Fragen Sie ein Führungsteam nach KI-Agenten, kommt fast immer dieselbe erste Frage: Sollten wir so etwas einsetzen? Das klingt nach Sorgfaltspflicht. Es ist trotzdem die falsche Frage. Oder die richtige, nur auf das falsche Ziel gerichtet.
Wer fragt „Sollen wir Agenten nutzen?“, macht daraus eine Werkzeugentscheidung, etwas, das sich an den Einkauf durchreichen lässt. Nehmen Sie die Software aus dem Satz heraus, und übrig bleibt eine Entscheidung, die Sie mehrmals am Tag treffen: Was von dieser Arbeit mache ich selbst? Was gebe ich ab? Und welche Teile bleiben bei mir, egal was passiert?
Diese letzte Frage ist die eigentliche Kompetenz. Sie heißt Delegation, die erste von vier Fähigkeiten, die eine Führungskraft für gute Arbeit mit KI braucht. Und Sie üben sie seit Jahren, nur nicht unter diesem Namen.
Delegieren ist eine Entscheidung, die Sie längst treffen
Denken Sie daran, wie Sie eine Aufgabe an einen Menschen übergeben. Sie geben nicht das Ergebnis ab, für das Sie geradestehen. Und Sie geben nicht Ihr Urteil darüber ab, ob die Arbeit etwas taugt. Was Sie abgeben, ist die Ausführung. Sie beschreiben, wie ein gutes Ergebnis aussieht. Sie vereinbaren, wie weit jemand ohne Rückfrage laufen darf. Und was zurückkommt, prüfen Sie an der Messlatte, die Sie selbst gesetzt haben.
Ein Agent lässt all das unangetastet und fügt genau einen neuen Regler hinzu: Wie weit vertraue ich etwas, das schnell arbeitet, nie ermüdet, gelegentlich eine falsche Antwort mit voller Überzeugung vorträgt und sich, anders als eine Kollegin, nicht zur Verantwortung ziehen lässt? Die Aufgabe definieren, die Eignung beurteilen, das Ergebnis am Ende prüfen: Diese Handgriffe beherrschen Sie bereits, aus Jahren der Führung von Menschen.
Was in Ihrer Hand bleibt, sind also dieselben Teile wie immer. Sie entscheiden, was „fertig“ bedeutet. Sie nehmen das Ergebnis ab oder schicken es zurück. Sie behalten die Entscheidungen, in denen echtes Urteilsvermögen oder echte Haftung steckt. Zur Disposition steht nur eines: wohin die Ausführung wandert.
Was „einen Agenten einsetzen“ heute wirklich heißt
Erinnern Sie sich, wie „KI nutzen“ vor einem Jahr aussah: Man tippte eine Frage in ein Feld und las, was zurückkam. Die leistungsfähige Variante läuft heute anders. Sie geben dem Agenten ein Ziel, und er arbeitet in einer Schleife: Er führt einen Schritt aus, sieht sich an, was dieser Schritt bewirkt hat, korrigiert den Kurs und macht weiter, bis die Aufgabe erledigt ist oder er an etwas hängen bleibt, das er nicht überwinden kann. Ihre Rolle verschiebt sich: weg vom Diktieren einzelner Schritte, hin zum Benennen des Ziels und zur Entscheidung, ob das, was ankommt, gut genug ist.
In echten Unternehmen trägt das bereits Last. Der Zahlungsdienstleister Block betreibt intern ein Werkzeug namens Builderbot, das Mitarbeitende direkt aus Slack heraus rufen: Man markiert es an einem Vorgang, es untersucht das Problem, entwirft einen Plan, setzt die Änderung um und legt das Ergebnis einem Menschen zur Prüfung vor. Nach Blocks eigener Darstellung landet das System inzwischen rund 1.500 solcher Änderungen pro Woche, in der Größenordnung von 15 Prozent aller Änderungen am Produktivcode des Unternehmens. Block sagt zugleich deutlich, dass das System nicht von der Leine ist: Menschen greifen dort ein, „wo Menschen den größten Mehrwert stiften“, so das Unternehmen. Die Schleife übernimmt die mittlere Strecke; Menschen starten sie und zeichnen das Ergebnis ab. (Es sind die Zahlen einer einzelnen Firma, aus laufendem Betrieb, kein geprüfter Benchmark. Lesen Sie sie als Selbstauskunft.)
