Agent, Agent Manager, Agency: ein Feldführer durch das neue KI-Organigramm

Heute ist alles ein Agent – und genau das ist das Problem

Gefühlt jeder zweite Post auf X oder LinkedIn handelt von irgendeinem „Agent“, den jemand gebaut hat, um [hier den Wachstumstrick einfügen] zu lösen. Manche sind wirklich autonome Agenten, manche sind eigentlich eine Reihe von Automatisierungen, und viele sind einfache Kombinationen aus Prompts und Skills in Claude CoWork. Alles nützlich, aber es fühlt sich an, als wäre das Wort „Agent“ zu einer Art Sammelbegriff geworden.

Zum einen liegt das daran, dass sich die Technik so schnell verändert. Vor einem Jahr dachten wir, OpenClaw sei das, was einen Agent ausmacht. Vor ein paar Monaten machten geplante Prompts in Claude Work in etwa dasselbe. Zum anderen haben Menschen gerade sehr unterschiedliche Erfahrungs- und Kenntnisstände mit KI-Tools. Jeder hat wirklich eine andere Erfahrung und eine andere Definition für das Wort „Agent“.

Noch deutlicher wird es, wenn du dir die SaaS-Produktlandschaft anschaust.

Öffne diese Woche drei verschiedene KI-Produktseiten und du findest drei verschiedene Definitionen von „Agent“.

Der eine ist ein Button mit „x generieren“, der eine generische KI-Ausgabe erzeugt, wie eine Zusammenfassung, ein Brainstorming von Ideen, die Erstellung einer Gliederung usw. (Das sind die Unternehmen, die auf ihrer Startseite ein „KI-gestützt“-Label anbringen, was im KI-Zeitalter dem Äquivalent entspricht, sich selbst als Boomer zu bezeichnen.)
Der andere ist eine „KI-(irgendein Jobtitel)“, also ein Chatfenster, das Fragen zu deinen Workspace-Daten beantwortet. Manchmal kann es sogar Dinge in deinem Workspace schreiben oder erstellen.
Ein weiterer ist etwas, das die Arbeit selbstständig erledigt, nach einem Zeitplan, und sich zurückmeldet, wenn es fertig ist. Meist ist es mit Claude Work, ChatGPT, Grok oder einem anderen KI-Modell verbunden und fungiert als Orchestrator oder Schnittstelle, um diese Agents aus der Ferne auszuführen.

Aus unserer Sicht hier bei Tability sehen wir eine riesige Lücke zwischen diesen Definitionen von „Agents“ und dem, wo wir stehen. Das ist nicht dasselbe, und wir wollen diesen Unterschied heute klar machen.

Was „Agent“ in der Software bedeutet

Es gibt zwei separate Verwirrungen, die übereinandergestapelt sind, und die meisten Erklärungen behandeln nur eine davon.

Die erste liegt auf Anbieterseite. Viele Softwareunternehmen haben eine bestehende Chatfunktion genommen, auf deine Daten gerichtet und sie als „Agent“ oder „KI Chief of Staff“ umbenannt. Sie beantwortet Fragen gut. Sie entwirft vielleicht sogar Dinge für dich. Aber sie ist eine bessere Suchleiste, kein Teamkollege. Sie existiert nur, wenn jemand das Chatfenster öffnet und sie etwas fragt.

Die zweite Verwirrung geht in die andere Richtung, und sie ist die schärfere. Wenn ein Agent wirklich nur KI-Reasoning über deine Daten ist, warum dann nicht den Mittelsmann überspringen und direkt Claude oder ChatGPT nutzen? Das ist eine berechtigte Frage, und die meisten Tools, die sich Agent nennen, haben keine gute Antwort darauf. Der ehrliche Test ist einfach: Tut es irgendetwas, wenn niemand mit ihm spricht? Wenn die Antwort nein ist, ist es ein Chatbot im Kostüm. (Mehr zu dieser Unterscheidung in AI agent vs AI assistant.)

