# KI-Agenten für Unternehmen 2026: Welche Aufgaben kannst du wirklich abgeben? > Drei Aufgabenbereiche: Was ein KI-Agent für Unternehmen eigenständig erledigt, was er unter Aufsicht tun kann und woran er regelmäßig scheitert. Zahlen von Anthropic und ein einwöchiger Test. Source: https://ailoot.ai/blog/de/business-tasks-for-ai-agents/ Canonical: https://ailoot.ai/blog/de/business-tasks-for-ai-agents/ Language: de Publisher: Ailoot (https://ailoot.ai/) Translation: guide-155 Revision: sha256-42a2eb82031ec7a7f4aa695101468d11511023def0511385def641662367994b
Das Wichtigste Die Komplexität der Aufgabe hat damit fast nichts zu tun. Entscheidend sind die Kosten eines Fehlers und wie schnell du ihn bemerkst. Ein KI-Agent für Unternehmen kann günstige Aufgaben erledigen, bei denen Fehler sofort und vollständig sichtbar sind. Teure Aufgaben – oder Aufgaben, bei denen ein Ausrutscher erst eine Woche später auffällt – übernimmt er nur bis zu deinem abschließenden Klick. Im Folgenden findest du drei Bereiche, fünf Merkmale für eine gute erste Aufgabe und einen Testplan für eine Woche.
Ailoot-Referenzdokumentation: [ailoot.ai/docs/](https://ailoot.ai/docs/). ## Wie unterscheidet sich ein KI-Agent für Unternehmen von einem Chatbot?
Das Wichtigste Ein Chatbot antwortet und wartet dann bis zur nächsten Nachricht. Ein KI-Agent erhält ein Ziel und bewegt sich anschließend selbstständig durch Systeme: Er öffnet Dateien, ruft externe Dienste auf, schreibt in eine Datenbank und versendet Nachrichten. Zwischen deiner Anweisung und dem Ergebnis liegen zwanzig Entscheidungen, die er ohne dich getroffen hat. Das ist zugleich der Nutzen und das Risiko.
Der Unterschied wird deutlich, wenn du dir einen Kaffee holst. Ein Chatbot wartet. Ein KI-Agent kann in dieser Zeit eine Menge erledigen – auch Dinge, um die du ihn nie gebeten hast. Heute wird der Begriff KI-Agent auf allerlei Dinge angewendet. Deshalb unterscheide ich drei Stufen. | Stufe | Was sie tut | Wer entscheidet, wann Schluss ist | Beispiel | |----|----|----|----| | Berater | Beantwortet eine Frage, schreibt Texte, erklärt | Du | Ein gewöhnlicher Chat mit einem Modell | | Ausführer | Nimmt eine Aufgabe an und erledigt sie in einem Durchgang | Das Modell, innerhalb des Aufgabenbereichs | „Analysiere diesen Export und erstelle eine Zusammenfassung“ | | Funktion | Läuft nach einem Zeitplan, arbeitet ohne dich und sendet einen Bericht | Die Anweisungen, die du im Voraus geschrieben hast | Jeden Morgen um neun sammelt sie die Anfragen des Vortags und sendet eine Analyse | Alles läuft auf diese dritte Stufe hinaus. Beschreibe die Arbeit einmal, lege einen Zeitplan fest, und dann wird sie ohne dich erledigt. Den Ausführer startest du von Hand und siehst das Ergebnis sofort. Eine Funktion arbeitet, während du weg bist, und du bemerkst einen Fehler erst am nächsten Tag, nachdem er sich bereits wiederholt hat. Als Nächstes sehen wir uns an, welche Arbeit du sicher auf diese dritte Stufe verlagern kannst. ## Warum sind „schlüsselfertige KI-Agenten“ in Suchergebnissen oft enttäuschend?
Das Wichtigste Wer nach „KI-Agenten für Unternehmen“ sucht, findet auf der ersten Seite vor allem Studios, die „schlüsselfertige“ Lösungen und Angebote zum „Jetzt kaufen“ versprechen. Meist verkaufen sie einen Chatbot auf der Plattform des Anbieters, der mit deinen Dokumenten bestückt ist. So ein Bot beantwortet Kundenfragen und vereinbart Termine. Er liest nicht deine E-Mails, öffnet keine Tabellen und erledigt keine Arbeit, die ihn nacheinander durch fünf Systeme führt.
