Wer trägt die Arbeit, wenn KI mitarbeitet?

Kurzfassung: Agentische KI verändert nicht nur einzelne Tätigkeiten, sondern den Zuschnitt von Rollen. Der Managementhebel liegt darin, fachliches Urteil, Datenverantwortung und Entscheidungsrechte neu zu ordnen. Alte Abläufe bleiben sonst nur schneller, aber nicht wirksamer.

Die aktuelle Diskussion über agentische KI verschiebt den Blick von der Tool-Frage auf die Organisation der Arbeit. Systeme, die Informationen abrufen, Werkzeuge nutzen und Aufgabenketten vorbereiten, passen selten sauber in Abläufe, die für manuelle Übergaben, Erfahrungswissen und nachträgliche Kontrolle entstanden sind. Für Führungskräfte entsteht damit eine konkrete Frage: Wer entscheidet künftig, was ein gutes Ergebnis ist, während KI immer mehr Vorarbeit übernimmt?

Der technische Fortschritt macht Rollenfragen sichtbar

Agentische Arbeitsabläufe unterscheiden sich von klassischen KI-Assistenten. Sie formulieren nicht nur Texte oder fassen Dokumente zusammen, sondern verbinden mehrere Schritte: recherchieren, Dateien auswerten, Systeme bedienen, Zwischenergebnisse erzeugen und an definierten Punkten eine menschliche Prüfung einbeziehen.

Anthropic beschreibt wirksame Agentensysteme entsprechend als klar abgegrenzte Abläufe mit passenden Werkzeugen, Kontext und Kontrollpunkten. OpenAI hat mit Websuche, Dateisuche, Computersteuerung, Responses API, Agents SDK und Nachverfolgung Infrastruktur für solche Aufgabenketten vorgestellt. Microsoft ordnet diese Entwicklung im Work Trend Index 2025 breiter ein: Arbeit wird stärker als Zusammenspiel von Menschen und KI-Systemen organisiert.

Der entscheidende Punkt für KI-Management liegt nicht in der Produktliste. Sobald KI nicht nur unterstützt, sondern Aufgaben vorbereitet, verschiebt sich Verantwortung. Ein Unternehmen muss genauer festlegen, was fachlich richtig, wirtschaftlich sinnvoll und gegenüber Kunden vertretbar ist. Ohne diese Klärung bleibt KI an der Oberfläche: Sie schreibt schneller, sucht schneller, sortiert schneller, aber die Qualität des Ergebnisses hängt weiter an ungeklärten Regeln.

Aus Bearbeitung wird fachliches Urteil

In vielen Bereichen bestand Arbeit bisher aus sichtbaren Zwischenschritten: Informationen suchen, E-Mails formulieren, Daten übertragen, Berichte erstellen, Rückfragen koordinieren. Genau diese Tätigkeiten eignen sich gut für KI-Unterstützung. Dadurch verschwindet aber nicht die Verantwortung. Sie wandert an eine andere Stelle.

Im Vertrieb ist der Angebotstext nur ein Teil der Leistung. Entscheidend sind aktuelle Preise, Lieferfähigkeit, technische Machbarkeit, Sonderkonditionen, Marge und Freigabe. Ein KI-System erzeugt schnell einen Entwurf. Wert entsteht erst, sobald jemand festlegt, welche Preisquelle verbindlich ist, ab wann ein Risiko markiert wird und wer eine Abweichung akzeptieren darf.

Im Service zeigt sich derselbe Rollenumbau. Eine gut formulierte Antwort verbessert den Fall nur begrenzt, falls Vertragsstatus, Produktversion, frühere Störungen, Ersatzteilverfügbarkeit und Kulanzregeln nicht zusammengeführt sind. Die neue Fachrolle liegt weniger im Schreiben der Antwort als in der Pflege der Lösungslogik: Welche Fälle gelten als Standard? Wann braucht es Kulanz? Wo beginnt ein technisches Risiko?

