Wenn von KI am Arbeitsplatz die Rede ist, denken viele an ein vertrautes Bild: Ein Mitarbeiter öffnet ein Chatfenster und bittet ein Modell, eine E-Mail zu formulieren, ein Dokument zusammenzufassen oder Daten zu analysieren. Die Aufgabe geht schneller, aber der Mensch gibt weiterhin Schritt für Schritt Anweisungen und überträgt das Ergebnis selbst in den restlichen Arbeitsablauf.
KI-Agenten verschieben diese Grenze.
Statt auf jeden einzelnen Prompt zu warten, kann ein Agent ein Ziel erhalten, selbst entscheiden, welche Schritte nötig sind, Werkzeuge einsetzen, Ergebnisse prüfen und innerhalb festgelegter Grenzen mehrere Aktionen nacheinander ausführen. Damit ändert sich die wirtschaftliche Frage von "Wie viel schneller macht KI eine einzelne Aufgabe?" zu Was passiert, wenn KI eine Folge von Aufgaben über einen ganzen Workflow hinweg steuern kann?
Die OECD veröffentlichte im September 2026 Agentic AI in organisations, gestützt auf Interviews mit Organisationen aus verschiedenen Regionen und Branchen. Die Ergebnisse zeigen, dass agentische Systeme bereits entwickelt und eingesetzt werden, während Governance, Erfolgsmessung und Betriebsmodelle noch in einer frühen Phase sind.
Unser vorheriger Artikel Wird KI wirklich Jobs verdrängen – oder manche Arbeit wertvoller machen? hat erklärt, warum KI häufig zuerst die Aufgabe und nicht sofort den ganzen Beruf verändert. Wenn mehrere Aufgaben durch einen Agenten miteinander verbunden werden, kann jedoch der gesamte Workflow zum Gegenstand der Neugestaltung werden.
Ein KI-Agent ist mehr als ein intelligenterer Chatbot
Ein vertrauter Chatbot folgt einem einfachen Muster:
Nutzer fragt → KI antwortet → Nutzer entscheidet, was als Nächstes passiert
Ein Agent kann in einer längeren Schleife arbeiten:
Ziel → planen → Werkzeuge nutzen → handeln → Ergebnis prüfen → anpassen → fortfahren oder eskalieren
Anthropic beschreibt Agenten als Systeme, die über mehrere Anwendungen hinweg arbeiten, Code schreiben und ausführen, Dateien verwalten und mehrstufige Aufgaben erledigen können. Dadurch besitzen sie mehr Autonomie, also mehr Handlungsspielraum innerhalb der Werkzeuge, Berechtigungen und Grenzen, die Menschen vorgeben.
Ein Beispiel aus dem Vertrieb.
Ein Chatbot könnte eine Follow-up-E-Mail formulieren. Ein Agent könnte dagegen das Ziel erhalten, "Leads mit hoher Abschlusswahrscheinlichkeit nachzuverfolgen", anschließend das CRM prüfen, den Kontostatus ansehen, eine Nachricht entwerfen, den Versandzeitpunkt wählen, das Ergebnis dokumentieren, einen Termin planen und den Fall an einen Vertriebsmitarbeiter übergeben, sobald menschliches Urteil nötig ist.
Die meisten dieser Aufgaben gab es schon vorher. Neu ist die Fähigkeit, sie miteinander zu verbinden, ohne dass ein Mensch jeden Übergabepunkt vermitteln muss.
Die Ökonomie verändert sich, wenn KI von Aufgaben zu Workflows übergeht
Die erste Welle von KI am Arbeitsplatz konzentrierte sich häufig auf die Produktivität einzelner Personen: schneller schreiben, schneller suchen oder Besprechungen schneller zusammenfassen.
Unternehmen arbeiten jedoch nicht als Sammlung isolierter Aufgaben. Arbeit fließt durch Menschen, Teams, Softwaresysteme und Genehmigungsketten.
Ein Beschaffungsprozess kann eine Anfrage entgegennehmen, Lagerbestände prüfen, Angebote einholen, Lieferanten vergleichen, eine Freigabe anfordern, eine Bestellung erstellen, die Lieferung verfolgen und Informationen an die Buchhaltung weitergeben. Verzögerungen entstehen dabei oft weniger in einem einzelnen Schritt als durch Warten auf Informationen, erneute Prüfungen und Koordination zwischen Funktionen.
Hier kann ein Agent einen anderen wirtschaftlichen Effekt haben als ein Copilot, den nur ein einzelner Mitarbeiter nutzt.
McKinseys Global Survey on AI 2026 ergab, dass 80% der Befragten angaben, KI habe die individuelle Produktivität verbessert, während nur 37% ihrer KI-Nutzung zumindest einen gewissen Einfluss auf das EBIT ihres Unternehmens zuschrieben. Diese Lücke beweist nicht, dass Agenten das Problem lösen werden. Sie zeigt aber, warum ein schnellerer Mitarbeiter nicht automatisch ein profitableres Gesamtunternehmen bedeutet.
