Ein KI-Mitarbeiter ist ein KI-Agent, der eine feste Aufgabe im Arbeitsalltag übernommen hat. Er liest die E-Mails, Dateien und Datensätze, die diese Aufgabe braucht, erledigt die Arbeit und gibt das Ergebnis an einen Menschen zurück. „Mitarbeiter“ beschreibt dabei, wie die Arbeit aufgeteilt wird. Es ist keine echte Einstellung. Die KI kann recherchieren, erste Entwürfe schreiben und Updates erstellen. Sie entscheiden weiterhin, was wichtig ist, geben frei, was nach außen geht, und stehen für das Ergebnis ein.
X · Tibo Louis-Lucas (@tibo_maker) · 26. Oktober 2026
"there are 2 internets right now" (sinngemäß: Gerade gibt es zwei Internets.)
Tibo Louis-Lucas, Gründer eines SaaS-Unternehmens, beschreibt anschließend die beiden: In dem einen stellen alle "AI employees" (KI-Mitarbeiter) ein und Agenten führen ganze Firmen; in dem anderen fotografieren zahlende Nutzer noch immer ihren Laptop-Bildschirm ab, um ihn zu teilen. Das ist ein Witz, aber er trifft einen wahren Punkt. Im Netz klingen KI-Mitarbeiter wie eine abgeschlossene Revolution. In den meisten Teams ist die nützliche Frage kleiner: Welchen Teil welcher Aufgabe kann ich diese Woche abgeben, und was behalte ich? Dieser Leitfaden beantwortet das mit einfachen Beispielen.
Was ist ein KI-Mitarbeiter?
Stellen Sie sich eine neue Kollegin vor, die gerade angefangen hat, um eine wiederkehrende Aufgabe zu übernehmen. Damit sie diese gut erledigt, braucht sie vier Dinge:
- Eine klare Aufgabe. „Das wöchentliche Kunden-Briefing vorbereiten“, nicht „bei Kunden helfen“.
- Den Hintergrund. Zugriff auf die E-Mails, Notizen und Datensätze, von denen die Aufgabe abhängt.
- Grenzen. Was sie allein tun darf und was sie vorher mit Ihnen abstimmen muss.
- Einen Weg, die Arbeit zurückzugeben. Einen Entwurf, einen Bericht oder ein Update, das Sie sich ansehen können.
Ein KI-Mitarbeiter ist dieselbe Idee, übertragen auf Software. Hinter dem Namen steckt ein KI-Agent: ein Programm, das die Schritte einer Aufgabe selbst ausarbeiten und Ihre Tools nutzen kann, um sie umzusetzen, statt nur in einem Chatfenster eine Frage zu beantworten.
Sie hören auch Begriffe wie „digitaler Mitarbeiter“, „KI-Arbeitskraft“, „KI-Kollege“ oder „KI-Teamkollege“. Für keinen davon gibt es eine offizielle Definition. Es sind Namen, mit denen Anbieter Ihnen helfen wollen, sich das Produkt vorzustellen. „Digitaler Mitarbeiter“ ist der älteste. Automatisierungsanbieter wie SS&C Blue Prism verwenden ihn für Software-Roboter, die immer dieselben Klicks und Dateneingaben wiederholen. Die neueren KI-Varianten unterscheiden sich in einem wichtigen Punkt: Sie können einen unübersichtlichen E-Mail-Verlauf lesen und entscheiden, was als Nächstes zu tun ist.
X · Aaron Levie (@levie) · 21. Oktober 2026
KI entwickelt sich zu "autonomous systems dedicated to specific tasks or domains" (autonomen Systemen für bestimmte Aufgaben oder Bereiche) und übernimmt anspruchsvollere Arbeit "(still with a human in the loop)" (weiterhin mit einem Menschen, der eingebunden bleibt).
Levie beschreibt, wohin sich die Branche bewegt: ein Agent für eine bestimmte Aufgabe statt eines Assistenten für alles. Dieser Richtung stimmen wir zu. Festhalten sollten Sie aber den Menschen, der eingebunden bleibt. Dass ein System einer Aufgabe gewidmet ist, sagt Ihnen, woran die KI arbeitet. Es sagt Ihnen nicht, wer freigibt.
