Am 8. Oktober hat Google einen Agenten vorgestellt, der ein eigenes Konto im Unternehmen bekommt, mit E-Mail-Adresse, eigenem Speicher und einem Platz im Team. Man markiert ihn im Chat, schickt ihm eine Mail oder teilt ein Dokument mit ihm, und er arbeitet daran, wenn nötig über Tage. Er weiß, wer im Team woran sitzt und wer was freigeben muss.
Vier Wochen vorher hat OpenAI eine Schnittstelle veröffentlicht, mit der Entwickler genau solche Agenten bauen, die stunden- oder tagelang an einer Aufgabe bleiben. Meta bietet seinen Agenten Muse inzwischen kleinen Betrieben an, verbunden mit Shopify, der Buchhaltungssoftware und Slack.
Das klingt nach den Produktankündigungen, die jede Woche kommen. Dahinter steckt eine echte Verschiebung. Bisher hat man KI Fragen gestellt. Jetzt gibt man ihr Aufgaben.
Was sich geändert hat
Ein Chatbot beantwortet eine Frage und vergisst sie wieder. Den Text kopieren Sie selbst in die E-Mail, die Zahl tippen Sie selbst ins ERP. Die Arbeit bleibt bei Ihnen, die KI liefert Bausteine.
Ein Agent bekommt ein Ziel und arbeitet es ab. Er liest die Bestellung, sucht den Kunden im Warenwirtschaftssystem, legt den Auftrag an und meldet sich, wenn etwas nicht passt. Dass das in diesem Jahr alltagstauglich geworden ist, hat drei Gründe.
Die Modelle halten länger durch. OpenAI hat im Juni berichtet, dass mehr als 70 Prozent der untersuchten Nutzer seines Coding-Agenten Codex ihm mindestens eine Aufgabe gegeben haben, für die ein Mensch über eine Stunde gebraucht hätte. Vor zwei Jahren war nach ein paar Schritten Schluss. Heute fassen Agenten ihren Arbeitsstand selbst zusammen, wenn das Gedächtnis voll wird, und machen weiter.
Es gibt einen Standard für die Anbindung. Über das Model Context Protocol (MCP) wird ein System einmal angeschlossen, und jedes größere Modell kann damit arbeiten. OpenAI, Google, Microsoft und Salesforce unterstützen es. Die Anbindung an Ihr ERP oder Ihr Ticketsystem ist damit kein Sonderbau für ein bestimmtes Modell mehr. Wenn nächstes Jahr ein besseres Modell kommt, bleibt die Anbindung, und der Agent wird einfach besser.
Agenten werden ansprechbar. Mit eigenem Konto arbeitet ein Agent in den Werkzeugen, die Ihr Team ohnehin nutzt: im Postfach, im Chat, im Dokument. Um ihm Arbeit zu geben, muss niemand eine neue Software lernen. Man schreibt ihm.
Wie das in einem Betrieb mit 50 Leuten aussieht
Die Beispiele aus den Ankündigungen kommen von Banken und Konzernen. Die DBS Bank in Singapur lässt Ketten aus 70 bis 80 spezialisierten Agenten Kreditvorlagen vorbereiten. Der Studiendienstleister ICON erzeugt Auswertungscode für klinische Studien mit Agenten und ist dabei rund 30 Prozent schneller.
Spannender finde ich, was das für Unternehmen heißt, die keine eigene KI-Abteilung haben. Ein paar Aufgaben, die ich in fast jedem Mittelständler finde:
- Auftragseingang. Bestellungen kommen als PDF, als Mail-Text, manchmal als Foto eines Faxes. Ein Agent liest sie, gleicht Artikel und Preise ab, legt den Auftrag an und fragt beim Innendienst nur nach, wenn etwas nicht eindeutig ist.
- Angebote. Eine Anfrage kommt rein. Der Agent sucht vergleichbare Angebote der letzten Jahre, rechnet mit aktuellen Preisen und legt dem Vertrieb einen Entwurf hin. Der Vertrieb verhandelt, statt Tabellen zu kopieren.
- Nachfassen. Überfällige Lieferungen, Angebote ohne Antwort, offene Rechnungen. Ein Agent hat die Geduld, jeden Tag nachzusehen und freundlich zu erinnern.
- Fragen an die eigenen Zahlen. „Warum lag der Umsatz im September unter dem Vorjahr?“ Die Geschäftsführung fragt den Agenten, der auf die Daten aus dem ERP zugreift und die Antwort mit Zahlen belegt, statt eine Auswertung in Auftrag zu geben und eine Woche zu warten.
Keine dieser Aufgaben braucht eine Superintelligenz. Sie braucht einen Agenten, der an Ihre Systeme angeschlossen ist und Ihre Abläufe kennt. Hier liegt auch der Unterschied zwischen dem Agenten, den Google und Microsoft mit ihren Büroprogrammen ausliefern, und einem, der in Ihrem Betrieb Arbeit erledigt. Der mitgelieferte Agent kennt Ihr Postfach. Ihr ERP kennt er nicht.
So fangen Sie an
Wie bei einem neuen Kollegen. Niemand bekommt am ersten Tag die Kontovollmacht, aber niemand lässt einen Neuen auch drei Monate nur zusehen.
- Eine Aufgabe auswählen, die jede Woche wiederkommt und bei der heute jemand Daten von A nach B trägt. Je langweiliger, desto besser.
- Das Ziel beschreiben wie für einen Menschen. Was ist ein gutes Ergebnis, wo liegen die Daten, wen fragt man, wenn etwas unklar ist.
- Erst vorschlagen lassen, dann machen lassen. In den ersten Wochen legt der Agent Entwürfe hin und ein Mensch klickt auf Senden. Stimmen die Entwürfe, darf er selbst.
- An echten Fällen messen. Mit Vorgängen aus Ihrem Alltag, nicht mit einer Vorführung.
Nach einem Monat wissen Sie, ob es trägt. Meistens fällt dem Team in dieser Zeit schon die nächste Aufgabe ein, die es gern abgeben würde.
Was als Nächstes kommt
Bei Google und OpenAI ist bereits eingebaut, dass ein Agent Teilaufgaben an Unteragenten verteilt und die Ergebnisse zusammensetzt. Die ersten Händler entscheiden gerade, welche fremden Agenten bei ihnen einkaufen dürfen. Bis Ihr Agent mit dem Agenten Ihres Lieferanten über Liefertermine verhandelt, ist es kein großer Schritt mehr.
Unternehmen, die jetzt mit einer Aufgabe anfangen, haben in einem Jahr ein Team, das weiß, wie man mit Agenten arbeitet. Das ist der eigentliche Vorsprung, und den kann man nicht kurzfristig einkaufen, wenn man ihn braucht.
Wenn Sie wissen wollen, welche Aufgaben in Ihrem Betrieb sich dafür eignen: Im KI-Potenzial-Check suche ich mit Ihnen drei davon heraus, mit Aufwand, Nutzen und einem Festpreis für den ersten Agenten.
Quellen
- Google Cloud: Gemini at Work 2026, 8. Oktober 2026
- TechCrunch: Google brings agentic AI to Gemini, starting with businesses, 8. Oktober 2026
- OpenAI: Introducing the Agents API, 10. September 2026
- TechTarget: AI agents are running into the limits of access, 9. Oktober 2026
- R&D World: ICON puts clinical-trial agents into production, 9. September 2026