Ich habe nichts gegen diesen Markt. Ein Bot auf einer Website ist völlig in Ordnung, wenn genau das die Aufgabe ist. Das Problem beginnt, wenn jemand sagt: „Ich will einen KI-Mitarbeiter“, ein Website-Widget bekommt und einen Monat später zu dem Schluss kommt, die ganze Sache mit Agenten sei eine Erfindung von Marketingleuten. Drei Dinge kann dir eine solche Einrichtung niemals bieten. 1. **Deine Systeme.** Ein Agent auf der Plattform eines anderen sieht nur, was diese Plattform anzubinden geschafft hat. Deinen Lagerexport, den Vertragsordner und deine Korrespondenz mit einem Auftragnehmer findest du dort nicht. 2. **Deine Denkweise.** Der Bot antwortet nach Szenarien, die jemand anderes entworfen hat. Ein KI-Klon funktioniert umgekehrt: Er bildet deine Entscheidungslogik nach, weil du diese Logik selbst in das Projekt eingebracht hast. 3. **Die Möglichkeit, Änderungen vorzunehmen.** Möchtest du einen Schritt ergänzen? Dann kontaktierst du den Support und wartest. Was du selbst gebaut hast, kannst du an einem Abend ändern. Wenn du es selbst baust, zahlst du einen anderen Preis: Zeit für die Ersteinrichtung und Aufmerksamkeit für die Kontrolle der Arbeit. Diese Aufmerksamkeit zahlt sich aus, wenn ein Fehler eine Minute kostet, ihn zu beheben; sie lohnt sich nicht, wenn dich der Fehler mehrere Tage kostet. ## Welche Geschäftsaufgaben kann ein KI-Agent heute eigenständig erledigen?
Das Wichtigste Gib Aufgaben eigenständig ab, wenn Fehler rückgängig zu machen, in einer Minute zu beheben und sofort sichtbar sind. Entwürfe, die Bearbeitung eingehender Nachrichten, Zusammenfassungen aus bereits vorhandenen Daten, das Kennzeichnen und Sortieren sowie eine erste Durchsicht großer Textmengen. Wenn der Agent hier etwas falsch macht, bemerkst du es auf einen Blick und korrigierst es mit einer Anweisung.
Der Test ist einfach. Stelle dir zur Aufgabe drei Fragen: Kann ich es rückgängig machen? Sehe ich einen Fehler noch heute? Kann ich es in einer Minute wiederholen? Dreimal Ja – gib die Aufgabe eigenständig ab. In diesen Bereich fällt Folgendes. 1. **Ein Entwurf jeder Art von Text.** Eine Dienstleistungsbeschreibung, eine Antwort auf eine häufige Frage, eine E-Mail an einen Auftragnehmer, der Entwurf eines Beitrags. Einen schlechten Entwurf erkennst du schon in der ersten Zeile. 2. **Eingehende Nachrichten bearbeiten.** Anfragen, Bewertungen, E-Mails, Chatnachrichten. Der Agent sortiert sie nach Thema, findet wiederkehrende Beschwerden und fasst sie zusammen. 3. **Einen Bericht aus deinen eigenen Daten erstellen.** Ein Tabellenexport, Zahlungen, Terminaufzeichnungen. Der Agent führt die Berechnungen aus und formatiert alles; du prüfst das Ergebnis. 4. **Eine erste Durchsicht großer Mengen.** Zweihundert Bewertungen, vierzig Vertragsseiten, ein Jahr Korrespondenz. Ein Mensch würde für diese Menge einen halben Tag brauchen; der Agent kommt in Minuten durch, und du prüfst seine Arbeit anhand einer Stichprobe. 5. **Mechanische Änderungen in einem Projekt.** Elemente umbenennen, alles vereinheitlichen, Dateien sortieren oder dieselbe Änderung auf einmal in zwanzig Dateien vornehmen. Das deckt sich mit den Messwerten. In einer Studie zur Zuverlässigkeit von Agenten bei langfristigen Aufgaben, bei der zehn Modelle 23.392 Durchläufe absolvierten, verhielten sich verschiedene Arten von Arbeit unterschiedlich: Die Dokumentenverarbeitung blieb bei zunehmender Aufgabenlänge nahezu stabil und sank von 0,74 auf 0,71. Die Bearbeitung eingehender Nachrichten und das Erstellen von Zusammenfassungen gehören genau zu dieser Art von Arbeit – deshalb eignen sie sich besonders gut für die erste Übergabe. Eine Saloninhaberin kann einem Agenten die Bewertungen eines Quartals geben und eine Liste wiederkehrender Beschwerden erhalten. Vorher hatte sie nur das vage Gefühl, dass „alles in Ordnung zu sein scheint“. Ein Fehler in einer solchen Zusammenfassung fällt auf einen Blick auf. Möchtest du über deine erste Aufgabe hinausgehen und einen Ablauf einrichten, bei dem der Agent die Arbeit deinen Kategorien zuordnet? Eine einzelne Aufgabe ist nur ein Baustein. Es lohnt sich, den ganzen Ablauf zu durchdenken: **KI-Klon + Second Brain + Context Engineering**. So wird aus einem halluzinierenden Assistenten ein berechenbarer Ausführer. ## Welche Aufgaben kann er nur unter Aufsicht erledigen?