Brauchen Sie für die Aufgabe überhaupt einen KI-Mitarbeiter?
Nicht immer. Wenn eine Aufgabe jedes Mal denselben Schritten folgt, etwa Formulareinträge in eine Tabelle kopieren, erledigt eine einfache Automatisierungsregel das günstiger und verlässlicher. Ein KI-Mitarbeiter lohnt sich, wenn die Aufgabe Lesen und Urteilsvermögen verlangt: wenn die Antwort eines Kunden ändert, was Sie als Nächstes sagen sollten, oder wenn sich zwei Quellen widersprechen.
Der Leitfaden Building effective agents von Anthropic aus dem Dezember 2024 gibt denselben Rat: Beginnen Sie mit der einfachsten Lösung, die funktioniert. Das "might mean not building agentic systems at all" (kann bedeuten, überhaupt keine agentischen Systeme zu bauen).
Warum die Idee vom „Mitarbeiter“ hilft
Sie erinnert Sie daran, richtig zu delegieren. Wenn Sie eine Aufgabe an einen Menschen übergeben, erklären Sie das Ziel, teilen den Hintergrund, sagen, was die Person allein entscheiden darf, und vereinbaren, wann Sie das Ergebnis prüfen. Dieselben Gewohnheiten machen einen KI-Mitarbeiter nützlich. Ohne sie bekommen Sie beliebige Ergebnisse, die jemand noch einmal machen muss.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund · 26. März 2024
Andrew Ng sagt, wir müssen lernen, einem Agenten eine Aufgabe zu geben und abzuwarten, statt wie eine neue Führungskraft schon nach fünf Minuten nachzufragen.
Das Aufsatz-Beispiel aus Ngs Vortrag von 2024 zeigt gut, warum eine echte Aufgabe besser ist als ein einmaliger Prompt. Soll ein Modell einen Text in einem Zug schreiben, tippt es von Anfang bis Ende, ohne zurückzugehen. Bekommt es einen Ablauf, erstellt es eine Gliederung, recherchiert, schreibt einen Entwurf, prüft ihn selbst und überarbeitet ihn. So würden Sie es auch von einem Kollegen erwarten.
Wo die Idee vom „Mitarbeiter“ an Grenzen stößt
Software kann niemand zur Verantwortung ziehen
Ein KI-Mitarbeiter hat keinen Vertrag und kein eigenes Interesse an Ihren Kunden. Wenn er eine Erstattungs-E-Mail mit dem falschen Betrag entwirft und jemand sie freigibt, trägt diese Person den Fehler. Die KI-Grundsätze der OECD, 2019 von Regierungen verabschiedet und 2024 aktualisiert, sagen das klar: Die Menschen und Organisationen, die ein KI-System betreiben, sind dafür verantwortlich, dass es richtig funktioniert.
Freigeben ist nicht dasselbe wie Entscheiden
Das ist die neueste und nützlichste Warnung.
X · Alex Tamkin (@AlexTamkin) · 27. Oktober 2026
"When experts delegate work to an agent, do they still make the key decisions?" (Treffen Fachleute, die Arbeit an einen Agenten delegieren, noch selbst die wichtigen Entscheidungen?)
Das hat die Anthropic-Studie herausgefunden: 50 erfahrene Datenanalysten führten mit einem KI-Agenten eine realistische Analyse durch. An vier Stellen mussten sie zwischen zwei sinnvollen Optionen wählen. Ohne es ihnen zu sagen, stellten die Forschenden jeden Agenten so ein, dass er eine der Optionen bevorzugte, per Münzwurf ausgewählt. Die Analysten folgten in 86 % der Fälle der Präferenz des Agenten. Etwa die Hälfte bezeichnete die abschließende Empfehlung trotzdem als überwiegend ihre eigene.
