Weniger prompten, mehr delegieren: Ein Blueprint für das Agentic Enterprise

Bitten Sie eine Führungskraft in einem Unternehmen, einen ihrer KI-Agenten zu beschreiben, und Sie erhalten wahrscheinlich eine klare Antwort: „Er fasst Dokumente zusammen“ oder „Er bearbeitet First-Line-Support-Tickets.“ Aber fragen Sie sie, wie dieser Agent gesteuert, gemessen oder korrigiert wird, und Sie werden oft Schweigen ernten. Dieses Schweigen ist die aktuelle Geschichte der Agentic AI. 

Ich spreche regelmäßig mit Daten- und KI-Führungskräften führender globaler Unternehmen über den Einsatz von Agenten, nicht von Pilotprojekten, in der Produktion. Was die Unternehmen, die die Nase vorn haben, unterscheidet, ist nicht ein besseres Modell oder ein größeres Budget. Vielmehr haben sie aufgehört, Agenten als Prompts zu behandeln, die entwickelt werden müssen, und haben begonnen, sie als Rollen zu behandeln, die besetzt werden müssen.

Prompts beschreiben Aufgaben; Stellenbeschreibungen beschreiben Rollen

Ein Prompt sagt einem Agenten, was er in einem bestimmten Moment tun soll. Eine Stellenbeschreibung geht weiter: Was erfordert diese Rolle, wie fügt sie sich in das Unternehmen ein und wer ist für ihre Ergebnisse verantwortlich?

Viele Unternehmen haben den Schritt der Stellenbeschreibung übersprungen. Eine der größten Sorgen im Zusammenhang mit Agentic AI ist die Aufrechterhaltung der menschlichen Aufsicht und die Verhinderung von unkontrollierten Aktionen. Das wirft die Frage auf: Wer managt die Agenten und wer hat diese Manager dafür geschult?

Führungskräfte, mit denen ich gesprochen habe, bauen ihre Agentenprogramme auf den folgenden drei bewussten Schritten auf, von denen jeder einem Schritt entspricht, den Unternehmen bei jeder Neueinstellung unternehmen würden.

Gezielt einstellen

Bevor Sie eine Zeile Agentenlogik schreiben, fragen Sie sich, welche Aufgabe eine Automatisierung verdient. Bei einem Musiktechnologieunternehmen bedeutete das, Workflows zu überprüfen, um die sich am häufigsten wiederholende Arbeit mit dem höchsten Volumen zu finden. Für dieses Unternehmen klassifiziert ein Musikerkennungsagent nun KI-generierte Titel in einem Umfang, den kein menschliches Team aufrechterhalten könnte. 

Bei einem globalen Automobilhersteller sammelt ein KI-Leiter in jedem Geschäftsbereich Anwendungsfälle durch strukturierte Ideenfindung und leitet sie dann durch ein Priorisierungs-Framework, bevor etwas entwickelt wird. Wie eine Führungskraft es ausdrückte: „Es ist so einfach geworden, Agenten zu erstellen, dass Teams dies zuerst tun. Haben Sie einen Prozess? Stage-Gates? Metriken? Die meisten Unternehmen sind noch nicht so weit.“

Design ist genauso wichtig wie Priorisierung. Agenten arbeiten genauso wenig isoliert wie Mitarbeitende, und Vertrauen beginnt von Anfang an. Bei einer Agentur für digitales Marketing sitzt nun ein Solution Architect zwischen KI-Teams und Geschäftsbereichen und stellt sicher, dass Agenten als gesteuerte Workflows gestartet werden, die an reale Ziele gebunden sind, und nicht als isolierte Tools, die an einen Prozess angehängt werden.

Das Handbuch vorbereiten

Wenn eine Stellenbeschreibung das Angebotsschreiben ist, sind Daten das Mitarbeiterhandbuch. Ein Agent ohne Zugriff auf genaue, vielfältige und aktuelle Unternehmensdaten ist ein:e Mitarbeiter:in, der:die nie eingearbeitet wurde. Dennoch bleibt die Datenbereitschaft das größte Hindernis für die KI-Einführung in Unternehmen: In Snowflakes eigener Forschung geben 65 % der Unternehmen an, dass das Aufbrechen von KI-Datensilos eine Herausforderung oder eine große Herausforderung darstellt, und 62 % sagen dasselbe über die Vorbereitung von Daten, damit sie überhaupt KI-fähig sind.

