Startseite / KI-Mitarbeiter

KI-Mitarbeiter, die Geschäftsabläufe erledigen

KI-Mitarbeiter sind eine Gruppe von KI-Agenten mit klaren Regeln, die wiederkehrende Arbeit in den Systemen, Kanälen und Teams eines Unternehmens erledigen. Jeder Agent hat eine festgelegte Rolle, freigegebene Tools, eine maßgebliche Quelle, einen Eskalationsweg und einen messbaren Erledigungszustand.

Diese Definition ist entscheidend. Ein Ordner voller Chatbots ist noch kein Team. Eine Automatisierung, die bei einer Formularänderung einen einzelnen API-Aufruf auslöst, ebenso wenig. Nützlich wird die Kategorie erst, wenn Agenten Arbeit annehmen, aktuellen Kontext sammeln, mehrere Systeme nutzen, erwartbare Fehler abfangen, ein Ergebnis liefern und nachweisen können, wo dieses Ergebnis angekommen ist.

Scalably baut diese Betriebsebene in die Tools, die Ihr Team bereits nutzt: Slack, Telegram, WhatsApp, E-Mail, CRM, Tabellen, Dateien, Projektsysteme, Analyse, Handelsplattformen und interne APIs des Unternehmens.

Beginnen Sie mit einem echten Workflow, nicht mit einem Plattformdiagramm. Erstellen Sie Ihren KI-Bauplan in wenigen gezielten Schritten. Sie sehen Auslöser, Quellen, erlaubte Arbeit, menschliche Freigabe, Ziel und Erledigungsnachweis auf dem Bildschirm, bevor wir nach Kontaktdaten fragen.

Was sind KI-Mitarbeiter?

KI-Mitarbeiter sind eine Gruppe von Software-Agenten mit getrennten Zuständigkeiten, die nach den Regeln eines Unternehmens für Identität, Daten, Berechtigungen und Evaluierung arbeiten. Menschen legen Ergebnis und Befugnisse fest. Die Agenten übernehmen Recherche, Analyse, Koordination, Dateierstellung, Systemaktualisierungen und Nachfassen, soweit der Workflow es erlaubt.

Der Begriff bedeutet nicht, ein Unternehmen durch unbeaufsichtigte Software zu ersetzen. Er beschreibt ein betreutes Betriebssystem für Arbeit.

Die Unternehmensstudie von OpenAI aus dem August 2026 beschreibt dieselbe Entwicklung als Wandel von der Unterstützung zur Ausführung. Ihr zufolge erzeugte Codex bei Unternehmenskunden mit Stand Juni 64 Prozent der zusammengerechneten Output-Tokens von Codex und ChatGPT. OpenAI ordnet das Output-Volumen zu Recht als Nutzungssignal ein, nicht als Produktivitätsergebnis. Die nützlichere Empfehlung des Berichts betrifft den Betrieb: Agenten mit dem Kontext und den Tools des Unternehmens verbinden und dann Berechtigungen, Prüfung und Governance festlegen. (OpenAI, 2026)

Der Work Trend Index 2026 von Microsoft ergab, dass die dort so genannten "Frontier Professionals" häufiger wiederholbare Agenten-Workflows, Übergaben an Menschen und Qualitätsstandards dokumentierten. Auf Organisationsebene lag das Verhältnis bei 25 zu 14 Prozent. Das bleibt eine Umfrage, führt aber zur richtigen Frage für die Umsetzung: Wer verantwortet den Workflow nach der Demo? (Microsoft, 2026)

Wie KI-Mitarbeiter im Unternehmen aussehen

Die sinnvolle Einheit ist nicht ein allmächtiger Agent, sondern eine kleine Zahl rollenbasierter Agenten, verbunden durch einen geschlossenen Ablauf. Welche Rollen es genau gibt, hängt vom Geschäft ab, die Grenzen sind aber immer dieselben.

