Ein altes Muster, neu angewendet

Wer je ein Team geführt hat, kennt den Ablauf: Rolle klären, Erwartungen setzen, Feedback geben, Ergebnisse prüfen. Genau dieses Muster braucht jeder KI-Agent — nur unter neuem Namen. Statt Onboarding: Instructions. Statt Delegation: Scoping. Statt Mitarbeitergespräch: Testschleife. Statt Zielvereinbarung: Purpose-Definition. Die Prinzipien bleiben, nur das Gegenüber wechselt.

Harvard Business Review nennt das Kind beim Namen: Unternehmen brauchen „Agent Manager" — eine neue Führungsrolle, die steuert, wie Agenten lernen, zusammenarbeiten und mit Menschen interagieren (Srinivasan/Wei, HBR, Februar 2026). Die Autoren ziehen den Vergleich zur Rolle des Product Managers, die mit dem Software-Boom entstand: eine neue Technologie, die eine neue Führungsrolle erst erzwingt, bevor sie zur Selbstverständlichkeit wird.

Eine neue Technologie, eine neue Führungsrolle — das Muster wiederholt sich.

Dass beide Kompetenzen zusammen wachsen, zeigt auch das World Economic Forum: KI und Big Data ist laut „Future of Jobs Report 2025" die am schnellsten wachsende Kernkompetenz überhaupt — gleichzeitig legt „Leadership and Social Influence" seit 2023 um 22 Prozentpunkte zu, der stärkste Zuwachs aller abgefragten Fähigkeiten. KI-Kompetenz und Führungskompetenz steigen nicht gegeneinander, sondern miteinander. Wer das eine beherrscht, aber nicht das andere, hat nur die halbe Antwort.

Fünf Rollen, eine Führungsfrage

Ein Bild, das beim Einordnen hilft, nicht ein Modell, an das man sich halten muss (nach Ferrazzi/Smith, Fortune, 2026): Ein Agent kann wie ein Werkzeug, ein Praktikant, ein Dienstleister, ein Teammitglied oder ein Experte behandelt werden. Welches Bild gerade passt, verschiebt, wie viel Autonomie angemessen ist und wie genau ein Ergebnis geprüft werden muss.

Ein Werkzeug liefert exakt, was man eingibt, nicht mehr: eine Übersetzung, eine Formatierung, eine Kürzung auf eine Zeichenzahl. Die Kontrolle bleibt vollständig beim Menschen, wie bei einer Formel in einer Tabelle. Ein Praktikant übernimmt klar umrissene Aufgaben — einen ersten Entwurf für einen Newsletter-Teaser zum Beispiel —, aber jedes Ergebnis wird noch einmal gegengelesen, bevor es weitergeht. Ein Dienstleister erledigt einen abgegrenzten Auftrag selbstständig, nach vorher festgelegten Regeln: etwa einen kompletten Wettbewerbs-Report aus mehreren Quellen, nach einem feststehenden Prompt, mit stichprobenartiger statt vollständiger Kontrolle. Ein Teammitglied bringt eigene Vorschläge ein, bevor überhaupt gefragt wurde — etwa einen Hinweis, dass eine Kampagne gegen die eigenen Markenrichtlinien verstößt, obwohl niemand explizit danach gefragt hat. Ein Experte schließlich liefert Einschätzungen, die man übernimmt, ohne sie im Detail nachzuvollziehen, so wie man auch die Einschätzung eines erfahrenen Steuerberaters nicht Zeile für Zeile nachrechnet.

Keines dieser Bilder ist eine Schublade, in die ein Agent für immer gehört. Die Einordnung verschiebt sich, oft fließend, und sie ist eher eine Orientierung als ein Raster, das man strikt durchdeklinieren müsste. Nützlich wird sie trotzdem — weil sie an etwas erinnert, das bei einem neuen Mitarbeiter selbstverständlich ist: anfangs genau hinschauen, später mehr zutrauen. Wer einem Agenten von Tag eins an die Freiheit eines Experten zugesteht, obwohl er gerade erst bei der Praktikanten-Rolle steht, merkt das meist erst, wenn es schon etwas gekostet hat.

Diener, nicht Herr

Bei allem, was ein Agent lernt, bleibt ein Prinzip unverhandelbar: Verantwortung lässt sich nicht an ihn delegieren. Ein Agent kann recherchieren, entwerfen, sogar entscheiden — haften kann immer nur ein Mensch oder das Unternehmen, das hinter ihm steht. Dieser Unterschied ist kein bürokratisches Detail. Es ist der eigentliche Unterschied zwischen Mensch und Maschine: nicht, was jeweils geleistet wird, sondern wer am Ende dafür geradesteht.

Ein Agent kann viel leisten. Haften kann nur, wer dafür geradesteht.

Genau dieses Prinzip — Human in the Loop — hält KI im Zaum und macht sie zum Diener, nicht zum Herrn. Die EU-KI-Verordnung schreibt es für Hochrisiko-Systeme sogar ausdrücklich fest (Artikel 14): Menschen mit Aufsichtsfunktion müssen ein System jederzeit abschalten, seine Ergebnisse verwerfen oder überstimmen können — unabhängig davon, wie zuverlässig es bisher gearbeitet hat. Die Pflicht gilt dort formal nur für eine bestimmte Kategorie von Systemen. Der Grundgedanke dahinter gilt für jeden Agenten, den ein Unternehmen einsetzt, ob die Verordnung ihn im Einzelfall erfasst oder nicht: Die Möglichkeit zum Eingreifen darf nie wegfallen, auch nicht aus Bequemlichkeit, weil ein Agent lange zuverlässig war.

