KI-Agenten sind schnell. Die menschliche Prüfung wird zum Engpass

Die Maschine kann den Vorschlag entwerfen, das Postfach sortieren und vor dem Mittagessen die Berichte einer ganzen Woche erstellen. Schwierig ist vielleicht die Entscheidung, welche ihrer Antworten einen zweiten Blick verdienen.

Eine neue Studie über die Arbeit bei Anthropic, veröffentlicht am 16. Oktober 2026, gibt diesem bekannten Problem eine ungewöhnlich konkrete Gestalt: Je mehr KI-Agenten das Unternehmen einsetzte, desto mehr ihrer Interaktionen verwendeten die Beschäftigten darauf, sie zu organisieren, anzuleiten und zu überwachen.¹ Die Arbeit verschwand nicht einfach. Ein Teil rückte eine Ebene höher.

Das ist für ein kleines Unternehmen, eine gemeinnützige Organisation oder eine Abteilungsleitung eine unmittelbarere Frage als die, ob KI irgendwann einen Beruf ersetzt. Wie viel wertvolle Arbeit kann ein Team sicher delegieren, bevor seine begrenzte Kapazität zum Prüfen, Korrigieren und Verantworten der Ergebnisse zum Engpass wird? Die Antwort bestimmt nicht nur den Ertrag einer KI-Investition, sondern auch, was Beschäftigte als Nächstes lernen müssen. Sie ergänzt unseren früheren Rahmen dazu, welche Agentenaufgaben sich zuerst verändern, und zu den Aufsichtsrollen, die diese Veränderungen schaffen.

Ein Verhältnis von sechs zu eins, das einen Warnhinweis braucht

Die Wirtschaftsforschenden von Anthropic werteten interne Beschäftigungsdaten, Agententelemetrie, Output-Messungen, Kalenderdaten, Umfragen und 17 Mitarbeitendeninterviews aus. Bis August 2026 erfassten die von Beschäftigten gesteuerten interaktiven Agenten des KI-Unternehmens pro geschätzter Arbeitsstunde ihrer menschlichen Bediener rund sechs Stunden Laufzeit.¹ Die Forschenden definieren die Agentenlaufzeit als Inferenz und aktive Werkzeugnutzung, ohne Wartezeiten von mehr als 30 Minuten. Die menschliche Zeit wird nicht auf dieselbe Weise gemessen: Sie wird aus der Kopfzahl unter der Annahme von 40-Stunden-Wochen geschätzt. Das sind keine austauschbaren Einheiten, und das Verhältnis misst nicht die fertige Arbeit von sechs Beschäftigten.

Der aufschlussreichere Befund des Berichts betrifft, was um diese Produktion herum geschah. In einer Stichprobe von 2.000 kurzen Zusammenfassungen interaktiver Claude-Sitzungen stieg der Anteil der als „Meta-Arbeit“ eingestuften von 10 % im Herbst 2025 auf 22 % im Frühjahr 2026.¹ Dazu zählten das Festlegen von Anweisungen für Agenten, das Überwachen von Pipelines, das Einrichten eines Agenten, der einen anderen prüft, und das Dokumentieren von Prozessen. Es ist ein Anteil der eingestuften KI-Interaktionen, kein Beleg dafür, dass Beschäftigte 22 % ihrer gesamten Arbeitszeit mit der Steuerung von KI verbrachten.

Die Forschenden schätzten außerdem, dass interaktive Agentensitzungen etwa 80 % ihrer verstrichenen Zeit auf menschliche Eingaben warteten.¹ Diese Statistik betrifft die Wartezeit der Sitzungen, nicht die Behauptung, Beschäftigte seien 80 % des Tages untätig gewesen. Die Unterscheidung ist wichtig. Das zentrale operative Problem ist nicht, dass KI zu langsam wäre, sondern dass weiterhin ein Mensch Unterbrechungen priorisieren, fehlenden Kontext liefern und entscheiden muss, wann ein Ergebnis gut genug zur Verwendung ist.