Rolle des Agenten Arbeit, die er übernehmen kann Notwendige Grenze
Betriebsagent Rückmeldungen sammeln, Plan und tatsächliche Arbeit vergleichen, blockierte Aufgaben sichtbar machen geprüfte Identität von Mitarbeiter und Aufgabe
Finanzagent Datensätze abgleichen, Übersichten zu Liquidität oder Forderungen vorbereiten, Ausnahmen markieren nur lesender Zugriff auf Quellen und menschliche Freigabe für offizielle Buchungen
Kundenagent Kunden recherchieren, CRM-Aktualisierungen vorbereiten, Nachfassen entwerfen genau festgelegter Kundenkreis und Freigabe vor jedem Versand
Berichtsagent aktuelle Kennzahlen abrufen, einen Bericht erstellen, ihn planmäßig zustellen festes Zeitfenster für Quellen und Rückprüfung der Ausgabe
Wissensagent freigegebene Richtlinien finden und mit Quellenangabe aus Unternehmensquellen antworten Abruf gefiltert nach Zugriffsrechten und eindeutige Dokumentversion
Koordinationsagent Ausnahmen weiterleiten, freigegebene Aufgaben anlegen, Erledigung nachverfolgen benannte zuständige Person, Fälligkeit und dauerhafte Aufgabenreferenz

Diese Rollen können auf unterschiedlichen Modellen laufen. Sie können sich auch ein Modell teilen und trotzdem getrennte Arbeitsbereiche und Tool-Regeln behalten. Was dauerhaft trägt, ist der Rahmen um das Modell: Identität, Kontext, Tools, Zustand, Freigabe, Nachweis und Wiederherstellung.

Der geschlossene Ablauf zählt mehr als das Chatfenster

Echte KI-Mitarbeiter schließen den Kreis von der Anfrage über das geprüfte Ergebnis zurück zur Entscheidung eines Menschen. Der Ablauf kann mit einer geplanten Aufgabe beginnen, mit einer Slack-Nachricht, einer WhatsApp-Sprachnachricht, einem CRM-Ereignis, einer E-Mail oder einer geänderten Tabellenzeile.

Danach geht das System so vor:

  1. Es ermittelt Person, Unternehmen, Kanal und erlaubten Rahmen.
  2. Es ruft die aktuellen Quelldaten ab.
  3. Es plant die erlaubten Tool-Aufrufe und führt sie aus.
  4. Es hält für eine Freigabe an, wo eine Aktion folgenreich ist.
  5. Es liest das Ergebnis am Ziel zur Kontrolle wieder aus oder prüft eine Zustellbestätigung.
  6. Es hält Ergebnis, Ausnahme und nächste zuständige Person fest.
  7. Es gibt die nützliche Entscheidung an die Person zurück, die sie braucht.

Der Unterschied zwischen einem Chatbot und einer Betriebsebene zeigt sich bei Schritt fünf und sechs. Wenn das Modell "erledigt" sagt, ist das noch keine Erledigung. Ein CRM-Datensatz, eine Datei, eine Aufgabe, ein Bericht oder der Zustellstatus beim Empfänger ist der Nachweis.

KI-Mitarbeiter schließen den Kreis Arbeit kommt anSlack · WhatsApp · E-Mail Betriebsebene der AgentenIdentität · Regeln · Gedächtnis Führende SystemeCRM · ERP · Dateien · Daten Geprüftes Ergebnisam Ziel zurückgelesen Entscheidung des Menschenfreigeben · ändern · ausbauen zuweisen lesen + handeln prüfen sichten scalably.io ●

Wo die Agenten arbeiten

Die beste Oberfläche ist meist die, auf die das Unternehmen ohnehin schaut. Niemand im Team sollte ein neues Dashboard brauchen, um Arbeit zu melden, eine Frage zu stellen oder eine klar umrissene Aktion freizugeben.

