Wer heute „Agent Manager“ sucht, bekommt auf derselben Seite drei völlig unterschiedliche Antworten: Hollywood-Talentmanagement, ein Open-Source-API-Gateway namens WSO2 Agent Manager, und eine Handvoll Meinungsartikel, die fragen, ob jedes Unternehmen inzwischen jemanden braucht, dessen einzige Aufgabe es ist, eine Flotte von KI-Agenten im Blick zu behalten. Keine dieser Antworten passt zu den anderen. Das ist meist ein Zeichen dafür, dass ein Begriff noch jung genug ist, dass sich der Markt noch nicht auf seine Bedeutung geeinigt hat – und dass es sich lohnt, präzise zu sein, solange seine Definition noch offen ist.
Hier die Version, die zählt, wenn du derjenige bist, der die Agenten tatsächlich betreibt: Teams betreiben bereits heute still und leise sechs, zehn, zwanzig KI-Agenten – ohne dass eine einzelne Person dafür verantwortlich ist, was diese tun oder warum. Irgendjemand muss das irgendwann übernehmen, genauso wie jemand ein Team aus Menschen leitet, anstatt dass jede Person niemandem Bestimmtem berichtet. Bei Tability ist diese Person eine konkrete Funktion mit einer konkreten Aufgabe. Sie heißt Agent Manager. Das hier ist, was sie tatsächlich tut.
Was ein Agent Manager bei Tability ist
Ein Agent Manager ist kein Chatbot, und er ist keine Person. Er ist ein Agent, den du einem Ziel zuweist, genauso wie du einer neuen Mitarbeiterin ein Ziel übergeben würdest. Statt nur auf Fragen zu antworten, wenn man ihn dazu auffordert, übernimmt er die Verantwortung für dieses Ziel, zerlegt es in einen Plan, rekrutiert die Spezialagenten, die er zur Umsetzung des Plans braucht, und berichtet in festen Abständen über den Fortschritt – egal, ob jemand daran denkt, nachzufragen, oder nicht.
Das ist eine andere Aufgabe als fast alles andere, was gerade als „KI-Agent“ vermarktet wird. Das meiste, was als Agent bezeichnet wird, ähnelt eher einem sehr fähigen Assistenten: nützlich, aber nur, wenn du ihn aktiv steuerst – wie es die eigene Agent-Manager-Seite von Tability im direkten Vergleich zeigt.
| Die meisten KI-Agenten | Tability-Agenten |
|---|---|
| Beantworten Fragen, wenn du sie stellst | Haben ein Ziel, auf das sie hinarbeiten, warten also nicht auf deinen nächsten Befehl |
| Leben in einer Chat-Seitenleiste | Erzeugen eigenständig Aufgaben für ihr Ziel, ohne dass man sie darum bittet |
| Vergessen, sobald der Chat geschlossen wird | Führen geplante Arbeit über verbundene Modelle (OpenAI, Claude) und Skills aus |
| Berichten niemandem | Berichten Ergebnisse und Resultate in Check-ins, Kommentaren und Dashboards |
| Gehören dem, der den Chat geöffnet hat | Stehen im Organigramm und können von jedem im Team mit Arbeit betraut werden |
Der praktische Unterschied liegt nicht in der Intelligenz. Er liegt darin, ob der Agent ein Ziel hat, für das er verantwortlich ist, oder nur ein Chatfenster, das auf den nächsten Prompt wartet.
Wie ein Agent Manager ein Team rekrutiert, die Agency
Weist du einem Agent Manager ein Ziel zu, passieren sechs Dinge – in dieser Reihenfolge. Du legst ein Ziel fest, komplett mit Zielwert, Frist und Ausgangswert. Du weist ihm mit einem Klick einen Agent Manager zu, und er übernimmt die Verantwortung. Er verwandelt das Ziel in einen Plan, indem er es in messbare Key Results zerlegt, die er tatsächlich besetzen kann. Er rekrutiert für jeden Teil dieses Plans einen Spezialagenten. Er berichtet in festen Abständen über den Fortschritt gegenüber dem Plan. Und er nimmt Steuerungs-Feedback entgegen – einen einzigen Kommentar – und plant von dort aus das nächste Arbeitspaket neu.
Tability nennt das Ergebnis eine Agency: den Agent Manager plus alle, die er rekrutiert. Das ist eine bewusste Wortwahl, kein Umbenennen von „Team“ oder „Belegschaft“. Eine Tability-Agency ist keine externe Agentur, die du beauftragst. Es ist eine Gruppe deiner eigenen Agenten, die plant, ausführt und berichtet, bis ein Ziel erreicht ist – so, wie eine echte Agentur ein Briefing abarbeitet –, und ein Begriff, den du bisher nirgendwo sonst in OKR-Software in dieser Form verwendet siehst.
Ein reales Beispiel aus Tabilitys eigenem Einsatz der Funktion: Ein SEO-Wachstumsziel, „organischen Traffic von 16.000 $ auf 25.000 $ steigern“, wird von vier Spezialisten besetzt – einem Strategen für Wettbewerbslücken, einem Analysten für die Auffrischung verfallender Seiten, einem Analysten für Rankings in Reichweite und einem technischen SEO-Spezialisten. Niemand hat diese vier Rollen manuell zugewiesen. Der Agent Manager hat sich den Plan angesehen und genau das rekrutiert, was gebraucht wurde.
