Was passiert, wenn man KI nicht nur fragt, sondern arbeiten lässt?

Diese Frage stand am Anfang meines Experiments – und wurde zugleich zum Praxistest für die Zukunft des Arbeitens. KI-Agenten versprechen mehr als reine Textvorschläge oder Chat-Antworten. Sie sollen Ziele verstehen, Aufgaben strukturieren, Informationen beschaffen, Entscheidungen vorbereiten – und in mehreren Schritten selbstständig arbeiten. Klingt beeindruckend. Aber funktioniert das wirklich im Alltag?

Von „Antworten“ zu „Arbeiten“

Bei AboutMedia setzen wir KI seit Längerem als Hilfsmittel in der täglichen Praxis ein – für Recherche, erste Entwürfe, Verwaltung und Variantenentwicklung. Das nächste logische Experiment war daher: Kann ein KI-Agent auch komplexere Denk- und Arbeitsprozesse übernehmen, bei denen Struktur, Abwägung und Iteration gefragt sind? Iteration in folgendem Sinne: Lern‑ und Verbesserungsprozesse, bei denen jede Runde neue Erkenntnisse liefert, die in die nächste Runde einfließen.

Statt eines theoretischen Testlaufs wählte ich bei ChatGPT und Perplexity ein sehr persönliches, aber anspruchsvolles Beispiel: meine Karriere- und Entwicklungsplanung für die nächsten fünf Jahre. Damit wollte ich herausfinden, ob ein Agent in der Lage ist, ein offenes Thema zu durchdenken, zu strukturieren und zu verfeinern – ähnlich wie es strategische Fragestellungen in Unternehmen erfordern.

Ganz nebenbei: Die erste Aufgabe „Planung des Verkaufes einer Immobilie“ wurde mir von KI-Systemen eher als zu eng gefasst und wenig geeignet für ein Agenten-Szenario rückgemeldet – jedenfalls im Vergleich zu einer langfristigen Karriereplanung.

Der Testaufbau

Das Ziel für den Agenten lautete klar:

„Entwickle meine realistische Karriere‑ und Entwicklungsplanung für die nächsten fünf Jahre – unter Berücksichtigung von Markt, persönlicher Präferenz und Situation.“ Die bereitgestellten Informationen hielt ich dabei noch sehr knapp und bewusst unvollständig. Ich wollte wissen, welche weiterführenden Fragen ich nun gestellt bekomme.

Der Agent arbeitete daraufhin Schritt für Schritt:

• Klärung der Zielrahmen und Annahmen
• Strukturierung in kurz‑, mittel‑ und langfristige Phasen
• Entwicklung mehrerer Szenarien mit jeweiligen Chancen und Risiken
• kritische Rückfragen zur Präzisierung der Ziele
• Anpassung der Planung auf Basis meines Feedbacks

Das Entscheidende dabei: Der Kontext blieb durchgehend erhalten. Statt einzelner Antworten entstand ein zusammenhängender Arbeitsprozess – ein echtes Gespräch mit Richtung – ohne dass Fakten verlorengingen oder nicht mehr mitgedacht wurden. Und mehr: Da ich nicht den Eindruck hatte, mit einem Menschen zu kommunizieren, tat ich mir leichter, Unzulänglichkeiten – seien es fachliche, seelische oder charakterliche – klar zu benennen und „auch vor mir selbst zuzugeben“.

Was besonders gut funktionierte

1. Struktur statt Fragmentierung.

Der Agent dachte in nachvollziehbaren Schritten und verband Inhalte logisch miteinander. Das machte den Prozess effizient und transparent. Sonst ist das Arbeiten mit klassischen KI-Chats oft eine Blackbox, bei der man sich denkt: „Wie kommt er denn jetzt auf diesen Schwachsinn?!“ Hier hatte ich deutlich mehr Kontrolle über die Denkprozesse.

2. Reflexion.

Die Rückfragen waren präzise, teilweise überraschend weit gedacht – ein echter Sparringspartner-Effekt.

