Ich habe aufgehört, KI-Agenten zu bauen

Lange dachte ich bei KI in digitalen Mitarbeitern.

Einer schreibt Angebote. Einer bereitet Meetings nach. Einer erstellt Content. Jeder bekommt seine eigene Rolle, seine eigenen Anweisungen und seine eigenen Werkzeuge.

Das fühlt sich erst einmal ziemlich gut an.

Modern. Übersichtlich. Fast so, als hätte man über Nacht ein kleines digitales Team eingestellt, das weder Urlaub nimmt noch schlechte Laune hat.

Und eine Zeit lang funktioniert das sogar.

Bis es kippt.

Wenn aus Helfern Verwaltungsarbeit wird

Jeder Agent ist eine eigene kleine Box.

Er kennt seine Aufgabe. Aber er weiß nicht, was die anderen Boxen können. Er kennt ihren Kontext nicht. Er kann nicht auf ihr Wissen zugreifen. Und wenn sich etwas ändert, bekommt er es nicht automatisch mit.

Ändert sich ein Prozess, musst du jede betroffene Box einzeln öffnen und anpassen.

Kommt eine neue Aufgabe dazu, baust du eine neue Box.

Bei drei Agenten ist das überschaubar. Bei zehn wird es lästig. Bei fünfundzwanzig entsteht ein eigenes Verwaltungsproblem. Und bei hundert weiß irgendwann niemand mehr genau, welcher Agent was tut, welche Version aktuell ist und wo eigentlich die Wahrheit liegt.

Dann passiert etwas Absurdes:

Du wolltest Arbeit automatisieren und hast stattdessen eine neue Art von Arbeit geschaffen.

Die Agenten selbst sind dabei nicht das eigentliche Problem.

Das Problem ist, wo du die Intelligenz ablegst.

Wenn jeder Agent sein eigenes Wissen, seine eigenen Regeln und seine eigene Logik enthält, steckt die Intelligenz in vielen einzelnen Einheiten. Jede Verbesserung muss mehrfach vorgenommen werden. Jeder Fehler kann mehrfach auftauchen.

Macht ein Agent heute einen Fehler, macht er ihn morgen wieder.

Außer ein Mensch erinnert sich daran, genau diesen Agenten zu korrigieren.

Das ist kein lernendes System.

Das ist eine Sammlung gut gemeinter Inseln.

Der entscheidende Perspektivwechsel

Der Gedanke, der bei mir vieles verändert hat, klingt zunächst unspektakulär:

Stecke die Intelligenz nicht in einzelne Agenten.

Stecke sie in das System.

Nicht KI als Werkzeug.

Nicht KI als digitaler Mitarbeiter.

Sondern KI als Betriebssystem des Unternehmens.

Ein Betriebssystem auf deinem Rechner speichert Dateien, Rechte und Regeln ja auch nicht in jedem einzelnen Programm. Es stellt gemeinsame Grundlagen bereit. Die Programme greifen darauf zu.

Genau dieses Prinzip lässt sich auf Unternehmen übertragen.

Das Unternehmen stellt zentral bereit, was für gute Arbeit nötig ist:

Fähigkeiten, Wissen, Regeln, Werkzeuge und Freigaben.

Die KI stellt daraus für jede Aufgabe genau das zusammen, was sie in diesem Moment braucht.

Der einzelne Agent verliert dadurch an Bedeutung.

Er muss keine ausgefeilte Persönlichkeit besitzen. Er muss nicht alles wissen. Er muss nicht dauerhaft gepflegt werden.

Er wird zu einer austauschbaren Ausführungseinheit.

Bewusst schlicht.

Denn die Klugheit liegt nicht mehr in der Box.

Sie liegt im System darunter.

Fünf Bausteine, die zusammenspielen müssen

Ich habe in den vergangenen Wochen ein solches System für mein eigenes Unternehmen aufgebaut.

Nicht als hübsches Schaubild. Nicht als Konzept für irgendwann. Sondern im Alltag: mit echten Kunden, echten Anfragen, echten Abläufen und echter Buchhaltung.