Die Lösung sind nicht mehr Daten. Es sind strukturierte Daten. „Die Leute unterschätzen oft die Bedeutung der Datenstruktur“, sagt eine Führungskraft einer Agentur für digitales Marketing. „Sie gehen davon aus, dass die Agenten alles können. Aber Modelle funktionieren nicht so. Sie picken sich die Rosinen heraus. Effektive Agenten erfordern ein sehr kuratiertes Onboarding.“

Ein Unternehmen für Energielösungen hat diese Lektion beim Aufbau eines Agenten für das Reparatur-Engineering gelernt. „Der Aufbau des Agenten dauert nur etwa 20 Minuten“, sagt eine Führungskraft. „Aber der technische Aufwand, um Daten aus verstreuten Quellen zu sammeln und die benötigten Embeddings zu erstellen, ist ein mehrwöchiger Aufwand.“ Der Agent ist nur so gut wie das Handbuch, das ihm gegeben wird.

Aktiv managen

Einstellung und Onboarding sind die einfachen Teile. Beim Management können Programme scheitern, denn das Management eines Agenten hat nichts mit dem Management einer Person zu tun. Dennoch erfordert es die gleiche Strenge.

Die Leiterin für globale Daten und KI bei einem Gesundheitstechnologieunternehmen beschreibt drei neue Rollen für die Menschen, die diesen Wandel überwachen: die Designer:innen, die den Prozess und den Agenten, der ihn ausführt, entwickeln; die Controller:innen, die die Ausführung überwachen und die Ergebnisse validieren; und die Auditor:innen, die in risikoreichen Prozessen unabhängig für die Arbeit des Agenten bürgen. „Die Aufgabe selbst zu erledigen, könnte zunehmend optional oder sogar zu einem Hobby werden“, sagt sie mir. „Aber die menschliche Verantwortung wird nicht verschwinden. Menschen müssen weiterhin für die in ihren Designs verankerten Entscheidungen, die den Agenten gewährte Autonomie und die von diesen Agenten erzielten Ergebnisse verantwortlich bleiben.“ Diese Verantwortung muss gemessen und nicht nur angenommen werden. 

Ein globaler Automobilhersteller testet Trainee-Agenten vor dem Einsatz in fünf Runden mit 170 Fragen und legt dann eine einfache Messlatte an: einen Menschen übertreffen, nicht nur annähernd erreichen. Das Operations-Team eines Musiktechnologieunternehmens führt eine letzte menschliche Überprüfung jeder Agentenausgabe durch, bevor sie ausgeliefert wird. Und jede Führungskraft, die ich interviewt habe, gab dieselbe Antwort, als ich fragte, wer letztendlich für das verantwortlich ist, was ein Agent tut: Menschen.

Diese Antwort ist der springende Punkt. Der Aufbau von Vertrauen zwischen Mitarbeitenden und ihren neuen Agentic-Kolleg:innen braucht Zeit. Eine Führungskraft schätzte, dass es vier Wochen dauert, einen Agenten aufzubauen, und acht oder neun Monate, um eine echte Akzeptanz zu erreichen, da Vertrauen durch Iteration verdient wird. Es wird nicht beim Start deklariert.

Das nächste Organigramm enthält KI-Manager

In jeder Funktion, die Agenten in großem Maßstab einsetzt, entsteht eine neue Rolle: der:die KI-Manager:in. „Die nächste Stufe ist das Management mehrerer KI-Agenten“, sagt mir eine Führungskraft eines Musiktechnologieunternehmens. „Jetzt sind Sie ein Manager und Sie werden diese KIs managen, um sie effizienter zu machen.“

Die Unternehmen, die bei Agenten am schnellsten vorankommen, sind explizit darin, wo ein Agent hingehört, überlegt in Bezug auf die Daten, von denen diese Agenten abhängen, und streng in Bezug darauf, wer ihre Arbeit überprüft. Die Technologie ist schneller bereit als die meisten Managementstrukturen. Die Lücke zwischen „wir haben Agenten“ und „wir setzen Agenten effektiv ein“ ist keine Technologielücke. Es ist eine Managementlücke. Sie zu schließen beginnt mit einer einfachen Änderung der Haltung: Hören Sie auf zu prompten, fangen Sie an einzustellen.

Ich gehe tiefer auf jedes der hier erwähnten Gespräche ein, einschließlich der Frage, wie ein globaler Informationsdienstleister seine Agentic-Belegschaft mit 175 Jahren Rechts- und Steuerexpertise schult, im vollständigen E-Book „Employ Agents Effectively: A Data Executive's Blueprint for the Agentic Enterprise.“