Die Extremform ist lehrreich. In einem viel geteilten Interviewausschnitt wird Boris Cherny, Erfinder und Kopf von Claude Code, mit dem Satz zitiert: „Ich habe einen Claude, der andere Claudes anweist – ich rede gar nicht mehr direkt mit Claude.“ Er gibt dem Modell selbst keine Anweisungen mehr; er setzt das Ziel und lässt eine Kette von Agenten das Hin und Her untereinander austragen. Beachten Sie, was selbst an diesem äußersten Ende unverändert bleibt: Was das Ziel ist, entscheidet ein Mensch.
Ob es funktioniert, entscheidet nicht das Modell
Aus alledem fallen zwei Lehren, und beide zeigen vom Marketing weg.
Die erste: Was nützliche Delegation von teurem Rauschen trennt, ist fast nie das Modell, sondern das, was um das Modell herum gebaut ist: die Arbeitsumgebung, die Praktiker den „Harness“ nennen. Ein guter Harness lässt einen Agenten seine Arbeit tun und sie an etwas Realem überprüfen. Und er erlaubt, den Agenten anzuhalten, zu beobachten und nachzuvollziehen, was er getan hat, wenn es darauf ankommt. Geben Sie dem Agenten eine Möglichkeit, sich selbst zu kontrollieren, bevor er Vollzug meldet (den Test laufen lassen, die Seite öffnen, die Zahl gegenrechnen), und was zurückkommt, ist Vertrauen wert. Nehmen Sie diese Kontrolle weg, und Sie bekommen, in den Worten eines Entwicklers, „garbage at scale“: Ausschuss, nur in Serie.
Als Führungslektion ist das vertrautes Terrain. Jemandem Arbeit zu übergeben und das Ergebnis nie anzusehen, war noch nie Vertrauen; es war Vernachlässigung, und bei einem Menschen hätten Sie es auch so genannt. Delegation ohne die Möglichkeit, das Ergebnis zu prüfen, ist Abdankung. Wenn es also heißt, man solle seine Agenten nicht auf Schritt und Tritt beaufsichtigen, ist damit nicht gemeint, dass Sie aufhören zu prüfen. Gemeint ist: Bauen Sie die Prüfung in die Arbeit selbst ein, damit Sie am Ende ein Ergebnis abnehmen, statt einen Strom von Tastenanschlägen zu überwachen.
Die beste Besetzung ist nicht Ihr technischster Kopf
Die zweite Lehre rückt zurecht, für wen diese Technologie eigentlich da ist. Den größten Nutzen aus Agenten ziehen selten die stärksten Programmierer. Es sind die Menschen, die das zugrunde liegende Problem am besten verstehen.
In Anthropics Auswertung von Claude-Code-Daten (rund 400.000 Sitzungen von etwa 235.000 Personen) sagte nicht der technische Hintergrund den Erfolg voraus, sondern die Beherrschung des Fachgebiets. Über die zehn größten Berufsgruppen in diesen Daten lagen die Erfolgsquoten innerhalb von etwa sieben Prozentpunkten um die professioneller Softwareentwickler; Führungsrollen schnitten sogar knapp besser ab als diese. Halten Sie diesen letzten Vergleich locker in der Hand: Er stammt aus Sitzungen, in denen Code entstand, die Berufe wurden abgeleitet, und den Erfolg bewertete ein Klassifikator. Dass „Manager Entwickler schlagen“, kann also teils daran liegen, wie gemessen wurde, nicht an einer sauberen Rangfolge des Könnens.
Das Beispiel, das Anthropic anführt, ist das, das hängen bleibt. Eine Buchhalterin, die nie eine Zeile Code geschrieben hat, aber genau weiß, welche Abstimmungsregeln ein Skript einhalten muss, und die die eine falsch umgesetzte Regel beim Monatsabschluss sofort bemerkt, ist in diesem Austausch die Expertin. Nicht die Passagierin. Wer das Problem fest im Griff hat, holt den größten Teil des Werts; die Beherrschung des Werkzeugs ist optional.
Legt man beide Lehren übereinander, verschiebt sich der Engpass in Ihrer Organisation. Die Frage lautet nicht mehr „Wer bei uns kann programmieren?“, sondern „Wer bei uns kann Arbeit präzise beschreiben und erkennen, ob sie richtig zurückkommt?“ Diese Leute haben Sie längst. Sie sitzen im Finanzbereich, im operativen Geschäft, in der Rechtsabteilung, in der Analyse: die Fachleute, denen bislang niemand die Schlüssel in die Hand gedrückt hat.
