Von der Antwort zum Arbeitsergebnis: KI-Agenten übernehmen ganze Aufgaben
Seit diesem Sommer liefern die großen KI-Assistenten keine Antworten mehr, sie liefern Arbeitsergebnisse: fertige Dokumente, Tabellen, Präsentationen, Dashboards. Sie beschreiben das Ziel, die Maschine arbeitet Stunden daran und meldet sich mit dem Ergebnis zurück. Damit verschiebt sich die entscheidende Kompetenz im Umgang mit KI: vom geschickten Fragen zum sauberen Delegieren und zur disziplinierten Abnahme. Wer beides beherrscht, hat gerade einen Produktivitätshebel bekommen, den es so noch nicht gab.
Das Chat-Fenster war eine Übergangsform. Drei Jahre lang bestand KI-Nutzung im Kern aus einem Dialog: Sie fragen, das Modell antwortet, Sie arbeiten mit der Antwort weiter. Die eigentliche Arbeit, das Zusammensetzen, Formatieren, Fertigstellen, blieb bei Ihnen.
Seit diesem Sommer läuft es andersherum. OpenAI stellte im Juli einen Arbeitsmodus vor, der aus einem einzigen formulierten Ziel fertige Ergebnisse baut: Dokumente, Tabellenkalkulationen, Präsentationen, kleine Web-Anwendungen. Der Agent holt sich den Kontext selbst aus den angebundenen Systemen, E-Mail, Dateiablage, Chat-Werkzeuge, CRM, zerlegt die Aufgabe in Schritte und bleibt nach Bedarf Stunden dran. Anthropic wirbt für seine neue Modellklasse mit einem verwandten Versprechen: autonomes Arbeiten über Aufgaben, die sich über Millionen Tokens erstrecken, ohne den Faden zu verlieren. Und für harte Fälle gibt es inzwischen Modi, in denen mehrere Agenten parallel an einer Aufgabe arbeiten und ihre Ergebnisse zusammenführen.
Laut Gartner werden bis Ende 2026 rund 40 Prozent der Unternehmensanwendungen aufgabenspezifische Agenten enthalten, 2025 waren es unter fünf Prozent. Man muss solchen Prognosen nicht blind glauben. Die Richtung stimmt trotzdem, und sie betrifft Ihre Arbeitswoche direkter, als die Zahl vermuten lässt.
Die vier Agenten-Klassen, die Sie kennen sollten
Am Markt herrscht Namens-Wildwuchs, unter der Oberfläche sind es vier Funktionsklassen. Produkte wechseln, die Klassen bleiben:
- Arbeitsagenten im Assistenten: Sie geben ein Ziel und Zugriff auf Ihre Ablagen, zurück kommt ein fertiges Arbeitsprodukt. Die Klasse, die dieses Jahr den Sprung in den Mainstream geschafft hat.
- Browser-Agenten: Die KI bedient Websites wie ein Mensch, sie liest, klickt, füllt Formulare, extrahiert Daten. Nützlich überall dort, wo es keine saubere Schnittstelle gibt, also in einem großen Teil des realen Geschäftslebens.
- Computer-Agenten: Die Erweiterung auf den ganzen Desktop, inklusive der Alt-Software, die in vielen Unternehmen den Kern der Prozesse trägt.
- Hintergrund-Agenten: Aufträge laufen auf fremder oder eigener Infrastruktur weiter, während Sie etwas anderes tun. Sie geben morgens drei Aufträge ab und ernten nachmittags.
Verbunden werden diese Klassen mit Ihren Systemen zunehmend über einen offenen Anbindungsstandard, den ich im MCP-Artikel erklärt habe. Die Kosten je erledigter Agenten-Aufgabe sind dabei laut Branchenanalysen binnen zwei Jahren von Dollar-Beträgen auf wenige Cent gefallen. Der Engpass liegt heute in der Art, wie Sie Aufträge formulieren.
Delegieren wird zur Kernkompetenz
Das klingt provokanter, als es gemeint ist. Gemeint ist: Ein Agent, der stundenlang selbstständig arbeitet, vervielfacht die Qualität oder die Mittelmäßigkeit seines Auftrags. Beim Chat konnten Sie nachsteuern, alle dreißig Sekunden eine Korrektur. Beim Agenten bekommen Sie das Ergebnis von vier Stunden Arbeit auf Basis dessen, was Sie am Anfang gesagt haben. War das Briefing schwammig, ist das Ergebnis konsequent am Ziel vorbei, in beeindruckender Ausführlichkeit.
Gutes Delegieren an Maschinen sieht dem guten Delegieren an Menschen verblüffend ähnlich. Vier Elemente gehören in jeden Agenten-Auftrag:
- Das Ziel als Ergebnis, nicht als Tätigkeit. „Erstelle eine entscheidungsreife Vorlage für Frage X mit Empfehlung" schlägt „recherchiere mal zu X".