Dabei haben sich fünf Bausteine als entscheidend erwiesen.

Keiner davon ist allein spektakulär.

Die Wirkung entsteht durch ihr Zusammenspiel.

Skills: Was dein Unternehmen kann

Ein Skill ist eine dokumentierte, wiederverwendbare Anleitung für eine konkrete Aufgabe.

Nicht nur eine grobe Beschreibung.

Sondern so präzise, dass eine KI die Aufgabe zuverlässig ausführen kann: mit den nötigen Schritten, den richtigen Informationen, klaren Qualitätskriterien und definierten Punkten, an denen ein Mensch übernehmen muss.

Das klingt zunächst nach Prozesshandbuch.

Der Unterschied ist jedoch entscheidend.

Ein Prozesshandbuch beschreibt, wie jemand arbeiten soll.

Ein Skill ist ausführbar.

Du sagst nicht mehr: „Bitte orientiere dich an diesem Dokument."

Du sagst: „Prüfe diese Anfrage."

Und im Hintergrund liegt eine konkrete Arbeitslogik, die Schritt für Schritt ausgeführt wird.

Ein Prompt ist häufig ein Zuruf. Beim nächsten Mal beginnt vieles wieder von vorn.

Ein Skill ist eher wie ein gutes Rezept.

Er ist wiederverwendbar. Er ist überprüfbar. Und er kann mit jeder Ausführung besser werden.

Auch gegenüber einem Agenten gibt es einen wichtigen Unterschied:

Ein Skill gehört keiner einzelnen Box.

Jede Ausführungseinheit im System kann ihn verwenden.

Der wertvollste Skill ist deshalb oft nicht der für Angebote, Analysen oder Kundenanfragen.

Es ist der Skill, mit dem neue Skills gebaut und bestehende verbessert werden.

Denn damit beginnt das System, seine eigenen Fähigkeiten strukturiert zu erweitern.

Kontext: Was dein Unternehmen weiß

Dieser Teil war der anstrengendste.

Und vermutlich der wertvollste.

Eine KI kann nur mit dem arbeiten, was sie sehen kann. In den meisten Unternehmen steckt ein großer Teil des entscheidenden Wissens jedoch nicht in Systemen oder Dokumenten.

Es steckt in Köpfen.

Wie läuft ein Prozess wirklich ab?

Nicht so, wie er vor drei Jahren dokumentiert wurde, sondern so, wie er heute tatsächlich funktioniert.

Nach welchen Kriterien triffst du Entscheidungen?

Was ist gut genug?

Wann machst du eine Ausnahme?

Wann eskalierst du?

Welche Kleinigkeit erkennt ein erfahrener Mitarbeiter sofort, obwohl sie nirgendwo aufgeschrieben wurde?

All das muss sichtbar werden.

Nicht perfekt formuliert. Aber klar genug, dass ein System damit arbeiten kann.

Der naheliegende Fehler besteht darin, einfach alle vorhandenen Dokumente in ein KI-System zu werfen.

Ich habe das anfangs ebenfalls versucht.

Das Ergebnis war nicht mehr Intelligenz, sondern mehr Rauschen.

Die KI bekam zwar viele Informationen, aber keine klare Antwort auf die Frage: Was davon ist für diese Aufgabe wirklich relevant?

Eine Bibliothek wird nicht dadurch besser, dass du alle Bücher auf den Boden kippst.

Du brauchst Ordnung.

Was funktioniert, ist ein kuratiertes Kontextsystem:

Welche Wissensquelle gibt es?

Wofür wird sie benötigt?

Welcher Skill darf oder muss darauf zugreifen?

Welche Information wird immer gebraucht?

Welche nur bei bestimmten Aufgaben?

Welche nur auf Abruf?

Ein weiteres Prinzip spart enorm viel Pflegeaufwand:

Referenzieren statt kopieren.

Das System verweist auf die lebende Originalquelle, statt Inhalte immer wieder an verschiedenen Stellen zu duplizieren.

