Welche Aufgabe eignet sich für den ersten KI-Agenten?

Für den ersten KI-Agenten eignet sich nicht unbedingt die Aufgabe mit dem größten Potenzial, sondern eine, an der das Team sicher Erfahrung sammeln kann: Sie wiederholt sich oft, ihr Ergebnis lässt sich schnell prüfen, und ein Fehler kostet wenig. Wer so anfängt, sieht im Piloten verlässlich, ob der Agent hilft, und lernt dabei, wie Aufsicht und Freigabe im eigenen Team funktionieren.

Kurz gesagt: Für den ersten KI-Agenten eignet sich eine wiederkehrende Aufgabe, die das Team gern abgibt, die häufig genug anfällt, um sie im Piloten zu messen, deren Ergebnis das Team schnell und sicher prüfen kann und bei der ein unentdeckter Fehler wenig kostet.

Wofür: Für Team- und Bereichsleitungen, die mehrere Ideen für einen ersten Agenten auf dem Tisch haben und eine davon für den Piloten auswählen müssen.

Wo man anfängt: beim Team, nicht beim Werkzeug

Die erste Frage ist nicht, was die KI kann, sondern was das Team abgeben möchte. Die bisher umfassendste Erhebung dazu, die WORKBank-Studie der Stanford University, hat 1.500 Beschäftigte zu 844 Aufgaben aus 104 Berufen befragt und ihre Antworten mit Einschätzungen zur technischen Machbarkeit verbunden (Shao u. a. 2025). Wo Wunsch und Machbarkeit zusammentreffen, sprechen die Forschenden von einer „Green Light Zone“. Wo die Technik könnte, die Beschäftigten aber nicht wollen, liegt die „Red Light Zone“: Dort scheitern Einführungen an Widerstand oder werden kaum genutzt.

Für die Auswahl heißt das: Am Anfang steht eine Frage an das Team.

Welche eurer zeitraubenden, frustrierenden und wiederkehrenden Aufgaben würdet ihr am liebsten abgeben?

Die Antworten sind die Kandidatenliste. Was niemand abgeben will, gehört nicht auf die Liste für den ersten Agenten, auch wenn es technisch naheliegt.

Fünf Merkmale einer guten ersten Aufgabe

Aus der Kandidatenliste wird die erste Aufgabe mit fünf Fragen ausgewählt. Sie stammen aus der KI-Delegationsdiagnose und sind hier auf den ersten Piloten zugespitzt.

1. Gewünscht: Das Team möchte die Aufgabe abgeben, nicht nur die Leitung.
2. Häufig: Die Aufgabe fällt oft genug an, etwa wöchentlich, damit sich in einem Piloten von 90 Tagen zeigt, ob der Agent dem Team messbar hilft.
3. Schnell und sicher prüfbar: Würde das Team einen falschen Entwurf sicher erkennen, und zwar in wenigen Minuten? Lautet die Antwort nein, ist die Aufgabe noch nicht delegationsreif.
4. Geringe Fehlerkosten: Ein Fehler, der durchrutscht, ist ärgerlich, aber korrigierbar. Er trifft keine Kund:innen, keine Beschäftigten und keine rechtlichen oder finanziellen Entscheidungen.
5. Klar beschreibbar: Regeln, Ausnahmen und das gewünschte Ergebnis lassen sich aufschreiben. Lautet die Antwort auf Rückfragen oft „Das kommt darauf an“, steckt viel Erfahrungswissen in der Aufgabe. Dann ist sie ein Vorbereitungsfall, kein Pilotfall.

Dazu kommt eine Grenze, die nicht verhandelbar ist: Datenschutz, Vertraulichkeit und Mitbestimmung müssen geklärt sein. Für den ersten Agenten sind deshalb Aufgaben ohne Daten über Beschäftigte die einfachere Wahl.

Welche Aufgaben sich bewährt haben

Für viele Aufgabentypen gibt es inzwischen belastbare Befunde aus Feldexperimenten und Evaluationen. Das Buch „Mensch-KI-Teams führen“ fasst sie als Golden Use Cases zusammen: wiederkehrende Aufgabentypen, bei denen Delegationswunsch, nachgewiesene KI-Fähigkeit, belegtes Produktivitätspotenzial und beherrschbares Risiko zusammentreffen. Für Teams in Büro und Management sind das unter anderem:

Aufgabe	Was der Agent übernimmt	Was beim Team bleibt	Worauf achten
Meeting-Nachbereitung	Protokoll, Entscheidungen, offene Punkte, To-dos	prüfen, korrigieren, freigeben	häufig, schnell prüfbar, geringe Fehlerkosten: oft ein guter erster Pilot
Entwürfe interner Dokumente	Erstfassung von Memo, Briefing, Statusbericht	Kontext, Aussage, Freigabe	Prüfkompetenz ist im Team meist vorhanden
Narrativer Teil des Reportings	Kommentar und Zusammenfassung zu geprüften Zahlen	Zahlen aus dem System, Einschätzung, Freigabe	Zahlen nicht vom Sprachmodell ermitteln lassen
Recherche verdichten	Briefing aus vorhandenen Quellen	Quellen bewerten, Lücken erkennen, Schluss ziehen	Quellenprüfung ist Pflicht
E-Mails zusammenfassen, Erstantworten	Threads verdichten, Antwortentwürfe	Versand, Ton, Adressat	für interne Kommunikation; bei Kund:innen steigt das Risiko
Wissenspflege und FAQ	wiederkehrende Fragen sammeln, Antworten formulieren	Inhalte prüfen, freigeben	nur so gut wie die Quellen dahinter
Abgleich von Dokumenten	Unterschiede zwischen Regelwerk und interner Richtlinie sichtbar machen	rechtliche Bewertung	in sensiblen Feldern eng begleiten

Die Meeting-Nachbereitung ist im Buch ausdrücklich als häufiger Pilot genannt: Sie fällt oft an, ist standardisiert, schnell geprüft, und regulatorische Risiken sind in der Regel gering. Eine Evaluation im britischen Wirtschaftsministerium weist in die gleiche Richtung: Textentwürfe, Recherche- und Meeting-Zusammenfassungen sparten den Teilnehmenden Zeit, und Meeting-Zusammenfassungen waren die am häufigsten erfasste Aufgabe (Department for Business and Trade 2025).

