Sieben Chats sind offen. In einem recherchiert eine KI, in einem anderen entsteht eine Präsentation. Ein Coding-Agent baut an einer Anwendung, während ein weiterer einen Fehler untersucht. Zwischendurch muss jemand eine Rückfrage beantworten, ein Ergebnis prüfen und entscheiden, welcher Vorgang als Nächstes weiterlaufen soll. Stellen wir uns diesen Arbeitsplatz vor: Überall arbeiten Maschinen, und mitten zwischen ihnen sitzt ein Mensch, der sich kaum vom Bildschirm entfernen kann. Er hat Arbeit delegiert. Gleichzeitig hat er eine neue Aufgabe übernommen: Er hält die Maschinen beschäftigt.
Wer mehrere KI-Aufgaben parallel verfolgt, kann an einen Punkt kommen, an dem die eigene Aufmerksamkeit zum Engpass wird. Zusätzliche Agenten helfen dann nur begrenzt. Jeder weitere Vorgang verlangt ein Stück Überblick. Die nächste interessante Entwicklung entsteht deshalb dort, wo KI auch diese Koordination übernimmt. Unter dem Begriff Superagenten beginnen Anbieter, Systeme anzubieten, denen wir mehrere Aufgaben geben können und die anschließend selbst im Blick behalten sollen, was daraus wird.
Damit könnte sich unser Arbeitsalltag stärker verändern als durch eine weitere Verbesserung der Antwortqualität. Ein persönlicher Agent, der Zusammenhänge behält, offene Vorgänge verfolgt und sich im richtigen Moment meldet, würde eine Fähigkeit übernehmen, für die Menschen bislang einen erheblichen Teil ihrer geistigen Energie aufwenden. Wir müssten weniger selbst daran denken, dass noch etwas zu tun ist. Genau darin liegt das große Versprechen dieser Systeme. Und darin liegt auch eine neue Abhängigkeit.
Die Arbeit läuft zwischen den Gesprächen weiter
OpenAI beschreibt Dots als dauerhaft verfügbare persönliche Agenten mit eigenem Computer und Browser in der Cloud. Ein Dot kann zwischen Gesprächen weiterarbeiten, Kontext aus früheren Unterhaltungen verwenden und mehrere Aufgaben durch Hintergrundagenten bearbeiten lassen. Arbeit kann er außerdem an ChatGPT Work oder Codex delegieren. Während diese Aufgaben laufen, bleibt der persönliche Agent ansprechbar.
Anthropic verfolgt mit Claude Duet einen verwandten Ansatz. In der Ankündigung der Research Preview beschreibt das Unternehmen einen proaktiven Agenten, der verbundene Anwendungen im Blick behält, wichtige Entwicklungen meldet und Aufträge weiterbearbeitet, wenn der Nutzer gerade etwas anderes tut. Daneben bietet Claude Managed Agents die Infrastruktur für länger laufende Aufgaben und die Koordination weiterer Agenten. Die persönliche Oberfläche und die technische Infrastruktur erfüllen dabei unterschiedliche Funktionen.
Bei Grok heißen gemeinsam nutzbare Agenten Team Bots. Der Anbieter beschreibt sie als Systeme für bestimmte Rollen oder Arbeitsabläufe, mit Zugriff auf relevante Dateien, Anwendungen und gespeicherten Kontext. Ein Bot kann beispielsweise ein Projekt begleiten und weitere Coding-Agenten für abgegrenzte Aufgaben starten. Das sind zunächst Produktbeschreibungen und Beispiele des Anbieters. Sie belegen die eingeschlagene Richtung, noch keine allgemeine Zuverlässigkeit im Unternehmensalltag.
„Superagent“ dient dabei als Arbeitsbegriff für eine Entwicklung, deren Grenzen noch unscharf sind. Die Produkte unterscheiden sich in Verfügbarkeit und Funktionsumfang. Auch bezeichnet der Begriff keinen nachgewiesenen Sprung zu allgemeiner künstlicher Intelligenz. Interessant ist die konkrete Kombination: Ein System bleibt erreichbar, behält seinen Arbeitsstand und verfolgt mehrere Vorgänge. Es muss nach jeder Unterhaltung weniger neu erklärt bekommen.
Sehr schön beschrieben hat das Christoph Magnussen in diesem Video:
Im Alltag könnte sich das unspektakulär anfühlen. Man bespricht unterwegs einen Termin und ergänzt dabei zwei Aufgaben für ein anderes Projekt. Später kommt eine neue Information hinzu. Der Agent müsste erkennen, welchen Vorgang sie betrifft, den Plan anpassen und laufende Arbeit entsprechend korrigieren. Der einzelne Dialog wäre nur noch ein Ausschnitt einer Zusammenarbeit, die über diesen Moment hinausreicht.
Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Mein einem bezahlten Abo kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen.
