Agentic Management erfordert mehr als nur Vibes

Viele von uns kennen die legendäre Szene aus dem 90er-Jahre-Hitfilm „Jerry Maguire – Spiel des Lebens“, als Jerry, ein Sportagent, seinen Kunden fragt: „Was kann ich für Sie tun, Rod?“ Rod antwortet, dass es eine Sache gibt. Mit prasselnder Musik ruft er: „Führ mich zum Schotter, Jerry! Sag es einmal mit mir zusammen.“ Als Jerry antwortet: „Ich führe Sie zum Schotter!“ sagt Rod: „Nein, nicht ‚Ich führe Sie zum Schotter‘: ‚Führ mich zum Schotter!‘“ 

Das ist die Lektion: Wenn die Anreize aufeinander abgestimmt sind, gewinnen alle. Es ist nicht immer so einfach, wie Hollywood es aussehen lässt, aber es ist auch nicht unmöglich.

Wir alle werden Agents haben. 

Mit dem Aufkommen der Agentic AI werden eigene Agents nicht nur etwas für Sportler:innen und Schauspieler:innen sein. Wir haben uns bereits für KI-Assistenten entschieden. Softwareentwickler:innen wurden zu Vibe-Programmierer:innen und erklärten ihren Assistenten, die den Code für sie schrieben, die Idee oder den Vibe dessen, was sie tun wollten. Der Begriff verbreitete sich so schnell, dass im März „Vibe Coding“ einen Platz im Meriam-Webster Dictionary erobert hatte. Dieser Vibe hat sich nun auch auf Marketingexpert:innen ausgebreitet, die Vibe-Marketing nutzen, auf Business-Analyst:innen mit Vibe-Analytics oder auf alle anderen, die KI zur Beschleunigung ihrer täglichen Aufgaben einsetzen. 

Mit der Zeit werden viele dieser KI-Assistenten immer mehr zu Agents, die die Software oder Kampagnen nicht nur generieren, sondern diese auch ausführen. Diesen AI Agents werden Aufgaben zugewiesen, die autonom funktionieren und in der Lage sind, gemeinsam an komplexen Workflows zu arbeiten. Laut einer kürzlich veröffentlichten Studie nutzen derzeit 10 % der Großunternehmen AI Agents (in irgendeiner Form), wobei mehr als die Hälfte plant, sie im nächsten Jahr und 82 % innerhalb der nächsten drei Jahre einzusetzen. Führungskräfte erwarten, dass diese Umstellung die Automatisierung von Arbeitsabläufen um 71 % und den Kundenservice um 64 % verbessern wird. Die Erwartungen sind hoch.

Agents müssen etwas bringen. 

Unsere KI-Assistenten haben bereits bewiesen, dass sie Leistung bringen. Die 2025 veröffentlichte Snowflake-Studie ergab, dass generative KI für Early Adopter Folgendes bietet: 92 % berichten, dass sie bei GenAI-Projekten bereits einen ROI erzielt haben. Und es gibt gute Nachrichten für unsere Vibe-Programmierer:innen: 62 % der Befragten berichten von messbaren Verbesserungen der Codequalität und 56 % von einer Verringerung der Fehlererkennung und -behebung. Early Adopter berichten außerdem, dass KI-generierte personalisierte Angebote und Empfehlungen zu einer besseren Kunden- oder Zielgruppeninteraktion (63 %) und höheren Konversions- und Klickraten (55 %) führen. Das sind gute Nachrichten für unsere Vibe-Marketingteams. 

Doch AI Agents könnten sich als eher schwierig erweisen. Nicht alle menschenähnlichen Verhaltensweisen sind wünschenswert. Die Nachrichten strotzen vor Geschichten über abweichendes und trügerisches KI-Verhalten: In einer Simulation beging ein Agentic Broker, dem gesagt wurde, er solle Gewinne maximieren, Insiderhandel, obwohl er wusste, dass dies illegal war. Das bewies, dass Quoten, genau wie Menschen, die Ethik übertrumpfen können. KI weist auch eine fortschreitende kognitive Drift auf, ähnlich wie das Kinderspiel „Stille Post“, bei dem Nachrichten durch wiederholte Übertragung an Qualität verlieren. Was haben wir erwartet? Die Idee war, menschliche Intelligenz neu zu erschaffen; wir bekommen das Schlechte mit dem Guten. 

Trotz dieser bekannten Verhaltensrisiken sind 57 % der Führungskräfte in großen Unternehmen der Meinung, dass der potenzielle Produktivitätsvorteil die Risiken überwiegt. Sie sind zuversichtlich, dass sie wissen werden, wie sie diese neuen und vielleicht unvorhersehbaren „Kollegen“ managen können.

Die Prinzipale werden damit zurechtkommen müssen.

