KI-Agenten legen ein Problem offen, das Unternehmen ignorieren konnten, als die Arbeit noch manuell war. Viele Stellenbeschreibungen beschreiben keine Verantwortung, sondern Tätigkeiten.

Ein Analyst „erstellt Berichte“. Ein Koordinator „verwaltet den Prozess“. Ein Support-Spezialist „bearbeitet Anfragen“. Ein Projektmanager „hält die Arbeit am Laufen“. Diese Bezeichnungen klingen klar, bis ein Agent die Aufgaben wie Abrufen, Entwerfen, Abgleichen, Weiterleiten und Systemaktualisierungen übernimmt, die früher den Großteil der Rolle ausmachten.

Dann stellt sich die eigentliche Frage. Wer prüft die Arbeit? Wer genehmigt die Maßnahme? Wer ist für Ausnahmen zuständig? Wer erklärt die Entscheidung, wenn der Agent den Prozess korrekt befolgt, aber das falsche Geschäftsergebnis liefert?

Deshalb geht es bei der Personalfrage rund um KI-Agenten nicht nur um die Mitarbeiterzahl. Es geht um Verantwortung. Agentenbasierte Automatisierung trennt Ausführung von Urteilsvermögen und Aufgabenerledigung von Ergebnisverantwortung. Wenn Unternehmen die Rollen nicht neu gestalten, bevor Agenten in Produktion gehen, werden sie die Arbeit schneller automatisieren, als sie die Verantwortlichkeiten nachvollziehen können.

Die Angst vor Arbeitsplatzverlust ist verständlich, und die Zahlen erklären, warum. Der „Future of Jobs Report 2025“ des Weltwirtschaftsforums prognostiziert, dass technologische Umwälzungen bis 2030 22 % aller Arbeitsplätze betreffen werden, wobei 92 Millionen Rollen wegfallen und 170 Millionen neue Rollen entstehen. 

Das bedeutet, dass die Belegschaft nicht nur durch KI schrumpft, sondern auch um neue Verantwortlichkeiten herum neu aufgebaut wird. Microsofts „Work Trend Index 2025“ ergab, dass 81 % der Führungskräfte erwarten, dass KI-Agenten innerhalb der nächsten 18 Monate einen moderaten oder umfassenden Teil ihrer Strategie ausmachen werden.

Diese Zahlen sind wichtig, aber der Hauptpunkt ist, dass Agenten von Experimenten in operative Arbeitsabläufe übergehen. Sobald dies geschieht, wird die Rollengestaltung Teil der Systemgestaltung. Führungskräfte müssen definieren, was Agenten ausführen können, was Mitarbeiter überprüfen müssen, wo menschliche Genehmigung erforderlich ist und wer das endgültige Geschäftsergebnis verantwortet.

Ohne diese Arbeit schafft agentenbasierte Automatisierung schnellere Unklarheit.

Die Schlagzeilen über Entlassungen sind laut, aber das eigentliche Signal ist die Neugestaltung von Rollen

KI-bedingte Entlassungen erregen Aufmerksamkeit, weil sie leicht zu zählen sind, wenn eine Rolle wegfällt oder eine Abteilung schrumpft. Aber Stellenstreichungen sind nur ein sichtbarer Teil des Wandels.

Im Jahr 2025, Challenger, Gray & Christmas berichtete, dass KI bei 54.836 angekündigten Entlassungen genannt wurde, was etwa 5 % der gesamten Stellenstreichungen in diesem Jahr ausmachte. Bis April 2026 wurde KI zwei Monate in Folge als Hauptgrund für Stellenstreichungen in den USA genannt und machte in diesem Zeitraum 26 % aller Entlassungen aus. 

Oracle begann Berichten zufolge Anfang 2026 ebenfalls, Tausende von Arbeitsplätzen abzubauen, wobei Analysten diesen Schritt mit dem kombinierten Druck von KI-Rechenzentrumsinvestitionen und KI-bedingten organisatorischen Umstrukturierungen in Verbindung brachten.

Diese Zahlen sind wichtig, weil sie zeigen, dass KI die Personalplanung bereits verändert. Aber sie beweisen nicht, dass die Zukunft der Arbeit einfach „weniger Menschen“ bedeutet. Das ist die bequeme Schlussfolgerung.

Das nützlichere Signal ist, dass Unternehmen alte Rollen aufbrechen.