Slack eignet sich gut für Wissensarbeit in Threads und für die Abstimmung im Team. Telegram passt zu Abläufen von Inhabern und Betriebsleitern, die Tempo und schlanke Gruppen brauchen. WhatsApp ist oft die praktische Oberfläche für Außendienstteams, Dienstleister und Unternehmen, in denen Arbeit ohnehin über Sprachnachrichten, Fotos und Direktnachrichten läuft.

Die Architektur des KI-Agenten für Slack ist ein Zugang zur selben Betriebsebene. Der Kanal verändert, wie Identität funktioniert, welche Nachrichtenlimits, Threads und Vorlagen gelten und wie die Zustellung belegt wird. Er darf aber nicht stillschweigend die maßgebliche Quelle des Unternehmens oder die Befugnisse des Nutzers verändern.

Der vierte Ort ist das eigene System des Unternehmens. Arbeitet ein Unternehmen mit seinem eigenen HQ, lebt der Agent jeder Person darin, hinter demselben Login und mit genau denselben Rechten wie die Person: Er liest dieselben freigegebenen Datensätze, schlägt Änderungen über dieselben Funktionen vor und hält an denselben Freigaben an. Der Chatkanal wird dann zu einer Tür ins HQ und nicht zu einem separaten Ort, an dem Arbeit nur beschrieben wird. Mitarbeiter im Außendienst, die nie ein Dashboard öffnen, erreichen dieselben Datensätze per SMS, wie im Beitrag So melden Mitarbeiter per SMS beschrieben.

Wenn das Unternehmen kein führendes System hat

Die bisherigen Empfehlungen setzen voraus, dass die führenden Systeme schon existieren. In vielen Unternehmen der Realwirtschaft ist das nicht so. Die Wahrheit liegt auf Papier in einem Aktenschrank, in einer Arbeitsmappe auf dem PC einer einzigen Person und in einem ERP, das zwei Leute öffnen. KI-Mitarbeiter, die man darauf setzt, finden nichts Verlässliches zum Lesen und keinen vertrauenswürdigen Ort zum Schreiben.

In diesem Fall ist das erste Ergebnis kein Agent, sondern die fehlende Betriebsebene: ein eigenes HQ des Unternehmens mit einem Login, Modulen, die pro Person freigeschaltet werden, einem Protokolleintrag im Prüfprotokoll bei jeder Änderung; das bestehende ERP, das E-Rechnungsportal und das Archiv werden gelesen, aber nie beschrieben. Die Arbeitsmappe wird in ein einziges Buch überführt, ohne einen Wert zu erfinden, und gegen die Tabelle abgeglichen, bevor jemand eine neue Zeile eingibt; das Papierarchiv wird auf unseren eigenen GPUs in strukturierte, durchsuchbare Datensätze übertragen; Arbeitsaufträge bekommen eine einzige maßgebliche Stelle. Erst dann ziehen die Agenten ein, einer pro Person, mit denselben Rechten wie die Person, und erst dann erhält die Geschäftsführung Zahlen, auf deren Grundlage sie handeln kann.

Fehlt ein führendes System, wird eines gebaut Wo die Wahrheit lagPapier · ein PC · kaum genutztes ERP Eigenes HQeigen, rollenbasiert, auditiert Agenten im HQeiner pro Person, gleiche Rechte An die EntscheiderBericht, dann Aufgabe mit Status übertragen, abgeglichen scalably.io ●

Die Reihenfolge ist bewusst gewählt: zuverlässig messen, klar berichten, dann Vorschläge machen, dann die sicheren Vorschläge automatisieren. Wer Vorschläge macht, bevor er messen kann, produziert selbstbewussten Unsinn und verspielt das Vertrauen, auf dem das ganze System beruht. Das vollständige Muster ist im Beitrag Wie ein Unternehmen sein eigenes HQ bekommt dokumentiert, mit ERP-Spiegel, Papierarchiv und Feldbüchern als ersten funktionierenden Bausteinen.

