Schluss mit KI-Pingpong: Wie aus KI-Agenten eine Arbeitsorganisation wird

OpenAI hat am 6. Oktober 2026 eine erweiterte Zusammenarbeit mit Atlassian angekündigt: OpenAI-Modelle sollen für Agenten in Atlassians Plattform und Rovo eingesetzt werden. Atlassian beschreibt bereits eingeführte Erweiterungen, die Arbeitskontext aus Jira und Confluence in ChatGPT und Codex verfügbar machen. Eine tiefere Jira-Integration für Arbeitszuweisung, Fortschrittsverfolgung und Ergebnisprüfung wird dagegen laut OpenAI noch erkundet.

Die Richtung ist interessant: KI soll enger mit dem tatsächlichen Arbeitsfluss verbunden werden. Die Ankündigungen belegen allerdings weder allgemeine Verfügbarkeit noch einen vollständig autonomen Ablauf oder Verbesserungen bei Produktivität und Durchlaufzeit.

Für Geschäftsführungen und Vorstände liegt darin eine Frage, die über die nächste Integration hinausgeht: Wie organisieren wir das Zusammenspiel, damit aus einzelnen KI-Leistungen ein verwendbares Gesamtergebnis entsteht?

Wer spielt den nächsten Ball?

KI kann recherchieren, Informationen strukturieren, Texte entwickeln und Ergebnisse prüfen. Doch zwischen diesen Leistungen bleibt Arbeit liegen: Jemand muss ein Ergebnis weiterreichen, den Kontext erneut erklären, den Folgeauftrag starten oder eine Entscheidung nachhalten.

Ich nenne das KI-Pingpong. Der Mensch wechselt zwischen Werkzeugen und hält den Ablauf zusammen. Die einzelnen Aufgaben mögen gut erledigt sein. Die Zusammenarbeit muss er weiterhin selbst organisieren.

Das ist eine Organisationsfrage. Wenn ein Ergebnis beim nächsten Arbeitsschritt ankommt, muss klar sein, wofür es gedacht ist, welche Entscheidung bereits getroffen wurde und was noch offenbleibt. Sonst beginnt dort die Klärung von vorn.

Mehr KI-Agenten sind noch keine bessere Organisation.

Für mich führt deshalb der Weg über den Wertstrom: Welche Aktivitäten führen gemeinsam zu einem nutzbaren Ergebnis? Wer braucht dieses Ergebnis, und welche Qualität muss es dafür haben? Erst daran lässt sich sinnvoll entscheiden, welche Arbeit Menschen, Agenten und Systeme jeweils übernehmen sollen.

Eine einzelne KI-Aufgabe zu verbessern, reicht dafür nicht aus. Auch ihre Übergabe gehört zur Arbeit. Ein sorgfältig formulierter Text hilft wenig, wenn unklar bleibt, ob er geprüft ist und wer über seine Verwendung entscheidet.

Vom Signal bis zum verwendbaren Ergebnis

End-to-End heißt in dieser Perspektive: den Ablauf vom ersten Anlass bis zu dem Ergebnis betrachten, das tatsächlich verwendet werden kann. Die Aufmerksamkeit gilt dem Zusammenhang der Arbeit.

Für einen Web-Content-Wertstrom lässt sich ein Zielablauf so beschreiben: Ein Agent erkennt ein relevantes Thema. Andere recherchieren, entwickeln den Artikel und prüfen seine Qualität. Ein Mensch trifft die vorgesehenen Entscheidungen. Nach der Freigabe wird der Artikel veröffentlicht und seine Wirkung gemessen.

So soll das Zusammenspiel aussehen. Damit ist kein bereits nachgewiesener autonomer Erfolg beschrieben.