3. Szenarien statt simpler Empfehlungen.

Statt nur eine Lösung zu präsentieren, entwickelte der Agent verschiedene Wege, inklusive Vor‑ und Nachteilen.

4. Geschwindigkeit.

Was sonst mehrere Workshops oder Feedbackschleifen braucht, war in wenigen Stunden – verteilt über mehrere Wochen – belastbar vorstrukturiert.

5. Keine Bewertung von Sinn, Motivation und Lebensziel.

Der Agent bewertete meine Motivation oder mein Lebensziel nicht. Eine menschliche Gesprächspartnerin oder ein menschlicher Gesprächspartner hätte hier zwangsläufig mehr subjektive „Weltanschauung“ eingebracht – in diesem Fall für mich aber nicht relevant. Die Verantwortung für mein Handeln muss ja auch ich selbst tragen.

Und wo lagen die Grenzen?

Die Feinheiten der Wiener „Szene“ dürften dem Agenten nicht so vertraut sein. Da musste ich mehrmals Erklärungen abgeben, quasi als „Weltenerklärer“ für die KI. 😉

Der hybride Ansatz: Mensch entscheidet, Agent strukturiert

Ein autonomer Agent handelt weitgehend selbstständig innerhalb eines vorher definierten Rahmens. Ein agentenbasierter Arbeitsprozess hingegen nutzt die KI als strukturierenden Partner, der denkt, fragt und simuliert – während der Mensch entscheidet.

Im Karriereexperiment bedeutete das:

• Der Agent bereitete mehrere Entwicklungsphasen und Alternativen vor.
• Er zeigte Abhängigkeiten und Risiken transparent auf.
• Er half, Prioritäten zu klären – ohne sie selbst zu werten.
  
  
• Was er nicht übernahm: die persönliche Gewichtung von Sicherheit vs. Freiheit, Tempo oder Projektumfang. Diese Entscheidungen blieben dort, wo sie hingehören – bei mir.

Gerade in Übergangsphasen wird dieser Mehrwert spürbar: In strategischen und persönlichen Entscheidungen unterstützen Agenten das Denken, sie steuern es nicht.

Was das für Unternehmen bedeutet

Der reale Hebel von KI-Agenten liegt in der Verschiebung von Arbeitsschwerpunkten – weg vom Suchen und Sortieren, hin zu Bewerten, Entscheiden und Steuern.

Das erfordert drei Dinge:

• klar formulierte Prozesse, damit der Agent weiß, worauf er hinarbeitet. Gut konfigurierte Agenten stellen erfahrungsgemäß klärende Rückfragen, die helfen, Ziele und Rahmenbedingungen zu präzisieren.
• saubere Zieldefinitionen, damit Ergebnisse relevant bleiben.
• Zeitressource für User*innen, um zu interpretieren und verantworten, was die KI liefert.

Richtig eingesetzt, wird der Agent so zum Denk-Beschleuniger – nicht zum Ersatz.

Fazit

Mein Test zeigt:

• Für klar strukturierte, operative Prozesse eignen sich stärker automatisierte, „autonome“ Agenten besonders gut – immer mit menschlicher Aufsicht und klaren Grenzen.
• Für strategische, persönliche oder kreative Entscheidungen ist der hybride Ansatz weit besser geeignet.

Der größte Mehrwert entsteht dort, wo KI Denkarbeit vorbereitet – nicht ersetzt.

Klar ist: Noch viel mehr ist möglich. Etwa Agenten, die weitere Agenten erstellen – für hochkomplexe, wiederkehrende Aufgaben in Unternehmen. Dann kann ein Agenten‑Team regelmäßig die gleichen Aufgaben nach den gleichen definierten Prozessen übernehmen. Ich bleibe dran! 🙂

Probieren Sie’s aus – und viel Spaß beim eigenen Experimentieren mit KI-Agenten!

© Bildelement: Amazon MGM, Danjaq LLC & EON