Wenn der Workflow weiterhin doppelte Freigaben, Dateitransfers und voneinander getrennte Systeme enthält, kann der Nutzen am Schreibtisch des Mitarbeiters enden.
Das Geld könnte in den Übergaben zwischen Arbeitsschritten liegen
Der Geschäftswert eines Agenten beschränkt sich daher nicht auf eingesparte Arbeitsstunden.
Er kann dadurch entstehen, dass Wartezeiten, Copy-and-paste-Arbeit, Nachverfolgung, Fehler bei der Datenübertragung und menschlicher Koordinationsaufwand zwischen Systemen sinken.
Ein Rechnungsprozess könnte zum Beispiel ein Dokument entgegennehmen, Felder validieren, es mit einer Bestellung abgleichen, Auffälligkeiten markieren, eine Buchung vorbereiten und den Fall zur Freigabe weiterleiten. Wenn ein Agent die strukturierten Teile als zusammenhängende Sequenz erledigen kann, müssen Menschen vielleicht nur eingreifen, wenn Daten nicht übereinstimmen, ein Schwellenwert überschritten wird oder etwas Ungewöhnliches passiert.
Agenten sind keine digitalen Arbeitskräfte zum Nulltarif.
Organisationen zahlen weiterhin für Modelle, Softwareintegration, Datenaufbereitung, Berechtigungen, Monitoring, Evaluation, Sicherheit und die menschliche Prüfung von Ausnahmen. Manche Workflows können große Einsparungen bringen. Bei anderen kann die Automatisierung mehr kosten, als sie einspart.
Deshalb sollte die Wirtschaftlichkeit von Agenten auf Workflow-Ebene gemessen werden und nicht nur anhand der Zahl vermeintlich eingesparter Arbeitsstunden.
Menschliche Arbeit kann sich vom Ausführen jedes Schritts zur Aufsicht über das System verschieben
Wenn Agenten mehr Ausführung übernehmen, kann sich die Rolle des Menschen im Workflow verändern.
Statt:
ausführen → übergeben → prüfen → fortfahren → Freigabe anfordern
kann das Muster werden:
Ziel setzen → Grenzen definieren → Ausnahmen prüfen → entscheiden → Verantwortung übernehmen
Das knüpft direkt an die Arbeitsmarktfrage aus A10 an. Wenn KI bestimmte Aufgaben besser erledigt, kann sich der menschliche Wert stärker in Richtung Urteilskraft, Kontext, Kommunikation und Verantwortlichkeit verschieben. Agenten verschärfen diese Frage, weil sie ganze Sequenzen und nicht nur einzelne Aufgaben übernehmen können.
Microsofts Work Trend Index 2026 für Thailand berichtete, dass 32% der thailändischen Beschäftigten in der Stichprobe als "Frontier Professionals" eingestuft wurden, verglichen mit 16% im globalen Durchschnitt. Gleichzeitig standen thailändische Organisationen weiterhin vor der Herausforderung, von individueller KI-Nutzung zu KI in zentralen Unternehmensworkflows überzugehen.
Das sind Daten aus Microsofts Plattformen und Befragungen und keine national repräsentative Arbeitsmarktstatistik. Sie machen aber einen wichtigen Unterschied sichtbar: KI individuell gut zu nutzen ist nicht dasselbe wie eine Organisation um KI herum neu zu gestalten.
Mehr Autonomie bedeutet nicht, Menschen aus dem System zu entfernen
Der Reiz eines Agenten liegt darin, dass er mit weniger Schritt-für-Schritt-Aufsicht weiterarbeiten kann. Genau diese Eigenschaft vergrößert auch das Risiko.
Wenn ein Chatbot eine falsche Antwort gibt, kann ein Mensch den Fehler möglicherweise erkennen, bevor er danach handelt. Wenn ein Agent ein Ziel falsch versteht und Zugriff auf mehrere Systeme hat, kann sich der Fehler über mehrere Schritte fortsetzen, bevor ihn jemand bemerkt.
Anthropic nennt Risiken wie das Missverstehen der Nutzerabsicht und Prompt-Injection-Angriffe, mit denen Agenten zu Handlungen bewegt werden sollen, die sie nicht ausführen dürften.
Damit wird Human-in-the-loop differenzierter als die Forderung, dass ein Mensch jeden Klick genehmigen muss.
Eine Organisation kann festlegen:
- auf welche Systeme der Agent zugreifen darf
- Transaktions- oder Ausgabenlimits
- welche Aktionen eine Freigabe benötigen
- welche Daten eine definierte Grenze nicht verlassen dürfen
- welche Ausnahmen an Menschen eskaliert werden müssen
- an welchen Punkten der Prozess für eine menschliche Entscheidung stoppen muss
Das Ziel muss nicht sein, Menschen aus dem Workflow zu entfernen. Entscheidend ist, an welchen Stellen menschliches Urteil den größten Wert hat.
