Intelligenz organisieren

Die meisten von uns erleben AI als einfachen Austausch, meist in einem Chat: Ein Mensch stellt eine Frage, die AI antwortet. Wenn man bei einer schwierigen Frage nicht weiterkommt, erinnert das an den Telefonjoker bei Wer wird Millionär? Man ruft einen klugen Menschen zu Hilfe. Doch es bleibt ein Anruf; die Person am anderen Ende kann beraten, die Arbeit bleibt bei einem selbst.

Um diese Unterscheidung geht es mir in diesem ersten Beitrag: Die entscheidende Einheit der AI könnte zunehmend die Organisation rund um das Gespräch sein – und weniger die Intelligenz, die im Chatfenster antwortet.

Eine brillante Analystin – nur mit einem Telefon

Stellen Sie sich vor, die beste Immobilienanalystin, die Sie kennen, wäre ans andere Ende der Welt gezogen. Sie können sie jederzeit erreichen, allerdings nur über WhatsApp – oder Signal, das Sie wahrscheinlich ohnehin bevorzugen sollten. Sie kann erklären, wie zwei Liegenschaften zu vergleichen sind, auf welche Kennzahlen Sie achten sollten oder eine Notiz für den Anlageausschuss entwerfen. Sie ist kompetent, verfügbar und oft ausserordentlich hilfreich.

Trotzdem hat sie nur ein Telefon. Sie kann weder die Datenbank Ihres Unternehmens öffnen noch die neuesten Berichte prüfen, eine Berechnung über das gesamte Portfolio durchführen oder Ihr Dashboard aktualisieren. Dafür müssen Sie die Informationen selbst finden, an sie senden und anschliessend die empfohlene Handlung ausführen. Bei jedem Schritt entsteht Reibung: Die Analystin liefert vielleicht die Intelligenz, doch die Arbeit tragen weiterhin Sie.

So funktioniert im Wesentlichen ein Chatbot. Er kann über die Informationen nachdenken, die Sie ihm geben, bleibt jedoch auf das Gespräch beschränkt und sieht nichts von dessen Umfeld. Wir beurteilen seine Intelligenz häufig nach der Qualität der Antwort, obwohl das Antworten nur einen kleinen Teil nützlicher Arbeit ausmacht.

Kein Unternehmen würde einer solchen Analystin lediglich eine Messaging-App geben und erwarten, ihre Expertise voll auszuschöpfen. Es stellt ihr einen Arbeitsplatz, Zugang zu den relevanten Informationen und geeignete Werkzeuge bereit. Sobald wir dasselbe für AI tun, verändert sich die Beziehung grundlegend.

Der Analystin einen Arbeitsplatz geben

Ich verwende den Begriff Agent hier in seinem weitesten sinnvollen Sinn: eine autonome Einheit, die ein Ziel erhält, innerhalb bestimmter Grenzen handelt, die Wirkung beobachtet und ihr Vorgehen anpasst. Ein Agent kann ein Mensch oder eine AI sein; das Wort beschreibt seine Rolle in der Arbeit, nicht seine Beschaffenheit.

Bei einem AI-Agenten besteht dieser Arbeitsplatz aus Zugängen und Werkzeugen. Statt nur zu erklären, wie eine Mietrendite berechnet wird, kann er die Daten öffnen, die Berechnung durchführen, das Ergebnis auf Plausibilität prüfen und bei einem Fehler einen anderen Weg versuchen. Die Werkzeuge müssen nicht aussergewöhnlich sein: Eine Dokumentenbibliothek, ein Rechner, eine Suchfunktion, eine Datenbank oder die Möglichkeit, ein Diagramm zu erstellen, können bereits genügen, um nicht mehr nur über die Arbeit zu sprechen, sondern einen Teil davon in einer kontrollierten Umgebung auszuführen.

Das ist der erste Schritt vom Chatbot zur agentischen Organisation. Doch auch ein leistungsfähiger Agent mit Arbeitsplatz und Werkzeugen ist noch kein Unternehmen: Aufmerksamkeit bleibt begrenzt, Delegation hat Grenzen, Fachwissen ist ungleich verteilt, und manche Aufgaben erfordern schlicht mehr als ein Paar Augen.

Eine brillante Person bleibt eine Person

Bitten wir unsere Analystin nun, ein ganzes Immobilienportfolio zu überprüfen. Sie muss die neuesten Informationen finden, sie mit der Vorwoche vergleichen, ungewöhnliche Entwicklungen erkennen, jede wichtige Zahl kontrollieren, das Wesentliche einordnen und die Ergebnisse für verschiedene Zielgruppen aufbereiten. So gut sie auch sein mag: Der Auftrag vereint unterschiedliche Arten von Arbeit. Manche verlangen volle Konzentration, andere können parallel vorankommen, und wieder andere profitieren von Kenntnissen oder Fähigkeiten, über die sie möglicherweise nicht verfügt.