Die Studie hat klare Grenzen. Die Forschenden haben die Präferenzen des Agenten absichtlich verstärkt, und es ging um eine Aufgabe in einem Fachgebiet mit einem Modell. Außerdem zeigte sich, dass Analysten mit dem Agenten deutlich weniger schwere Fehler machten. Die Lehre lautet also nicht „keine KI verwenden“. Sie lautet: Ein schnelles „Sieht gut aus“ von Ihnen kann unbemerkt auch die Entscheidung abgeben.
Zwei einfache Gewohnheiten helfen. Schreiben Sie Ihre eigene Einschätzung auf, bevor Sie die Empfehlung der KI lesen. Und bitten Sie die KI, auch die Argumente für die andere Option darzulegen.
Manche Aufgaben kann sie gut, andere schlecht
In einem Experiment von 2023 mit 758 Beraterinnen und Beratern der Boston Consulting Group schnitten Personen mit GPT-4 bei 18 realistischen Aufgaben, die die KI gut bewältigte, besser ab, und bei einer Aufgabe, die bewusst außerhalb ihrer Fähigkeiten lag, schlechter. Die Modelle sind heute viel stärker, lesen Sie diese Zahlen also nicht als heutige Ergebnisse. Die Lehre gilt aber weiter: Die Grenze zwischen „KI hilft“ und „KI führt in die Irre“ verläuft unregelmäßig. Prüfen Sie deshalb jede Art von Aufgabe, bevor Sie sich darauf verlassen.
Sie weiß nur, was Sie ihr geben
Manche Anbietervideos versprechen, dass ein KI-Mitarbeiter "remembers your business stuff" (sich Ihre geschäftlichen Dinge merkt) und selbstständig dazulernt. Das Erklärvideo von Marblism aus dem Juli 2025 ist ein Beispiel dafür. In der Praxis hängt das vom Produkt ab.
In Okou kann die KI zum Beispiel frühere Nachrichten und Dateien aus demselben Chat nutzen. Ein neuer Chat beginnt von vorn, es sei denn, Sie verweisen auf einen früheren. Und eine Korrektur wird erst dann zu einer dauerhaften Regel, wenn jemand sie in den Anweisungen oder in einem Workflow speichert. Das ist weniger magisch, aber Sie sehen jederzeit, was sie weiß.
Was Sie abgeben und was Sie behalten
Ein einfacher Test: Geben Sie die Arbeit ab, die Zeit kostet, und behalten Sie die Entscheidungen, die Gewicht haben.
Gut abzugebende Aufgaben haben Eingaben, die schon in Ihren Tools liegen, und ein Ergebnis, das Sie prüfen können:
- Marketing: Die Kampagnenzahlen der letzten Woche in eine kurze Zusammenfassung mit Links zu den Ausgangszahlen verwandeln.
- Vertrieb: Vor einem Termin den E-Mail-Verlauf und die Gesprächsnotizen lesen und ein einseitiges Briefing schreiben.
- Customer Success: Die Vorgeschichte einer Eskalation zusammentragen und eine Antwort für die zuständige Person entwerfen.
- Gründer und Chiefs of Staff: Updates und Hindernisse aus mehreren Tools in einem wöchentlichen Briefing bündeln.
Bei Menschen bleibt:
- Welche Kunden und Ziele gerade am wichtigsten sind.
- Alles, was das Unternehmen bindet: Nachrichten an Kunden, Preisänderungen, Budgetverschiebungen, Erstattungen.
- Urteile über Menschen, etwa bei Einstellungen oder im Umgang mit einem verärgerten langjährigen Kunden.
- Die endgültige Freigabe.
Sie können die Grenze später verschieben. Ein Team gibt anfangs vielleicht jede ausgehende E-Mail frei und lässt dann routinemäßige interne Updates selbstständig posten. Treffen Sie dazu eine bewusste Entscheidung, statt es einfach geschehen zu lassen.
Beispiel: Vorbereitung auf eine Vertragsverlängerung
Hier eine Aufgabe von Anfang bis Ende. Es ist ein anschauliches Beispiel auf Grundlage der Funktionsweise von Okou, keine Kundengeschichte und kein gemessenes Ergebnis.