Womit die Agenten verbunden sind

KI-Mitarbeiter werden wertvoll, wenn sie in den Systemen arbeiten können, in denen der aktuelle Stand des Unternehmens liegt. Ziel ist nicht, einem Agenten Zugriff auf alles zu geben. Ziel ist, jeder Rolle nur die Fähigkeiten zu geben, die sie für ein abgenommenes Ergebnis braucht.

Übliche Anbindungen sind:

  • CRM-Datensätze und Deal-Phasen;
  • E-Mail-Auswertung und freigegebene Entwürfe;
  • Tabellen, Formeln und Berichtsdateien;
  • Projektsysteme und Arbeitsaufträge;
  • Dokumentablagen und freigegebenes Wissen;
  • Buchhaltungs- und Rechnungssysteme, nur lesend oder mit Freigabe;
  • Analyse-, Werbe-, Handels- und Supportplattformen;
  • interne Datenbanken und unternehmensspezifische APIs sowie
  • Daten aus Feld, Fuhrpark, Wetter, Sensoren oder Betrieb.

Jeder Konnektor braucht ein Eingabeschema, eine Berechtigungsgrenze, eine Regel gegen doppelte Ausführung, einen Fehlerzustand und eine Methode zur Rückprüfung. Die öffentliche Plattformarchitektur zeigt, wie diese Teile um eine rollenbasierte Laufzeitumgebung zusammenpassen.

Menschliche Freigabe gehört zum System

Eine Freigabe sollte an die konkrete Aktion gebunden sein und nicht als vage Anweisung im Prompt stehen. Wer freigibt, sollte sehen, was sich ändert, wo es sich ändert, wen oder was es betrifft und welche Belege zu dem Vorschlag geführt haben.

Eine praxistaugliche Stufenfolge für Befugnisse:

  1. aktuelle Daten lesen und erklären;
  2. einen Entwurf oder eine vorgeschlagene Aktualisierung vorbereiten;
  3. eine ausdrücklich freigegebene Aktion ausführen;
  4. die Aktion erst automatisieren, wenn der Workflow genug abgenommene Belege hat, und
  5. einen Weg zum Stoppen, Prüfen und Zurücksetzen behalten, während die Befugnisse wachsen.

Geld, offizielle Unterlagen, physischer Bestand und Aktionen, die eine Person betreffen, verdienen eine klare menschliche Freigabestufe, bis ein Unternehmen eine engere, durch Belege gestützte Entscheidung trifft. Recherche, Berechnung, Klassifizierung und Dateivorbereitung mit geringem Risiko laufen meist mit weniger Hürden.

So messen Sie KI-Mitarbeiter

Messen Sie abgenommene Arbeit, nicht Nachrichten, Modell-Tokens oder selbstsichere Schlussantworten. Ein Auftraggeber sollte mindestens Folgendes einsehen können:

Kennzahl Definition
Erledigungsquote abgenommene erledigte Aufgaben geteilt durch begonnene Aufgaben
Eingriffsquote durch Menschen Aufgaben, die Korrektur, Rettung oder Nachfragen wegen fehlender Informationen brauchten
Zuverlässigkeit der Tool-Aufrufe gültige Tool-Ergebnisse geteilt durch versuchte Tool-Aufrufe, je Konnektor
Zeit von Anfrage bis Ergebnis verstrichene Zeit bis zu einem abgenommenen Ergebnis oder Zielzustand
Kosten pro begonnener Aufgabe Kosten für Modell, Tools und Infrastruktur geteilt durch Versuche
Kosten pro erledigter Aufgabe dieselben Kosten geteilt durch abgenommene Erledigungen
Wiederherstellungsquote fehlgeschlagene Aufgaben, die nach einem automatischen oder menschlichen neuen Versuch erledigt wurden
Aktualität der Quellen ob jede Entscheidung Daten aus dem vorgeschriebenen Zeitfenster genutzt hat

