Menschen, Agenten, Daten, Systeme Autonomous Workforce: Wenn KI zum Teil des Teams wird

Anbieter zum Thema

ServiceNow

Hyland Software Germany GmbH

Mendix GmbH

Flexera Software GmbH

KI-Agenten entfalten ihr Potenzial, wenn Unternehmen Prozesse, Daten und Verantwortlichkeiten so organisieren, dass Menschen und KI über Abteilungs- und Systemgrenzen hinweg zusammenarbeiten können. Der Weg zur Autonomous Workforce ist deshalb weniger eine Frage neuer Tools als eine Frage des Organisationsdesigns.

Deutsche Unternehmen investieren massiv in künstliche Intelligenz (KI), doch von einer autonomen Arbeitsweise sind die meisten trotzdem weit entfernt. Der Enterprise AI Maturity Index von ServiceNow und ThoughtLab zeigt: Innerhalb eines Jahres sind die KI-Ausgaben hierzulande um 118 Prozent gestiegen, 58 Prozent der Unternehmen setzen bereits agentische KI ein.

Doch Investitionen und der KI-Einsatz allein verändern noch nicht die Art, wie Unternehmen arbeiten. Ein häufiges Szenario: KI-Agenten unterstützen den Mitarbeitenden bei einzelnen Aufgaben, während die zugrunde liegenden Prozesse und Strukturen weitgehend unverändert bleiben. Eine Autonomous Workforce geht einen Schritt weiter. So tauschen spezialisierte KI-Agenten Informationen aus, stimmen ihre Aufgaben aufeinander ab und bearbeiten gemeinsam mit Mitarbeitenden vollständige Prozesse. Der Mensch bleibt dabei fester Bestandteil und übernimmt dort, wo Erfahrung, Empathie oder verantwortungsvolle Entscheidungen gefragt sind.

Damit dieses Zusammenspiel funktioniert, reicht es nicht, KI auf bestehende Strukturen aufzusetzen. Fragmentierte Daten und Systeme, fehlende End-to-End-Prozesse sowie unklare Verantwortlichkeiten und Governance verhindern, dass aus einzelnen KI-Anwendungen autonome Abläufe werden. Der entscheidende Schritt besteht deshalb nicht darin, immer mehr Technologie einzusetzen, sondern darin, Arbeit und Prozesse neu zu organisieren.

Vier unverzichtbare Schritte zu einer Autonomous Workforce im großen Maßstab

1. Nicht beim Agenten anfangen, sondern beim End-to-End-Prozess

Ein KI-Agent kann nur so gut handeln wie der Prozess, in dem er arbeitet. Deshalb sollten Unternehmen nicht zuerst fragen: „Wo können wir einen Agenten einsetzen?“, sondern: „Welches Ergebnis soll dieser Prozess zuverlässig liefern?“ Dafür muss der gesamte Ablauf vom Eingang bis zum Ergebnis betrachtet werden. Gerade die Datenbasis entscheidet darüber, ob Autonomie skaliert werden kann. Wenn laut Enterprise AI Maturity Index 72 Prozent der befragten Führungskräfte in Deutschland Probleme bei Datenqualität, -zugriff oder -management nennen, zeigt dies, dass ein Agent unter solchen Bedingungen nur eine isolierte Aufgabe erledigen kann.
Einen Prozess über mehrere Systeme und Abteilungen hinweg zuverlässig zu steuern, ist wesentlich schwieriger. Bevor Unternehmen also mehr Agenten einsetzen, müssen sie Daten und Systeme so verbinden, dass durchgängige Abläufe überhaupt möglich werden. Wie das in der Praxis aussehen kann, zeigt Rossmann: Der Drogeriehändler hat zuvor getrennte IT-, HR- und Filialprozesse auf der zentralen Plattform von ServiceNow zusammengeführt und setzt inzwischen sechs KI-Agenten produktiv ein. Bei bestimmten Supportfällen analysieren und priorisieren die Agenten Anfragen selbstständig; Prozesse, die zuvor bis zu neun Minuten dauerten, werden heute in weniger als fünf Sekunden bearbeitet. Entscheidend ist dabei nicht der einzelne Agent, sondern die gemeinsame Prozess- und Datenbasis, auf der er arbeiten kann.