Anthropic ist ein Extremfall, kein repräsentativer Arbeitgeber. Das Unternehmen entwickelt die untersuchte Technologie, hat ungewöhnlich versierte technische Teams und ein kommerzielles Interesse, ihren Nutzen zu zeigen. Der Bericht ist eine interne Beobachtungsstudie, keine randomisierte Schätzung dessen, was in einem typischen Unternehmen geschehen würde. Seine Output-Messungen veränderten sich zudem in einer Phase rascher Geschäftsausweitung, und die Autorinnen und Autoren weisen darauf hin, dass sich Beschäftigte, die Werkzeuge einsetzen, von denen unterscheiden können, die es nicht tun. Diese Grenzen löschen das Muster nicht aus. Sie legen fest, wie vorsichtig man es verallgemeinern sollte.

Die Arbeit, die niemand ins Automatisierungsbudget gesteckt hat

Stellen wir uns eine hypothetische gemeinnützige Organisation vor, die einen Agenten einsetzt, um Förderanträge aus Programmnotizen, Finanzunterlagen und Förderrichtlinien vorzubereiten. Das Entwerfen wird schneller. Aber jemand muss weiterhin die Förderfähigkeit prüfen, Zahlen abgleichen, vertrauliche Informationen schützen, bestätigen, dass jede Aussage belegt ist, und den endgültigen Antrag freigeben. Erzeugt das System zehn statt zwei Entwürfe, kann die Prüfwarteschlange schneller wachsen, als das Team sie abbauen kann. Die Organisation hat die Verantwortung nicht automatisiert, sondern ihren Ort verschoben.

Dieselbe Rechnung gilt für einen kleinen Einzelhändler, dessen Agent Lieferantenfragen beantwortet, oder für ein Finanzteam, dessen Agent Rechnungen klassifiziert. Es ist ein Unterschied, ob jedes Ergebnis geprüft wird, ob risikoarme Fälle stichprobenartig geprüft werden oder ob nur bei Ausnahmen eine Freigabe verlangt wird. Jeder Ansatz wägt Zeit gegen die Folgen eines Fehlers ab. Ein nicht korrigierter Tippfehler in einer internen Zusammenfassung ist nicht dasselbe wie eine falsche Zahlung, eine ungenaue medizinische Anweisung oder eine irreführende Aussage gegenüber einem Fördergeber. Die Gestaltung der Prüfung sollte diesen Unterschied widerspiegeln.

Eine Studie der Beratung BearingPoint vom September 2026 liefert ein nützliches Gegengewicht zur Vorstellung, schnellere Aufgaben bedeuteten automatisch eine stärkere Organisation. In einer Online-Umfrage unter 1.050 Führungskräften öffentlicher und privater Organisationen in Europa, den USA und China berichteten 74 % der Organisationen, die KI eingeführt hatten, von einer messbaren Wirkung auf Umsatz oder Kosten, doch nur 13 % gaben an, Initiativen wie ursprünglich geplant vollständig skaliert zu haben. Mehr als ein Viertel meldete Produktivitätsverbesserungen ohne messbare Auswirkungen auf die Gewinn- und Verlustrechnung.² Das sind Selbstauskünfte von Führungskräften, keine geprüften Kausalschätzungen, und die Stichprobe bezieht sich nicht gezielt auf kleine Organisationen. Dennoch zeigen sie eine Lücke zwischen lokaler Effizienz und organisatorischem Nutzen.

Der fehlende Schritt ist oft organisatorisch. Schnellere Entwürfe schaffen wenig Wert, wenn Freigaben langsam bleiben. Eine schnellere Kundenantwort ist kein besseres Ergebnis, wenn die Kundin oder der Kunde sich erneut melden muss, um sie korrigieren zu lassen. Ein Team kann bei einer Aufgabe Zeit sparen und den Gewinn dann für Prüfen, Abgleichen oder ein größeres Anfragevolumen verbrauchen. Das nützliche Maß ist das abgeschlossene, korrekte Ergebnis, nicht die Zahl der Nachrichten, die ein Agent erzeugen kann.