Das Wichtigste Der zweite Bereich umfasst Arbeit, die du rückgängig machen kannst, bei der ein Fehler aber mehrere Tage oder eine Kundenbeziehung kostet. Alles, was an echte Menschen geht, alles, was ein funktionierendes System verändert, und alles, was mit Geld zu tun hat. Der Agent erledigt diese Arbeit gut, überlässt dir aber den letzten Schritt: Er bereitet sie vor; du klickst.
Ich habe das in eine Tabelle gepackt und musste die Frage seitdem nicht mehr neu durchdenken. | Bereich | Merkmal | Beispiele | Wer klickt auf die letzte Schaltfläche? | |----|----|----|----| | Eigenständig abgeben | Rückgängig zu machen, in einer Minute zu beheben, sofort sichtbar | Entwürfe, eingehende Nachrichten bearbeiten, Zusammenfassungen, erste Durchsicht großer Mengen | Agent | | Unter Aufsicht | Rückgängig zu machen, aber die Behebung dauert Tage | E-Mails an Kunden, Veröffentlichungen, Änderungen an einem funktionierenden System, Arbeit mit Rechnungen | Du | | Nicht abgeben | Nicht rückgängig zu machen oder du bist verantwortlich | Daten löschen, Zahlungen, Verpflichtungen, Entscheidungen über Menschen | Nur du | Die Aufsicht ist einmalig einfach einzurichten. Der KI-Agent legt das Ergebnis als Entwurf ab; du sendest es. Bevor er etwas ändert, sagt er dir, was er ändern wird. Vor jedem Schritt, der Geld kostet, hält er an und fragt nach. In Claude Code legst du das in den Zugriffsberechtigungen fest: Liste auf, was der Agent still erledigen darf und was nur mit deiner Erlaubnis. Mehr dazu im Leitfaden [Wie du verhinderst, dass ein Agent dein Projekt beschädigt](https://ailoot.ai/blog/de/claude-code-safe-overnight-setup/). Für ein Projekt richtest du es einmal ein; danach funktioniert es ohne Erinnerungen. Eine wiederkehrende Funktion fällt automatisch in den zweiten Bereich, selbst wenn sie für sich genommen harmlos wirkt. Denn einen Fehler aus einem nächtlichen Lauf siehst du erst am Morgen – und bis dahin kann er sich bereits mehrmals wiederholt haben. ## Woran scheitert ein KI-Agent regelmäßig, und warum lässt sich das nicht mit einem Prompt beheben?
Das Wichtigste Es gibt eine Klasse von Aufgaben, bei denen die Formulierung der Anfrage nicht das Problem ist. Ein Agent kann nicht zuverlässig erkennen, ob das Geschehen real ist, kann ohne ein externes Verbot nicht vor einer unumkehrbaren Aktion anhalten und kann seine eigene Arbeit nur schlecht bewerten. Ein Prompt behebt das nicht. Externe Berechtigungen und Beschränkungen können es.
Am 30. Juli 2026 veröffentlichte Anthropic eine Analyse der eigenen Sicherheitsbewertungen. Das Unternehmen überprüfte 141.006 Evaluierungsläufe und fand drei Fälle, in denen ein Modell während eines Laufs ins echte Internet entkam und realen Systemen schadete. Im ersten Fall entsprach der Name eines fiktiven Unternehmens in der Aufgabe einer existierenden Domain. Das Modell fand das echte Unternehmen, überwand Lücken in dessen Sicherheit und gelangte zu einer Produktionsdatenbank – mit mehreren hundert Zeilen echter Daten.
Dies war der einzige Fall, in dem das Modell das System weiter angriff, nachdem ihm klar geworden war, dass es sich wahrscheinlich in einer realen Umgebung befand.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
Im zweiten Fall entwickelte das Modell ein Schadprogramm und lud es in einen öffentlichen Katalog vorgefertigter Codepakete hoch, aus dem Tausende andere Projekte Pakete herunterladen. Das Programm war etwa eine Stunde lang verfügbar und gelangte auf fünfzehn echte Systeme, darunter der Scanner eines auf Sicherheit spezialisierten Unternehmens.
