Was bedeutet AI-first hier?

Der WEF-Lackmustest: Würde man die KI-Systeme entfernen — könnten Betrieb, Entscheidungen und Lieferung weiterlaufen? AI-first gestaltet Rollen und Entscheidungsrechte neu; KI-unterstützt schraubt Modelle an bestehende Jobs. Microsofts Frontier Firm und Agent-Boss-Sprache nennen dieselbe hybride Gestalt.

Ein begrenzter Auftrag für einen spezialisierten Agenten: Mandat, Werkzeuge, Massstab für fertig, benannte Übergabe und klare Ausliefer-/Stopp-Autorität. Keine Persönlichkeit und keine Abo-Zahl. Der Work Chart fragt, wie viele Agenten je Rolle und wie viele Menschen sie führen.

Wie soll Aufsicht im Alltag funktionieren?

Vier Modi aus der Produktionspraxis (arXiv:2606.05391): Grenzen vor dem Lauf setzen, Schritte gemeinsam planen, überwachen, solange man umlenken kann, danach prüfen. Kann man nicht stoppen, die Schritte nicht sehen und die Person auf Wache nicht benennen, hat man einen Prozess freigelassen.

Wie vergleicht man Kosten von KI- und Menschenorganisation, ohne ein Flottenhauptbuch zu erfinden?

Nur öffentliche Methoden: Anthropics ~4×/15× Token-Multiplikatoren gegenüber Chat; EYs Beispiel ~0.04→1.20 Dollar Orchestrierung und FinOps-Kategorien; a16zs Grössenordnung Dollar/Stunde; Per-Task-Studien, die zugleich billiger und weniger erfolgreich sind. Prüfarbeit und Nacharbeit dazu. Gehalt nicht durch Listenpreis-Tokens teilen.

Wann hilft Multi-Agent der Qualität, und wann schadet es?

Es hilft bei hochwertiger, paralleler, zerlegbarer Arbeit (Anthropics interne Research-Eval; Googles parallele Finance-Gewinne). Es schadet bei sequenzieller Enge, unverteidigter Unabhängigkeit (Fehlerverstärkung) und unter gleichen Tokenbudgets auf manchen Multi-Hop-Aufgaben. Topologie ist die Qualitätsvariable.

Ist das eine Produktkritik zu Grok Bot oder ein Studio-Kostentagebuch?

Nein. Die öffentlichen Grok-Bot-Docs erscheinen einmal als Produktfakt — geteilter Computer, Gruppenchats, Bot-zu-Bot-Nachrichten, damit der Mensch nicht der Mittelsmann ist. Keine Studio-Dollar, keine Sitzzahlen, keine Billing-Screens. Das Argument ist Betriebsmodell-Handwerk: Sitze, Ernennung, Aufsicht und wie man die Rechnung liest.

AI-First ist ein Betriebsmodell

Man sagt, man wolle ein KI-Unternehmen.

Meist meint man damit ein besseres Chatfenster. Ein Fenster. Eine clevere Antwort. Der Mensch trägt danach weiterhin jeden nächsten Schritt — hierher kopieren, dorthin einfügen, den Auftrag neu formulieren, entscheiden, wer als Nächstes hinsieht.

Das ist kein Unternehmen. Das ist ein Mensch mit mehreren klugen Werkzeugen und ohne Sitzordnung.

Die interessante Verschiebung der letzten zwei Jahre war kein neues Modell. Es war Möblierung. Recherche an einem Sitz. Entwurf an einem anderen. Prüfung an einem dritten. Ein Stabschef, der wusste, welcher Sitz den nächsten Zug besitzt. Spezialisten, die Arbeit unter Regeln, die ein Mensch gesetzt hat, durch den Raum reichen konnten.

Bleibt der Mensch der Router, werden die Maschinen nie Kollegen. Sie bleiben Tabs.

Abstrakter Sitzplan: Stuhlkreis um einen Tisch, ein Stuhl abseits an einer gerahmten Tür — Ein Sitzplan vor dem Prompt. Spezialisten versammeln sich um gemeinsame Arbeit; ein menschlicher Sitz bleibt an der Tür.