Tempo und Qualität können sich gegenläufig entwickeln

Forschung außerhalb von Anthropic bestärkt die Notwendigkeit, Aufgaben zu unterscheiden. In einem Arbeitspapier vom Juli 2026 berichteten Sven Bottesch und Kolleginnen und Kollegen von einem randomisierten Lab-in-the-Field-Experiment mit 128 Wissensarbeitenden einer multinationalen Industrieorganisation. KI-Unterstützung verbesserte die Effizienz bei allen drei getesteten Aufgaben. Die Qualität stieg beim Aufbereiten und Erstellen von Wissen, sank aber beim Beschaffen von Wissen.³ Die Studie ist klein, aufgabenspezifisch und ein Arbeitspapier, keine allgemeine Schätzung der KI-Leistung. Ihre praktische Lehre ist dennoch deutlich: Ein Arbeitsablauf kann schneller werden, während eine bestimmte Art von Fehler wahrscheinlicher wird.

Ein weiteres Preprint vom Juni 2026 von Chen Zhu, Xiaolu Wang und Weilong Zhang testete einen strukturierten Forschungsablauf mit menschlicher Beteiligung. Über 280 experimentelle Forschungsläufe auf vier Datensätzen berichten die Autoren, dass kritische Fehler von 72 % in einer unbeschränkten Multi-Agenten-Basislinie auf 16 % sanken, wenn deterministische Datenoperationen und ausdrückliche menschliche Entscheidungspunkte vorgegeben wurden.⁴ Diese Zahlen beschreiben einen eigens entworfenen Forschungs-Benchmark, nicht die zu erwartende Fehlerquote in einem Büro. Sie veranschaulichen aber, warum die Architektur der Prüfung ebenso wichtig sein kann wie die Raffinesse des Modells.

Es ist verlockend, einen Prüfengpass zu lösen, indem man einen zweiten Agenten den ersten kontrollieren lässt. Das kann helfen, routinemäßige Unstimmigkeiten zu finden, aber zwei automatisierte Prüfungen können dieselben blinden Flecken haben. Ist die zugrunde liegende Quelle falsch, ist eine Richtlinie mehrdeutig oder erfindet ein Modell selbstsicher ein Zitat, stellt ein weiteres Modell für sich genommen keine Wahrheit her. Eine menschliche Prüferin oder ein menschlicher Prüfer braucht weiterhin Zugang zu Belegen, einen klaren Freigabemaßstab und genug Zeit, um Urteilsvermögen auszuüben.

Ein praktischer Test für ein Team ohne KI-Abteilung

Bevor sie einen Agenten ausbauen, können Führungskräfte einen einzelnen Arbeitsablauf von der Anfrage bis zum Endergebnis abbilden. Sie markieren, welche Handlungen umkehrbar sind, welche externe Verpflichtungen schaffen, welche sensible Daten verarbeiten und welche fachliches oder rechtliches Urteil erfordern. Dann geben sie jeder Kategorie eine ausdrückliche Prüfregel. Ein risikoarmer interner Entwurf kann stichprobenartig geprüft werden; eine Zahlungsänderung, eine Einstellungsentscheidung oder eine öffentliche Tatsachenbehauptung kann eine namentlich benannte Freigabe erfordern. Das ist ein redaktioneller Entscheidungsrahmen, keine Behauptung, dass ein bestimmter Automatisierungsgrad allgemein sicher sei.

Anschließend messen sie einige Wochen lang den gesamten Zyklus: Zeit bis zum ersten Ergebnis, Zeit für die Überprüfung, Nacharbeit, Häufigkeit von Ausnahmen, Zahl der korrekt abgeschlossenen Fälle und ob Kundschaft oder Begünstigte besseren Service erhalten. Diese Ergebnisse vergleichen sie mit dem Prozess vor der KI. Dazu gehören die Kosten, Menschen für die Aufsicht über das System zu schulen und die Anweisungen zu pflegen, von denen es abhängt. Ist der Agent schnell, bleibt die Endentscheidung aber in einer Warteschlange stecken, wird zusätzliche Erzeugungskapazität den Engpass kaum beheben.

Schließlich gilt es zu entscheiden, wer aus den Ausnahmen lernt. Wer bemerkt, warum eine vorgeschlagene Antwort unsicher, unvollständig oder schlecht eingeordnet ist, baut fachliches Urteilsvermögen auf. Diese Erfahrung lässt sich in eine gemeinsame Checkliste, einen verbesserten Prozess oder bessere Schulung für Kolleginnen und Kollegen überführen. Rettet aber stets dieselbe Expertin oder derselbe Experte stillschweigend jedes misslungene Ergebnis, wird die Organisation von unsichtbarer Arbeit abhängig. Gute Aufsicht ist eine Fähigkeit, die man entwickeln und verteilen muss, keine unbegrenzte Ressource, die man verbrauchen kann.