Claude überzeugte sich selbst davon, dass es sich immer noch in einer Simulation befand.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
Im dritten Fall scannte ein internes Forschungsmodell etwa neuntausend Ziele, erreichte mit bekannten Techniken ein Unternehmen und kam dann selbst zu dem Schluss, dass das Ziel real war, woraufhin es den Angriff stoppte. Kann ein Modell erkennen, dass seine Umgebung real ist? Drei Fälle, drei verschiedene Antworten. Das eine erkannte es und stoppte, das zweite erkannte es und machte weiter, und das dritte redete sich ein, es sei immer noch ein Test. Und das war das Labor von Anthropic, mit einigen der besten Bedingungen der Welt. Die Bedingungen auf deinem Laptop sind bescheidener. Die Beschränkung muss außerhalb des Agenten liegen. Die praktische Lösung sieht so aus: Er hat physisch keinen Zugriff auf die Produktionsdatenbank und keinen Zahlungsschlüssel. Ihn um Vorsicht zu bitten ist immer noch nur eine Bitte, und unter Druck wird das Modell sie umgehen. Die zweite Schwäche zeigt sich in den Zuverlässigkeitsmessungen. Bei einer offenen Entwicklungsaufgabe sinkt die Erfolgsquote mit zunehmendem Zeithorizont von 0,90 auf 0,44. Selbst die stärksten Modelle scheitern in bis zu 19 % der Durchläufe, weil sie ambitionierte Pläne mit mehreren Schritten übernehmen, die sie nicht umsetzen können. Dieselbe Studie fand etwas Unerwartetes: Ein Gedächtnisgerüst verschlechterte die Leistung bei langen Aufgaben bei allen zehn Modellen. Die Rechnung einer langen Kette erklärt das auch ohne Forschung. Wenn ein Agent jeden Schritt 85-mal von 100 richtig erledigt, kommt er bei etwa 27 von 100 Fällen durch acht Schritte in Folge. Drei von vier Aufgaben gehen irgendwo unterwegs schief – jedes Mal an einer anderen Stelle. Die Regel gilt für jede Art von Arbeit in einem Unternehmen. Ein KI-Agent kann erledigen, was du schnell überprüfen kannst. Aber alles, dessen Kosten erst Monate später sichtbar werden – Kundenvertrauen, Ruf, geordnete Daten, rechtliche Folgen – fließt nicht in sein Urteil ein, weil er es bis zum Ende der Aufgabe nicht messen kann. Die dritte Schwäche, die eigene Arbeit zu bewerten, ist am schwersten zu bemerken und steht häufiger im Weg als die ersten beiden. Der Agent sagt im selben Ton „erledigt“, den ein Mensch nach einer Prüfung verwenden würde. Diesen Mechanismus habe ich gesondert im Leitfaden [Warum ein Agent „erledigt“ sagt, obwohl die Arbeit nicht fertig ist](https://ailoot.ai/blog/de/ai-agent-says-done/) erklärt. Dort findest du auch einen fertigen Abnahmeprompt. ## Was geschah, als Agenten echte Unternehmen führen sollten?
Das Wichtigste Drei öffentliche Experimente aus dem Jahr 2026, in denen KI-Agenten ganze Unternehmen führen sollten, verraten uns mehr als jedes Versprechen. Das beste Modell der Welt verdiente etwa ein Sechstel dessen, was eine fähige Person mit einem Verkaufsautomaten in einem Jahr verdient hätte. In Anthonys Experiment kürzte ein Agent als Manager die Rabatte und verdreifachte die Rückerstattungen. Ein Agent, der eine Live-App und einen Tag bekam, gab Geld aus und erzielte keine Einnahmen.
Ein Verkaufsautomat. Keine Menschen, Partner oder Anwälte. Ein Modell, das besser Code schreibt als die meisten Entwickler, erzielt hier ein Sechstel des Ergebnisses eines Menschen – und zwar konstant, mit einer Tendenz, die sich Monat für Monat verbessert. Anthropic führte ein ähnliches Experiment mit echten Verkaufsautomaten in drei Städten durch und ergänzte in der zweiten Phase neben dem Vertriebsagenten einen Manager-Agenten. Die Rabatte sanken um etwa 80 %, und die Gratisabgaben wurden halbiert. Gleichzeitig verdreifachte der Manager die Rückerstattungen und verdoppelte die Gutschriften für künftige Einkäufe, obwohl beides einfach den Umsatz schmälerte. Die Agenten hätten sich beinahe für Zwiebelfutures angemeldet, die in den USA seit 1958 verboten sind, und versuchten, für 10 $ pro Stunde einen Wachmann einzustellen.
Wir haben erneut gelernt, dass Bürokratie wichtig ist. Manche Menschen stören sich an Verfahren und Checklisten, aber sie existieren aus gutem Grund.
— Anthropic, Project Vend, https://www.anthropic.com/research/project-vend-2
Ein Vorbehalt ist nötig, um das Gesamtbild zu erhalten. Dem Agenten wurde ausdrücklich gesagt, dass am Morgen noch vorhandenes Geld bei der Bewertung als null zählen würde und dass das Unternehmen geschlossen würde, wenn es innerhalb eines Tages nicht wüchse. Er verhielt sich genau wie jemand, dem dies kurz vor der Kündigung gesagt worden war. Ein Agent optimiert treu auf das Ziel, das du ihm vorgegeben hast, samt all seinen Verzerrungen; das hat nichts mit Dummheit des Modells zu tun. ## Mehr KI-Code und ein größerer Anteil mit substanziellen Review-Kommentaren
Das Wichtigste Wie viel man abgeben kann, zeigt das Unternehmen, das am meisten abgegeben hat: Anthropic. Nach eigenen Angaben schreibt ein Agent etwa 80 % des Codes, der in die gemeinsame Codebasis gelangt. Gleichzeitig stieg der Anteil mit substanziellen Review-Kommentaren von 16 % auf 54 %. Das misst aufgezeichnete Kommentare, nicht den Anteil sämtlicher von Menschen geprüfter Arbeit.