Was AI-first bedeutet

Das World Economic Forum hat im Juni 2026 in einem Blueprint mit Kearney dem Begriff einen brauchbaren Test gegeben. AI-first-Unternehmen gestalten Arbeitsabläufe, Rollen und Entscheidungsrechte systematisch neu, sodass KI zum strategischen Hebel wird, Wert in industriellem Massstab zu schaffen und zu liefern. Der Lackmustest ist schroff: Würde man die KI-Systeme entfernen — könnten Betrieb, Entscheidungen und Lieferung weiterlaufen? Lautet die Antwort nein, ist das Unternehmen AI-first. Das unterscheidet sich von KI-unterstützter Arbeit, die Modelle an bestehende Jobs anschraubt, und von AI-native Startups, die Modelle von Tag eins als Produktionskern mitdenken.

Der Work Trend Index von Microsoft vom 23. April 2025 nannte dieselbe Gestalt in Unternehmenssprache: die Frontier Firm — hybride Teams aus Menschen und Agenten, Multi-Agent-Abläufe, eine Reise vom Assistenten zu digitalen Kollegen bis zu Agenten, die ganze Prozesse führen. Die Begleitidee war der Agent Boss: jemand, der spezialisierte Agenten baut, ihnen Arbeit übergibt und sie führt; jeder Mitarbeitende denkt wie der CEO eines agentengestützten Startups.

Öffentliche Microsoft-WorkLab-Seite: Work Trend Index 2025, The year the Frontier Firm is born — Microsoft Work Trend Index, 23. April 2025 — öffentliche Einstiegsseite zum Bericht über die Frontier Firm.

Die Etiketten unterscheiden sich. Der Gegenstand nicht. Ein AI-first-Unternehmen ist ein Betriebsmodell. Sitze und Entscheidungsrechte kommen vor den Prompts.

Aufbau: Sitze, Mandate, Werkzeuge, fertig

Die meisten Gespräche über Agenten beginnen bei Prompts. Clevere Anweisungen. Lange Systemnachrichten. Ein Diagramm aus Kästchen und Pfeilen.

Ich habe irgendwann woanders angefangen — an einer matteren Stelle.

Wer besitzt den Auftrag?

Wer darf an die Quelle der Wahrheit?

Wer schreibt, wer prüft, wer darf ausliefern?

Wer stoppt die Arbeit, wenn die Arbeit falsch ist?

Das sind Sitzfragen. Sie klingen nach Management, weil sie Management sind. Ein Sitz ist keine Persönlichkeit. Es ist ein begrenzter Auftrag: ein Mandat, ein Satz Werkzeuge, ein Massstab für «fertig», und eine benannte Übergabe, wenn der Auftrag endet. Ausliefern und Stoppen gehören benannten Sitzen — nicht dem offenen Chat dazwischen.

Microsoft nannte die nächste Grafik Work Chart — Teams, die sich um Ziele statt um Funktionen bilden, getragen von Agenten — und fragte nach einem Human-Agent-Ratio: wie viele Agenten für welche Rollen, und wie viele Menschen, die sie führen. Gründerinnen und Gründer, die öffentlich schreiben, skizzieren dasselbe Mobiliar. Ein stehendes Rollenverzeichnis. Ein Stabschef, der Arbeit in ein Briefing faltet. Eine Flotte statt eines einzelnen Prompts — Artificial Curiosity Labs setzte «20+ specialised agents» als arbeitendes System, mit einem Organigramm aus Rollen und Auslösebedingungen, die verschwenderische Aufrufe absenken. Die Dokumentation von Paperclip modelliert KI-Unternehmen als Berichtsbäume, in denen Manager Budgets für ihren Teilbaum halten.

Framework-Dokumentation sagt dasselbe in ruhigerer Sprache. Der hierarchische Prozess bei CrewAI: ein Manager koordiniert, delegiert und validiert. Subagents bei LangChain: ein zentraler Agent behandelt Spezialisten als Werkzeuge mit eigenem Kontext. Das Agents SDK von OpenAI: Handoffs, Agents-as-Tools, Orchestrierung im Manager-Stil.