Den Hintergrund sammeln, die Entscheidung bei einem Menschen lassen und dann die Methode speichern, damit die nächste Person mit Vorsprung startet.
1. Die Aufgabe
Priya leitet Customer Success bei einem kleinen Softwareunternehmen. Ein großer Kunde verlängert in fünf Wochen. Vor dem Gespräch verbringt sie normalerweise einen Nachmittag mit Lesen: den E-Mail-Verlauf mit dem Kunden, Gesprächsnotizen in Google Drive, den CRM-Eintrag und aktuelle Support-Tickets.
Diesmal bittet sie Okou: „Bereite die Verlängerung mit Northwind vor. Lies unsere E-Mails, die Gesprächsnotizen, den CRM-Eintrag und ihre Tickets der letzten 90 Tage. Schreib ein einseitiges Briefing: was wir versprochen haben, was noch offen ist und was du empfehlen würdest. Entwirf eine Follow-up-E-Mail für mich. Verlinke jede Aussage mit der Stelle, an der du sie gefunden hast, und markiere alles, was du nicht bestätigen konntest.“
2. Der Hintergrund ändert die Antwort
Das CRM sieht hervorragend aus: ein gesunder Kunde mit Potenzial für Zusatzverkäufe. Die E-Mails erzählen etwas anderes. Im März hat das Team eine Exportfunktion „bis Q3“ zugesagt. Sie ist nicht erschienen, und zwei Support-Tickets zur Übergangslösung sind noch offen.
Deshalb schlägt das Briefing vor, das Gespräch mit dem gebrochenen Versprechen und einem verbindlichen Termin zu beginnen und den Zusatzverkauf auf später zu verschieben. Zu diesem Vorschlag kam Okou nur, weil es mehrere Tools zusammen gelesen hat. Der Warnung aus der Anthropic-Studie folgend stellt das Briefing beide Optionen dar, jetzt mehr verkaufen oder zuerst das Versprechen einlösen, damit Priya die Entscheidung selbst trifft.
3. Nur der Zugriff, den es braucht
Okou kann den Posteingang lesen und einen Gmail-Entwurf speichern, aber Senden ist nicht erlaubt. Eine Notiz im CRM anzulegen erfordert eine Berechtigung, die Okou noch nicht hat. Also pausiert die Arbeit und fragt nach. Priya erlaubt es für eine Stunde. (Die Berechtigungen in Okou lassen sich für 1 Stunde, 24 Stunden, 7 Tage oder dauerhaft erteilen.)
Eine echte Berechtigungsanfrage in Okou. Diese betrifft Stripe, aber eine Anfrage für das CRM funktioniert genauso: eine benannte Aktion, ein Zeitlimit und ein Mensch, der bestätigt.
4. Arbeit, die sie prüfen kann
Okou nutzt eine Faktenbasis in zwei Formaten. Priya erhält ein einseitiges Briefing mit Quellen, weil sie die Details für ihre Entscheidung braucht. Der Kunde bekommt einen kurzen E-Mail-Entwurf mit den nächsten Schritten. Die E-Mail wartet ungesendet in Gmail, und Priya kann sehen, was Okou gelesen und was es geändert hat.
Entwürfe kommen ungesendet an. Die Person bearbeitet sie und entscheidet, ob sie verschickt werden. Beispieldaten mit fiktivem Empfänger.
5. Sie korrigiert, dann nutzt das Team es wieder
Priya formuliert den Einstieg weicher, streicht eine veraltete Aussage und verschickt die E-Mail selbst. Im selben Chat ergänzt sie zwei Regeln: Tickets, die älter als 30 Tage sind, immer prüfen, und Rabatte nie erwähnen.
Dann bittet sie Okou, die gesamte Methode als gemeinsamen Workflow namens renewal-prep zu speichern. Ihre beiden Regeln sind jetzt ein Teil davon. Wenn ihr Kollege Marco ihn für seine Kunden ausführt, nutzt er sein eigenes Gmail, seinen eigenen CRM-Login und seine eigenen Berechtigungen. Er sieht weder Priyas Posteingang noch ihre privaten Chats. Der Okou-Leitfaden für Teams listet auf, was geteilt wird und was persönlich bleibt.
