschaft in großem Maßstab auf."

Stell dir vor, du überwachst täglich 10 Agenten. Outputs prüfen, Korrekturen vornehmen, in Echtzeit auf Feedback reagieren. Klingt erschöpfend? Ist es. Mein persönliches Maximum waren 5.

Es gibt eine reale Obergrenze, wie viele Agenten ein Mensch sinnvoll verantworten kann. Eine Handvoll ist für die meisten realistisch. Vielleicht mehr, wenn die Agenten gut instrumentiert und die Domäne risikoarm ist. Darüber hinaus besitzt du keine Agenten mehr – du hoffst. Und Hoffnung ist kein Betriebsmodell.

Die Hunde-Logik verändert die Rechnung hinter „KI ersetzt deine Belegschaft" erheblich. Du ersetzt nicht 100 Menschen durch 100 Agenten. Du gibst Menschen einfach mehr Hebelwirkung.

Denk an Drogenspürhunde. Da ist immer noch ein Mensch verantwortlich – aber dieser Mensch hat jetzt Superkräfte und kann 20-mal so viele Passagiere scannen, ohne sie anzufassen oder durch aufwendige Ausrüstung zu schicken.

Das ist nicht der typische KI-Anbieter-Pitch. Aber auch nicht die Doom-Erzählung, bei der KI alle Jobs wegnimmt.

Das Organigramm bekommt keine neuen Kästchen für Agenten. Die vorhandenen Kästchen werden um einen erweiterten Verantwortungsbereich neu gezeichnet. Wenn nicht, wirst du kaum bessere Ergebnisse sehen.

Wie jede Metapher hat die Hunde-Analogie natürlich Grenzen. Ein Agent kann 24/7 arbeiten. Du kannst einen funktionierenden Agenten klonen – einen funktionierenden Hund nicht. Du kannst einen Agenten kontinuierlich für alle seine Kopien weiterentwickeln.

Aber wenn du deine Agenten wie Arbeitshunde behandelst statt wie digitale Menschen, triffst du die Deployment-Entscheidungen grundsätzlich richtig. Du weißt, wer was verantwortet, wo du sie einsetzt, wo nicht – und wie viele du realistisch betreiben kannst.

Halt die Leine am Anfang kurz.

Kleiner Hinweis von mir, bevor dir beim Namen Elon die Fußnägel hochrollen, o.ä. Ich bin weder Fanboy noch Hater. Ich habe eine sehr differenzierte und detaillierte Betrachtungsweise bezüglich ihm, Trump und allen anderen Menschen.

Ich würde mir auch von beiden wünschen, dass sie weniger auf Social Media oder in sonstigen Medien in Erscheinung treten. Aber wenn man das ausblendet, dann muss man einsehen, egal wie du zu Hr. Musk stehst, dass er geschäftlich vieles richtig macht und technisch enorm Ahnung hat. Sicher gibt es auch da Aspekte, die ich suboptimal finde, aber keiner sollte ihm absprechen, dass er Ahnung von Technik hat.

Elon Musk wurde gefragt, wie schnell sich KI entwickelt. Seine Antwort drehte sich nicht um die Technologie selbst. Sie drehte sich um den einen Mann, der mit allem richtig lag und dennoch zu konservativ war.

Kurzweil verbrachte 30 Jahre damit, Prognosen zu erstellen, die etablierte Experten verunsicherten. Er sagte Zeitlinien voraus, die unmöglich erschienen, und wurde dafür verspottet. Er behielt in fast allen Punkten recht. Und Musk nennt ihn nun konservativ.

Das Zehnfache alle sechs Monate.

Moores Gesetz bedeutete eine Verdopplung der Leistung alle zwei Jahre. Diese eine Kurve trieb jeden technologischen Wandel der letzten 50 Jahre an: das Internet, Smartphones, Cloud-Computing. Alles basierte auf dieser 2x-Kurve.

KI befindet sich auf einer 100x-Kurve. Und die bestehende Infrastruktur existiert nicht parallel zur neuen – sie verwandelt sich in sie.

Alles, was die Welt, wie wir sie kennen, am Laufen hält, wird für die Welt von morgen neu verdrahtet.

Menschen denken die Zukunft in geraden Linien. Wir nehmen das Tempo des letzten Jahrzehnts und projizieren es nach vorne. Exponentielles Wachstum funktioniert so nicht. Es ist unsichtbar, bis es plötzlich überall ist.

Der kühnste Prognostiker der Technologiegeschichte war zu konservativ. Dabei geht es nicht darum, dass Kurzweil die Richtung falsch eingeschätzt hätte. Es geht darum, dass das menschliche Gehirn die Geschwindigkeit unterschätzt.

Die Grenze war nie die Technologie. Es war das Organ, mit dem wir sie begreifen. Und dieses Organ hat seit 200.000 Jahren kein Upgrade mehr erhalten.

Leider versteht kaum ein Mensch, was exponentielles Wachstum bedeutet.

Stell dir vor, egal wo du jetzt bist und diesen Newsletter liest, du gehst 30 x je 1 Meter in eine Richtung. Schau dich kurz um, wo du bist, und dann überlege dir, wo du nach 30 normalen 1-Meter-Schritten bist. Vermutlich im Nebenzimmer, Büroflur, Garten, usw. Jeder von uns kann sich 30 × 1 Meter vorstellen, weil das linear und leicht berechenbar ist.