Die Namen unterscheiden sich. Irgendjemand muss trotzdem entscheiden, welcher Stuhl welchem Schreibtisch gegenübersteht.

Isolation sitzt auf derselben Höhe wie der Sitzplan. Anthropics Hinweis vom Oktober 2025 zu Claude-Code-Sandboxing ist eine klare öffentliche Prinzipienerklärung: wirksames Sandboxing braucht Dateisystem- und Netzisolation; ohne Netzisolation kann ein kompromittierter Agent Dateien exfiltrieren; ohne Dateisystemisolation kann er entweichen; sensible Zugangsdaten bleiben ausserhalb der Sandbox. Der CEO-Leitfaden von MIT Technology Review vom Februar 2026 (mit Protegrity erstellt; gesponsert, keine Redaktionsarbeit) legt denselben Gedanken an die Grenzen, an denen Agenten Identität, Werkzeuge, Daten und Ausgaben berühren — jeder Agent als nicht-menschlicher Akteur, Werkzeuge festgenagelt, ein Inventar von Agenten und Scopes. Der CIO-Beitrag vom Juli 2026 zu Shadow Agents fügt Laufzeitisolation hinzu: kein Agent ausserhalb einer definierten Policy-Grenze.

Man braucht dafür kein proprietäres Vokabular. Dateisystem. Netz. Zugangsdaten ausser Reichweite. Ein Inventar. Ein Mensch, der Zugang widerrufen kann. Das reicht zum Anfang.

Alltag: Übergaben, kein menschliches Förderband

Die teure Fehlform ist subtil.

Der Recherche-Sitz ist fertig. Er kippt einen Stapel in den Chat. Der Mensch liest ihn, schreibt den Auftrag um, fügt ihn beim Schreibenden ein. Der Schreibende liefert einen Entwurf. Der Mensch trägt den Entwurf zur Prüfung. Die Prüfung liefert Notizen. Der Mensch trägt die Notizen zurück.

Jeder Transport ist eine Steuer. Kontext verdünnt sich. Besitz verschwimmt. Die Person, die die Arbeit ernennen sollte, wird zum Förderband.

Zwei Topologien: verworrene Fäden, die in einem Knoten zusammenlaufen, versus parallele Bahnen zu einer klaren Tür — Links: der Mensch als einziger Knoten. Rechts: Spezialisten reichen Arbeit entlang von Bahnen weiter; der Mensch bleibt an der Tür für Urteil.

Die öffentliche Produktdokumentation zu Grok Bot beschreibt eine andere Gestalt: dauerhafte, benannte Bots, die einen Computer teilen, Gruppenchats und Bot-zu-Bot-Nachrichten, sodass der Mensch nicht der Mittelsmann jedes Hops ist. Das ist ein Produktfakt aus dem Launch-Hinweis und den Docs von xAI vom August 2026 — kein Broschürenanspruch für dieses Studio. Was für das Handwerk zählt, ist das Muster. Spezialisten sollten Arbeit unter Regeln, die man setzt, aneinander reichen können, mit einem einzigen Eigentümer je Stufe, und man selbst muss den Zug noch umlenken oder stoppen können.

Ein brauchbarer Start klingt wie gewöhnliche Sprache, nicht wie ein Launch-Skript: die Quellen sammeln und jeden Anspruch verknüpfen; die Befunde in einen Entwurf verwandeln; den Entwurf gegen die Quellen prüfen und nur blockierende Punkte listen. Nicht veröffentlichen.

Ein Eigentümer je Stufe. Sichtbare Übergaben. Der Mensch an der Tür, nicht im Gang.