Es gab viel Gejammer über die Auswirkungen von KI auf Arbeitsplätze. Doch wir haben auch gehört: „KI wird Sie nicht ersetzen, aber jemand, der KI nutzt, wird es tun.“ Dazu gehört auch, dass Sie wissen, wie Sie Ihre Agentenkolleg:innen und Ihre Belegschaft effektiver einsetzen und verwalten können. Management im Zeitalter der Agentic AI erfordert mehr als nur Vibes. Dafür braucht es starke Prinzipien. Wortspiel beabsichtigt.

Jahrelang haben Sozialwissenschaftler:innen Aufgabendelegation durch Prinzipal-Agent-Theorie untersucht. Ein Prinzipal (Auftraggeber) delegiert Aufgaben an einen Agenten (Auftragnehmer). Aufgrund ungleicher Informationen, falscher Anreize oder widerstreitender Interessen kann es jedoch vorkommen, dass der Agent nicht im Sinne des Auftraggebers handelt. Managementpraktiken meistern diese Herausforderungen der Anpassung. Glücklicherweise gelten viele Best Practices für das Management menschlicher Agenten auch für generative KI, und es gibt einige neue Tools, die den Prozess steuern. Diese Best Practices sind ein wesentlicher Bestandteil für die Gewährleistung verantwortungsbewusster KI. 

Manager:innen von AI Agents sollten ihre Rolle als Auftraggebende annehmen und ihre Agentic AI entsprechend einstellen und verwalten. Sie müssen:

• Die Rolle mit einer expliziten „Stellenbeschreibung“ definieren. Chattet es mit Kund:innen, interpretiert es längere Dokumente, analysiert Daten, erkennt Anomalien, erstellt Inhalte, löst Ereignisse aus und/oder arbeitet mit einem erweiterten Team zusammen? Wie viel Autonomie wird die Rolle erfordern? Wie hoch wird die „Seniorität“ sein? 

• Den richtigen KI-Modell-“Kandidaten“ identifizieren und ihn erwerben oder entwickeln. Verschiedene KI- und GenAI-Tools haben unterschiedliche Funktionen. Die Snowflake KI-Beobachtbarkeit beginnt mit der Evaluierung alternativer LLMs, um ein besseres Verständnis der potenziellen Eignung zu erhalten – ähnlich wie bei der Befragung potenzieller menschlicher Kandidaten. 

• Agents mit entsprechenden Trainingsdaten „onboarden“. Bereiten Sie Ihre Modelle auf ihre spezifische Funktion vor, einschließlich einer strikten Priorisierung, wenn Anforderungen widersprechen. In Snowflake erweitern einfacher Datenzugriff und einfaches Data Sharing die verfügbaren Daten-Assets für das Training. RAG-Architekturen stellen sicher, dass Agents auf Kontextdaten zugreifen können. 

• Metriken für die Ergebnisse und die Ausgabeperformance festlegen. Nachdem Sie den „Job“ definiert haben, bestimmen Sie, wie Erfolg aussieht und wie Sie ihn messen. Mit Snowflake AI Observability können Sie ein Bewertungsframework mit den spezifischen Metriken einrichten, anhand derer Ihr Agent beurteilt wird. Bei der Bewertung eines RAG-Agent können die Metriken beispielsweise Kohärenz, Kontextrelevanz der abgerufenen Inhalte, Fundiertheit in den Quellen und Antwortrelevanz umfassen.

• Performance überwachen, Eindämmungsstrategien aufrufen und Regeln durchsetzen. Bewerten Sie kontinuierlich die Performance anhand festgelegter Kriterien, Erwartungen und ethischer Normen, um Anomalien zu identifizieren und zu korrigieren. Legen Sie Vertrauensschwellen und Minderungsstrategien fest, beispielsweise durch die Erweiterung von Trainingsdaten. 

• Mitarbeitende anweisen und befähigen, sich selbst und ihre Kollegen zu überwachen. AI Agents können selbst Teil der Governance sein. Mit konstruktiven Feedbackschleifen können Mitarbeitende ihre Arbeit überprüfen und optimieren. AI Agents bringen sich selbst bei, Probleme zu lösen oder sie bei Bedarf an einen Supervisor weiterzuleiten – entweder einen Agenten oder einen Menschen.

Die Managementwissenschaft (des Menschen) gibt es seit über einem Jahrhundert. Das verschafft uns einen Vorsprung, aber es ist wahrscheinlich Zeit, die Fähigkeiten für die neue Agentenwelt zu aktualisieren. ​Vertiefen Sie Ihre Fähigkeiten im Bereich Agentic Management mit unserem Leitfaden zu generativer KI und erhalten Sie anschließend praktische Schulungen mit der Generative AI & ML School in der Snowflake Data Cloud Academy. 

Und wenn Sie Jerry Maguire in die Welt des Profisports folgen wollen, laden Sie Snowflakes E-Book Game Changer: How Gen AI is Revolutionizing Sports herunter.