Ändert sich die Quelle, bleibt der Kontext aktuell.

Das klingt technisch.

Im Kern ist es jedoch eine Führungsfrage:

Wo liegt in deinem Unternehmen die verlässliche Wahrheit?

Governance: Welche Regeln gelten

An dieser Stelle kommt fast immer dieselbe Frage:

„Ist das nicht gefährlich? Die KI hat dann Zugriff auf alles."

Die Sorge ist berechtigt.

Nur führt sie häufig zur falschen Schlussfolgerung.

Wenn KI echte Arbeit übernehmen soll, braucht sie Zugriff auf die Daten und Systeme, in denen diese Arbeit stattfindet.

Du kannst nicht gleichzeitig sagen:

„Bitte arbeite produktiv."

Und:

„Bitte sieh nichts, öffne nichts und berühre nichts."

Die entscheidende Frage lautet deshalb nicht, ob die KI Zugriff bekommt.

Die Frage lautet:

Unter welchen Regeln?

Ich arbeite dafür mit einer einfachen Ampel.

Grün bedeutet: Die KI darf selbstständig handeln.

Das betrifft interne Aufgaben, bei denen ein Fehler schnell erkennbar und leicht korrigierbar wäre.

Gelb bedeutet: Die KI bereitet vor, ein Mensch gibt frei.

Dazu gehören Inhalte, Angebote, Kundenmails, Rechnungen oder andere Ergebnisse, die nach außen wirken.

Rot bedeutet: Der Mensch entscheidet.

Preiszusagen, Verträge, irreversible Änderungen oder Entscheidungen mit größerem Risiko bleiben beim Menschen.

Diese Logik wirkt zunächst wie eine Bremse.

In Wahrheit ist sie das Gegenteil.

Sie schafft Vertrauen.

Denn du kannst einem System nur dann echte Arbeit übergeben, wenn klar ist, wo seine Freiheit endet.

Dazu kommen technische Grenzen, die nicht nur als freundliche Bitte formuliert, sondern fest in der Architektur verankert werden.

Eine meiner wichtigsten Regeln lautet:

Keine autonome Außenaktion.

Nichts wird ohne Freigabe verschickt, veröffentlicht oder endgültig festgeschrieben.

Auch dann nicht, wenn ein manipuliertes Dokument, eine E-Mail oder eine versteckte Anweisung versucht, das System dazu zu bringen.

Governance macht KI nicht langsam.

Sie macht sie belastbar.

Der Executor: Wer die Arbeit ausführt

Hier wird es beinahe enttäuschend simpel.

Die Ausführungseinheit tut immer wieder dasselbe:

Sie findet den passenden Skill.

Sie lädt den nötigen Kontext.

Sie führt die Anweisung Schritt für Schritt aus.

Sie hält an definierten Freigabepunkten an.

Und sie liefert das Ergebnis.

Mehr nicht.

Diese Schlichtheit ist kein Mangel.

Sie ist der eigentliche Trick.

Denn wenn du einen Skill verbesserst, wird jede zukünftige Ausführung dieses Skills besser.

Wenn du den Kontext verbesserst, profitieren mehrere Prozesse gleichzeitig.

Wenn du eine Regel änderst, gilt sie im gesamten System.

Du arbeitest also nicht länger an einzelnen digitalen Mitarbeitern.

Du verbesserst die gemeinsame Infrastruktur.

Genau darin liegt der Skalierungseffekt.

Die Lernschleife: Wie das System besser wird

Dieser Baustein entscheidet darüber, ob du nur ein Werkzeug gebaut hast oder ein lernendes System.

Jede Ausführung erzeugt neue Informationen.

Ein Sonderfall wurde nicht berücksichtigt.

Eine Formulierung passt nicht.

Eine Information fehlt.

Eine Freigabe kommt zu spät.

Ein Schritt ist unnötig kompliziert.

Früher verschwanden solche Erkenntnisse in Chatverläufen, Kommentaren oder im Gedächtnis einzelner Menschen.

