KI-Agenten als Mitarbeiter: HR-Modell für die digitale Belegschaft

Viele Unternehmen denken darüber nach, wie KI-Agenten Prozesse automatisieren, Entscheidungen vorbereiten oder ganze Workflows übernehmen können. Dabei wird jedoch eine Frage außer Acht gelassen: Wie werden die digitalen Mitarbeitenden eigentlich geführt? Denn wie ihre menschlichen Kolleginnen und Kollegen müssen die Systeme eingelernt werden, erhalten Aufgaben und entwickeln neue Fähigkeiten. Einige entwickeln sich zu Top-Performern, andere liefern keine brauchbaren Ergebnisse und müssen schließlich ersetzt werden. Damit verändert sich auch die Rolle des Chief AI Officer (CAIO). Er ist künftig nicht mehr nur für Modelle, Infrastruktur und Governance verantwortlich. Vielmehr wird er zum Personalchef einer neuen digitalen Belegschaft. Was das konkret bedeutet, zeigt sich entlang des gesamten „Lebenszyklus“ eines KI-Agenten.

1. Die Stellenausschreibung

KI-Agenten brauchen ein Jobprofil: Der erste Schritt beginnt wie bei menschlichen Mitarbeitenden mit einer simplen Frage: Wo fehlt eigentlich Arbeitskraft? Das heißt, Unternehmen müssen Prozesse analysieren, Engpässe identifizieren und anschließend Aufgabenprofile für die KI-Agenten definieren.

Besonders geeignet sind Tätigkeiten, bei denen große Mengen an unstrukturierten Daten erfasst und ausgewertet werden müssen. Das ist in der Schadensbearbeitung, im Reporting, der Dokumentation oder der Workflow-Steuerung der Fall. Versicherungen beispielsweise können Agenten eingehende Informationen analysieren oder ähnliche Fälle durchsuchen lassen, um die Regulierung schneller abwickeln zu können. In der Logistik wiederum können Agenten die Lagerauslastung oder Lieferkette optimieren.

Technisch gesehen entstehen daraus keine einfachen Chatbots, sondern klar definierte digitale Rollen mit Zugriff auf Datenquellen, APIs, Suchsysteme und Fachanwendungen. Der Agent erhält gewissermaßen eine Stellenbeschreibung: Welche Aufgaben übernimmt er? Welche Systeme darf er nutzen? Wann entscheidet er selbstständig? Wann muss ein Mensch eingebunden werden?

2. Das Bewerbungsgespräch

Nicht jeder Agent eignet sich für jede Aufgabe: Unternehmen werden künftig nicht jeden Agenten selbst entwickeln. Stattdessen wird ein Markt für spezialisierte KI-Agenten entstehen – ähnlich wie bei externen Beratern oder Fachkräften. Einige Agenten sind Generalisten, andere echte Experten. Die Analogie zum Recruiting liegt nahe: Ein „Junior Agent“ bringt nur Grundfähigkeiten mit und muss intensiv geschult werden. Ein „Senior Agent“ verfügt über Branchenwissen, Kommunikationsfähigkeiten oder regulatorisches Know-how, ist aber auch deutlich teurer.

Genau deshalb müssen Unternehmen vorab einen sinnvollen Auswahlprozess etablieren. Was muss der KI-Agent alles können? Wo kann man ihn mit wenig Aufwand einlernen? Wo braucht man gleich einen Spezialisten? Der CAIO übernimmt damit eine Aufgabe, die bisher eher aus dem HR-Bereich bekannt ist: die Suche nach dem perfekten Kandidaten.

3. Das Onboarding

KI-Agenten müssen eingelernt werden: Neue Mitarbeitende sind nicht automatisch produktiv, nur weil sie einen Laptop bekommen. Genau das gilt auch für KI-Agenten. Sie müssen mit Unternehmenswissen, Prozessen, Richtlinien und Zielen vertraut gemacht werden. Dieses Onboarding erfolgt technisch über Wissensdatenbanken, Retrieval-Systeme, Guardrails und spezialisierte Skills. Der Agent lernt so, welche Informationen relevant sind, welche Entscheidungen erlaubt sind und wie bestimmte Prozesse funktionieren.

„Wer Agenten erfolgreich einsetzen will, muss anfangen,
sie wie einen menschlichen Mitarbeitenden zu führen.”

Oliver Köth,
Managing Director Technology
and Innovation DACH,
NTT Data

Besonders wichtig ist dabei die Zusammenarbeit mit den menschlichen Kollegen. In der Regel entsteht eine hybride Prozesskette: Vorne analysieren Agenten Datenströme und bereiten Informationen auf, hinten automatisieren weitere Agenten Standardprozesse, dazwischen arbeiten Menschen an komplexen Entscheidungen, Verhandlungen oder Kundeninteraktionen.