Frühere Library-Notizen zogen die harte Linie bereits um handelnde Systeme — The Unappointed Operator, The Appointed Door, One Agent, Many Sovereignties. Diese Notiz sitzt neben diesen dreien und bleibt häuslich. Ernennung heisst hier: einen Sitz benennen, ihm Werkzeuge geben, sagen, was er ändern darf, und einen Menschen behalten, der die Arbeit widerrufen kann. Ein spezialisierter Agent, der einem anderen spezialisierten Agenten schreiben kann, ist nützlich. Er bleibt nur dann ernannter Kollege, wenn jemand für das Geschirr verantwortlich bleibt.

Aufsicht: vier Modi, kein einzelnes Dashboard

Entwicklerinnen und Entwickler, die Produktionspraxis studieren, dokumentieren die Aufsichtsarbeit, die folgt. Ein Paper auf arXiv vom Juni 2026 (2606.05391) fand mindestens vier Formen emergenter Aufsichtsarbeit: a-priori-Kontrolle, gemeinsames Planen, Echtzeitüberwachung und Prüfung im Nachhinein. Aufsicht, betonen die Autorinnen und Autoren, ist nicht nur reaktiv und rückblickend. Sie ist auch vorbeugend und vorausschauend.

Vier abstrakte Felder: Tor, gemeinsame Planung, wachsames Signal, geschlossenes Protokoll — Vier Aufsichtsmodi in der Praxis: Grenzen vor dem Lauf setzen, mit dem System planen, während der Arbeit zusehen, danach prüfen — kein einzelnes Dashboard, das alle vier vortäuscht.

In Studiosprache sind die vier Modi gewöhnliche Gegenstände.

A-priori-Kontrolle ist das Sitzverzeichnis und die Werkzeugliste, bevor das erste Token fällt. Was darf dieser Sitz öffnen. Was darf er nie berühren. Was gilt als fertig.

Gemeinsames Planen ist das kurze Gespräch am Anfang eines Zugs: Schritte, Quellen, Stoppbedingungen vereinbaren — bevor die Flotte losläuft.

Echtzeitüberwachung heisst, den Lauf zu sehen, solange man ihn noch umlenken kann. Lesbare Logs. Ein Stopp, den man drücken kann. Kein Status-Emoji.

Prüfung im Nachhinein ist die Kontrolle danach: Ansprüche gegen Quellen, Diffs gegen den Auftrag, ein benannter Mensch, der sagt: ausliefern oder zurückschicken.

Dasselbe Paper nennt ein leiseres Risiko: Entwicklerinnen und Entwickler übernehmen Effizienzheuristiken — der Plan als Stellvertreter für Korrektheit, Tests als Garantie, kurzes Überfliegen, Vertrauen, wenn die Domäne fremd ist. Gute-genug-Aufsicht driftet in Automation Bias. Das Vokabular ist akademisch. Die Studiofassung ist schlichter. Kann man nicht stoppen, die Schritte nicht sehen und die Person auf Wache nicht benennen, hat man keinen Kollegen ernannt. Man hat einen Prozess freigelassen.

Wo Vorsicht gilt

Die Newsroom-Prognose von Gartner vom 25. Juni 2025 ist die Sorgfaltsnotiz, die viele Boards noch zu flüchtig lesen: über 40 Prozent der agentischen KI-Projekte werden bis Ende 2027 abgebrochen — wegen steigender Kosten, unklaren Geschäftswerts oder unzureichender Risikokontrollen. Dieselbe Mitteilung prägte die saubere Beleidigung — Agent Washing — für Anbieter, die Assistenten, RPA und Chatbots ohne substanzielle agentische Fähigkeit umetikettieren. Gartner schätzte nur etwa 130 der Tausenden «agentischen» Anbieter als echt ein.

Shadow Agents sind die häusliche Version desselben Problems. Die öffentliche Definition von DataRobot ist klar: KI-Agenten ausserhalb genehmigter Governance-, Sicherheits- oder Deployment-Abläufe — kein zentrales Inventar, kein zugewiesener Eigentümer, kein definiertes Berechtigungsmodell, kein Audit-Trail. Der CIO-Beitrag vom Juli 2026 beschreibt autonome Prozesse an der API-Schicht, die sich nie anmelden, nie einen Session-Eintrag hinterlassen und nie auf einen Menschen warten. Sitze ohne Ernennung sind nur weitere unernannte Operatoren mit netteren Namen.