Heute fließen sie zurück in das System.

Wenn ich Feedback gebe, wird nicht nur das aktuelle Ergebnis korrigiert.

Die zugrunde liegende Anleitung wird verbessert.

Das Learning wird dokumentiert.

Beim nächsten Mal muss niemand mehr daran denken.

So entsteht Fortschritt nicht durch mehr Disziplin, sondern durch bessere Strukturen.

Dazu gehört eine Qualitätsschranke.

Ein neuer Skill geht nicht sofort in den laufenden Betrieb. Er wird zunächst an mehreren realistischen Fällen getestet. Erst wenn er die definierten Kriterien zuverlässig erfüllt, wird er freigegeben.

Auch ein persönliches Kontextprofil hat sich als wichtiger erwiesen, als ich erwartet hatte.

Wer bin ich?

Welche Rolle habe ich?

Was ist gerade wichtig?

Wie treffe ich Entscheidungen?

Wie schreibe ich?

Welche Formulierungen passen zu mir und welche klingen wie eine Maschine im Sakko?

Der Systemkern kann für viele Menschen gleich sein.

Der persönliche Kontext sorgt dafür, dass die Ergebnisse trotzdem individuell wirken.

Was sich im Alltag verändert

Ein einfaches Beispiel:

Früher kam eine Anfrage herein.

Ich las sie.

Ich prüfte, ob der Kontakt bereits bekannt war.

Ich legte den Vorgang im CRM an.

Ich verknüpfte die Ansprechperson.

Ich suchte passende Unterlagen.

Ich bewertete, ob das Thema überhaupt zu uns passte.

Dann formulierte ich eine Antwort.

Heute analysiert das System die Anfrage.

Es erkennt den Absender.

Es prüft bestehende Kontakte.

Es legt den Vorgang an.

Es verknüpft die Informationen.

Es bewertet die Anfrage anhand unserer Kriterien.

Und es bereitet eine Antwort in meinem Ton und nach meinen Regeln vor.

Ich lese.

Ich korrigiere.

Ich gebe frei.

Dasselbe Prinzip funktioniert bei Konzepten, Trainingsunterlagen, Beiträgen oder internen Analysen.

Der Ablauf bleibt gleich:

Skill finden.

Kontext laden.

Ausführen.

Freigeben.

Lernen.

Der größte Nutzen kommt dabei nicht aus einem einzelnen Baustein.

Er entsteht, weil die Bausteine einander verstärken.

Ein guter Skill ohne verlässlichen Kontext bleibt oberflächlich.

Guter Kontext ohne Regeln wird riskant.

Klare Regeln ohne Lernschleife führen zu Stillstand.

Erst als System wird daraus echte Arbeitsfähigkeit.

Die unbequemen Wahrheiten

Die schwierigste Arbeit ist nicht technisch.

Sie beginnt dort, wo implizites Wissen sichtbar werden muss.

Das ist mühsam.

Manchmal auch unangenehm.

Denn plötzlich musst du erklären, warum du Dinge auf eine bestimmte Weise entscheidest. Du bemerkst Ausnahmen, Widersprüche und Gewohnheiten, die bisher niemand hinterfragt hat.

Genau darin liegt jedoch der größte Hebel.

Die zweite Wahrheit:

Prozess- und Datenqualität entscheiden fast alles.

Nicht der schönste Prompt.

Nicht der intelligenteste Agentenname.

Nicht die beeindruckendste Demo.

Wenn deine Daten unvollständig sind, deine Regeln widersprüchlich und deine Abläufe unklar, wird KI diese Schwächen nicht beseitigen.

Sie wird sie schneller sichtbar machen.

Die dritte Wahrheit:

Fang klein an.

Der häufigste Fehler ist der Wunsch nach der vollständigen Lösung.

Alle Prozesse. Alle Abteilungen. Alle Daten. Sofort.

Das überfordert Menschen, Systeme und Governance.