Aus offenen Chats werden laufende Aufträge
Nehmen wir als Gedankenbeispiel eine Unternehmerin, die ein neues Angebot entwickeln möchte. Sie braucht eine erste Marktübersicht, eine Kalkulation und eine einfache Website, um die Nachfrage zu testen. Heute kann sie diese Arbeiten bereits mit unterschiedlichen KI-Werkzeugen vorbereiten. Den Zusammenhang muss sie jedoch häufig selbst herstellen: Die Recherche beeinflusst den Preis, der Preis verändert die Positionierung, und die neue Positionierung muss auf der Website ankommen.
Ein Superagent soll einen größeren Teil dieser Verbindung übernehmen. Er könnte Recherche und Umsetzung aufteilen, Zwischenergebnisse zusammenführen und merken, dass eine Änderung an mehreren Stellen Folgen hat. Die Unternehmerin würde weiterhin Entscheidungen treffen. Sie müsste aber nicht jeden Übergang selbst organisieren. Das wäre besonders für Menschen wertvoll, denen bislang Unterstützung fehlt, um eine Idee überhaupt bis zu einem überprüfbaren Ergebnis zu entwickeln.
Technisch braucht es dafür mehr als ein leistungsfähiges Sprachmodell. Der Agent benötigt eine Umgebung, in der er Werkzeuge verwenden, Arbeitsstände speichern und nach einer Unterbrechung fortfahren kann. Hinzu kommen Regeln für Zugriffe und die Weitergabe von Aufgaben. Anthropic zeigt dieses Prinzip in einem Architekturbeispiel: Ein Hauptagent plant und führt Ergebnisse zusammen, während kleinere Agenten parallel Quellen lesen. Die Arbeitsteilung steckt im gesamten System um das Modell herum.
Eine solche Umgebung könnte auch erklären, weshalb der Vergleich einzelner Modelle für Anwender an Aussagekraft verliert. Ein Modell mag eine isolierte Frage hervorragend beantworten. Für einen mehrtägigen Auftrag ist zusätzlich entscheidend, ob das Produkt einen gescheiterten Schritt erkennt und den richtigen Arbeitsstand wiederfindet. Wer nur die beste Antwort im direkten Vergleich sucht, übersieht einen Teil dessen, was verlässliche Zusammenarbeit ausmacht.
Dabei sollten wir die digitale Arbeitsteilung nicht romantisieren. Mehr Agenten können zusätzliche Abstimmung erzeugen und Fehler weiterreichen. Die Forschungsarbeit „Towards a Science of Scaling Agent Systems“ zeigt, wie stark Ergebnisse von der Passung zwischen Aufgabe und Architektur abhängen: Zerlegbare Aufgaben können profitieren, während eng aufeinander aufbauende Planung durch die Koordination leiden kann. Für einen Superagenten wäre es deshalb eine wichtige Fähigkeit, den Aufwand der Zusammenarbeit angemessen zu wählen.
Wenn sich die KI von selbst meldet
Die stärkste Veränderung könnte allerdings in den Momenten liegen, in denen wir gar keinen neuen Auftrag formulieren. Ein hilfreicher Agent würde bemerken, dass eine fehlende Rückmeldung den nächsten Schritt blockiert. Er könnte einen Widerspruch zwischen einer neuen Kundenanforderung und einem bestehenden Entwurf erkennen. Oder darauf hinweisen, dass eine Entscheidung inzwischen eine andere Grundlage hat.
Dafür braucht er ein Verständnis davon, was für uns relevant ist. Dieses Verständnis entsteht aus zugänglichen Informationen und unseren Rückmeldungen. Gespeicherte Notizen und Arbeitsstände können helfen, frühere Entscheidungen zu berücksichtigen. Das bedeutet nicht automatisch, dass das zugrunde liegende Modell bei jeder Interaktion neu trainiert wird. Für den Nutzer zählt zunächst, ob das System eine Korrektur beim nächsten passenden Anlass wieder aufgreift.
Proaktivität kann jedoch auch zusätzliche Arbeit schaffen. Ein Agent, der jede denkbare Auffälligkeit meldet, beschäftigt seinen Nutzer mit einer neuen Warteschlange. Dann hätte die Unternehmerin zwar weniger Anwendungen geöffnet, müsste aber ständig Vorschläge bewerten. Ein guter persönlicher Agent müsste lernen, welche Hinweise eine Unterbrechung rechtfertigen und welche Angelegenheiten bis zum nächsten Gespräch warten können.
Damit bekommt die Gestaltung dieser Systeme eine persönliche Dimension. Ein Kalender erinnert an einen eingetragenen Termin. Ein Superagent könnte darüber hinaus auswählen, welcher Termin Vorbereitung verdient und welcher offene Vorgang heute Aufmerksamkeit braucht. Diese Auswahl wäre nützlich, weil sie geistige Last abnimmt. Sie würde zugleich beeinflussen, woran wir arbeiten. Wer sich daran gewöhnt, dass das System wichtige Dinge hervorhebt, schaut womöglich seltener selbst nach.