2. End-to-End-Verantwortung statt Abteilungslogik etablieren

Autonome Prozesse passen schlecht in Organisationen, in denen jede Abteilung ausschließlich ihren eigenen Prozessabschnitt optimiert. HR, Finance, IT und Co.: Wenn ein Vorgang mehrere Bereiche durchläuft, braucht es eine eindeutige Verantwortung für das Gesamtergebnis. Prozessverantwortliche müssen deshalb stärker über Abteilungsgrenzen hinweg zusammenarbeiten. Gemeinsam mit IT, Datenschutz und Risikomanagement sollten sie Datenzugriffe, Schnittstellen, Regeln und Eskalationswege definieren. Entscheidend ist, dass jemand nicht nur für einen einzelnen Arbeitsschritt verantwortlich ist, sondern für den gesamten Ablauf von der Anfrage bis zur Lösung.
Auch die Aufgaben der Mitarbeitenden verändern sich dadurch. Statt standardisierte Fälle immer wieder manuell zu bearbeiten, steuern und verbessern sie zunehmend das Zusammenspiel von Menschen und Agenten. Sie überprüfen Ergebnisse, bearbeiten Ausnahmen und entscheiden, wo ein Prozess angepasst werden muss

AI Control Tower

ServiceNow holt KI-Agenten aus der Blackbox

3. Governance als erfolgsentscheidende Voraussetzung für Autonomie behandeln

Je eigenständiger KI-Agenten handeln, desto wichtiger wird die Kontrolle darüber, was sie tun dürfen. Jeder Agent braucht eine eindeutige Identität, rollenbasierte Zugriffsrechte und definierte Eskalationswege. Unternehmen müssen nachvollziehen können, auf welcher Grundlage Entscheidungen zustande kommen und wer für einen Prozess verantwortlich ist.

Wie viel Autonomie sinnvoll ist, hängt dabei vom Risiko des jeweiligen Vorgangs ab. Insbesondere bei sensiblen Daten oder Entscheidungen, die sich nur schwer rückgängig machen lassen, muss weiterhin eine menschliche Freigabe erforderlich sein. Ebenso muss eindeutig geregelt sein, wer einen autonomen Ablauf stoppen oder korrigieren kann.
Governance ist damit die Skalierungsvoraussetzung für eine Autonomous Workforce. Erst wenn Unternehmen Ergebnisse überprüfen, Entscheidungen dokumentieren und Abweichungen frühzeitig erkennen können, lassen sich autonome Workflows verantwortungsvoll auf weitere Bereiche ausweiten.

4. Nicht eingesparte Stunden, sondern bessere Prozesse messen

Der Erfolg von KI wird noch zu häufig daran gemessen, wie viele Minuten oder Arbeitsstunden eine einzelne Anwendung einspart. Das greift zu kurz. Langfristiger Geschäftswert entsteht erst dann, wenn sich die Leistungsfähigkeit eines gesamten Prozesses verbessert. Aussagekräftiger sind deshalb Kennzahlen wie Lösungszeit, Anzahl der Übergaben, Erstlösungsquote, Fehlerkosten oder Servicequalität. Sie zeigen, ob ein autonomer Workflow tatsächlich zuverlässiger und effizienter arbeitet – und nicht nur, ob eine einzelne Aufgabe schneller erledigt wurde.
Der entscheidende Perspektivwechsel lautet daher nicht „Wie produktiv ist der einzelne Mitarbeitende mit KI?“, sondern „Wie leistungsfähig ist der gesamte Prozess durch das Zusammenspiel von Menschen und KI?“ Erst dann entwickelt sich die Technologie vom persönlichen Hilfsmittel zum Hebel für die Organisation.

Vom Potenzial zur Praxis

KI im Mittelstand: Zeit für einen Perspektivenwechsel

Die KI-Gewinner werden ihre Prozesse nicht nur automatisieren

Der wirtschaftliche Durchbruch von KI wird nicht dadurch entstehen, dass Unternehmen immer mehr Agenten auf bestehende Abläufe setzen. Vielmehr kommt es darauf an, diese Abläufe im Zuge einer KI-Transformation grundsätzlich zu hinterfragen. Unternehmen, die eine Autonomous Workforce aufbauen wollen, müssen Menschen, Agenten, Daten und Systeme als eine zusammenhängende operative Ebene betrachten. Dafür müssen sie Daten vernetzen, Prozesse integrieren und transparent machen, wo KI eingesetzt wird und welche Ergebnisse sie erzielt. Gleichzeitig müssen sie in neue Fähigkeiten und klare Verantwortlichkeiten investieren.

Die Anzahl der eingesetzten KI-Agenten ist dabei weniger entscheidend, als die Frage, wie konsequent Unternehmen bereit sind, ihre Organisation für eine Arbeitswelt neu zu gestalten, in der Menschen und digitale Akteure gemeinsam Ergebnisse liefern. Die Gewinner der KI-Ära werden nicht diejenigen sein, die ihre bestehende Komplexität am besten mit KI verwalten. Es werden diejenigen sein, die KI nutzen, um diese Komplexität zu beseitigen.

(ID:50998940)