Ich wohne in Berlin. Wo lande ich, wenn ich zuerst 1 Meter gehe? Dann 2? Dann 4? Dann 8? Usw. Also 30 x verdopple?

Lande ich in München? Also 500 km weit weg?

Besuche ich meine Mutti in Österreich? Also ca. 800 km?

Bin ich in Griechenland bei meinem Papa? Über 2000 km?

Erreiche ich New York? Ca. 6400 km?

Schaffe ich’s 1x um den Äquator? 40.075 km?

1 Meter x 30 Verdopplungen = 536.870,912 km!

Der Mond ist nur 384.400 km entfernt, d.h. ich schaffe es hin und fast zurück.

Das ist exponentielles Wachstum, z.B. von Virus-Pandemien (remember Corona?) und jetzt auch von KI! Darum sollten wir das ernst nehmen und endlich handeln!

Hier ein paar Charts aus meinen neuesten Vorträgen…

Anfang des Jahres traf ich die CTO eines Großkonzerns. Sie sagte: „Ich baue wieder selbst – zum ersten Mal seit Jahren!“ 

Jahrzehntelang bestand ihre Aufgabe darin, zu delegieren. Nach klassischem Muster sollte KI ihr noch mehr Delegation ermöglichen. Stattdessen zog die Technologie sie zurück in die operative Arbeit.

Es gibt noch kein bewährtes „KI-Transformations-Template“. Klar ist jedoch: Die Organisation von morgen ist nicht die Organisation von heute mit etwas KI obendrauf. Echte KI-Transformation verringert nicht nur den Aufwand, sondern verändert die organisatorische Grundeinheit selbst.

Die Standardreaktion auf KI ist die Beschleunigung des Bestehenden: schnellere E-Mails, Präsentationen, Codes und Berichte. 

Das Organigramm, die Meetings und die Workflows bleiben jedoch unverändert. Man erzeugt dieselben Ergebnisse – nur schneller. Das ist nützlich, aber nur ein lokales Maximum. Man beschleunigt das Pferd, anstatt den Teleporter zu bauen.

Viele Managementprinzipien gehen auf Peter Drucker zurück. Er betonte, dass jeder Wissensarbeiter eine Führungskraft sei und an seiner Effektivität (die richtigen Dinge tun) gemessen werden müsse, nicht an seiner Effizienz (die Dinge richtig tun). Zur Trennung dieser Bereiche stellten Unternehmen Arbeitskräfte für die Ausführung ein und Manager für deren Koordination.

Wenn Ausführung im Überfluss vorhanden und Koordination billig ist, wird Urteilskraft (Judgment) zur knappen Ressource:

Der Aufwand für Ausführung und Koordination pro Ergebnis schrumpft. Was bleibt, sind die Outcomes (Ergebnisse).

Der organisatorische Baustein verschiebt sich von Aufgaben ausführenden Mitarbeitern hin zu Einzelpersonen oder Kleinteams, die für Ergebnisse (Outcomes) verantwortlich sind.

Es geht nicht darum, dass eine Person einen Schwarm von KI-Agenten steuert. Man führt keine Agenten. Man verantwortet ein Ergebnis und nutzt KI als Werkzeug. 

KI-reife Unternehmen arbeiten heute in kleinen „Pods“ (Teams von 2–4 Personen) ohne Übergabeschnittstellen. KI erweitert den Verantwortungsbereich, den ein solcher Pod wirtschaftlich stemmen kann. 

Wo früher Spezialisten für Konzept, Prototyp, Datenanalyse und Präsentation nötig waren, kann heute ein einziger Verantwortlicher diese Schritte bündeln. Die benötigte Urteilskraft zeigt sich dabei in drei Facetten:

Dies sind Perspektiven, keine starren Rollen. Jeder Pod benötigt alle 3 Facetten.

├── Backend-Team

├── Frontend-Team

├── Mobile-Team

├── Data-Team

└── QA-Team

├── Nutzer aktivieren

├── Nutzer binden

├── Künstler aufbauen

└── Werbeumsatz steigern

Das Prinzip gilt branchenübergreifend: KI ermöglicht es kleineren Gruppen, größere Ergebnisse end-to-end zu verantworten.

CEO Alex Karp verzichtet auf starre Organigramme; 13 Personen berichten direkt an ihn in einer ergebnisorientierten („mission-driven“) Kultur.

Nutzen flache Titel wie „Member of Technical Staff“. Weniger Fokus auf Mitarbeiterführung, mehr auf das selbstständige Erreichen von Ergebnissen in wechselnden Pods. Führende Tech-Köpfe wie Andrej Karpathy oder ehemalige CTOs wechseln dorthin, um wieder operativ an Projekten zu arbeiten.

Das KI-native Unternehmen zeichnet sich nicht dadurch aus, dass jeder ChatGPT nutzt. Es basiert auf einer neuen Prämisse: Ausführung ist im Überfluss vorhanden, Koordination ist billig und Urteilskraft ist knapp.

Wenn Urteilskraft der Flaschenhals ist, organisiert man das Unternehmen um die Personen herum, die diese liefern: um die Verantwortlichen für Ergebnisse, nicht um die Ausführenden von Aufgaben.

Danke. Freut mich, wenn du Freude daran hast.