Die entscheidende Frage lautet deshalb, ob der Agent seine Auswahl verständlich machen kann. Weshalb hält er diese Angelegenheit für dringend? Welche Information fehlt ihm? Wo hat er eine Annahme getroffen? Gerade ein System, das uns vom ständigen Nachsehen entlasten soll, muss auf Nachfrage Auskunft geben können. Wir brauchen die Möglichkeit, seinen Blick auf unsere Arbeit zu korrigieren.
Eine neue Form des Delegierens
Für Unternehmen entsteht daraus eine anspruchsvolle Aufgabe. Ein Agent kann nur mit dem Wissen arbeiten, das er erreicht. Wenn eine wichtige Zusage ausschließlich im Kopf eines Mitarbeiters steckt oder Entscheidungen in privaten Nachrichten verschwinden, fehlt ein Teil der Grundlage. Die Einführung solcher Systeme könnte deshalb einen alten organisatorischen Mangel offenlegen: Viele Abläufe funktionieren, weil Menschen fehlende Informationen durch Erfahrung und persönliche Kontakte ergänzen.
Die Aussicht auf Superagenten schafft einen Anlass, dieses Wissen besser zugänglich zu machen. Dazu gehört, verbindliche Entscheidungen von vorläufigen Überlegungen zu unterscheiden. Ein gespeicherter Satz ist noch keine aktuelle Regel. Ein System mit dauerhaftem Gedächtnis muss auch erkennen können, wann eine frühere Information überholt ist. Sonst wird aus dem Vorteil des Erinnerns ein beharrlich wiederholter Fehler.
Ebenso präzise müssen die Befugnisse sein. Die Unternehmerin aus unserem Beispiel könnte Marktinformationen recherchieren und Entwürfe überarbeiten lassen. Ob der Agent ein kostenpflichtiges Werkzeug buchen oder eine Zusage an einen Interessenten senden darf, verlangt eine zusätzliche Festlegung. Eine verständliche Arbeitsanweisung hilft dabei. Technisch durchgesetzte Berechtigungen müssen sie ergänzen, damit eine falsche Interpretation nicht automatisch zu einer unerwünschten Handlung führt.
Das klingt zunächst nach zusätzlichem Aufwand. Die Gegenfrage ist jedoch, wie viel Aufwand wir heute betreiben, um dieselben Vorgänge selbst zusammenzuhalten. Wer täglich zwischen Nachrichten und Dokumenten wechselt, zahlt längst einen Preis für die Koordination. Superagenten wären dann wirtschaftlich interessant, wenn sie diesen Aufwand verlässlich reduzieren. Die Zahl erledigter Teilaufgaben allein reicht als Maßstab kaum aus. Nacharbeit und die Zeit für Kontrolle gehören in die Rechnung.
Auch Menschen, die keine Mitarbeiter führen, werden dadurch genauer delegieren müssen. Sie müssen beschreiben können, woran ein gutes Ergebnis erkennbar ist und wann der Agent zurückfragen soll. Diese Fähigkeit lässt sich entwickeln. Fachkenntnis bleibt dafür wertvoll, denn nur mit einem Verständnis der Aufgabe lässt sich beurteilen, ob das Ergebnis trägt.
Vielleicht ist genau das die reizvollste Aussicht: Ein Mensch könnte mehr Vorhaben bis zu einem brauchbaren Ergebnis bringen, ohne jeden Arbeitsschritt selbst zu begleiten. Ideen, die bislang an fehlender Unterstützung scheiterten, würden eine neue Chance bekommen. Daraus folgt noch keine erfolgreiche Firma und keine bessere Entscheidung. Es entsteht aber zusätzlicher Handlungsspielraum.
Ob Superagenten diesen Spielraum schaffen, wird sich im Alltag zeigen. Nach einigen Wochen sollte weniger Arbeit liegen bleiben, und der Nutzer sollte trotzdem verstehen, was in seinem Namen geschieht. Er müsste sich entfernen können, ohne dass jeder Vorgang zum Stillstand kommt, und zurückkehren können, ohne erst sieben Chatverläufe rekonstruieren zu müssen. Dann hätte die KI einen Teil jener Koordination übernommen, die uns heute davon abhält, unsere Aufmerksamkeit dort einzusetzen, wo wir sie selbst für nötig halten.
Jede Woche veröffentlichen wir neue Essays und Podcast-Folgen, auf die du kostenlos zugreifen kannst. Mein einem bezahlten Abo kannst du auch an unseren Podcast Live-Talks teilnehmen, im Live-Chat mitdiskutieren und dich im Substack Community Chat austauschen.
VENTURE AI ACADEMY
Unsere digitale Plattform ist Ihr Zugang zu praxisnaher Qualifizierung im Bereich Künstliche Intelligenz, kuratiert für Entscheider:innen und Teams im Mittelstand.
Ob kompakte Webinare, vertiefende Online-Kurse oder interaktive Branchenformate: Hier lernen Sie, was Sie wirklich brauchen, um KI im eigenen Unternehmen sicher und gewinnbringend einzusetzen.