An diesem Zielablauf wird die Führungsaufgabe konkret. Die Recherche muss zum gewählten Thema passen. Der Entwurf muss auf den freigegebenen Quellen aufbauen. Eine Entscheidung muss beim nächsten Beteiligten ankommen und dort berücksichtigt werden. Und bevor etwas veröffentlicht wird, braucht es Klarheit darüber, wer das Ergebnis für verwendbar erklärt.

Wenn an jeder dieser Übergaben ein Mensch Informationen zusammensuchen und den nächsten Schritt neu anstoßen muss, bleibt er die Schnittstelle des gesamten Ablaufs. Genau hier setzt für mich die Frage nach einer anderen Arbeitsorganisation an.

Vier Fragen, die ins Führungsteam gehören

Welche Arbeit wollen wir übertragen? Ich würde beim erwarteten Ergebnis beginnen. Was soll vorliegen? Für wen? Welche Prüfung gehört dazu? Daraus ergibt sich der Auftrag an einen Agenten. Die Auswahl des Werkzeugs bekommt damit einen konkreten Bezug zur Wertschöpfung.

Welcher Entscheidungsraum ist angemessen? Ein Agent kann Informationen liefern, Vorschläge machen oder innerhalb vereinbarter Grenzen handeln. Für den jeweiligen Auftrag ist zu klären, wie weit sein Mandat reicht und wann er stoppen muss. Autonomie ist dabei kein Selbstzweck. Entscheidend ist, welche Arbeit zuverlässig übernommen werden soll und welche Entscheidungen bewusst menschlich bleiben.

Die dritte Frage betrifft genau diese menschliche Beteiligung:

Wo wollen wir entscheiden, und wo müssen wir ungeplant eingreifen?

Bei einem Human Gate ist eine menschliche Entscheidung vorgesehen. Bei einer Human Intervention muss ein Mensch eingreifen, weil der Ablauf nicht zuverlässig funktioniert.

Beides beansprucht menschliche Aufmerksamkeit. Für die Gestaltung der Organisation macht es jedoch einen erheblichen Unterschied. Eine gewollte Freigabe gehört zum Ablauf. Eine falsch weitergegebene Entscheidung zu korrigieren, ist zusätzliche Reparaturarbeit. Wer beides zusammenzählt, übersieht, wo das Zusammenspiel verbessert werden muss.

Wer trägt Verantwortung für das Gesamtergebnis?

Diese Frage bleibt auch dann bestehen, wenn jeder Agent seine einzelne Aufgabe als erledigt meldet. Jemand muss beurteilen können, ob die Ergebnisse zusammenpassen und für den vorgesehenen Zweck verwendbar sind. Dazu gehören ein benannter Prüfauftrag und Klarheit darüber, wer über die Weiterverwendung entscheidet.

Genau dieses Zusammenspiel untersuche ich beim Aufbau meiner eigenen One-Human-AI-Company. In meiner Keynote KI-Agenten im Unternehmen: Wie autonom geht es wirklich?  geht es um die Arbeit, die Agenten übernehmen können, um bewusste menschliche Entscheidungen und um die Führungsaufgabe, daraus einen funktionierenden Zusammenhang zu schaffen.

Wenn KI aus menschlichem Feedback lernen soll

Mit der Entscheidung über ein einzelnes Ergebnis endet die Führungsaufgabe für mich noch nicht. Was muss sich im Ablauf ändern, damit das nächste Ergebnis besser passt?

Diese Frage beschäftigt mich beim Aufbau meiner eigenen AI Company gerade sehr konkret.

KI-Agenten können recherchieren, Informationen strukturieren, Texte entwickeln und Ergebnisse prüfen. Technisch entsteht damit erstaunlich schnell ein vollständiger Artikel.

Aber ist es deshalb schon ein Ergebnis, das ich als Autor und Vorstand vertreten möchte?

Bei diesem Artikel war genau das zunächst nicht der Fall. Die ersten Fassungen waren fachlich korrekt – aber zu glatt, zu technisch und zu weit entfernt von der strategischen Perspektive, die ich gegenüber Geschäftsführungen und Führungskräften vertreten möchte.