Für Gründer und CTOs ist dies das eigentliche Problem. Und der ernsthafte Weg nach vorn besteht darin, Arbeitsabläufe, Berechtigungen, Prüfpunkte und Verantwortlichkeiten neu zu gestalten, bevor Agenten mit der eigentlichen Arbeit beginnen.

Wenn Agenten die Hauptarbeit übernehmen, sollten Mitarbeiter nicht zu passiven Beobachtern automatisierter Systeme werden. Ihre Arbeit muss sich auf Urteilsvermögen, Ausnahmebehandlung, Orchestrierung und die Verantwortung für Ergebnisse verlagern.

Wenn diese Neugestaltung nicht erfolgt, erhalten Unternehmen die schlechteste Version der Automatisierung: weniger Personen sind in den Arbeitsablauf involviert, aber es gibt keine klare Antwort, wenn der Arbeitsablauf unterbrochen wird.

Die fünf Rollenverschiebungen für Mitarbeiter durch KI-Agenten

In vielen Unternehmen verbringen Mitarbeiter immer noch einen Großteil ihres Tages mit Ausführungsaufgaben, wie dem Verschieben von Daten zwischen Tools oder dem Befolgen von Prozessschritten. Agenten können nun einen Großteil dieser Ebene übernehmen.

Aber die Arbeit verschwindet nicht. Sie verlagert sich nach oben in die Bereiche Urteilsvermögen, Kontrolle, Ausnahmebehandlung und Verantwortung.

Diese Verschiebung schafft fünf Mitarbeiterrollen, die spezifischer sind als die vage Vorstellung eines „KI-Supervisors“.

Dies sind keine rein kosmetischen Titeländerungen. Jede Rolle erfordert unterschiedliche Berechtigungen, Prüfpunkte, Metriken und Systemtransparenz.

1. Vom Aufgabenausführenden zum Workflow-Supervisor

Die alte Rolle war auf den Abschluss von Aufgaben ausgerichtet. Ein Support-Spezialist schloss Tickets, ein Koordinator verschob Anfragen von einem Team zum anderen, und ein Mitarbeiter im operativen Bereich aktualisierte Felder und befolgte Prozessschritte, bis die Arbeit die nächste Person erreichte.

KI-Agenten können viele dieser Schritte nun direkt ausführen. In einem Kundensupport-Workflow kann ein Agent ein Ticket klassifizieren, die Kundenhistorie abrufen, eine Antwort entwerfen, einen Rückerstattungsweg vorschlagen und das CRM aktualisieren.

Die Rolle des Mitarbeiters ändert sich vom Ausführen jedes einzelnen Schritts zur Überwachung des Workflow-Verlaufs. Das bedeutet nicht, ein Dashboard zu beobachten und zu hoffen, dass der Agent sich richtig verhält. Ein Workflow-Supervisor muss wissen:

• In welchem Zustand sich der Workflow befindet
• Welche Aktion der Agent bereits ausgeführt hat
• Welche Richtlinie oder Regel der Agent angewendet hat
• Wo der Agent eine Genehmigung benötigt
• Wann der Prozess stoppen oder an einen Menschen zurückgegeben werden sollte

Für Führungskräfte ist diese Rolle wichtig, da Automatisierung ohne Workflow-Überwachung zu einer unsichtbaren Abweichung führt. Der Agent mag Aufgaben schneller erledigen, aber niemand bemerkt möglicherweise, wenn der Workflow in die falsche Richtung läuft.

Damit das System diese Rolle unterstützen kann, benötigt das Unternehmen Workflow-Zustände, Ereignisprotokolle, Genehmigungsschranken und manuelle Übersteuerungsoptionen. Ohne diese wird der Mitarbeiter für einen Prozess verantwortlich, den er nicht mehr klar überblicken kann.

2. Vom manuellen Rechercheur zum Agenten-Prüfer

Diese Rolle drehte sich um die Informationsbeschaffung. Vertriebsteams recherchierten Zielkunden und Produktteams prüften Kundenfeedback manuell.

Jetzt können KI-Agenten die Vorarbeit viel schneller leisten. Sie können öffentliche Quellen scannen, Dokumente zusammenfassen, internes Wissen abrufen, Kontodaten anreichern und ein strukturiertes Recherche-Briefing erstellen.

