Stellen Sie sich vor, Sie stellen einen neuen Mitarbeitenden ein. Am ersten Morgen legen Sie ihm stapelweise Akten auf den Tisch, nennen 50 offene Aufgaben aus drei Abteilungen und sagen: «Los geht's.»
Das Ergebnis kennen Sie.
Jetzt stellen Sie sich vor, dasselbe passiert gleichzeitig in fünf Abteilungen: unkoordiniert, jede für sich, ohne dass die rechte Hand weiss, was die linke tut. In jeder Abteilung entscheidet jemand anderes, was der Neue zu tun hat, welche Regeln gelten und auf welche Systeme er Zugriff bekommt.
Genau das beobachte ich gerade in vielen Unternehmen beim Einstieg in Agentic AI.
🐛 Das Problem: Nicht ein überforderter Agent, sondern eine Heerschar unkoordinierter Lernender
Agentic AI ist der nächste Schritt nach dem einfachen Chatbot. Statt auf einzelne Fragen zu antworten, handelt ein KI-Agent selbständig: liest E-Mails, entscheidet, priorisiert, eskaliert. Das verändert die Spielregeln.
Wer führt diese Agenten ein? Selten die Geschäftsleitung mit einem Gesamtplan. Meistens sind es motivierte Einzelpersonen: der neugierige Projektleiter, die digitalaffine Abteilungsleiterin, der Entwickler mit dem passenden Tool. Jede:r gut gemeint. Jede:r mit einer sinnvollen Idee für den eigenen Bereich.
Das Problem entsteht nicht im Einzelfall. Es entsteht, wenn aus fünf Einzelfällen eine Landschaft wird. Jede isolierte Implementierung funktioniert für sich, bis sie auf eine andere trifft. Bis die Daten nicht zusammenpassen. Bis zwei Agenten dieselbe Anfrage unterschiedlich behandeln. Bis niemand mehr weiss, welches Tool welche Entscheidung getroffen hat.
Der gemeinsame Nenner: Es fehlt nicht an Tools. Es fehlt an Kontext. Und an der Architektur, die diesen Kontext trägt.
🦋 Die Lösung: Zuerst die Architektur, dann der Agent
Was Fachleute «Context Engineering» nennen, beginnt nicht beim einzelnen Agenten. Es beginnt mit einer Führungsfrage: Was soll unsere KI-Architektur insgesamt leisten, und welcher Anwendungsfall macht als erster Sinn?
Das ist Führungsaufgabe, keine IT-Frage.
Erst wenn diese Antwort steht, geht es an die Einarbeitung. Und die funktioniert genau wie beim Menschen:
🦋 Klares Mandat: Was ist die Aufgabe dieses Agenten, und was liegt ausserhalb seiner Verantwortung?
🦋 Gemeinsame Regeln: Was gilt für alle Agenten im Unternehmen, unabhängig davon, welche Abteilung sie eingesetzt hat?
🦋 Eingegrenzte Werkzeuge: Auf welche Systeme braucht dieser Agent Zugriff, und auf welche ausdrücklich nicht?
🦋 Ein konkreter erster Auftrag: Ein einziger Anwendungsfall als Einstieg, nicht fünf auf einmal.
Das ist keine Raketenwissenschaft. Es ist strukturiertes Denken. Und es ist etwas, das Führungskräfte ohnehin beherrschen.
Konkret: ein Beispiel aus der Praxis
Ein Unternehmen aus der verarbeitenden Industrie setzte einen KI-Agenten für eingehende Kundenanfragen ein.
Erster Versuch: Der Agent hatte Zugriff auf alle Systeme, sollte alles beantworten und kannte keine Grenzen. Die Ergebnisse waren unvorhersehbar, die Korrekturen häufig. Das Tool war nicht das Problem.
Zweiter Versuch, drei Wochen später: Das Team investierte einen halben Tag in den Einarbeitungsplan. Mandat definiert, Eskalationspfade festgelegt, Systemzugriffe eingegrenzt. Der Agent bekam einen einzigen Anwendungsfall: Standardanfragen zu Lieferterminen.
Ergebnis: Der Grossteil dieser Anfragen lief danach ohne menschliche Rückfrage durch. Das Team gewann Zeit für die Vorgänge, die wirklich Erfahrung brauchen. Der Unterschied lag nicht im Modell. Er lag im Denken davor.
Vorteile auf einen Blick
🦋 Weniger Korrekturen, weniger Frustration: Der Agent weiss, was er tun soll.
🦋 Zuverlässiges Verhalten innerhalb des Mandats statt unvorhersehbarer Eigeninitiative.
🦋 Skalierbarkeit: Ein strukturierter Einarbeitungsplan gilt für mehrere Agenten. Die Regeln werden einmal definiert, nicht für jeden neu.
🦋 Sie bleiben Architekt Ihrer KI-Lösung, nicht Passagier eines Systems, das Sie nicht mehr verstehen.
Fazit
Think-First gilt auch für KI-Agenten: erst die Architektur verstehen, dann den Kontext definieren, dann bauen.
Wer Agenten einführt, ohne die Gesamtarchitektur zu durchdenken, schickt motivierte Lernende ohne Karte in unbekanntes Gelände. Das Problem addiert sich nicht. Es multipliziert sich.
Die gute Nachricht: Die Fähigkeit, Kontext zu schaffen und Strukturen zu setzen, haben Führungskräfte bereits. Sie nennen es nur meistens Einarbeitung.
Mehr zum Thema Governance als Architekturvoraussetzung für KI-Systeme: Governance ist kein Bremsklotz.
👉 Führen Sie gerade KI-Agenten ein, oder überlegen Sie, damit anzufangen? Ich begleite KMU-Führungskräfte durch die ersten Schritte, ohne technischen Overload. Eine kurze Standortbestimmung reicht oft als Anfang: thinking.ch/reisepass