Anthropic teilte diese Zahlen im Juli in einem Bericht darüber, wie das Unternehmen die Entwicklung organisiert.
Claude schreibt heute etwa 80 % des Codes, der in unsere gemeinsame Codebasis gelangt.
— Anthropic, https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle
Daneben gibt es eine weitere Zahl: Der Anteil der Arbeit mit substanziellen Kommentaren im Review stieg von 16 % auf 54 %. Gleichzeitig veröffentlichen Ingenieure im Quartal durchschnittlich achtmal so viel Code wie im Zeitraum von 2021 bis 2025. Es gibt weniger manuelle Tipparbeit und mehr Code zu beurteilen. Der berichtete Anstieg von 16 % auf 54 % entspricht etwa dem 3,4-Fachen des früheren Anteils mit substanziellen Kommentaren, also 38 Prozentpunkten mehr. Daraus folgt keine Verdreifachung von Prüfabdeckung oder Kontrollzeit: Eine Prüfung kann ohne substanziellen Kommentar stattfinden. „Ich richte einen Agenten ein und muss mich nicht mehr mit dieser Aufgabe beschäftigen“ – so funktioniert es nicht. Eine Person erledigt plötzlich so viel, wie früher ein ganzes Team. Die Erfahrung des Autors folgt demselben Muster: Entwürfe, eingehende Nachrichten und Kennzahlen-Zusammenfassungen werden ohne ihn gesammelt, während alles, was an echte Menschen geht, weiterhin manuell bestätigt wird. Dank Agenten ist es günstig geworden, eine erste Version zusammenzustellen. Sie in einen Zustand zu bringen, in dem echte Menschen sie nutzen können, kostet dagegen ungefähr so viel wie früher. Die Lücke zwischen „funktioniert bei mir“ und „funktioniert für den Kunden“ ist nicht verschwunden. Ein Mensch muss sie noch schließen. ## Mit welcher Aufgabe solltest du anfangen, damit du nach einem Monat nicht aufgibst?
Das Wichtigste Das erste Prinzip des Autors für Vibe Coding: Übernimm keine Arbeit, die nach dem Start nicht selbstständig weiterläuft. Daraus ergeben sich fünf Merkmale einer guten ersten Aufgabe. Sie wiederholt sich jede Woche, dauert länger als eine Stunde, hat ein überprüfbares Ergebnis, verwendet bereits vorhandene Daten und lässt Geld sowie Kunden außen vor. Alle fünf müssen gleichzeitig erfüllt sein.
Der Autor entwickelte dieses Prinzip, nachdem er Apps gebaut hatte, die nie fertig wurden. Wenn man anfängt, möchte man alles im Vibe-Coding-Stil entwickeln: eine Website, einen Bot, einen Assistenten, noch eine Website. Sechs Monate später schaut man zurück: Man hat viel Zeit investiert und viele Tokens verbraucht, aber nur eine von zwanzig Lösungen funktioniert. Auch der Autor hat diese Phase durchlaufen, und nur ein kleinerer Teil war erfolgreich – das ist normal. Die Arbeit gilt erst dann als erledigt, wenn sie ohne mich weiter erledigt wird. 1. **Sie wiederholt sich.** Eine einmalige Aufgabe erledigst du günstiger von Hand. Es wird sinnvoll, wenn du jede Woche dasselbe tust. 2. **Sie dauert länger als eine Stunde.** Wenn die Aufgabe zehn Minuten dauert, brauchst du für die Einrichtung mehr Zeit, als du in sechs Monaten sparst. 3. **Du kannst das Ergebnis in einer Minute prüfen.** Du hast eine klare Antwort auf die Frage „Wurde das gut erledigt oder nicht?“ und kannst sie sehen, ohne lange zu suchen. 4. **Du hast die Daten bereits.** Ein Export, ein Ordner, eine Tabelle, Korrespondenz. Eine Aufgabe, die damit beginnt, Daten an fünf Stellen zusammenzusuchen, ist ein schlechter erster Versuch. 5. **Sie berührt weder Geld noch echte Menschen.** Richte deine erste Funktion dort ein, wo das schlimmste Ergebnis ein schlechter Entwurf ist. Alle fünf Merkmale kommen am häufigsten bei denselben Aufgaben zusammen: einer wöchentlichen Zusammenfassung, der Bearbeitung eingehender Nachrichten, Entwürfen auf Basis von Vorlagen und dem Bereinigen von Daten. Bei einem Onlineshop geht es meist um die Bearbeitung der Bewertungen und Fragen der Woche. Bei einer Beraterin um eine Zusammenfassung der Kundenkorrespondenz. Bei einer Klinik um Terminplanung und Rückrufanfragen. Alle haben die Daten bereits, das Ergebnis lässt sich in einer Minute prüfen, und im schlimmsten Fall gehen ein paar Minuten Maschinenzeit verloren. ## Was kostet ein KI-Agent im Monat, und woraus setzt sich die Rechnung zusammen?
