Wenn KI-Agenten die Arbeit übernehmen, welche Rolle bleibt dann für uns?

Seit mehr als einem Jahrzehnt beschreiben Führungskräfte mit dem Begriff „Future of Work“, wie Technologie die Arbeit verändert.

Neu ist dieser Wandel nicht: Wo früher On-Premise-Software installiert wurde, steht heute SaaS; wo physische Infrastruktur nötig war, die Cloud; wo das Büro der Ort gemeinsamer Arbeit war, gemeinsam genutzte Tools.

Nun steht der nächste Schritt an, und er vollzieht sich schneller als die vorherigen. Die Fähigkeit von KI, immer komplexere Aufgaben in der Softwareentwicklung zu übernehmen, wächst rasant. Schätzungen zufolge verdoppelt sie sich etwa alle sieben Monate. Damit verschiebt sich, wer oder was die Arbeit erledigt. Es zeichnen sich nichtlineare Produktivitätsgewinne ab, bei denen KI die Arbeit selbst neu ordnet.

Vom Ausführen zum Steuern: Der Zweck bleibt beim Menschen

Die KI-Transformation verlangt etwas anderes von uns. Bislang beruhten die Organisation der Arbeit, Leistungsmessung und Personalentwicklung auf einer Annahme: Wer am meisten leistet, am schnellsten arbeitet und am meisten weiß, gilt als leistungsstärkste Kraft. Diese Annahme verliert nicht ihre Gültigkeit, aber sie genügt allein nicht mehr.

NVIDIA-CEO Jensen Huang hat den Umgang mit KI treffend beschrieben, indem er Aufgabe und Zweck unterscheidet. Jede Tätigkeit besteht aus Aufgaben. für Entwicklerinnen und Entwickler ist das Programmieren eine davon. Der Zweck der Softwareentwicklung aber liegt darin, Probleme mit Technologie zu lösen und neue, lösenswerte Herausforderungen zu finden. Je mehr Aufgaben an KI übergehen, desto stärker tritt dieser Zweck in den Vordergrund. Die Aufgaben von Entwicklern, Analystinnen oder auch Recruitern lassen sich zunehmend an KI-Agenten delegieren Ihr Zweck lässt sich nicht delegieren, denn er wurzelt im Wert, den wir der Arbeit beimessen, nicht in ihrer Ausführung.

Damit verändert sich die Leitfrage in jeder Unternehmensfunktion. Aus der Frage, wie sich eine Aufgabe besser erledigen lässt, wird die Frage, wie ein Team von Agenten so zu steuern ist, dass der eigentliche Wert der eigenen Rolle in den Vordergrund tritt.

Im neuen Zusammenspiel von Mensch und Agent geben wir die Richtung vor. Alle werden zu Führungskräften: Wir setzen Absichten, definieren Ergebnisse, delegieren die Ausführung, prüfen Resultate und editieren mit einer Urteilskraft, die kein Modell nachbildet.

Barclays zeigt das bereits in der Praxis. Im Dezember 2024 führte die Bank GitLab Duo mit 6.000 Lizenzen ein. Binnen eines Jahres wuchs die Nutzerbasis auf 23.000 Mitarbeitende, welche die KI-nativen Funktionen regelmäßig einsetzen und damit schätzungsweise eine Million Entwicklerstunden pro Jahr einsparen.

Nichtlineare Produktivität in der Praxis

Auch das Verständnis von Produktivität muss sich ändern. Thomas Edison verbesserte nicht die Kerze, um helleres Licht zu erzeugen. Er entwickelte die Glühbirne. Ähnlich geht es heute nicht um Produktivitätsgewinne von fünf oder zehn Prozent, sondern um eine andere Größenordnung: Aus Kerzenlicht wurde nicht helleres Kerzenlicht, sondern Elektrizität.

Ein Beispiel aus der Softwareentwicklung: Wer heute eine neue Funktion ausliefern will, wechselt fortwährend zwischen Werkzeugen, zwischen dem Projekt-Tracker für die Anforderungen, dem Wiki für Architekturentscheidungen, dem Repository für die jüngsten Änderungen und den Chat-Verläufen mit offenen Fragen aus dem Produktmanagement. Allein diese Einarbeitung kostet Stunden, und sie wiederholt sich in jedem Sprint.

Künftig übernimmt ein Team von Agenten diese Vorarbeit parallel. Es sammelt Anforderungen, meldet Architekturkonflikte, fasst die jüngsten Änderungen zusammen, prüft auf Schwachstellen und erstellt einen ersten Umsetzungsplan. Die eigentliche Entwicklungsarbeit beginnt dann ohne Verzögerung.

Dieselbe Logik gilt über die Entwicklung hinaus. Ein Support-Team verkürzt die Bearbeitungszeit um die Hälfte, weil Agenten den Kontext zusammenstellen und Antworten vorbereiten, bevor ein Mensch das Ticket öffnet. Ein Rechtsteam prüft einen Vertrag in Minuten statt in Tagen: Ein Agent recherchiert Präzedenzfälle, ein zweiter markiert Risikoklauseln, ein dritter macht Änderungsvorschläge. So bleibt der juristischen Fachkraft Zeit für die Verhandlungsstrategie und für Ermessensentscheidungen, die menschliche Expertise verlangen.

Tempo entsteht aus Struktur

Dieser Wandel ist bereits im Gange. Einer aktuellen Untersuchung von EY zufolge berichten nahezu alle befragten Großunternehmen von Produktivitätsgewinnen durch KI, rund die Hälfte bezeichnet sie als deutlich. Bemerkenswert ist, dass diese Gewinne überwiegend in Wachstum flossen, nicht in den Abbau von Stellen.

Zugleich verschärft sich der Rückstand jener Unternehmen, die zu langsam agieren. KI-native Unternehmen liefern bereits heute schneller, ohne den organisatorischen Ballast, den größere Organisationen mit sich tragen. Bei jungen Unternehmen erklärt sich ein Teil dieses Vorsprungs aus ihrer Größe. Der wesentliche Teil ist struktureller Natur.. Sie haben KI von Beginn an ins Zentrum gestellt, nicht als nachträgliche Ergänzung. Ein späteres Nachrüsten war nicht nötig.

Vorn liegen jene Unternehmen, die das Fundament schaffen, auf dem Agenten schnell und sicher handeln können: klare Verantwortlichkeiten für KI-Entscheidungen, gemeinsamer Kontext und skalierbare Leitplanken. Fehlt dieses Fundament, zersplittert die Einführung in Silos, und Aufwand fließt in Experimente statt in die eigentliche Wertschöpfung.

Nicht schneller arbeiten, sondern anders

Um diesen Weg zu gehen, müssen wir viele vertraute Annahmen über Arbeit hinter uns lassen. Für große Organisationen ist das anspruchsvoller, gerade weil sich KI so schnell entwickelt.

Das Zeitfenster ist begrenzt, doch Tempo allein genügt nicht. Entscheidend ist eine andere Arbeitsweise. Je wichtiger der Zweck wird, desto mehr zählt das, was uns als Menschen ausmacht: Urteilskraft und Intuition. Darin liegt die Antwort auf die Ausgangsfrage. Wer von den nichtlinearen Gewinnen der KI profitieren will, muss den Zweck der eigenen Arbeit klarer verstehen als je zuvor.