Menschen arbeiten unter solchen Bedingungen nicht besonders zuverlässig. Wir vergessen Kontrollen, verlieren Informationen und werden schlechter, je stärker sich unsere Aufmerksamkeit verteilt. Unternehmen begegnen diesem Problem mit Spezialisierung: Eine Person beschafft die Informationen, eine zweite analysiert sie, eine dritte prüft das Ergebnis, und eine Führungskraft hält die Arbeit auf die anstehende Entscheidung ausgerichtet.

Marvin Minsky entwarf in seinem 1986 erschienenen Buch The Society of Mind ein ähnliches Bild von Intelligenz. Seine Agenten waren keine modernen AI-Assistenten, sondern kleine, begrenzte mentale Prozesse; keiner von ihnen enthielt den gesamten Geist. Was wie eine einzige Intelligenz erschien, entstand aus der Zusammenarbeit dieser begrenzten Teile und aus unterschiedlichen Organisationsformen für unterschiedliche Probleme.

Führungskräfte arbeiten längst mit ähnlichen Voraussetzungen: Kein Mitarbeitender hat das vollständige Bild, alle verfügen über begrenzte Aufmerksamkeit und unterschiedliche Fähigkeiten. Deshalb werden Verantwortlichkeiten, Informationen, Entscheidungen und Kontrollen um ein gemeinsames Ziel herum organisiert. Agentische Organisationen beginnen, demselben Prinzip zu folgen.

Léas Montagsbericht wird zur Teamaufgabe

Nehmen wir Léa, eine Portfolioanalystin, die jeden Montag mit einer einfachen Frage beginnt: Was hat sich in unseren Liegenschaften verändert, was verdient Aufmerksamkeit – und warum? Die Frage klingt überschaubar. Ihre Beantwortung verlangt jedoch Datensammlung, Vergleich, Interpretation, Überprüfung und Präsentation.

In einer agentischen Struktur überträgt Léa nicht jede Verantwortung an einen einzigen AI-Agenten. Ein koordinierender Agent kann den Auftrag aufteilen. Ein Spezialist findet die relevanten Berichte und Portfoliodaten. Ein zweiter vergleicht die Liegenschaften und markiert ungewöhnliche Veränderungen. Ein dritter prüft die Berechnungen und verfolgt wichtige Zahlen bis zu ihren Quellen zurück. Ein letzter bereitet das Ergebnis für Léa auf.

Diese Spezialisten brauchen weder erfundene Namen noch Gesichter oder künstliche Persönlichkeiten. Jeder ist ein Agent, weil er eine Verantwortung übernimmt und innerhalb dieses Bereichs handeln kann. Je nach Prozess und Tragweite der Entscheidung kann die Rolle von einem Menschen, einer AI oder von beiden gemeinsam ausgefüllt werden. Getrennte Verantwortlichkeiten halten die einzelnen Arbeitsschritte fokussiert und machen Fehler leichter auffindbar.

So betrachtet ähnelt die Lösung des Problems auf bemerkenswerte Weise dem Aufbau eines Teams. Agenten haben begrenzte Fähigkeiten und Teilverantwortungen; deshalb koordinieren wir sie mithilfe organisatorischer Prinzipien. Daten finden, analysieren, das Ergebnis prüfen und eine Antwort vorbereiten werden zu eigenständigen Verantwortlichkeiten statt zu einer langen Improvisation. Der Wert entsteht dadurch, begrenzte Fähigkeiten zu nützlicher Arbeit zu verbinden – nicht durch die Annahme, ein einzelner Agent könne alles wissen.

Koordination ist Teil der Arbeit

Ein Unternehmen wird nicht mit jeder zusätzlichen Einstellung automatisch besser. Setzen Sie zwanzig Menschen ohne klare Verantwortlichkeiten in einen Raum, werden sie Aufgaben doppelt erledigen, aufeinander warten und unvereinbare Antworten produzieren. Mehr Menschen können das Ergebnis sogar verschlechtern, denn Koordination verursacht Aufwand. Ein aktuelles Experiment von Anthropic beobachtete einen ähnlichen Effekt bei AI-Agenten: Sobald ihre Aufgaben voneinander abhingen, wurde die Koordination deutlich schwieriger.