Ein Workflow ist die Methode. Er läuft nicht von selbst. Wenn das Team jeden Montag ein Verlängerungs-Briefing möchte, richtet jemand eine Automatisierung mit Zeitplan, verantwortlicher Person und einem Ziel für das Ergebnis ein.
Was hat sich verschoben? Das Lesen, Abgleichen und die ersten Entwürfe. Was ist geblieben? Der Kunde, die Empfehlung und die E-Mail, die Priya verschicken wollte. Und die Methode gehört jetzt dem Team, nicht dem Chatverlauf einer einzelnen Person.
So bewerten Sie ein Produkt, das als KI-Mitarbeiter verkauft wird
Achten Sie nicht auf die Berufsbezeichnung auf der Verpackung ("AI SDR", "AI marketer"). Stellen Sie stattdessen diese sechs Fragen.
- Woher bekommt es seine Informationen? Welche Tools kann es lesen, und zeigt es Ihnen für jede Aussage die Quelle?
- Was darf es tun? Achten Sie auf Berechtigungen pro Tool und pro Aktion, mit Zeitlimits. Einen Entwurf speichern und eine E-Mail senden sollten getrennte Schritte sein.
- Was wartet auf Sie? Senden, Bezahlen, Löschen und Veröffentlichen sollten anhalten, bis Sie zustimmen.
- Können Sie die Arbeit prüfen? Sie sollten sehen, was es gelesen, was es getan und was es geändert hat.
- Was passiert, wenn es falsch liegt? Können Sie die Anweisungen einmal korrigieren, sodass alle davon profitieren?
- Bleibt die Methode beim Team? Wenn sie im Konto einer einzelnen Person liegt, geht sie mit dieser Person.
Frage 4 ist wichtiger, als sie klingt. Forschende von BetterUp Labs und Stanford nennen ungeprüfte KI-Ergebnisse "workslop" (etwa: KI-Arbeitsmüll): Sie wirken fertig, aber jemand anderes muss sie reparieren. In einer Umfrage von 2025 unter 1.150 Büroangestellten in den USA erinnerten sich 41 % daran, so etwas erhalten zu haben. Die Autoren sehen die Ursache eher in vagen „Nutzt KI“-Anweisungen von Führungskräften als in den Tools. Ein klarer Auftrag und ein Prüfschritt sind die Lösung.
Werden KI-Mitarbeiter menschliche Mitarbeiter ersetzen?
Manche Unternehmen haben es versucht. In einer SHL-Umfrage aus Juni und Juli 2026 gab fast jeder Fünfte von mehr als 1.000 Beschäftigten in den USA an, entlassen oder durch KI ersetzt und danach gebeten worden zu sein, zurückzukommen. Das sind Angaben der Beschäftigten, keine Unternehmensdaten, und sie erklären nicht, warum die einzelnen Unternehmen umgesteuert haben. Trotzdem ist es ein guter Grund, nicht mit einer Zielzahl an Stellen zu planen.
Was ein KI-Mitarbeiter verändert, ist, wie Menschen ihre Zeit innerhalb einer Aufgabe verbringen: weniger Sammeln und Entwerfen, mehr Entscheiden und Prüfen. Der Work Trend Index 2026 von Microsoft, eine Umfrage unter 20.000 Menschen in 10 Ländern, die KI bei der Arbeit nutzen, ergab, dass das Prüfen von KI-Ergebnissen die menschliche Fähigkeit ist, die sie heute für am wichtigsten halten. Beginnen Sie mit einer Aufgabe, messen Sie, wie lange sie heute dauert, und entscheiden Sie anhand Ihrer eigenen Zahlen.