Große Unternehmen und KMU profitieren möglicherweise nicht gleich schnell
Die Leistung eines Agenten hängt nicht nur vom KI-Modell ab. Ebenso wichtig sind Datenqualität, Systemintegration, Berechtigungen und die Klarheit des bestehenden Workflows.
Ein Unternehmen mit CRM, ERP, APIs, Data Governance und einem IT-Team startet deshalb von einer anderen Position als ein kleines Unternehmen, das noch mit Tabellen, Chat-Apps und über mehrere Systeme verteilten Dokumenten arbeitet.
Die OECD D4SME Survey 2026 stellte fest, dass die KI-Nutzung in KMU zunimmt und einige Firmen mit KI-Agenten experimentieren. Die strategische und sichere Integration in den Geschäftsbetrieb bleibt jedoch uneinheitlich. Zeitmangel, Wartungskosten und Kompetenzlücken gehören zu den Hindernissen.
Daraus entsteht eine Wettbewerbsfrage, die interessanter ist als die Frage, wer zuerst einen Chatbot bekommt.
Wenn Agenten Koordinationskosten tatsächlich senken, könnten Unternehmen mit besseren Daten und Systemen die Kosten pro Transaktion reduzieren oder mehr Arbeit bewältigen, bevor kleinere Wettbewerber nachziehen. Wenn sich dieser Vorteil verstärkt, könnte sich die Produktivitätslücke zwischen Unternehmen vergrößern.
Auch das Gegenteil ist möglich. Günstige und einfach einsetzbare Agentenpakete könnten den technologischen Nachteil von KMU verringern. Es ist noch zu früh, um anzunehmen, dass nur große Unternehmen profitieren werden.
Was wäre, wenn diese Entwicklung viel weiter in Richtung AGI geht?
Heutige KI-Agenten sind keine Artificial General Intelligence oder AGI, also keine KI mit breiten Fähigkeiten über viele Domänen hinweg.
Ein KI-Kompetenzrahmen von OECD und Europäischer Kommission beschreibt AGI als Systeme, die die kognitive Vielseitigkeit und Leistungsfähigkeit eines gut ausgebildeten Erwachsenen erreichen oder übertreffen könnten, und hält fest, dass solche Systeme derzeit nicht existieren.
Filme zeigen oft etwas sehr viel Weitergehendes: einen digitalen Verstand, der nahezu überall selbst lernen, planen, entscheiden und handeln kann. Dieses Bild liegt weit jenseits der Agenten, mit denen Unternehmen heute experimentieren.
Aktuelle Agenten arbeiten weiterhin mit Zielen, Werkzeugen, Berechtigungen und Grenzen, die Menschen bereitstellen, und sie können auch bei scheinbar gewöhnlichen Aufgaben scheitern.
Sollten Systeme eines Tages von spezialisierten Workflows zu den breiten allgemeinen Fähigkeiten übergehen, die mit AGI verbunden werden, wären die Folgen für Unternehmen und Arbeit eine Frage einer anderen Größenordnung. Bis dahin ist die praktischere Frage, wo Menschen im Workflow sitzen sollten, wenn Agenten mehr von dessen Ausführung übernehmen.
Worauf man als Nächstes achten sollte
Das erste Signal ist, wie schnell Agenten von Pilotprojekten in produktive Workflows gelangen. Eine erfolgreiche Demo ist nicht dasselbe wie täglicher Betrieb mit echten Daten, Kunden und Geld.
Das zweite ist, ob Unternehmen ROI auf Workflow-Ebene messen. Wenn Berichte weiterhin nur Nutzungsquoten oder eingesparte Mitarbeiterstunden betrachten, bleibt der wirtschaftliche Effekt möglicherweise unklar.
Das dritte ist, wie viele Berechtigungen Organisationen Agenten tatsächlich geben: nur Lesen, Entwürfe erstellen, Transaktionen ausführen oder ohne Freigabe handeln. Das zeigt sowohl Vertrauen als auch die akzeptierte Risikogrenze.
Das vierte sind Ausnahmequoten und Eskalationspunkte für Menschen. Ein System, das auf dem Bildschirm autonom wirkt, kann im Hintergrund weiterhin erhebliche unsichtbare menschliche Arbeit benötigen.
Für Thailand ist außerdem wichtig, ob KMU zuverlässige Agentensysteme zu bezahlbaren Kosten erhalten können. Wenn agentische Workflows teure Dateninfrastruktur und Integration erfordern, könnte die Produktivitätslücke zwischen Unternehmen wachsen. Wenn standardisierte Systeme diese Kosten deutlich senken, könnten kleinere Firmen früher profitieren als erwartet.
Die erste Welle von KI am Arbeitsplatz ließ uns fragen: "Kann KI bei dieser Aufgabe helfen?" KI-Agenten treiben die Frage weiter: "Müssen wir den Workflow überhaupt noch auf diese Weise gestalten?" Genau dort könnte der geschäftliche Effekt tiefer reichen als bei einem bloß schnelleren Schreibassistenten.