Die Rolle des Mitarbeiters ändert sich vom Sammeln von Informationen zur Beurteilung der Qualität der Belege.

Diese Beurteilung ist kein unwichtiges Detail. Sie entscheidet, ob das Unternehmen auf ein echtes Signal reagiert oder eine schwache Annahme zur Grundlage macht.

Im Vertrieb kann ein Agent beispielsweise feststellen, dass ein Unternehmen Finanzmittel aufgenommen, einen neuen VP eingestellt oder mehrere offene Stellen ausgeschrieben hat. Das bedeutet nicht automatisch, dass der Kunde kaufbereit ist. Der menschliche Prüfer muss entscheiden, ob das Signal kommerziell relevant ist oder nur automatisiertes Rauschen.

Diese Rolle wird wichtig, da Agenten mangelhafte Rechercheergebnisse als fundiert erscheinen lassen können. Eine ausgefeilte Zusammenfassung kann veraltete Daten, oberflächliche Quellen oder irrelevante Belege verbergen. Der Mitarbeiter schützt das Unternehmen davor, auf Informationen zu reagieren, die nützlich erscheinen, aber die Entscheidung nicht beeinflussen.

3. Vom Berichtsersteller zum Entscheidungs-Interpreten

In vielen Unternehmen umfassten Reporting-Rollen nie ausschließlich die Analyse. Ein großer Teil der Arbeit war mechanisch, wie das Abrufen von Zahlen aus verschiedenen Systemen, das Bereinigen von Tabellen, das Erstellen von Präsentationen und das Senden von Updates an die Führungsebene.

Agenten können diesen manuellen Aufwand reduzieren. Sie können Dashboards generieren, Leistungen zusammenfassen, Anomalien erkennen und Erklärungsentwürfe erstellen.

Doch ein Bericht ist noch keine Entscheidung. Wenn die Abwanderung steigt, die Verkaufsgeschwindigkeit sinkt oder die Marge sich verändert, benötigt das Unternehmen immer noch jemanden, der interpretiert, was das bedeutet. Die Rolle des Mitarbeiters verschiebt sich hin zur Entscheidungsinterpretation: Rauschen vom Signal trennen und erklären, was passiert, wenn die Führungsebene abwartet.

Ein Entscheidungs-Interpret muss praktische Fragen beantworten:

• Ist diese Veränderung eine normale Schwankung oder ein echtes Problem?
• Welches Team ist für die Reaktion zuständig?
• Welche Entscheidung sollte jetzt getroffen werden?
• Welches Risiko entsteht, wenn sich nichts ändert?
• Welche Annahme muss vor einer Handlung überprüft werden?

Diese Rolle ist besonders wichtig in Umfeldern, wo eine falsche Interpretation mehr kostet als ein langsamer Bericht. Finanzen, Gesundheitswesen, Recht, Compliance und Unternehmensabläufe sind alle auf Menschen angewiesen, die die Bedeutung der Ergebnisse erklären können, nicht nur die Ergebnisse produzieren.

Die Codebridge Knowledge Cloud Fall zeigt das gleiche Muster aus einem anderen Blickwinkel. Die Zentralisierung von über 50.000 Assets und die Automatisierung des Abrufs können die Suchzeit verkürzen und die Produktivität verbessern, doch der geschäftliche Nutzen ergibt sich nicht allein aus dem Abruf. Er entsteht, wenn Fachleute den Informationen vertrauen, sie interpretieren und in echten Entscheidungen nutzen können.

Agenten können bei der Erstellung des Berichts helfen, aber Menschen müssen immer noch die Bedeutung verantworten.

4. Vom Prozessbefolger zum Ausnahmemanager

Die meisten operativen Prozesse sehen in der Dokumentation sauber aus, sind aber in der Praxis chaotisch. Zum Beispiel fragt ein Kunde nach etwas, das außerhalb der Richtlinien liegt, oder eine Patientenakte enthält fehlende Daten. Hier ändert sich die Rolle des Mitarbeiters.

Autonome KI-Systeme können Standardfälle jetzt schneller durch einen Workflow bewegen. Sie können Regeln anwenden, Anfragen weiterleiten, Informationen zusammenfassen und nächste Schritte empfehlen, wenn der Weg klar ist. Doch das Geschäftsrisiko liegt meist in den Fällen, die nicht dem Standardweg folgen. Der Mitarbeiter wird zum Ausnahmemanager.