Damit stellt sich für mich eine entscheidende Frage:

Wer entscheidet, ob das Ergebnis fachlich, strategisch und qualitativ dem entspricht, wofür die Organisation stehen will?

Und noch wichtiger:

Wie wird menschliches Feedback so in das System zurückgeführt, dass dieselben Korrekturen beim nächsten Mal nicht wieder notwendig sind?

Mein Ziel ist nicht, jeden KI-generierten Text immer wieder selbst zu überarbeiten. Die Agentenorganisation soll aus meinen Eingriffen lernen: Welche Perspektive ist mir wichtig? Welche Aussagen passen zu meiner Positionierung? Welche Flughöhe braucht die Zielgruppe? Wie argumentiere ich, wie pointiere ich – und was würde ich so niemals schreiben?

Aus einzelnen Korrekturen muss deshalb schrittweise eine Art menschliche DNA des Systems entstehen. Nicht als Kopie meiner Person, sondern als explizites Wissen darüber, wie Ergebnisse aussehen müssen, damit ich sie fachlich und als Autor vertreten kann.

Dann verändert sich meine Rolle erneut: Ich korrigiere nicht dauerhaft dieselben Fehler, sondern verbessere das System, das künftig bessere Ergebnisse erzeugen soll.

Für mich ist das ein entscheidender Unterschied zwischen KI-Unterstützung und einer wirklich agentengestützten Organisation:

Eine Organisation skaliert nicht dadurch, dass der Mensch immer schneller korrigiert. Sie skaliert, wenn menschliche Korrekturen das System dauerhaft besser machen.

Zusammenspiel, das beim nächsten Mal weiterhilft

Damit reicht mein Blick auf den Ende-zu-Ende-Ablauf über die nächste Freigabe hinaus. Ein verwendbares Gesamtergebnis entsteht erst, wenn einzelne Agenten gute Arbeit leisten und zugleich Übergaben, Entscheidungen, Qualität und Lernen zusammen funktionieren.

Beim KI-Pingpong verbindet und koordiniert der Mensch einzelne KI-Leistungen immer wieder manuell. In einer agentengestützten Organisation sollen Menschen, Agenten und Systeme entlang eines definierten Ende-zu-Ende-Ablaufs zusammenarbeiten. Mein Ziel einer lernenden agentengestützten Organisation geht einen Schritt weiter: Menschliche Korrekturen werden in Standards, Entscheidungsregeln und Qualitätsanforderungen überführt, damit dieselben Korrekturen beim nächsten vergleichbaren Durchlauf möglichst nicht erneut notwendig sind.

Das ist die Richtung, in die ich meine AI Company entwickeln möchte. Einen bereits nachgewiesenen Lernerfolg oder eine gemessene Produktivitätssteigerung behaupte ich damit nicht.

Daran würde ich auch im Führungsteam ansetzen. Nehmen Sie einen konkreten Wertstrom und gehen Sie ihn bis zum verwendbaren Ergebnis durch. Wo liegt die Arbeit? Welche Übergabe braucht welchen Kontext? Halten Sie fest, welche menschlichen Entscheidungen vorgesehen sind und wo zusätzlich eingegriffen werden muss. Und prüfen Sie, was aus diesen Eingriffen für den nächsten Durchlauf folgt.

Die entscheidende Frage ist nicht, wie viele Aufgaben wir mit KI automatisieren können. Entscheidend ist, ob daraus eine Organisation entsteht, die mit weniger menschlichem Vermittlungsaufwand bessere und verlässlichere Ergebnisse erzeugt.

Menschliche Führung verschwindet dabei nicht. Sie verlagert sich: weg vom dauernden Übertragen und Reparieren – hin zu Richtung, Entscheidungen, Qualitätsmaßstab und organisationalem Lernen.

Schluss mit KI-Pingpong. Zusammenspiel statt Einzelaktionen.