AI Agents brauchen Kontext, bevor sie Autonomie brauchen

Der erste Fehler in vielen KI-Projekten ist, mit Autonomie zu beginnen.

Teams fragen, was ein Agent von selbst tun soll. Das ist verständlich. Autonomie ist der sichtbare Teil. Sie ist aber auch der Teil, den man zu früh optimieren kann.

Die bessere erste Frage ist einfacher:

Welchen Kontext soll der Agent übernehmen, bevor er handelt?

Diese Frage prägt mehrere meiner eigenen Projekte.

FlowBoard ist aus einem sehr persönlichen CRM-Problem entstanden. Ich brauchte ein System, das Kontakte, Outreach-Phasen, Kampagnen, Follow-ups, Kalenderkontext und Tagesprioritäten an einem Ort hält. Das Interessante war nicht ein Chatbot oben drauf. Das Interessante war die strukturierte Erinnerung rund um die Arbeit.

Das AI Marketing Team, das AI Legal Team und das AI B Corp Team folgen demselben Muster. Sie sind keine magischen Assistenten. Sie sind wiederverwendbare Arbeitsstrukturen: Rolle, Kontext, Quellen, Qualitätsregeln, Output-Format und Eskalationslogik.

Kontext ist das Betriebssystem

Ein Agent ohne Kontext produziert plausible Aktivität.

Ein Agent mit Kontext kann eine Entscheidung unterstützen.

Nützlicher Kontext umfasst:

• die Aufgabe und ihren geschäftlichen Grund
• relevantes Quellenmaterial
• frühere Entscheidungen der Nutzerin oder des Nutzers
• Einschränkungen, Termine und Risikoniveau
• das erwartete Output-Format
• Regeln, wann der Agent stoppen und einen Menschen fragen soll

Der letzte Punkt ist wichtig. Gutes Agentic Engineering ersetzt menschliche Beurteilung nicht. Es platziert sie dort, wo sie den höchsten Hebel hat.

Warum das für Unternehmen zählt

Viele Unternehmen haben bereits genug KI-Zugang. Sie haben ChatGPT, Claude, Copilot oder interne Piloten. Was oft fehlt, ist operativer Kontext.

Teams brauchen nicht noch eine Prompt-Bibliothek. Sie brauchen wiederholbare Arbeitssysteme.

Ein nützlicher Agent sollte wissen, was in einer konkreten Organisation als gut gilt. Er sollte wissen, welchen Quellen vertraut wird. Er sollte die Struktur einer wiederkehrenden Aufgabe behalten. Er sollte Übergaben einfacher machen, nicht mysteriöser.

Deshalb beschreibe ich meine Arbeit zunehmend als AI Leadership und Agentic Engineering statt als Tool-Schulung. Die Frage ist nicht, ob ein Team KI nutzen kann. Die Frage ist, ob ein Team einen Rhythmus baut, in dem KI jede Woche echte Arbeit verbessert.

Ein praktischer Test

Vor dem Bau eines Agents helfen fünf Fragen:

• Welche wiederkehrende Entscheidung oder welcher Output soll besser werden?
• Welche Quellen soll der Agent vertrauen?
• Was darf der Agent nie allein entscheiden?
• Welches Feedback verbessert den nächsten Durchlauf?
• Wer behält die abschliessende Beurteilung?

Wenn diese Antworten unklar sind, verstärkt Autonomie die Unklarheit.

Wenn sie klar sind, kann selbst ein bescheidener Agent schnell nützlich werden.

Schlussgedanke

AI Agents werden nicht wertvoll, weil sie allein handeln.

Sie werden wertvoll, wenn sie den richtigen Kontext in die nächste Entscheidung tragen.