- Der Kontext. Zielgruppe, Vorwissen, Rahmenbedingungen, vorhandene Unterlagen. Was Sie einem neuen Mitarbeiter am ersten Tag erzählen würden. Wie viel davon Sie dauerhaft hinterlegen können, steht im Artikel über Context-Engineering.
- Die Grenzen. Was der Agent nicht tun darf: keine E-Mails versenden, keine Zahlen erfinden, bei Unsicherheit stoppen und fragen.
- Das Abnahmekriterium. Woran Sie erkennen werden, dass das Ergebnis gut ist. Wer das nicht formulieren kann, hat die Aufgabe selbst noch nicht verstanden. Bei menschlichen Teams funktioniert derselbe Test.
In meiner eigenen Arbeit hat sich dafür eine feste Regel bewährt: Kein Agenten-Auftrag ohne vorab definierten Abnahme-Test. Wenn sich maschinell prüfen lässt, ob das Ergebnis die Anforderung erfüllt, prüfe ich maschinell. Die Selbstauskunft des Agenten, er sei fertig, zählt nicht als Beleg. Das klingt nach Misstrauen, es ist Arbeitsorganisation: Auch ein starkes Modell meldet „erledigt", wenn es das Falsche ordentlich gebaut hat.
Abnahme statt Erstellung: die neue Zeitverteilung
Wenn Maschinen die Erstellung übernehmen, wandert die menschliche Arbeitszeit an zwei Stellen: nach vorn ins Briefing und nach hinten in die Prüfung. Das gehört zum Geschäft. Agenten produzieren zuverlässig Ergebnisse, die fertig aussehen, und die Frage nach der Richtigkeit beantwortet weiterhin ein Mensch. Wer die eingesparte Erstellungszeit vollständig als Gewinn verbucht und die Prüfung einspart, tauscht sichtbare Arbeit gegen unsichtbares Risiko.
Dazu kommt eine rechtliche Ebene: Seit dem 2. August 2026 gelten die Transparenzpflichten der KI-Verordnung. KI-generierte Inhalte müssen unter bestimmten Bedingungen gekennzeichnet werden, was genau das für Sie bedeutet, steht im Artikel zum EU AI Act. Die Verantwortung für das, was ein Agent in Ihrem Namen produziert, bleibt in jedem Fall bei Ihnen. „Das hat die KI geschrieben" ist gegenüber Kunden, Aufsicht und Gericht kein Argument.
Wo Agenten heute noch scheitern
Zur ehrlichen Einordnung gehört die Fehlerseite. Lange Aufgabenketten bleiben brüchig: Je mehr Schritte, desto höher die Chance, dass einer davon leise misslingt und der Rest auf falscher Grundlage weiterbaut. Agenten mit Systemzugriff brauchen sauber gesetzte Berechtigungen, ein Agent mit Vollzugriff auf Postfach und Ablage ist ein Sicherheitsrisiko, kein Produktivitätswerkzeug. Und Agenten, die fremde Inhalte lesen, Websites, E-Mails, Dokumente, können durch präparierte Inhalte manipuliert werden. Die Sicherheitsseite dieser Entwicklung ist ein eigenes Thema, das ich im Artikel über KI-orchestrierte Angriffe behandle.
Die Einstiegsregeln, die sich bewährt haben
Für den Einstieg gilt deshalb: Beginnen Sie mit Aufgaben, deren Scheitern billig ist, etwa interne Auswertungen und Erstentwürfe. Geben Sie Leserechte vor Schreibrechten. Lassen Sie irreversible Schritte, Versand, Veröffentlichung, Bestellung, grundsätzlich von einem Menschen freigeben. Und führen Sie Protokoll darüber, welcher Agent wann was mit welchen Zugriffen getan hat. Das ist in zwanzig Minuten aufgesetzt und trennt im Ernstfall die erklärbare Panne vom Blindflug.
Die Quintessenz
Der Zugang zu leistungsfähiger KI ist als Wettbewerbsvorteil verschwunden, jeder hat ihn, zunehmend sogar gratis. Was Unternehmen jetzt unterscheidet, ist die Fähigkeit, Arbeit so zu beschreiben, dass Maschinen sie ausführen können, und Ergebnisse so zu prüfen, dass man ihnen trauen kann. Beides ist lernbar, beides ist Führungsarbeit. Wenn Sie diese Woche einen einzigen Auftrag mit Ziel, Kontext, Grenzen und Abnahmekriterium formulieren und danach prüfen, was zurückkommt, wissen Sie am Freitag mehr über den Produktivitätshebel Ihres Unternehmens als aus jedem Marktbericht.
Stand: 28. August 2026. Verwandte Artikel: MCP erklärt · Context-Engineering · Prompt-Engineering im Mittelstand.