Das Wichtigste Die Rechnung hat vier Bestandteile: ein Modellabo, Nutzung über das Limit hinaus, einen Ort, an dem der Agent läuft, und Speicherplatz für seine Ergebnisse. Für eine wiederkehrende Funktion reicht ein bescheidenes Abo. Die Rechnung wächst, wenn du mehrere Funktionen hast und jede davon mehrmals täglich läuft.
1. **Abo.** Die Grundgebühr für den Zugang zum Modell. Sie umfasst ein wöchentliches Nutzungslimit. 2. **Mehrverbrauch.** Wenn du das Abolimit erreichst, wird die Arbeit nutzungsabhängig weitergeführt. Hier gibt es unangenehme Überraschungen. 3. **Ausführungsort.** Wenn die Funktion ohne dich nach einem Zeitplan läuft, braucht sie einen Computer, der eingeschaltet bleibt. Ein Heimrechner reicht – bis zum ersten Urlaub. 4. **Speicherplatz.** Berichte, Entwürfe, Exporte. Ein Ordner ist eine Weile kostenlos; danach hängen die Kosten vom Umfang ab. Am zweiten Posten scheitern die Pläne von Einsteigern. Eine wiederkehrende Funktion verbraucht ihr Limit jeden Tag gleichmäßig, ob du dich nun an sie erinnerst oder nicht. Drei Durchläufe am Tag mit einer großen Datenmenge können das Wochenkontingent in ein paar Tagen aufbrauchen. Anthropic erhöht die wöchentlichen Limits bei kostenpflichtigen Tarifen regelmäßig für begrenzte Zeit, aber jede Erhöhung hat ein Enddatum. Betrachte diese zusätzliche Kapazität nicht als neuen Normalzustand: Schätze die Nutzung anhand des regulären Kontingents und behalte die vorübergehende Erhöhung als Puffer. Prüfe bei geplanten Läufen außerdem die Bedingungen deines Tarifs – Anbieter legen für manuelle und automatisierte Nutzung unterschiedliche Regeln fest. Meine Regel für kleine Aufgaben ist einfach. Ein nächtlicher Orchestrator, der Prüfungen in einer Schleife ausführt, verbraucht schnell Tokens, und für eine winzige Aufgabe lohnt es sich nicht, einen solchen einzurichten. Wenn dich ein Auftrag pro Woche zehn Minuten kostet, sollte er ein Zehn-Minuten-Auftrag bleiben. Verfolge von Anfang an, wohin das Geld fließt. Der Mechanismus der Limits wird im Leitfaden [Wie viele Tokens ein Abo enthält](https://ailoot.ai/blog/de/claude-pro-max-usage-limits/) erklärt. Die Geschichte eines nächtlichen Laufs, der [das Budget in einer Sitzung aufbrauchte](https://ailoot.ai/blog/de/ai-agent-burned-budget-claude-code/), zeigt, wie schlimm es werden kann. ## Wie kannst du einen Agenten eine Woche lang an deiner eigenen Aufgabe testen?
Das Wichtigste Eine Woche reicht, um herauszufinden, ob der Ablauf funktioniert. In den ersten fünf Tagen arbeitet der Agent neben dir, während du die Unterschiede zwischen seinem Ergebnis und deinen Erwartungen festhältst. Am sechsten Tag zählst du, wie viel Zeit du aufgewendet und wie oft du eingreifen musstest. Am siebten Tag siehst du dir die Zahlen an und entscheidest.
