Ihre KI kann reden. Kann sie auch die Arbeit erledigen?

Stellen Sie sich vor, Sie stellen einen klugen Assistenten ein, der Kundentermine betreuen soll. Er schreibt verständlich und erkennt, was Menschen möchten. Trotzdem braucht er Zugang zum Kalender, Buchungsregeln, frühere Gesprächsnotizen und einen Ansprechpartner für ungewöhnliche Wünsche. Ohne diese Voraussetzungen hätte auch ein fähiger Mitarbeiter Schwierigkeiten. KI braucht eine ähnliche Unterstützung. Eine Nachricht zu verstehen, ist nur ein Teil der Aufgabe.

Das KI-Modell verarbeitet Informationen und erzeugt eine Antwort oder schlägt eine nächste Handlung vor. Der Harness ist die umgebende Software, die diese Vorschläge umsetzt: Sie kann einen Datensatz abrufen, eine erlaubte Aktion ausführen, das Ergebnis an das Modell zurückgeben und den Ablauf wiederholen, bis die Aufgabe erledigt ist oder Hilfe benötigt wird. Cloudflare beschreibt diesen wiederkehrenden Ablauf als Kern eines Harness. Ein „KI-Agent“ ist das gesamte arbeitende System, das mit Modell und Harness eine Aufgabe verfolgt. Der Harness steckt meist bereits im verwendeten Produkt. Sie werden seinen Namen vielleicht nie auf einer Schaltfläche sehen.

Entscheidend ist, welche Aufgaben das gesamte System in Ihrem Unternehmen abschließen kann.

Dies ist ein veranschaulichendes Beispiel, kein Bericht über einen Kundeneinsatz. Angenommen, ein Dienstleister erlaubt Terminverschiebungen auf freie Plätze zum gleichen Preis. Mit passenden Verbindungen und Regeln könnte ein KI-System die Anfrage wie folgt bearbeiten. Sind am Freitag mehrere Zeiten frei, fragt es zuerst nach dem gewünschten Termin.

• Finden: Den richtigen Kunden und die bestehende Buchung zuordnen. Bei einer unklaren Zuordnung Hilfe anfordern.

• Prüfen: Den aktuellen Kalender und die Regeln für Terminverschiebungen lesen.

• Handeln: Die Buchung nach Einigung auf eine Uhrzeit ändern, sofern dies erlaubt ist. Ausnahmen gehen an einen Menschen.

• Bestätigen: Prüfen, ob die Änderung gespeichert wurde. Danach die Bestätigung versenden und den Vorgang festhalten.

Eine freundliche Antwort ist hilfreich. Eine korrekt geänderte Buchung ist das Ergebnis, das der Kunde braucht.

Sie müssen keinen Code verstehen, um den Aufbau zu beurteilen. Fragen Sie, woher die Fakten kommen, was das System tun darf, was es behält und wie es den Abschluss erkennt. Anthropics Arbeit an längeren Aufgaben zeigt, warum Fortschrittsaufzeichnungen und Prüfungen wichtig sind: Ohne passende Unterstützung kann ein Agent den Faden verlieren oder zu früh Erfolg melden.

• Die richtigen Informationen: Aktuelle Datensätze und klare Regeln sowie eine Möglichkeit, fehlende oder widersprüchliche Angaben zu erkennen.

• Die richtigen Werkzeuge: Verbindungen zu den Arbeitssystemen, mit auf die Aufgabe begrenztem Zugriff.

• Ein Fortschrittsprotokoll: Eine Aufzeichnung bereits erledigter Schritte, damit es nach einer Unterbrechung nicht blind von vorn beginnt.

• Eine Ergebniskontrolle: Ein Nachweis, dass die Änderung gelungen ist, und ein klarer Punkt zum Stoppen oder Nachfragen.

Das ist eine aufschlussreiche Frage für eine Vorführung. Gibt es keinen passenden Termin, sollte das System gültige Alternativen anbieten oder die Anfrage weitergeben. Ist der Kalender nicht erreichbar, sollte es das Problem melden und offene Arbeit dokumentieren. Liefert eine Änderung kein eindeutiges Ergebnis, sollte es vor einem erneuten Versuch prüfen, was passiert ist. Sonst könnte eine doppelte Buchung entstehen. Solches Verhalten muss entwickelt und geprüft werden; das Wort „Harness“ garantiert es nicht.

Die Anweisung „Vor einer Ausnahme immer nachfragen“ ist noch keine Regel, die die Software auch durchsetzt.

KI kann eine Anfrage missverstehen. Ihre Datensätze können falsch sein. Eine Prüfung kann einen Fehler übersehen. Ein Harness hilft bei der Arbeitssteuerung, macht das System aber nicht unfehlbar und legt keine Geschäftsregeln für Sie fest. Jemand muss erlaubte Änderungen, Zuständigkeiten für Ausnahmen und den Abschluss festlegen. Diese Person braucht die Möglichkeit, Aktionen zu prüfen und das System anzuhalten. Beginnen Sie mit einer Aufgabe, bei der Fehler leicht auffallen und korrigiert werden können.

Viele KI-Produkte bringen Teile dieser Unterstützung mit. Prüfen Sie, was das Produkt tatsächlich kann und ob es zu Ihren Systemen passt. Eine individuelle Lösung kann sinnvoll sein, wenn vorhandene Werkzeuge Ihre Anforderungen nicht erfüllen. Für eine Aufgabe mit immer gleichen Schritten reicht möglicherweise gewöhnliche Automatisierung. Anthropic empfiehlt in seinen Leitlinien für Agenten, mit der einfachsten geeigneten Lösung zu beginnen. Ziel ist, Ihrem Team Arbeit abzunehmen. Das lässt sich beurteilen, ohne jedem neuen Begriff zu folgen.

Wählen Sie eine alltägliche Anfrage und verfolgen Sie sie bis zum Ende. Beobachten Sie die Informationsquellen, die geänderten Datensätze und das Verhalten bei fehlenden Angaben. Vergleichen Sie anschließend in einem kleinen Pilotversuch erledigte Aufgaben, Prüfzeit der Mitarbeiter, Fehler und Gesamtkosten mit dem heutigen Ablauf. Beziehen Sie schwierige Fälle wie einen belegten Termin oder eine wiederholte Anfrage ein. So erhalten Sie eine konkrete Entscheidungsgrundlage, bevor Sie weitere Arbeit übertragen.

Fragen Sie: „Können Sie mir das fertige Ergebnis zeigen und erklären, was passiert, wenn die Aufgabe nicht abgeschlossen werden kann?“