Der Beitrag des Forbes Technology Council vom 3. September 2026 nennt die Governance-Verschiebung, die viele Firmen bereits spüren: von Sitzen zu Ausgaben. Monatliche KI-Kosten gleichen Sitzgebühren plus Modellnutzung über Nutzer, Anwendungen und Agenten. Budgets müssen auf Unternehmens-, Abteilungs-, Anwendungs-, Agenten- und Nutzerebene leben. Ohne diese Steuerebene wird verbrauchsbasierte Preisgestaltung aus fragmentierter Nutzung zum finanziellen Risiko.

Dazu Automation Bias aus dem Aufsichtspaper — und man hat den Sorgfaltsstapel: hypegetriebene Projekte, gewaschene Produkte, ungenehmigte Agenten, Sitze, die man für Ausgabenkontrolle hält, und Menschen, die aufhören zu prüfen, weil das System selbstsicher klang.

Kosten: wie man eine KI-Organisation mit einer menschlichen vergleicht

Hier trifft das Mobiliar die Rechnung — und die Versuchung ist, Tokens wie Gehälter zu behandeln.

Das ist der falsche Vergleich.

Öffentliche Quellen liefern keine glaubwürdige Monatssumme für eine kleine Studio-Multi-Agent-Flotte mit offener Methode. Was sie liefern, ist eine Methode, die Rechnung zu lesen.

Zwei Cluster steigender Balken: Chat-zu-Agent-zu-Multi-Agent und Chat-zu-Orchestrierung — Kostenform, kein Hauptbuch. Links spiegelt Anthropics öffentliche Token-Multiplikatoren gegenüber Chat (etwa 4× für Agenten, etwa 15× für Multi-Agent). Rechts spiegelt EYs veröffentlichten Sprung Chat-zu-Orchestrierung je Aufgabe (etwa 30× in Enterprise-Kundendienst-Einsätzen). Die Zahlen stehen in der Bildunterschrift; das Bild trägt nur relative Höhe.

Anthropics Engineering-Beitrag vom 13. Juni 2025 ist deutlich zum Tokenverbrauch: in ihren Daten nutzen Agenten typischerweise etwa viermal mehr Tokens als Chat-Interaktionen, Multi-Agent-Systeme etwa fünfzehnmal mehr als Chats. Das ist eine Anbietermessung gegen Chat, keine Studio-Monatssumme. Es bleibt die klarste öffentliche Offenlegung, dass parallele spezialisierte Arbeiter kein Gratis-Upgrade gegenüber einem einzelnen Gespräch sind.

EYs agentische Seiten und das Investment-Paper legen einen anderen Massstab an Enterprise-Kundendienst: ein Chat, der einst etwa 0.04 Dollar kostete, kann zu 1.20 Dollar Orchestrierung werden, sobald Werkzeuge, Planung und Subagents den Weg betreten — grob ein dreissigfacher Sprung je Aufgabe in dem Beispiel, das sie veröffentlichen. EYs FinOps-Rahmen fügt Kategorien hinzu, die Boards oft übersehen: Tokens, Abonnements, Plattform, Governance (einschliesslich Human-in-the-Loop-Reviews), organisatorischer Wandel, Ausfall und Wiederherstellung sowie spekulative KI-Steuern. Tokens sind die sichtbare Zeile. Sie sind nicht die Vollkosten. Ein Agent ist keine Lizenz.

Der Computer-Use-Essay von a16z vom August 2026 bietet einen Grössenordnungsrahmen pro Stunde, kein Studio-Flottenangebot: einen Agenten zu betreiben kostet heute grob 6–8 Dollar pro Inferenzstunde (Praxisband etwa 3–15 Dollar je nach Geschirr); Offshore-BPO liegt nahe 10 Dollar/Stunde voll belastet; US-Backoffice-Arbeit nahe 30–45 Dollar/Stunde. Die Autorinnen und Autoren sagen Grössenordnung, nicht präzises Angebot. Nützlich als Massstab. Unbrauchbar als Ersatz für Aufsicht, Wiederholungen und Nacharbeit.