Was unserer Meinung nach etwas zu einem Agent macht

Klar, morgen könnte (oder wird) sich das wieder ändern. Auch wir versuchen nur, Schritt zu halten. Aber so wie die Dinge heute stehen, sehen wir einen echten Unterschied zwischen:

	Die meisten „KI-Agenten“	Ein echter Agent
Woran er gebunden ist	An ein Chatfenster und einen Prompt	An ein echtes Ziel, wie ein OKR
Wann er arbeitet	Nur während du im Gespräch bist	Nach eigenem Zeitplan, ohne Aufforderung
Was passiert, wenn er wächst	Bleibt ein einzelner Assistent, egal wie fähig	Rekrutiert bei Bedarf weitere Agenten in eine Agency
Wem er Bericht erstattet	Nur demjenigen, der den Chat geöffnet hat	Dem gesamten Team, über Check-ins, die jeder einsehen oder steuern kann

Entfernst du das Marketing, bleiben eigentlich nur zwei Arten von KI-Agenten übrig, die zählen: die, die auf einen Prompt warten, und die, die es nicht tun. Alles andere ist eine Variante dieser beiden.

Ein echter Agent besteht drei Tests:

Er besitzt ein Ziel, kein Gespräch. Echte Arbeit hat ein Ziel: ein OKR, ein Key Result, eine Zahl, die sich bewegen muss. Ein Gespräch hat keinen Endzustand, es geht einfach weiter, bis jemand aufhört zu tippen.
Er arbeitet nach seinem eigenen Zeitplan, ohne dazu aufgefordert zu werden. Niemand muss ein Fenster öffnen und fragen. Er läuft bereits, prüft, zieht Daten, erledigt den nächsten Arbeitsschritt.
Er verschwindet nicht, wenn der Chat geschlossen wird. Er meldet sich über Check-ins, Updates und Kommentare zurück, etwas, das der Rest des Teams tatsächlich sehen und darauf reagieren kann, egal ob es die Person ist, die ihn eingerichtet hat, oder nicht.

Fällst du bei allen drei Tests durch, hast du einen Chatbot. Bestehst du alle drei, hast du etwas, das es verdient, Agent genannt zu werden.

Kannst du das nicht einfach in Claude oder ChatGPT machen?

Berechtigte Frage, und die ehrliche Antwort lautet: für eine einzelne Aufgabe, klar. Bitte Claude oder ChatGPT, etwas zu entwerfen, etwas zusammenzufassen oder über eine Entscheidung nachzudenken, und du bekommst in dieser Sitzung eine gute Antwort.

Wo es zusammenbricht, ist alles, was weiterlaufen muss, nachdem du den Tab schließt. Claude und ChatGPT sind dafür gebaut, dass eine Person an einem Problem in einer Sitzung arbeitet. Sie halten kein Ziel über eine Woche offen, sie arbeiten nicht unaufgefordert, und niemand sonst im Team kann ohne deinen Login sehen oder steuern, was sie gerade tun. Das ist keine Kritik an den Modellen, es ist einfach nicht die Aufgabe, für die sie gebaut sind.

Was ein Agent obendrauf hinzufügt, ist die Koordinationsebene, die dir eine reine Chat-Sitzung nicht gibt: ein Ziel, das über die Zeit hinweg offen bleibt, Arbeit, die ohne Aufforderung passiert, und Check-ins, die der Rest des Teams sehen, kommentieren und umlenken kann, egal ob sie die Person sind, die es ursprünglich eingerichtet hat.

Wir sind nicht die Einzigen, die das so sehen. Als wir auf LinkedIn über Agent Manager gepostet haben, hat eine Antwort das ganze Problem besser zusammengefasst als wir: Das ist dieselbe Mauer aus Sichtbarkeit-ohne-Unterbrechung, die Teams vor zwei Jahrzehnten mit Projektmanagement-Tools gelöst haben, und wie es Kommentator Kurt Wellington ausdrückte: „wir bauen diese Logik jetzt einfach für Agents neu auf“.

Die drei Begriffe, jeweils eine Zeile

__wf_reserved_inherit — Drei Stufen des Agent-Einsatzes in Tability

Bevor wir tiefer auf jeden einzelnen eingehen, hier die Kurzversion:

Agent: ein KI-System, das an ein echtes Ziel gebunden ist, nach eigenem Zeitplan arbeitet und über Check-ins zurückmeldet, die das Team sehen kann — kein Chatbot, der auf einen Prompt wartet.
Agent Manager: ein Agent, der ein Ziel übernimmt, es in messbare Key Results zerlegt und die dafür nötigen Spezialisten-Agenten rekrutiert.
Agency: das rekrutierte Team selbst — ein Agent Manager plus seine Spezialisten-Agenten, aufgebaut um ein einziges Ziel.