Und meistens endet es nicht in Transformation, sondern in einer weiteren Präsentation mit bunten Pfeilen.

Ein Bereich.

Ein wiederkehrender Prozess.

Ein messbares Problem.

Eine sichtbare Verbesserung.

Dann der nächste Schritt.

Die vierte Wahrheit:

Das System ist nie fertig.

Wissen verändert sich.

Prozesse verändern sich.

Menschen verändern sich.

Regeln verändern sich.

Deshalb braucht das System Pflege.

Nicht gelegentlich, wenn jemand Zeit hat.

Sondern als Teil des Betriebs.

Wer das nicht einplant, baut kein Betriebssystem.

Er baut ein Museum.

Warum dieser Ansatz gerade jetzt möglich wird

Die Modelle haben einen Sprung gemacht.

Sie können länger an mehrstufigen Aufgaben arbeiten.

Sie können Werkzeuge gezielter bedienen.

Sie können Zwischenergebnisse überprüfen und Fehler teilweise selbst korrigieren.

Dadurch verschiebt sich der Engpass.

Lange war das Modell der Flaschenhals.

Heute liegt der Flaschenhals immer häufiger im Unternehmen selbst.

Undokumentierte Abläufe.

Verstreutes Wissen.

Schlechte Daten.

Geschlossene Systeme.

Unklare Verantwortlichkeiten.

Fehlende Regeln.

Die Technik wird leistungsfähiger.

Aber sie kann nur so gut arbeiten, wie das Unternehmen vorbereitet ist.

Das ist die eigentliche Botschaft:

Nicht die KI hält viele Unternehmen auf.

Es sind die ungeklärten Hausaufgaben darunter.

Womit du beginnen kannst

Du musst dafür nicht sofort eine neue Plattform einführen.

Beginne mit einem einzigen wiederkehrenden Prozess.

Nimm einen Ablauf, der häufig vorkommt, Zeit kostet und trotzdem klar genug ist, um ihn zu überprüfen.

Dann stelle dir drei Fragen:

Könnte eine außenstehende Person diesen Prozess allein anhand unserer Beschreibung ausführen?

Falls nicht, fehlt vermutlich Wissen, das bisher nur in Köpfen steckt.

Welche Informationen braucht dieser Prozess wirklich?

Nicht alle Informationen, die irgendwo vorhanden sind. Nur die, die für eine gute Entscheidung nötig sind.

An welchem Punkt muss ein Mensch eingreifen?

Nicht aus Gewohnheit, sondern weil Risiko, Verantwortung oder Urteilskraft es verlangen.

Eine kleine praktische Übung:

Nimm diese Woche einen wiederkehrenden Ablauf und schreibe ihn so auf, als würdest du ihn morgen an einen sehr klugen, aber völlig neuen Mitarbeiter übergeben.

Keine langen Erklärungen.

Klare Schritte.

Klare Kriterien.

Klare Grenzen.

Dann teste die Anleitung an einem echten Fall.

Du wirst sehr schnell sehen, wo dein Unternehmen wirklich klar ist und wo es bisher nur von Erfahrung, Erinnerung und Improvisation zusammengehalten wird.

Zum Schluss

Ich habe aufgehört, einzelne KI-Agenten zu bauen.

Stattdessen habe ich begonnen, ein System zu bauen, in dem KI arbeiten kann.

Das war eine meiner besten Entscheidungen im Umgang mit KI.

Und eine der anstrengendsten.

Denn ein solches System zwingt dich, dein Unternehmen nicht so zu betrachten, wie es auf dem Organigramm aussieht.

Sondern so, wie Arbeit tatsächlich entsteht.

Die entscheidende Frage lautet deshalb nicht:

Wie viele Agenten hast du?

Sondern:

Wie gut ist das System, in dem sie arbeiten?

Denn echte Skalierung entsteht nicht durch mehr digitale Mitarbeiter.

Sie entsteht durch weniger Abhängigkeit von einzelnen Köpfen, klarere Regeln und ein System, das aus jeder Ausführung ein wenig besser wird.