Ein ehrliches Experiment in diesem Quartal
Nichts davon braucht ein Strategiepapier. Es braucht ein ehrliches Experiment vor Quartalsende. Wählen Sie eine Aufgabe, die wirklich echt ist, aber verkraftbar, wenn sie schiefgeht: etwa ein Bericht, den Sie jeden Monat erstellen, der erste Entwurf eines Dokuments oder ein unordentlicher Datensatz, der bereinigt werden muss. Etwas, das wichtig genug ist, um den Aufwand zu rechtfertigen, und ungefährlich genug, um einmal danebenzugehen. Und dann behandeln Sie es als Delegation, nicht als Spielerei:
- Schreiben Sie das Ziel auf, und wie ein gutes Ergebnis aussieht, bevor Sie ein Werkzeug anfassen. Wenn Sie einer fähigen Vertretung nicht erklären können, was Erfolg bedeutet, wird kein Agent diese Lücke für Sie schließen. Diese Klärung ist die eigentliche Arbeit, und sie bleibt Ihre.
- Ziehen Sie die Grenzen. Benennen Sie, was der Agent allein tun darf, was er zuerst mit Ihnen klären muss und wo er nie hinfasst: die Ermessensfragen, die Haftung, das letzte Wort. Das liegt bei einem Menschen, mit Absicht.
- Bauen Sie die Kontrolle von Anfang an ein. „Ist fertig“ reicht nicht. Lassen Sie den Agenten seine Arbeit zeigen: das Ergebnis offenlegen, jede Behauptung ohne Quelle markieren, die Zahlen abstimmen. Sie zeichnen das Ergebnis ab, nicht die Mühe.
- Geben Sie die Aufgabe an die Person, die das Problem kennt, nicht an die, die die Tools kennt. Die Qualifikation ist hier die Sachkenntnis; ein Programmierhintergrund ist es nicht.
Führen Sie das einmal sauber durch, und Sie gewinnen etwas Besseres als eine Meinung zu KI-Agenten im Abstrakten: ein aus erster Hand erarbeitetes Gespür dafür, wo die Linie zwischen Abgeben und Behalten derzeit verläuft. Zu wissen, wo diese Linie hingehört, ist die Kompetenz.
Die Einordnung: vier Kompetenzen im Umgang mit KI
Delegation ist die erste von vieren. Dieser Text eröffnet den Delegation-Track einer regelmäßigen evonomics-Kolumne über den souveränen Umgang mit KI in der Führungsrolle. Die Serie dreht sich um vier Kompetenzen, von denen jede eine der Fragen beantwortet, die Sie sich bei jeder KI-Arbeit ohnehin stellen:
- Delegation – was Sie abgeben und was Sie behalten (dieser Text).
- Description – wie Sie die Arbeit so briefen, dass sie beim ersten Mal richtig zurückkommt.
- Discernment – wie Sie beurteilen, was der Agent Ihnen liefert.
- Diligence – wie Sie die Kompetenz scharf halten und den Prozess im Griff behalten, damit aus Souveränität keine Abhängigkeit wird.
(Das Gerüst der vier Kompetenzen – das 4D AI Fluency Framework – stammt von Rick Dakan (Ringling College) und Joseph Feller (University College Cork), entwickelt in Zusammenarbeit mit Anthropic. Wir nutzen es hier als Denkwerkzeug, nicht als Produktempfehlung.)
Der ganze Rahmen steht an einem Ort: Der Serien-Hub, Die vier Fragen, die jede Führungskraft zu KI wirklich stellt, geht alle vier Fragen in einem Durchgang durch. Lesen Sie ihn für das Gesamtbild, und gehen Sie dann Track für Track in die Tiefe.
Der nächste Beitrag nimmt sich die zweite Kompetenz vor: Description. Wenn entschieden ist, was Sie delegieren: Wie beschreiben Sie es dann so klar, dass die Arbeit beim ersten Mal richtig zurückkommt? Der Prompt ist in Wahrheit ein Briefing. Und gut zu briefen ist der größte Teil der Aufgabe.
Fragen? Oder Lust, durchzusprechen, wo die Linie für Ihr eigenes Team verläuft? Genau dieses Gespräch ist unsere Arbeit. Beginnen Sie es auf evonomics.eu.
Das AI Leadership Journal schreibt Claudius Gramse. evonomics ist die unabhängige KI-Beratung, die mittelständischen europäischen Unternehmen hilft, KI in den Prozessen zu verankern, die ihr Geschäft tatsächlich tragen – evonomics.eu.
Quellen: Anthropic — “Agentic coding and persistent returns to expertise” (June 2026) · Block — “Block rolls out Builderbot” (June 2026) · Boris Cherny interview clip — “a Claude that prompts other Claudes”