Ein Ausnahmemanager bearbeitet Fälle, in denen:

• Daten fehlen oder widersprüchlich sind
• Das Vertrauen des Agenten gering ist
• Die Benutzeranfrage außerhalb der normalen Richtlinien liegt
• Die Aktion ein finanzielles, rechtliches, klinisches oder Kundenrisiko verursachen kann
• Das System den Workflow nicht sicher abschließen kann
• Der Agent eine Entscheidungsgrenze erreicht, die menschliches Urteilsvermögen erfordert

Diese Rolle ist wichtig, weil agentische Systeme Unsicherheiten hinter einer reibungslosen Ausführung verbergen können. Der Workflow kann weiterlaufen, selbst wenn der zugrunde liegende Fall eine Pause, Eskalation oder manuelle Überprüfung verdient hätte.

Das Ausnahmemanagement ist der Bereich, in dem menschliches Urteilsvermögen am wertvollsten wird. Nicht, weil Menschen bei jeder Aufgabe besser sind, sondern weil Unternehmen jemanden brauchen, der zur Rechenschaft gezogen werden kann, wenn der Prozess nicht mehr normal abläuft.

5. Vom Einzelmitarbeiter zum Agenten-Orchestrator

Agentische Automatisierung verändert die Form der individuellen Arbeit. Zuvor nutzte ein Mitarbeiter vielleicht ein oder zwei Tools, erledigte eine definierte Aufgabe und gab das Ergebnis an eine andere Person weiter. Die Verantwortung wanderte durch eine menschliche Kette. Unvollkommen, aber sichtbar.

Ein Workflow kann nun einen Recherche-Agenten, einen Datenanreicherungs-Agenten, einen Compliance-Prüfungs-Agenten, einen Entwurfs-Agenten und einen CRM-Update-Agenten umfassen. Jeder Agent kann unterschiedliche Tools, Datenquellen, Berechtigungen und Entscheidungsregeln verwenden. Und nun verschiebt sich die Rolle vom individuellen Beitrag zur Orchestrierung.

Ein Agenten-Orchestrator „nutzt“ nicht einfach nur KI. Er verwaltet, wie automatisierte Arbeit über Agenten und Systeme hinweg abläuft.

Diese Rolle schafft eine technische Anforderung. Mitarbeiter können nicht orchestrieren, was sie nicht beobachten können.

Wenn mehrere Agenten in einem Workflow agieren, benötigt das Unternehmen Identitätsgrenzen, Berechtigungskontrollen, Zustandsverfolgung, Tool-Nutzungsprotokolle und Fehlerbehebung. Andernfalls wird der Mitarbeiter für ein System verantwortlich, das er nicht ordnungsgemäß überprüfen oder stoppen kann.

Für CTOs und VPs of Engineering wird die Neugestaltung von Rollen hier zu einem Problem der Ausführungsarchitektur. Die menschliche Rolle funktioniert nur, wenn das System der Person genügend Transparenz und Autorität gibt, um den agentischen Workflow zu steuern.

Die Neugestaltung von Rollen muss sich in der Systemarchitektur widerspiegeln

Viele Unternehmen werden versuchen, die Mitarbeiterseite der agentischen Automatisierung über HR-Dokumente zu lösen. Sie werden Stellenbeschreibungen aktualisieren, KI-Schulungen hinzufügen, neue Titel schaffen und Teams mitteilen, dass von den Mitarbeitern nun erwartet wird, „mit Agenten zusammenzuarbeiten“. Einiges davon ist notwendig, aber nichts davon ist ausreichend.

Eine neu gestaltete Rolle wird erst dann real, wenn das System sie durchsetzt. Wenn ein Mitarbeiter für die Genehmigung von Agentenaktionen verantwortlich ist, benötigt der Workflow ein Genehmigungs-Gate. Wenn sie für Ausnahmen zuständig sind, benötigt das Produkt Eskalationswarteschlangen und Prioritätsstufen. Wenn sie für das Endergebnis verantwortlich sind, muss das System aufzeichnen, was der Agent getan hat, was der Mitarbeiter überprüft hat und wo die Entscheidung geändert wurde.