Auch in der Projektabwicklung reicht ein automatisch erzeugter Statusbericht nicht aus. Relevanter ist die Frage, welche Signale auf echte Verzögerung, Kostenrisiken oder Ressourcenprobleme hinweisen. Die Rolle der Projektleitung verschiebt sich damit von der Berichtserstellung zur Bewertung von Abweichungen und zur Entscheidung, ob ein Thema operativ lösbar ist oder Managementaufmerksamkeit braucht.

KI-Governance sitzt im Vorgang, nicht nur in Richtlinien

Viele Unternehmen behandeln KI-Governance zuerst als Regelwerk: erlaubte Werkzeuge, Datenschutz, Freigaben, Nutzungsrichtlinien. Das ist notwendig, löst aber die operative Kernfrage nicht. In agentischen Abläufen entsteht Governance im konkreten Vorgang.

Dort geht es um verbindliche Datenquellen, fachliche Prüfpunkte und Verantwortungsgrenzen. Wer besitzt eine Regel? Wer darf sie ändern? Wer prüft ein KI-vorbereitetes Ergebnis? Wer haftet intern für eine falsche Kalkulation, eine unpassende Serviceentscheidung oder eine riskante Projektbewertung?

Diese Fragen sind keine Zusatzbürokratie. Sie bestimmen, ob KI im Betriebsmodell tragfähig wird. Eine verbindliche Datenquelle ist nicht nur ein IT-Thema. Sie entscheidet darüber, ob ein Vorgang wiederholbar und prüfbar bleibt. Eine fachliche Prüfstelle ist nicht nur Kontrolle. Sie schützt Kundenvertrauen, Marge und Entscheidungsqualität.

Damit verschiebt sich auch Macht im Unternehmen. Fachbereiche können nicht mehr nur informell arbeiten, IT kann nicht allein über technische Machbarkeit entscheiden, Anbieter prägen durch Plattformfunktionen den Gestaltungsspielraum. Die Geschäftsführung muss klären, wo Standardisierung erwünscht ist und wo Flexibilität bewusst erhalten bleibt. Nicht jede Sonderregel ist Ballast. Manche Abweichung ist Kundennähe. Andere ist historischer Aufwand.

Produktivität misst sich am Ergebnis, nicht an Nutzung

Agentische KI führt leicht zu einer Messfalle. Viele Anwendungen wirken erfolgreich, weil sie häufig genutzt werden oder einzelne Tätigkeiten beschleunigen. Für die Unternehmensleistung zählt jedoch, ob der gesamte Vorgang besser wird.

Im Vertrieb sind relevante Größen kürzere Angebotsdauer, weniger Korrekturschleifen, bessere Margentransparenz und höhere Abschlusswahrscheinlichkeit. Im Service zählen Erstlösungsquote, Rückfragen, Nacharbeit und Kundenzufriedenheit. In Projekten zählen frühere Risikoerkennung, Termintreue und weniger nachträgliche Berichtskorrektur.

Diese Ergebnisgrößen zeigen, ob KI tatsächlich Wertschöpfung verändert oder nur Bedienaufwand reduziert. Ein Team kann viele Minuten sparen und trotzdem dieselben Verzögerungen produzieren, falls Freigaben, Daten und Zuständigkeiten unverändert bleiben. Umgekehrt kann ein kleinerer KI-Einsatz wirtschaftlich relevant sein, sobald er ein kundennahes Ergebnis belastbarer macht.

Für KI im Mittelstand ist diese Unterscheidung besonders wichtig. KMU leben oft von kurzen Wegen, erfahrenen Mitarbeitenden und pragmatischen Ausnahmen. Das ist ein Vorteil, solange Wissen im Alltag verfügbar bleibt. Es wird zur Grenze, sobald kritische Regeln nur in Köpfen, E-Mails oder Einzellösungen stecken. Der sinnvolle Einstieg liegt daher nicht in möglichst vielen parallelen Tests, sondern in einem wirtschaftlich wichtigen Vorgang: Angebot, Servicefall, Reklamation, technische Klärung oder Projektsteuerung. Dort sollte die Geschäftsführung entscheiden, welche Verantwortung beim Menschen bleibt, welche Vorarbeit KI übernimmt und woran der bessere Geschäftseffekt erkennbar wird.