Das ist auch der Grund, warum keine der fünf Rollen von eben je zur sechsten wird. Es gibt keine Rolle, in der ein Agent selbst verantwortlich ist. Jede Autonomie, die er bekommt, bleibt geliehen.

Orchestrieren wird zur Kernaufgabe

Die eigentliche Verschiebung liegt nicht darin, einen einzelnen Agenten zu führen. Sie liegt darin, gemischte Teams aus Menschen und Agenten zu orchestrieren — und genau dafür gibt es noch kaum eingespielte Routinen. Wer übernimmt welche Aufgabe, wenn Mensch und Agent beide infrage kommen? Wer prüft, wenn ein Agent an einen anderen Agenten übergibt, bevor überhaupt ein Mensch das Ergebnis sieht? Wo endet die Zuständigkeit des einen und beginnt die des anderen?

Parallelen zwischen Mensch und KI

Mitarbeiter wachsen durch Erfahrung: mehr Kontext gesammelt, mehr Fälle gesehen, mehr Fehler gemacht und daraus gelernt. Agenten wachsen auf dieselbe Weise — nur dass aus Erfahrung eine wachsende Knowledge Base wird. Nicht alles auf einmal, sondern Domäne für Domäne, mit einer Testschleife nach jedem Schritt, bevor die nächste Erweiterung dazukommt.

Verstandenes Wissen wird zum Asset

Wissen selbst ist praktisch kostenlos verfügbar — jede Suchmaschine, jedes Sprachmodell liefert es auf Zuruf. Was selten bleibt, ist verstandenes Wissen: Wissen, das jemand selbst erworben, im eigenen Unternehmenskontext eingeordnet und an eigenen Fehlern geprüft hat. Genau dieses Wissen lässt sich mit KI wirklich hebeln — es ist der Unterschied zwischen jemandem, der eine Fachfrage nachschlägt, und jemandem, der sie schon einmal falsch beantwortet und daraus gelernt hat.

Unverstandenes Wissen lässt sich zitieren, aber nicht anwenden.

Die Personalpolitik-Konsequenz ist klar: Nicht der Zugang zu Wissen ist das Asset, sondern der erfahrene Mitarbeiter, der sein Unternehmen selbst versteht — kombiniert mit der Fähigkeit, KI darauf anzuwenden.

Für manche, die schon länger dabei sind, klingt das vielleicht nach einer weiteren Zumutung: wieder ein neues Tool, mit dem man sich jetzt auch noch auseinandersetzen soll. Es ist das Gegenteil. Wer sein Unternehmen, seine Kunden und seine Branche über Jahre verstanden hat, besitzt genau das, was KI nicht ersetzen kann und am dringendsten braucht, um nützlich zu werden: die Einordnung. Ein Sprachmodell kennt jede Marketingtheorie der Welt — es kennt nicht, warum beim eigenen Kunden letztes Jahr eine bestimmte Kampagne trotzdem nicht funktioniert hat, welche interne Befindlichkeit ein Projekt zum Stocken bringt, oder welches Argument bei welchem Entscheider zieht und welches nicht.

Diese Einordnung in eine Knowledge Base, in Instructions, in einen gut geführten Agenten zu übersetzen, ist lernbar — und zwar schneller, als die zwanzig Jahre Erfahrung dauerten, die man braucht, um die Einordnung überhaupt zu besitzen. Wer beides zusammenbringt, wird nicht überflüssig, sondern unersetzlicher als zuvor: Das eigene Wissen lässt sich zum ersten Mal wirklich vervielfachen, statt an die eigene Arbeitszeit gebunden zu bleiben. Wer nur das eine hat — Erfahrung ohne die Fähigkeit, sie mit KI zu vervielfachen, oder KI-Kompetenz ohne verstandenes Wissen dahinter — wird es künftig schwerer haben.

Ein Denkanstoß

Es muss kein fertiges Konzept sein, um damit anzufangen. Oft reicht eine einzige Frage, die man sich beim nächsten eigenen Agenten einfach stellt: Behandle ich ihn gerade wie einen Praktikanten, dem ich noch über die Schulter schaue — oder längst wie einen Experten, dem ich nichts mehr nachrechne? Und stimmt das eigentlich noch mit dem überein, was er tatsächlich schon gelernt hat, oder ist es nur Gewohnheit?

Dieselbe Frage lässt sich auf das ganze Team stellen, nicht nur auf einen einzelnen Agenten: Wer trägt gerade welchen Teil einer Aufgabe, Mensch oder Agent, und würde das jemand von außen auch so erklären können? Wer das ab und zu reflektiert, führt KI am Ende disziplinierter als jedes Rollenmodell es vorschreiben könnte — Verantwortung bleibt dabei ohnehin immer bei dem Menschen, der delegiert hat, egal wie viel Freiheit der Agent gerade bekommt.

Nichts verpassen

Wer solche Gedanken künftig zuerst lesen will: der Insights-Newsletter kommt unregelmäßig, dafür nur, wenn es etwas zu sagen gibt. Hier anmelden.

Quellen

Weiterlesen