In den 30 Tagen bis zum 12.09.2026, 14:25 UTC, hat die Plattform 3.821 Läufe geplanter Aufgaben auf fünf Produktionsservern ausgeführt; 3.681 endeten ohne Fehler des Schedulers, 140 mit Fehler, eine Quote von 96,3 Prozent. Seit Februar 2026 sind insgesamt 10.908 Läufe mit 98,0 Prozent erfasst; das ist eine Untergrenze, weil die Laufprotokolle von vier Servern erst im Juli beginnen. Das sind reine Zählwerte geplanter Läufe, Inhalte der Aufgaben werden nicht gelesen. Im Zeitraum Februar bis Juni 2026, der von Hand klassifiziert wurde, traten die meisten erfassten Fehler im Umfeld des Modells auf: bei APIs, Zugangsdaten und Rate-Limits. Die Zahlen aus September sind noch nicht klassifiziert. Daraus folgt nicht, dass jeder Workflow, jeder Kanal oder jeder Kunde dieselbe Quote erreicht.

Eine separate 30-Tage-Messung auf zwei anonymen Produktivsystemen ergab Modellkosten von 0,97 USD und 1,01 USD pro Aufgabe (14. Juli bis 13. August 2026). Es handelte sich um unterschiedliche Arbeitslasten; das Ergebnis ist also weder Preisliste noch Branchendurchschnitt. Es zeigt, warum Auftraggeber die Kosten pro abgenommener Aufgabe messen sollten, statt Token-Preise isoliert zu vergleichen.

Eine Quote menschlicher Eingriffe über alle Installationen hinweg, Latenzen je Kanal und Zuverlässigkeitswerte je Konnektor veröffentlichen wir noch nicht. Diese Messungen gehören hierher, sobald Methode und Datenschutzgrenze stehen.

Selbst bauen, kaufen oder betreuen lassen?

Kaufen Sie ein fertiges Produkt, wenn es den Workflow bereits abdeckt. Bauen Sie intern, wenn der Workflow strategisch ist und das Unternehmen die Laufzeitumgebung selbst betreiben kann. Nutzen Sie ein betreutes System, wenn die Arbeit unternehmensspezifisch ist, die Pflege von Agenten aber nicht zum Kerngeschäft gehört.

Ansatz Passt am besten zu Wer verantwortet Fehler und Änderungen?
Fertiges KI-Produkt Standardarbeit innerhalb eines Produkt-Ökosystems der Anbieter innerhalb des unterstützten Rahmens
Automatisierungsplattform vorhersehbare Abfolgen von Auslöser zu Aktion der Auftraggeber oder ein Automatisierungspartner
Interne Agentenplattform strategische Workflows mit eigenem Entwicklungsteam das interne Plattformteam
Betreute KI-Mitarbeiter systemübergreifende Arbeit, die eigene Rollen und laufenden Betrieb braucht der Anbieter für Umsetzung und Betrieb

Der Leitfaden zur Auswahl einer KI-Agentur listet die konkreten Ergebnisse und Pflichten nach dem Start auf, die Sie von diesem Anbieter verlangen sollten.

Laut dem Bericht "State of AI Agents" 2026 von Anthropic nutzten 57 Prozent von mehr als 500 befragten technischen Führungskräften in den USA Agenten für mehrstufige Workflows, 16 Prozent berichteten von funktionsübergreifenden Prozessen. Es handelt sich um eine vom Anbieter finanzierte Umfrage von Ende 2025; die Zahlen sind daher Marktkontext und kein Nachweis, dass ein bestimmtes System funktioniert. (Anthropic, 2026)

So beginnt Scalably

Scalably beginnt mit einem vollständigen, messbaren Ablauf und erweitert erst, wenn er funktioniert. Wir bilden den bestehenden Prozess ab, bestimmen Quellsysteme und Befugnisse, sammeln abgenommene Beispiele und legen fest, was Erledigung bedeutet, bevor wir Modelle auswählen oder ein breites Organigramm aus Agenten bauen.