Muss etwa ein Industriebetrieb kurzfristig einen Zulieferer ersetzen, kann ein Agent frühere Beschaffungsfälle analysieren, Risiken in der Lieferkette bewerten und mögliche Alternativen priorisieren. Die eigentliche Verhandlung mit dem neuen Partner sowie die finale Entscheidung verbleiben jedoch beim Menschen.

4. Die Weiterbildung

Gute Agenten lernen permanent dazu: Wie menschliche Mitarbeitende benötigen auch Agenten kontinuierliche Weiterbildung. Dabei gibt es zwei Formen des Lernens. Die erste Form entspricht dem klassischen „Learning on the Job“. Agenten analysieren vergangene Aufgaben, bewerten Ergebnisse und verbessern ihre Vorgehensweise. Moderne Systeme speichern erfolgreiche Lösungswege, Fehlerfälle und neue Erkenntnisse in sogenannten Memory-Architekturen oder Data Flywheels. Einige Modelle konsolidieren diese Erfahrungen inzwischen sogar automatisiert im Hintergrund – ähnlich wie Menschen Erlebnisse im Schlaf verarbeiten. Die zweite Form betrifft externe Veränderungen. Neue Regulatorik, geänderte Compliance-Vorgaben oder neue Marktbedingungen muss ein Unternehmen aktiv in die Agenten einspeisen. Ein Product-Engineering-Agent muss beispielsweise lernen, dass bestimmte Materialien aufgrund neuer Umweltgesetze nicht mehr zulässig sind. Das bedeutet: Unternehmen benötigen künftig eine Art „Agenten-Akademie“, die ihre digitalen Mitarbeitenden kontinuierlich trainiert, überwacht und zertifiziert.

5. Der Karrierepfad

Vom Sachbearbeiter zum proaktiven Problemlöser: Der Unterschied zwischen durchschnittlichen und sehr guten Mitarbeitern liegt nicht in der Geschwindigkeit, sondern in der Eigeninitiative. Genau diese Entwicklung beginnt auch bei KI-Agenten. Einfache Systeme reagieren lediglich auf Befehle, fortschrittliche Agenten arbeiten dagegen proaktiv. Sie erkennen Muster, identifizieren Probleme und entwickeln selbstständig Verbesserungsvorschläge. Dadurch verändert sich die Art der Aufgabenstellung. Agenten erhalten zunehmend Zielvorgaben. Anstelle von „Bearbeite Formular X“ lautet die Anweisung etwa „Reduziere die Durchlaufzeit im Check-out“ oder „Verbessere die Lagerverfügbarkeit“. Der Agent analysiert daraufhin eigenständig Daten, testet Varianten und entwickelt Optimierungsvorschläge.

6. Das Kündigungsgespräch

Manchmal passen Agenten einfach nicht: Nicht jeder Agent ist wirklich produktiv. Deshalb benötigen Unternehmen auch für KI-Agenten klare Zielvorgaben und Leistungsbewertungen. Erreicht ein Agent die Vorgaben nicht, produziert zu viele Fehler oder verursacht hohe Nachbearbeitungskosten, muss das System angepasst, neu trainiert oder abgeschaltet werden. Manche Agenten verlieren schlicht ihre Aufgabe, wenn sich Geschäftsmodelle oder Prozesse verändern. Der Vorteil beim Einsatz von KI-Agenten ist Geschwindigkeit. Digitale Arbeitskräfte lassen sich innerhalb von Minuten skalieren oder deaktivieren. So gewinnen Unternehmen an Flexibilität, gerade bei saisonalen Lastspitzen oder stark schwankenden Geschäftsvolumina.

Führungsaufgabe statt IT-Projekt

Mit der zunehmenden Verbreitung von KI-Agenten entsteht eine neue Form digitaler Belegschaft. Die Systeme müssen ausgewählt, eingelernt, weiterentwickelt und bewertet werden. Es verschiebt sich der Fokus zunehmend auf Fragen der Organisation, Steuerung und Führung. „Die technologische Entwicklung von KI verläuft exponentiell. Neue Arbeitsweisen adaptieren Unternehmen dagegen oft nur schrittweise und das setzt sie unter Druck. KI-Agenten verändern nicht nur einzelne Prozesse, sondern die gesamte Organisation. Der CAIO wird zu einer neuen Schlüsselfigur“, sagt Oliver Köth, Managing Director Technology and Innovation DACH bei NTT Data. „Wer Agenten erfolgreich einsetzen will, muss anfangen, sie wie einen menschlichen Mitarbeitenden zu führen, inklusive Recruiting, Weiterbildung, Zielvereinbarung und Erfolgskontrolle.“ (Quelle: NTT Data)