Was sich für den ersten Agenten nicht eignet

• Leistungsbeurteilungen und Personalentscheidungen. Sie gelten nach der KI-Verordnung als Hochrisiko und betreffen Beschäftigte direkt. Mitbestimmung und Datenschutz sind hier zwingend gefragt.
• Führungsgespräche und Konfliktmoderation. Technisch machbar, aber Beziehungsarbeit. In der WORKBank-Studie liegen solche Aufgaben in der Red Light Zone.
• Strategische Kernaussagen unter Unsicherheit. Sie brauchen Kontext, der in keinem Dokument steht, und politisches Fingerspitzengefühl. KI hilft hier eher als Recherche-Assistenz, ein anderer Anwendungsfall.
• Rechnen mit einem Sprachmodell. Sprachmodelle können Zahlen erfinden (Huang u. a. 2025). Summen und Kennzahlen liefert eine Automatisierung, die deterministisch rechnet.
• Aufgaben, die weder schneller noch besser werden. In der britischen Evaluation sparte Terminplanung keine Zeit, Folien entstanden schneller, aber schlechter (Department for Business and Trade 2025).
• Aufgaben mit externen Empfängern. Sobald Außenstehende betroffen sind, steigen die Fehlerkosten. Für den Anfang besser ein interner Empfängerkreis.

Ein Beispiel: drei Ideen, eine Wahl

Ein Team hat drei Ideen für seinen ersten Agenten. Der erste soll Kundenfeedback aus Tickets vorsortieren, der zweite die Servicequalität in Kundengesprächen auswerten und Auffälligkeiten je Mitarbeiter:in markieren, der dritte den wöchentlichen Statusbericht vorbereiten.

• Servicequalität je Mitarbeiter:in: bewertet Beschäftigte. Systeme, die Leistung und Verhalten von Beschäftigten bewerten, gelten nach der KI-Verordnung als Hochrisiko, und Datenschutz und Interessenvertretung sind gefragt. Nicht für den ersten Agenten.
• Tickets vorsortieren: häufig und gut prüfbar. Offen ist, ob das Team sein Gespür dafür behält, was Kund:innen zwischen den Zeilen schreiben, wenn es nur noch Vorschläge freigibt. Möglich, wenn das von Anfang an mitgedacht wird.
• Statusbericht vorbereiten: wöchentlich, intern, gut prüfbar, wenn die Zahlen aus dem Projektsystem kommen und der Agent nur den Text schreibt. Nach den fünf Merkmalen der naheliegende erste Kandidat. Wie der Ablauf aussieht, zeigt der Beitrag Statusberichte mit KI vorbereiten.

Von der Wahl zum Piloten

Mit der Aufgabe ist der erste Schritt getan. Bevor der Agent in den Piloten geht, klärt das Team, wie der Ablauf aufgeteilt wird, wer prüft und stoppen darf, woran sich zeigt, dass der Agent hilft, und was genau gebaut werden soll. Die fünf Schritte und eine Checkliste beschreibt die Seite Der erste KI-Agent im Team. Beispiele für wiederkehrende Aufgaben aus der Informationsarbeit zeigt die Seite Beispiele.

Die erste Aufgabe im Delegations-Workshop auswählen

Im Delegations-Workshop bringt Ihr Team seine Kandidaten mit. yumo prüft vorab im Delegations-Check, welche Aufgabe sich für den ersten Agenten eignet, und im Workshop entstehen Sollablauf, Aufsichtsregeln, Erfolgskriterien und die AI Job Card für den Piloten.

Dr. Saskia Dörr ist Gründerin von yumo und Autorin des Buchs „Mensch-KI-Teams führen – Wie Teamleads die Arbeit mit KI produktiv und menschenzentriert gestalten“, das 2027 bei Springer Gabler erscheint.

Quellen

• Dörr S (2027): Mensch-KI-Teams führen. Kapitel 3: Diagnostizieren (Golden Use Cases, Delegationswunsch, KI-Delegationsdiagnose). Springer Gabler (in Vorbereitung).
• Shao Y, Zope H, Jiang Y, Pei J, Nguyen D, Brynjolfsson E, Yang D (2025): Future of work with AI agents: Auditing automation and augmentation potential across the U.S. workforce. arXiv:2506.06576. doi.org/10.48550/arXiv.2506.06576
• Department for Business and Trade (2025): Microsoft 365 Copilot pilot: DBT evaluation report. GOV.UK, 28. August 2025. gov.uk
• Huang L u. a. (2025): A survey on hallucination in large language models. ACM Transactions on Information Systems 43(2). doi.org/10.1145/3703155
• Verordnung (EU) 2024/1689 (KI-Verordnung, EU AI Act), Anhang III. data.europa.eu/eli/reg/2024/1689/oj