Andernfalls bleibt die Neugestaltung der Rolle theoretisch. Bei agentischen Systemen sollte jede menschliche Verantwortung einer Systemfunktion zugeordnet sein:

Deshalb gehört die Neugestaltung von Rollen von Anfang an in die Architekturdiskussion. Ein KI-Agent agiert innerhalb von Systemen, APIs, Datenberechtigungen, Workflow-Zuständen und Benutzeroberflächen.

Wenn diese Ebenen die neue menschliche Rolle nicht widerspiegeln, entsteht im Unternehmen eine gefährliche Lücke. Dem Mitarbeiter wird gesagt, er sei verantwortlich, aber das System gibt ihm nicht genügend Transparenz oder Kontrolle, um in der Praxis verantwortlich zu sein.

Und diese Lücke kann im Produktivbetrieb teuer werden. Ein Support-Agent könnte eine Rückerstattung ohne ausreichenden Kontext genehmigen. Ein Vertriebsagent könnte CRM-Felder mit ungeprüften Daten aktualisieren. Ein Reporting-Agent könnte Zahlen zusammenfassen, ohne anzuzeigen, welche Quelle sich geändert hat.

In jedem Fall rührt der Fehler nicht nur vom Modell her. Er resultiert aus einer fehlenden Architektur rund um die Rolle.

Für CTOs und VPs of Engineering wird die Neugestaltung von Rollen damit Teil des Delivery Designs. Bevor Agenten skaliert werden, müssen Teams abbilden:

• Was der Agent ausführen kann
• Was der Mitarbeiter genehmigen muss
• Was der Mitarbeiter überschreiben kann
• Was das System protokollieren muss
• Wo der Workflow pausiert
• Wer die Wiederherstellung verantwortet, wenn der Agent versagt

Das ist der Unterschied zwischen dem Hinzufügen von KI zu einem Workflow und der Neugestaltung des Workflows, sodass Menschen und Agenten Verantwortung teilen können, ohne die Kontrolle zu verlieren.

Die Checkliste zur Führungsbereitschaft für KI-Agenten und Mitarbeiter

Bevor die agentische Automatisierung skaliert wird, sollte die Führungsebene ihre Bereitschaft anhand dieser zehn Dimensionen überprüfen:

Wenn eine Organisation diese Fragen nicht beantworten kann, ist sie möglicherweise bereit für einen Prototyp, aber nicht für die Produktionsautomatisierung.

Fazit

Die Zukunft der Arbeit mit KI-Agenten wird davon bestimmt, wie klar Unternehmen die Verantwortlichkeiten für die verbleibende Arbeit neu gestalten.

Agenten können viele Aufgaben übernehmen, wie zum Beispiel Informationen abrufen, Antworten entwerfen, Daten abgleichen und Fälle durch Workflows bewegen. Das verändert die Rolle des Mitarbeiters und rückt die Menschen näher an Überprüfung, Beurteilung, Orchestrierung und Ergebnisverantwortung heran.

Aber diese Verantwortlichkeiten können nicht nur in Stellenbeschreibungen stehen. Wenn ein Mitarbeiter die Ausgabe des Agenten überprüfen muss, muss das System zeigen, was der Agent verwendet, geändert, übersprungen und empfohlen hat. Wenn ein Mensch eine sensible Aktion genehmigen muss, benötigt der Workflow einen Freigabeschritt. Wenn jemand für das endgültige Geschäftsergebnis verantwortlich ist, benötigt das System eine Aufzeichnung der Aktionen des Agenten und der menschlichen Entscheidungen, die damit verbunden sind.

Hier werden viele agentenbasierte Automatisierungsprojekte entweder reifen oder scheitern. Unternehmen, die die Neugestaltung von Rollen als reines HR-Update betrachten, werden Verwirrung stiften. Mitarbeiter werden Verantwortung tragen, ohne ausreichende Transparenz oder Kontrolle zu haben. Entwicklungsteams werden Agenten in Workflows implementieren, ohne klare Verantwortlichkeitsgrenzen. Führungskräfte werden eine schnellere Ausführung sehen, aber nicht immer eine sicherere oder bessere Ausführung.

Für CEOs ist die Entscheidung, welche Workflows diese Neugestaltung verdienen. Für CTOs und VPs of Engineering ist die Entscheidung, welche Architektur diese Neugestaltung durchsetzbar macht. KI-Agenten beseitigen nicht die Notwendigkeit menschlicher Verantwortung. Sie machen unklare Verantwortung schwerer zu verbergen.