Eine kontrollierte Studie vom Oktober 2025 (arXiv:2510.22780) verglich 48 Upwork-Arbeiterinnen und -Arbeiter mit OpenHands-Agenten auf sechzehn Aufgaben. Menschen berechneten im Schnitt etwa 24.79 Dollar je Aufgabe; Agenten liefen etwa 0.94–2.39 Dollar — neunzig bis sechsundneunzig Prozent günstiger auf diesem Zähler. Dieselbe Studie fand Agenten 32.5–49.5 Prozent schwächer im Erfolg und notierte, dass menschliche Aufsicht weiterhin nötig sein kann. Automatisierung verlangsamte die Menschen, die prüfen und debuggen mussten, um etwa 17.7 Prozent; Augmentation beschleunigte die Arbeit um etwa 24.3 Prozent. Billige Dollar/Aufgabe ist nicht dasselbe Objekt wie eine billigere Organisation.

Die Deutungszeile, die auf eine Field-Note-Seite gehört: billige Dollar/Aufgabe oder Dollar/Stunde beweisen keine billigere Organisation. Dazu kommen Token-Multiplikator, Verfeinerungsanteil, menschliche Prüfarbeit, Ausfall und Nacharbeit sowie die Qualitätslücke. Die eigene Vorsicht von a16z trägt weit über Computer-Use-BPO hinaus: prüft ein Mensch jede Ausgabe, wurde keine Arbeit gespart.

Qualität und Abweichungen

Kosten ohne Qualität sind eine halbe Rechnung. Multi-Agent-Systeme können die Decke anheben — und den Boden verstärken.

Öffentliche Anthropic-Engineering-Seite: How we built our multi-agent research system, 13. Juni 2025 — Anthropic Engineering, 13. Juni 2025 — öffentlicher Beitrag, der sowohl den internen Research-Eval-Lift von 90.2 Prozent als auch die grob 15× Tokenkosten gegenüber Chat offenlegt.

Derselbe Multi-Agent-Research-Beitrag von Anthropic berichtet, dass ein System mit Claude Opus 4 als Lead und Claude-Sonnet-4-Subagents Single-Agent Opus 4 um 90.2 Prozent auf einer internen Research-Evaluation übertraf. Absichern als anbieterintern; eine unabhängige Replikation fand sich im öffentlichen Lock nicht. Die Autorinnen und Autoren sind auch klar zur Passung: Multi-Agent-Arbeit glänzt, wenn der Wert hoch, Parallelisierung stark, Kontext überlaufend und Werkzeuge zahlreich sind; Domänen, die geteilten Kontext und Echtzeitdelegation brauchen — darunter der Grossteil des Codings — passen schlecht. Allein der Tokenverbrauch erklärte den Grossteil der Varianz auf einem ihrer öffentlichen Benchmarks.

Die Scaling-Studie von Google Research (arXiv:2512.08296; Blog 28. Januar 2026) kartiert, wann die Topologie hilft und wann sie schadet. Zentralisierte Multi-Agent-Systeme gewannen etwa 80.8 Prozent gegenüber Single-Agent-Baselines auf einer parallelisierbaren Finance-Agent-Aufgabe. Jede Multi-Agent-Variante verschlechterte sequenzielles PlanCraft um etwa 39–70 Prozent, unabhängige Agenten am schlechtesten Ende. Unabhängige Multi-Agent-Systeme verstärkten Fehler um den Faktor 17.2; zentralisierte Koordination hielt die Verstärkung bei etwa 4.4×. Lag eine Single-Agent-Baseline nahe 45 Prozent oder höher, zeigte Koordination oft abnehmende oder negative Erträge.