Eine nützliche agentische Struktur braucht deshalb mehr als eine Ansammlung von Agenten. Sie benötigt ein klares Ziel, getrennte Verantwortlichkeiten, gemeinsam zugängliche Informationen sowie Regeln dafür, was geprüft oder eskaliert werden muss. Die koordinierende Ebene hält die Arbeit auf Kurs; gleichzeitig behält jeder Spezialist Freiheit bei der Ausführung seines eigenen Teils.

Aus demselben Grund ist Iteration entscheidend. Stellt die prüfende Instanz fest, dass eine Leerstandsquote den falschen Zeitraum verwendet, kann die Arbeit an die Analyse zurückgegeben, korrigiert und erneut geprüft werden. Verlässlichkeit entsteht aus dieser Fähigkeit, Arbeit wieder aufzunehmen. Eine funktionierende Organisation rechnet damit, dass erste Versuche unvollständig oder falsch sein können.

Der Mensch kann unterschiedliche Positionen einnehmen

Es liegt nahe, eine einfache Hierarchie zu zeichnen: oben ein Mensch, darunter AI-Agenten. Manchmal ist das die richtige Darstellung. Léa kann das Ziel formulieren, Grenzen setzen und die abschliessende Beurteilung freigeben, während Agenten die Zwischenschritte übernehmen.

Andere Prozesse benötigen menschliches Urteilsvermögen in der Mitte. Ein Bewertungsspezialist könnte eine Annahme prüfen, bevor das System fortfährt; eine Compliance-Fachperson genehmigt die Nutzung sensibler Informationen. Bei explorativeren Aufgaben können Mensch und Agent Seite an Seite arbeiten und jeweils auf die Erkenntnisse des anderen reagieren.

Entscheidend ist, menschliche Aufmerksamkeit dort einzusetzen, wo Urteilskraft, Verantwortung und Erfahrung den grössten Wert schaffen. In Léas Fall kann die erweiterte Organisation sammeln, vergleichen, prüfen und aufbereiten. Sie selbst bleibt dafür verantwortlich, wie die Analyse einzuordnen ist und welche Entscheidung sie unterstützen soll.

Von einer Sammlung von Funktionen zur Organisation von Fähigkeiten

Die meisten digitalen Produkte werden als Sammlung von Funktionen präsentiert. Wer sie nutzt, lernt, wo sich jede Funktion befindet, führt die einzelnen Schritte aus und bewegt Informationen von einem Bildschirm zum nächsten. Selbst AI erscheint häufig nur als eine weitere Funktion innerhalb derselben Struktur.

Produkte, die konsequent um AI herum gedacht sind, weisen auf eine andere Ordnung hin. Die Nutzerin oder der Nutzer beschreibt ein Ziel; das System stellt dafür die passende Kombination aus Informationen, Werkzeugen, Spezialisten und Kontrollen zusammen. Die Gestaltungsfrage verschiebt sich von „Welchen Knopf muss die Person drücken?“ zu „Wer soll was tun, nach welchen Regeln, und wie wird das Ergebnis geprüft?“

Treten wir noch einen Schritt zurück, kann sich das Muster wiederholen. Eine Einheit für Portfolio-Reviews kann neben Marktbeobachtung, Research und Kundenbetreuung stehen. Ihre inneren Strukturen dürfen sich unterscheiden, weil auch ihre Aufgaben verschieden sind. Gemeinsame Regeln und menschliche Führung halten die grössere Organisation zusammen.

Nicht jede Aufgabe benötigt diese Struktur. Eine einfache Frage ist oft bei einem einzelnen Agenten besser aufgehoben, so wie ein kurzer Auftrag keine neue Abteilung rechtfertigt. Der organisatorische Ansatz wird sinnvoll, wenn die Arbeit für einen einzelnen Akteur zu umfangreich ist, verschiedene Fähigkeiten verlangt oder das Ergebnis wichtig genug ist, um unabhängig geprüft zu werden.

Fassen wir die Entwicklung zusammen. Ein Chatbot ist eine brillante Kollegin mit nichts als einem Telefon. Ein Agent gibt ihr einen Arbeitsplatz und Werkzeuge. Eine agentische Struktur ergänzt Spezialisten, Verantwortlichkeiten, gemeinsame Regeln und einen Weg, die Arbeit zu korrigieren.

Die Intelligenz im Zentrum kann auf jeder Stufe genau dieselbe bleiben. Was sich verändert, ist die Organisation um sie herum – und diese Organisation bestimmt, was die Intelligenz tatsächlich leisten kann. Das Chatfenster bleibt nützlich, aber es ist lediglich die Eingangstür.

Literatur

• Minsky, M. (1986). The Society of Mind. Simon & Schuster. Siehe die Übersicht des MIT Media Lab.
• Anthropic (2026). „Patterns and problems in emerging multiagent systems“.