Wie Okou hineinpasst
Wir nennen Okou einen KI-Teamkollegen statt eines KI-Mitarbeiters, weil das besser beschreibt, wie die Arbeit geteilt wird. Okou liest den Kontext, den eine Aufgabe braucht, aus Ihren verbundenen Tools, erledigt die Arbeit und liefert das passende Format für die Person, die als Nächstes handelt: eine Nachricht, ein Dokument, eine Webseite oder eine Präsentation. Wenn eine Methode funktioniert, speichert Ihr Team sie als Workflow und führt sie mit den eigenen Konten erneut aus.
Zum Ausprobieren wählen Sie ein Briefing oder einen Entwurf, den Ihr Team ohnehin jede Woche schreibt, und vergleichen die Version von Okou mit Ihrer. Weitere Ideen finden Sie in 20 Beispiele für KI-Agenten in der echten Arbeit, darin, wie Sie den Kontext von KI-Agenten für ein Team nützlich halten, und in der Frage, warum Ihr Unternehmen bei KI-Aktionen das letzte Wort braucht.
Häufige Fragen
Wie nennt man einen KI-Mitarbeiter noch?
Sie begegnen auch Begriffen wie digitaler Mitarbeiter, KI-Arbeitskraft, KI-Kollege, KI-Teamkollege und virtueller Mitarbeiter. Das sind Marketingnamen, keine offiziellen Kategorien. „Digitaler Mitarbeiter“ bezeichnete ursprünglich ältere Automatisierungs-Bots. Die meisten Produkte, die heute unter diesen Namen verkauft werden, sind KI-Agenten, die für eine wiederkehrende Aufgabe eingerichtet sind.
Sind KI-Mitarbeiter dasselbe wie KI-Agenten?
Größtenteils ja. Ein KI-Agent ist die Technologie: Software, die Schritte plant und Tools nutzt, um ein Ziel zu erreichen. Ein KI-Mitarbeiter ist ein Agent, der für eine bestimmte Aufgabe eingerichtet ist, mit dem passenden Hintergrund, den richtigen Berechtigungen und einem Weg, die Arbeit zurückzugeben.
Wie bekomme ich einen KI-Mitarbeiter für mein Unternehmen?
Wählen Sie eine Aufgabe, die sich jede Woche wiederholt und etwas Prüfbares liefert, etwa ein wöchentliches Briefing oder eine Reihe von Antwortentwürfen. Verbinden Sie nur die Tools, die diese Aufgabe braucht, erlauben Sie Entwürfe, bevor Sie das Senden erlauben, und prüfen Sie die ersten Ergebnisse genau. Speichern Sie die Methode, sobald sie funktioniert. Erst danach planen Sie sie zeitgesteuert ein.
Kann ein KI-Mitarbeiter einen menschlichen Mitarbeiter ersetzen?
Er kann Teile einer Aufgabe übernehmen, vor allem Recherche, Entwürfe und Berichte. Er kann nicht zur Verantwortung gezogen werden, keine Beziehungen aufbauen und keine Ermessensentscheidungen für Ihr Unternehmen treffen. Aktuelle Forschung zeigt außerdem, dass Menschen dazu neigen, den Vorschlägen einer KI zu folgen. Deshalb muss weiterhin jemand für jede Entscheidung verantwortlich sein.
Brauchen KI-Mitarbeiter menschliche Aufsicht?
Ja, und umso mehr, je riskanter die Aufgabe ist. Eine interne Zusammenfassung braucht vielleicht nur einen kurzen Blick. Alles, was sendet, Geld ausgibt, löscht oder veröffentlicht, sollte auf einen Menschen warten. Zur Aufsicht gehört auch, die Anweisungen zu korrigieren, wenn das Ergebnis danebenliegt, damit es beim nächsten Mal besser wird.
Merkt sich ein KI-Mitarbeiter alles über mein Unternehmen?
Nur das, was seine Einrichtung ihm gibt. Manche Produkte haben ein Langzeitgedächtnis. Andere, wie Okou, behalten den Kontext innerhalb eines Chats und speichern dauerhafte Regeln in gespeicherten Anweisungen und Workflows. Fragen Sie jeden Anbieter genau, was gespeichert wird, wo, und wer es ändern kann.