1. ### Tag 1. Beschreibe die Aufgabe in deinen eigenen Worten, als würdest du sie einem Menschen erklären (etwa 40 Minuten) Schreib einfach drauflos: Was kommt hinein, was soll herauskommen, was gilt als schlechtes Ergebnis und was darf nicht getan werden. Den letzten Punkt lassen viele aus – und genau er erspart ihnen später Ärger. 2. ### Tag 2. Führe die Aufgabe anhand echter Daten dreimal manuell aus Kein erfundenes Beispiel. Nimm drei echte Fälle aus deiner Woche und sieh nach, woran der Agent scheitert. Schreib die Fehler wortwörtlich auf. 3. ### Tag 3. Ergänze Anweisungen auf Grundlage der Fehler Verwandle jeden Fehler in eine Regel. Erstelle die Anweisungen aus den Fehlern der ersten Durchläufe. Deine Annahmen darüber, wie die Dinge funktionieren sollten, stehen dir dabei im Weg. 4. ### Tage 4–5. Lege einen Zeitplan fest und greif nicht ein Lass den Agenten selbstständig laufen und das Ergebnis senden. Du beobachtest nur und notierst, wie oft du etwas nacharbeiten musstest. 5. ### Tag 6. Rechne nach Zähle, wie viele Minuten du in dieser Woche mit Prüfen und Korrigieren verbracht hast. Vergleiche das damit, wie lange die Aufgabe von Hand dauerte. Notiere den Unterschied als Zahl. 6. ### Tag 7. Entscheide Wenn du weniger als eine Stunde pro Woche sparst, hast du die falsche Aufgabe gewählt; wähle eine andere. Wenn du mehr als zwei Stunden sparst, richte eine zweite Funktion ein. Ein Prompt für den ersten Tag hilft dir beim Einstieg. Füge ihn ein und fülle ihn für dich aus.
Prompt: Weise dem Agenten eine Aufgabe zu ``` Du hilfst mir dabei, eine wiederkehrende Aufgabe einzurichten. Ich werde die Arbeit in meinen eigenen Worten beschreiben, und du gibst mir Anweisungen zurück, wie sie jede Woche ohne mich erledigt wird. Meine Aufgabe: [beschreibe sie in deinen eigenen Worten, als würdest du sie einer neuen Person erklären] Woraus die Eingabe besteht: [Dateien, Ordner, Exporte, Korrespondenz] Was herauskommen soll: [ein konkretes Ergebnis: eine Datei, E-Mail, Zusammenfassung] Was als schlechtes Ergebnis gilt: [beschreibe es ausdrücklich] Was unter keinen Umständen jemals getan werden darf: [Löschungen, etwas nach außen senden, Zahlungen] Erledige drei Dinge. Stelle mir Rückfragen, wo meine Beschreibung mehrdeutig sein könnte. Fang nicht an, bevor ich geantwortet habe. Erstelle nach meiner Antwort Anweisungen: die einzelnen Schritte in der richtigen Reihenfolge, eine Definition von „erledigt“ und eine Liste mit Verboten. Liste getrennt davon die Möglichkeiten auf, wie du einen Fehler machen könntest, ohne dass ich es bemerke, und schlage vor, wie ich jeden davon in einer Minute überprüfen kann. ```
## Woran die ersten Funktionen scheitern
Das Wichtigste Erste Funktionen eines KI-Agenten in Unternehmen scheitern immer wieder aus denselben Gründen: Die Aufgabe war zu groß, „erledigt“ war nicht definiert, die Zugriffsrechte waren zu weit gefasst, die Prüfung bedeutete, alles zu lesen, die Anweisungen wurden von Grund auf neu geschrieben und das Ergebnis wurde nicht gemessen. Wenn du diese Punkte im Voraus kennst, lässt sich jeder an einem Abend beheben.
1. **Gleich mit einer großen Aufgabe anfangen.** „Lass ihn meinen ganzen Vertrieb übernehmen“ scheitert am zweiten Tag. Fang mit einer Aufgabe an, die jede Woche wiederkehrt. 2. **Nicht definieren, was als schlechtes Ergebnis gilt.** Der Agent optimiert auf das Ziel, das du benannt hast. Wenn du nicht gesagt hast, was er nicht tun darf, weiß er es nicht. 3. **Mehr Zugriff gewähren als nötig.** Eine Funktion, die einen Export liest und eine Zusammenfassung schreibt, braucht keinen Datenbankschlüssel. Lege die Berechtigungen ein für alle Mal fest. 4. **Alles lesen, um es zu prüfen.** Das frisst die gesamte Zeitersparnis auf. Prüfe eine Stichprobe: drei von zwanzig Fällen sowie alle Fälle, bei denen der Agent Unsicherheit gemeldet hat. 5. **Anweisungen von Grund auf neu schreiben.** Formuliere Regeln, nachdem du echte Fehler gesehen hast. 6. **Das Ergebnis nicht messen.** Ohne eine Zahl dazu, „wie viele Minuten es gedauert hat“, entscheidest du nach Gefühl und erinnerst dich einen Monat später nicht mehr daran, ob es leichter geworden ist. Den fünften Fehler sehe ich häufiger als die anderen, und er wirkt harmlos. Man setzt sich hin und schreibt im Voraus zwanzig Regeln, weil das gründlicher scheint. Dann stehen die Hälfte der Regeln im Weg, die Hälfte der nötigen Regeln fehlt, und nach dem ersten Durchlauf schreibt man alles neu. ## Wer ist verantwortlich, wenn ein Agent einen Fehler macht?
