Es ist 8.05 Uhr. Anika, Supply-Chain-Managerin bei einem großen deutschen Industrieunternehmen, erhält ihr Briefing von ihrem KI-Agenten. Über Nacht haben KI Agenten Lieferantenmeldungen, Produktionsdaten, Lagerbestände und Kundenaufträge analysiert. Ein Zulieferer wird voraussichtlich einen wichtigen Liefertermin verpassen. Die Agenten erkennen einen Engpass und empfehlen, Bestände umzuverteilen, eine Ersatzlieferung vorzuziehen und die Produktionsplanung anzupassen. Fehlen Informationen, fragen sie gezielt nach.
Die Lösung hat Schwächen: Der Ersatzlieferant ist teurer, die Umverteilung könnte die Produktion an einem anderen Standort gefährden. Anika lässt die Risiken prüfen. Die Agenten finden eine robustere Lösung zu vertretbaren Mehrkosten. Anika schaut die Details durch und gibt sie frei; die Agenten koordinieren anschließend die Umsetzung.
Zielorientiert arbeiten, statt Systeme navigieren
Vor wenigen Jahren hätte die beschriebene Störung Stunden gekostet: Daten zusammentragen, sich mit Kollegen abstimmen, Alternativen vergleichen. Mittlerweile erledigen KI-Agenten einen Großteil dieser Arbeit in Minuten.
Die Arbeit wird zunehmend zielorientiert: Anika formuliert Ziele und definiert Leitplanken für das selbstständige Handeln der KI-Agenten. Die Agenten leiten Maßnahmen ab und bereiten Empfehlungen vor. Anika entscheidet, welche Zielkonflikte das Unternehmen akzeptiert.
Um eine Rechnung buchen zu lassen, muss nicht jedes Feld eines festen Workflows ausgefüllt werden: Der Agent fragt gezielt nach fehlenden Angaben. Das Prinzip reicht von Routineaufgaben bis zur Koordination von Einkauf, Logistik und Produktion. Bestehen bleiben Kontrollen und regulatorische Pflichten. Die Arbeit verändert sich.
Der Wert menschlichen Urteilsvermögens – und das Risiko, es zu verlieren
KI-Agenten sind gut darin, Zusammenhänge zu erkennen und Optionen aufzudecken, die dem Menschen entgehen. Entscheidend bleibt dabei zu beurteilen, was die Ergebnisse für das Unternehmen bedeuten und welche Folgen verantwortbar sind.
Am erwähnten Beispiel sieht das so aus: Anika wägt Kosten gegen Resilienz und kurzfristige Effizienz gegen langfristiges Kundenvertrauen ab. Sie hinterfragt Annahmen und muss bei Unsicherheit entscheiden. Optionen zu bewerten heißt, ihre Folgen zu verstehen. Urteilsvermögen heißt, zu entscheiden, welche Folgen das Unternehmen akzeptieren kann – und dafür Verantwortung zu übernehmen.
Doch Verantwortung setzt Einfluss voraus: Wer entscheidet, braucht Informationen, um Empfehlungen und Risiken zu verstehen, die Kompetenz zur kritischen Beurteilung, Zeit für die Prüfung und die Befugnis, einzugreifen. Fehlt eine Voraussetzung, wird menschliche Kontrolle schnell zur Formalität.
Urteilsvermögen entsteht auch durch Erfahrung. Wenn KI-Agenten mehr Analysearbeit übernehmen, fehlen Beschäftigten möglicherweise wichtige Lerngelegenheiten. Ein Ansatz ist, Apprenticeship neu zu denken: Berufseinsteiger bearbeiten Aufgaben selbst, vergleichen ihre Einschätzungen mit den Empfehlungen der Agenten und besprechen Unterschiede mit erfahrenen Kollegen. So lernen sie, Annahmen zu hinterfragen und Zielkonflikte abzuwägen, ohne jede Aufgabe dauerhaft manuell erledigen zu müssen.
Drei Fragen für Führungskräfte
Was heute noch wie ein Zukunftsbild klingt, wird zusehends Realität. Unternehmen müssen überdenken, wie sie Arbeit organisieren und Entscheidungen treffen.
Drei Fragen sind entscheidend:
- Menschen: Wie entwickeln wir Mitarbeiter, die fundiert urteilen können, wenn KI-Agenten mehr Analysen durchführen und Entscheidungen treffen?
- Wissen: Wie machen wir Unternehmenswissen zugänglich und schützen zugleich Sicherheit, digitale Souveränität und Integrität?
- Leitplanken: Wie handeln KI-Agenten sicher über Systeme hinweg – mit klaren Berechtigungen, Kontrollen und Verantwortlichkeiten?
Wettbewerbsvorteile hängen künftig weniger vom leistungsfähigsten KI-Modell ab als davon, wie gut Unternehmen Menschen, Wissen, Leitplanken und Technologie verbinden. Die Herausforderung ist, Arbeit zielorientiert zu gestalten und das menschliche Urteilsvermögen zu bewahren. Das nämlich entscheidet, was zählt, welche Risiken vertretbar sind und was dem Unternehmen wirklich dient.
Über den Autor
Dr. Björn Bringmann leitet das AI Institute als Managing Director bei Deloitte und verfügt über 20 Jahre Erfahrung aus Forschung und Beratung im Bereich Künstliche Intelligenz und Maschinelles Lernen. Diese kombiniert er mit Expertise aus strategischer Beratung und praktischer Anwendung, um unsere Kunden aus verschiedensten Branchen bei ihrer digitalen Transformation und nachhaltigem Wachstum zu unterstützen. Björn Bringmann spricht häufig zu diesen Themen und ist Autor zahlreicher wissenschaftlicher Publikationen zum Thema Künstliche Intelligenz und Maschinelles Lernen bei international renommierten Konferenzen und Fachzeitschriften.