Agent Manager: die Rolle, die niemand ins Organigramm eingetragen hat

Bei Tability nennen wir diese Rolle einen Agent Manager: einen Agent, der existiert, um ein Ziel zu besitzen, das er nicht allein mit Personal erreichen kann. Er wird rekrutiert, von einer Person, oder zunehmend von selbst hochgezogen, um ein echtes Geschäftsziel zu übernehmen, es in messbare Key Results zu zerlegen und dann ein Team von Spezialisten-Agenten zu rekrutieren, um tatsächlich gegen sie zu arbeiten: Daten ziehen, Analysen durchführen, Berichte entwerfen, Risiken markieren, was auch immer das Ziel verlangt.

Das ist eine wirklich neue Form im Organigramm. Es ist kein Manager von Menschen, und es ist auch kein Chatbot. Es ist eher wie ein Vorarbeiter: etwas, dessen gesamte Aufgabe darin besteht, sicherzustellen, dass ein Ziel richtig besetzt wird und die Arbeit tatsächlich erledigt wird, und danach zurückzumelden, wie es gelaufen ist. Für einen genaueren Blick darauf, wie sich das im Alltag zeigt, siehe was ein Agent Manager in Tability macht.

Agency: ein Team von Agenten, keine Firma, die du beauftragst

Hier wird das Vokabular richtig verwirrend, deshalb lohnt es sich, präzise zu sein. Bei Tability nennen wir es eine Agency: ein rekrutiertes Team von Spezialisten-Agenten, aufgebaut um ein Ziel, geführt von einem Agent Manager. Ähnlich wie bei einer echten Spezialagentur fühlt es sich beim Engagieren wirklich so an, als würdest du ein kleines Team ins Boot holen, das um eine einzige zu erledigende Aufgabe herum aufgebaut ist, nur dass jedes Teammitglied ein Agent ist, keine Person auf Honorarbasis.

Ein Ziel, ein Agent Manager, eine rekrutierte Agency, die dem gesamten Team Bericht erstattet.

Wo Tability ansetzt

Genau hierhin hat sich, ganz offen gesagt, auch unser eigenes Produkt bewegt. Bei Tability ist ein Agent an ein echtes OKR gebunden, nicht an einen Chat-Thread. Er läuft nach eigenem Zeitplan, rekrutiert Spezialisten-Agenten in eine Agency, während das Ziel wächst, und meldet sich über Check-ins zurück, die das gesamte Team sehen, kommentieren oder umlenken kann, genau wie sie es bei einem menschlichen Teamkollegen tun würden. Das ist auch mit ein Grund, warum Tability im OKR-Software-Benchmark bei den KI-Funktionen auf Platz 1 liegt, vor WorkBoard und Profit.co.

Ein Tability-Kunde hat kürzlich 20 Agenten über vier Wachstumsziele hinweg rekrutiert, indem er nur vier Agent Manager erstellt hat, und verbringt seine Zeit damit, Ergebnisse zu prüfen und die Richtung zu steuern, statt Personal zu verwalten — dasselbe Muster, das wir bei uns selbst anwenden; sieh dir an, wie selbst rekrutierende Agent-Teams in der Praxis funktionieren. Das ist die Richtung, in die sich das Organigramm entwickelt: weniger Neueinstellungen, mehr Agencies.

Wenn dir dieses Muster bekannt vorkommt, sollte es das auch. Es ist ungefähr das, was passierte, als StratOps vor ein paar Jahren aufkam: eine neue Funktion, für die niemand budgetiert hatte, entstanden, weil das alte Organigramm die Arbeit, die tatsächlich erledigt werden musste, nicht beschreiben konnte.

Beginne noch heute damit, deine Agencies einzusetzen

Wenn dein Team schon Fragen zu „KI-Agenten“ bekommt und noch niemand sich einig ist, was das Wort bedeutet, ist das normalerweise das erste Anzeichen dafür, dass du eine gemeinsame Definition brauchst, bevor du ein Tool brauchst.

‍Kostenlos registrieren und sehen, wie Agent-Ownership innerhalb eines echten Ziels tatsächlich funktioniert, oder 30 Minuten mit uns buchen, und wir gehen durch, wie eine Agency für dein Team aussehen könnte. Ob mit Tability oder nicht, es lohnt sich, das Vokabular zu klären, bevor es in irgendjemandes Stellenbeschreibung landet.