Aktuell liegt die Obergrenze einer Agency bei insgesamt sechs Agenten – ein Agent Manager plus fünf Spezialisten –, während Tability noch herausfindet, wie weit sich das Modell skalieren lässt, bevor diese Grenze gelockert wird. Wichtig zu wissen: Das wird nicht als unbegrenzte Personalstärke auf Abruf verkauft, sondern als bewusst begrenztes Team – in derselben Größe, für die ein Manager tatsächlich verantwortlich bleiben kann.
Was ein Agent Manager nicht ist
Er ist kein universeller Projekt-Bot, den du auf eine beliebige Aufgabe ansetzt und dann sich selbst überlässt. Er ist um jeweils ein Ziel herum aufgebaut, mit Zielwert und Frist, nicht um eine endlose To-do-Liste. Er ist auch nicht unbeaufsichtigt: Jede Agency berichtet in festen Abständen und nimmt Steuerungskommentare entgegen, sodass ein Mensch bei der Richtung immer eingebunden bleibt, auch wenn er nicht ins Tagesgeschäft eingreift.
Und er ist nicht unbegrenzt. Die Obergrenze von sechs Agenten pro Agency ist heute eine echte Beschränkung, keine Fußnote im Marketing. Braucht ein Ziel wirklich mehr als fünf Spezialisten, lautet die ehrliche Antwort aktuell, es in mehrere Ziele aufzuteilen, jedes mit eigenem Agent Manager, statt von einer einzigen Agency zu erwarten, dass sie über das hinaus skaliert, was Tability tatsächlich getestet hat.
Die Aufgabe des Menschen: Ergebnisse prüfen, nicht Personal verwalten
Das ist der Teil, der wirklich verändert, wie du deine Zeit verbringst. Du verwaltest nicht die Spezialisten, die ein Agent Manager rekrutiert. Du siehst nie eine Besetzungsliste, führst keinen Einstellungsplan und sitzt nicht in fünf separaten Check-ins. Du siehst einen einzigen Statusbericht, geschrieben vom Agent Manager, der zusammenfasst, was jeder Spezialist geliefert hat, was blockiert ist und was als Nächstes ansteht.
Muss sich etwas ändern, schreibst du nicht die Anweisungen von fünf Agenten einzeln um. Du hinterlässt einen einzigen Kommentar zum Bericht der Agency, und der Agent Manager plant das nächste Arbeitspaket neu und verteilt es – genauso wie eine Führungskraft Feedback von der eigenen Führungskraft entgegennimmt und es an das eigene Team weitergibt. Feedback funktioniert auch über den gesamten Workspace hinweg: Du kannst eine Agency kommentieren, die du nicht selbst leitest, und sie liest den Thread vor ihrem nächsten Update – genau wie ein Kommentar zur Arbeit einer Kollegin oder eines Kollegen.
Mit anderen Worten: Du prüfst das Ergebnis einer direkt unterstellten Stelle, du verwaltest kein Personal. Genau darum geht es bei diesem Modell. Der Verwaltungsaufwand für ein Team aus Agenten liegt beim Agent Manager, nicht bei dir.
Wo ein Agent Manager in den bestehenden Ablauf deines Teams passt
All das bringt wenig, wenn es ein Nebensystem ist, das niemand ansieht. Der Bericht eines Agent Managers landet genau dort, wo dein Team den Fortschritt ohnehin schon verfolgt: an einem OKR, im selben wöchentlichen Rhythmus, in dem eine StratOps-Funktion bereits für die Menschen im Team läuft. Wenn Check-ins bereits die Taktung sind, die OKRs ehrlich hält, wird ein Agent Manager einfach zu einem weiteren Beitragenden in genau diesem Rhythmus – kein paralleles Dashboard, an dessen Öffnen du dich erst erinnern musst.
Genau deshalb steht er auch neben Tabilitys anderen Agenten-Funktionen, statt sie zu ersetzen. Fragst du dich, ob du eigentlich nur einen KI-Agenten oder einen KI-Assistenten brauchst, oder willst du wissen, was einen Agenten fit für den Enterprise-Einsatz macht, ist der Agent Manager der Mechanismus, der beide Antworten trägt: ein benannter Verantwortlicher, eine feste Taktung und eine nachvollziehbare Spur – nicht nur ein fähiges Modell.
Eine kurze Anmerkung zu den Daten
Da Ziele und Strategie sensibel sind, lohnt sich der Hinweis: Tability ist DSGVO-konform mit Hosting-Optionen in der EU und in Australien, Agentenläufe laufen über die API von OpenAI unter strengen Bedingungen zur Datennutzung, sodass Eingaben niemals zum Training eines Modells verwendet werden, und KI-Eingaben werden nach 30 Tagen gelöscht. Will ein Team gar keine KI einsetzen, lässt sich jede KI-Funktion workspace-weit abschalten, ohne den Rest der darunterliegenden OKR-Plattform zu berühren.
Live sehen
Der schnellste Weg, einen Agent Manager zu verstehen, ist, einem bei der Arbeit zuzusehen. Sieh dir die vollständige Agent-Manager-Funktion auf Tabilitys Produktseite an – inklusive genau, wie er eine Agency rekrutiert, in festen Abständen berichtet und Steuerungs-Feedback entgegennimmt. Von dort aus kannst du dich anmelden und ihm direkt ein echtes Ziel übergeben, oder 30 Minuten mit uns buchen, um durchzugehen, wie das für das nächste Quartal deines Teams aussehen könnte.
.jpg)