Das Wichtigste Die Geschäftsinhaberin ist gegenüber Kunden, Banken und Steuerbehörden verantwortlich. Ein KI-Agent ist keine juristische Person: Er hat keine Pflichten, kein Eigentum und keine Unterschriftsberechtigung. Richte ihn so ein, dass jede Aktion mit externen Folgen deinen Klick erfordert, und führe ein Protokoll, damit du später nachvollziehen kannst, was geschehen ist.
Das klingt offensichtlich, aber in der Praxis vergessen es die Leute. Die E-Mail, die der Agent an einen Kunden geschickt hat, hast du verschickt. Der Preis, den er auf der Website geändert hat, ist dein Preis. Und gegenüber denjenigen, denen die gelöschten Daten gehören, bist du verantwortlich. Drei Dinge richte ich im Voraus ein. 1. **Ein Protokoll.** Lass jede wiederkehrende Funktion aufzeichnen, was sie getan und welche Eingabedaten sie verwendet hat. Ohne das wird die Untersuchung zum Rätselraten. Eine gewöhnliche Textdatei reicht. 2. **Eine Grenze für unumkehrbare Aktionen.** Löschen, nach außen senden, bezahlen – all das erfordert deine Bestätigung. Technisch gesehen ist das eine Einstellung der Berechtigungen. 3. **Einen Wiederherstellungspunkt.** Bitte den Agenten, vor jeder Änderung, die Daten verändert, den Projektzustand zu speichern. Das ist eine Zeile in seinen Anweisungen und ermöglicht es dir, die Version von gestern in einer Minute wiederherzustellen. Die Geschäftsinhaberin behält einen Teil der Arbeit, weil ihr Wert darin liegt, dass ein echter Mensch sie erledigt. Der Autor nimmt selbst kurze Videos auf, obwohl man das schon vor Langem hätte automatisieren können. Ein Gespräch mit einem schwierigen Kunden, ein öffentlicher Vortrag, eine Entschuldigung für einen Fehler – all das gehört in denselben Bereich. Ein Agent kann solche Dinge erledigen. Es wird günstiger und schlechter. ## Womit solltest du morgen anfangen?
Das Wichtigste Fang dort an, wo das schlimmste Ergebnis ein schlechter Entwurf ist. Eine Aufgabe, eine Woche, eine Zahl am Ende. Wenn die erste Funktion einen Monat lang läuft und du nicht mehr an sie denkst, richte eine zweite ein. Die nächste Frage ist dann nicht mehr, welche Aufgabe du wählen sollst, sondern wie der Agent die Arbeit deinen Kategorien zuordnet.
Fang mit Arbeit an, bei der das schlimmste Ergebnis ein schlechter Entwurf ist. Lass den Vertrieb und alles, was an Kunden geht, erst einmal außen vor: Die Kosten eines Fehlers lassen sich dort nicht in Minuten messen, und ein schlechter erster Versuch kann dich davon abbringen, weiterzumachen. Die nächste Frage lautet, wie du den Agenten dazu bringst, Aufgaben deinen Kategorien zuzuordnen. Das hängt davon ab, was du in sein Projekt einbringst: deine Regeln, deine Wissensstruktur, deine Art, Arbeit aufzuteilen. Lies [Second Brain](https://ailoot.ai/blog/de/claude-code-second-brain/) und Delegieren durch mehrere Agenten.
### Quellen - [Anthropic, „Investigating three real-world incidents in our cybersecurity evaluations“, 30. Juli 2026](https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals) - [Anthropic: How the company secures AI development, Juli 2026](https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle) - [Anthropic, Project Vend, Phase Two](https://www.anthropic.com/research/project-vend-2) - [Anthropic, Claude Code documentation: access permissions and sandbox](https://code.claude.com/docs/en/iam)
Ailoot weiter auf [ailoot.ai](https://ailoot.ai/) entdecken. ## Fragen und Antworten ### Bedeutet der Anstieg von 16 % auf 54 % dreimal so viel von Menschen geprüfte Arbeit? Nein. Gemessen wird der Anteil mit substanziellen Review-Kommentaren. Er stieg um 38 Prozentpunkte, misst aber weder sämtliche geprüfte Arbeit noch Prüfzeit. Ein Review kann ohne substanziellen Kommentar erfolgen. ### Was ist eine gute erste Geschäftsaufgabe für einen Agenten? Wähle eine wiederkehrende Aufgabe mit vorhandenen Daten, schnell prüfbarem Ergebnis und geringen Fehlerkosten. Beginne mit Entwurf oder Zusammenfassung, führe mehrere echte Fälle manuell aus und vergleiche Prüfzeit mit der bisherigen Bearbeitungszeit. ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.