Die Folgen für die Laufbahn sind subtiler als eine neue Berufsbezeichnung

Agentenaufsicht ist nicht zwangsläufig ein neuer Beruf. An vielen Arbeitsplätzen ist sie ein sich wandelnder Bestandteil bestehender Tätigkeiten: eine Sachbearbeiterin, die die Anspruchsberechtigung prüft, ein Buchhalter, der Auffälligkeiten untersucht, eine Recruiterin, die eine Kandidatenzusammenfassung hinterfragt, oder eine Führungskraft, die definiert, was eine gute Antwort ist. Anthropic berichtet, dass sich Beschäftigte in einigen Funktionen dahin verlagerten, Arbeit zu spezifizieren und zu koordinieren, statt jeden Schritt selbst auszuführen. Außerdem meldet das Unternehmen einen sinkenden Anteil junger technischer Einstellungen, doch seine internen Daten können nicht beweisen, dass der Agenteneinsatz allein diese Verschiebung verursacht hat.¹

Das schafft ein Ausbildungsdilemma. Gute Prüfende müssen wissen, wie die zugrunde liegende Arbeit gemacht wird, doch Automatisierung kann gerade die Routinefälle entfernen, an denen dieses Wissen erworben wurde. Kleinere Organisationen können das Problem nicht lösen, indem sie einfach erfahrene „KI-Manager“ einstellen. Sie brauchen womöglich bewusste Lehrphasen: betreute Ausnahmeprüfungen, regelmäßige praktische Arbeit ohne den Agenten und Gelegenheiten für Nachwuchskräfte zu erklären, warum sie ein Ergebnis angenommen oder abgelehnt haben. Das kostet kurzfristig Zeit, schützt aber das Urteilsvermögen, von dem sichere Automatisierung abhängt.

Das Versprechen der KI ist real: weniger repetitive Schritte, mehr Kapazität für Kundenkontakt, tiefere Analysen und Arbeit, die bisher unerledigt blieb. Das Risiko ist es ebenfalls: Organisationen könnten erzeugten Output als Produktivität verbuchen und zugleich die Menschen, die ihn vertrauenswürdig machen, als Gemeinkosten behandeln. Die nützlichste Frage für das nächste KI-Pilotprojekt lautet daher nicht „Wie viele Aufgaben kann der Agent erledigen?“. Sie lautet: „Wer merkt, wann der Agent falsch liegt, und hat die Befugnis und die Zeit, etwas dagegen zu tun?“

So kann hilighter helfen

Sichere Agenteneinführung beginnt damit zu wissen, welche Skills hinter jeder Rolle stehen, wo Ausnahmen landen und wer in Prüfung und Aufsicht hineinwachsen kann. hilighter hilft Ihnen, Skills nach Rolle zu erfassen, mit Skills & Talent Insights Stärken und Lücken zu erkunden, individuelle Entwicklungspfade festzulegen und einen indikativen Überblick über die möglichen Auswirkungen von KI auf Jobs zu erhalten. Ein kostenloser Tarif steht für bis zu drei Rollen zur Verfügung.

Quellen

1. Anthropic Institute, How employment is changing at Anthropic, 16. Oktober 2026.
2. BearingPoint, Scaling AI for measurable impact, September 2026; Umfragezeitraum August 2026.
3. Bottesch et al., Faster, Higher, Stronger? The Impact of GenAI on Knowledge Work Productivity - Evidence from the Field, Arbeitspapier, 28. Juli 2026.
4. Zhu, Wang und Zhang, (Human) Attention Is (Still) All You Need: Human oversight makes AI-assisted social science reliable, Preprint, 11. Juni 2026.

Quellen zuletzt geprüft: 24. Oktober 2026. Die Anthropic-Zahlen beschreiben einen einzelnen KI-Spitzenarbeitgeber; Ergebnisse aus Umfragen und Arbeitspapieren sind keine allgemeinen Schätzungen für KMU.