Die erste Einführung folgt meist dieser Reihenfolge:

  1. eine wiederkehrende Aufgabe mit einer namentlich benannten verantwortlichen Person im Fachbereich;
  2. der kleinstmögliche, nur lesende Datenweg;
  3. Test per Replay oder im Schattenbetrieb gegen abgenommene Arbeit;
  4. ein prüfbares Ergebnis im bestehenden Kanal;
  5. eine freigabepflichtige Aktion;
  6. Rückprüfung am Ziel und Wiederherstellung bei Fehlern sowie
  7. Ausbau auf die nächste Rolle oder Abteilung erst, wenn der erste Ablauf belastbare Belege liefert.

Unser Praxisleitfaden für die Landwirtschaft zeigt diese Methode in einem Betrieb mit physischen Abläufen, ohne die Identität des Kunden oder vertrauliche Geschäftsdaten zu veröffentlichen.

Ihren ersten Ablauf abbilden

Bringen Sie einen wiederkehrenden Workflow mit, den Ihr Unternehmen wirklich abgeben würde. Scalably bildet Quellsysteme, Identität, Befugnisse, abgenommenes Ergebnis, Fehlerweg und den kleinsten Nachweis im Produktivbetrieb ab, bevor wir weitere KI-Mitarbeiter vorschlagen.

Erstellen Sie jetzt Ihren KI-Bauplan. Sie erhalten den Bauplan, bevor wir nach Kontaktdaten fragen. Wenn Sie E-Mail bevorzugen, schreiben Sie an [email protected]. Wir kommunizieren ausschließlich auf Englisch, schriftlich wie mündlich.

Häufige Fragen

Was sind KI-Mitarbeiter?

KI-Mitarbeiter sind eine Gruppe von Software-Agenten mit klaren Regeln, die wiederkehrende Arbeit in den Systemen und Kanälen eines Unternehmens erledigen. Jeder Agent hat eine Rolle, freigegebene Tools, eine Berechtigungsgrenze, einen Eskalationsweg und einen messbaren Erledigungszustand.

Worin unterscheiden sich KI-Mitarbeiter von Automatisierung?

Klassische Automatisierung folgt einem fest vorgegebenen Pfad. Ein Agent kann Kontext deuten, Tools auswählen, definierte Varianten bewältigen und mehrstufige Arbeit vorbereiten oder ausführen. Deterministische Automatisierung gehört trotzdem weiterhin ins System: für Berechnungen, Validierung, Berechtigungen und bekannte Zustandswechsel.

Können KI-Agenten in Slack, WhatsApp, CRM und Tabellen zugleich arbeiten?

Ja. Dieselbe Betriebsebene mit klaren Regeln kann mehrere Kanäle und Systeme bedienen, wenn jede Identität, jeder Konnektor und jede Aktion ausdrücklich rollenbasiert festgelegt ist. Der Kanal allein darf keine Befugnisse verleihen.

Ersetzen KI-Mitarbeiter Angestellte?

Eine sinnvolle Einführung geht von der Arbeit aus, nicht von der Zahl der Stellen. Agenten übernehmen Recherche, Analyse, Vorbereitung, Koordination und klar definierte Ausführung. Menschen behalten Urteilsvermögen, Verantwortung, Beziehungsarbeit und die Freigabegrenzen, die das Unternehmen festlegt.

Wie führt man KI-Mitarbeiter sicher ein?

Beginnen Sie mit einem messbaren Workflow, binden Sie nur die nötigsten Quellen lesend an, testen Sie per Replay oder im Schattenbetrieb, ergänzen Sie eine ausdrücklich freigabepflichtige Aktion, prüfen Sie das Ergebnis dort, wo es ankommt, und erweitern Sie erst, wenn der Workflow sich mehr Befugnisse verdient hat.