Zwei abstrakte Flussfelder: geordnete Konvergenz einerseits, verworrene Verstärkung andererseits — Wann Topologie sich lohnt. Parallele, zerlegbare Arbeit kann Qualität heben; sequenzielle Enge und unverteidigte Unabhängigkeit können Fehler verstärken. Architektur ist die Qualitätsvariable, nicht «mehr Agenten».

Andere Preprints von 2026 schärfen die Abweichung. Papers zu kollektiver Halluzination zeigen, dass unverteidigtes Multi-Agent-Reasoning falsche Ansprüche verstärkt; sequenzielle Finance-Pipelines lassen Fehler so lawinenartig wachsen, dass Prüfungen am Ende der Pipeline kaum noch helfen, während Grenz-Gates das Überleben stark kürzen. Unter gleichen Thinking-Token-Budgets können Single-Agent-Systeme Multi-Agent-Systeme auf Multi-Hop-Reasoning erreichen oder übertreffen (arXiv:2604.02460). Automatische Multi-Agent-Generatoren können bis etwa 10× Chain-of-Thought-Self-Consistency kosten und wenig hinzufügen (arXiv:2606.13003) — eine «Illusion of multi-agent advantage», wenn die Evaluation den marginalen Compute ignoriert.

Menschliche Prüfung bleibt eine erstklassige Kostenzeile. LangChains State of Agent Engineering (12. Juni 2026; Umfrage Ende 2025, n=1'340) fand menschliche Prüfung bei 59.8 Prozent der Teams für nuancierte oder risikoreiche Arbeit, LLM-as-Judge-Ansätze bei 53.3 Prozent. Ein klinisches Audit-Rahmenwerk vom September 2026 (arXiv:2609.02095) zeigte zwei Systeme, die bei autonomer Genauigkeit fast gleichauf lagen und trotzdem 39.2 Prozent versus 29.6 Prozent menschliche Prüfung brauchten, um dasselbe Zuverlässigkeitsziel zu treffen. Ähnliche Genauigkeit, abweichende Aufsichtslast.

Multi-Agent ist kein Qualitätsupgrade von Haus aus. Es ist eine Topologiewahl mit einer Tokenrechnung daran.

Wie man die Rechnung liest

Der Sitzplan entwirft die Rechnung.

Jeder zusätzliche Sitz, der einen anderen Sitz wecken kann, multipliziert Koordination. Jeder parallele Arbeiter, der Kontext teilen muss, multipliziert Tokens. Jede Übergabe ohne einzigen Eigentümer multipliziert Doppelarbeit. Jede Ausgabe, die noch ein menschliches Auge braucht, gibt die Arbeit zurück, die man entfernt glaubte.

Öffentliche Multiplikatoren als Form lesen: Anthropics grob 15× Tokens gegenüber Chat; EYs grob 30× Dollar/Aufgabe von Chat zu Orchestrierung; a16zs Grössenordnung Dollar/Stunde gegen BPO- und Backoffice-Bänder; Per-Task-Studien, die zugleich billiger und weniger erfolgreich sind. FinOps-Kategorien lesen, damit Governance und Ausfall auf derselben Seite stehen wie Tokens. Keine Flotte-zu-FTE-Substitution aus Listenpreisen erfinden. Ein Sitzabo nicht als Ausgaben-Steuerebene behandeln.

Zurückhaltung gehört zum Handwerk. Ein Sitz soll existieren, weil ein wiederholter Auftrag ein Mandat braucht — nicht, weil das Organigramm beeindruckend aussieht. Untätige Spezialisten, die bei jeder Nachricht aufwachen, verbrennen Geld und Aufmerksamkeit. Ein Stabschef, der nicht sagen kann «das braucht keine drei Bots», ist kein Stabschef. Er ist ein Megafon.

Verstehen vor Technik. Sitze vor Prompts. Ernennung vor Autonomie. Kosten als Eigenschaft des Entwurfs, nicht als Überraschung nach dem Launch.

Ich öffne die Tür weiterhin. Ich lenke einen Zug um, wenn sich Prioritäten ändern. Ich sage weiterhin stopp. Die Maschinen können Arbeit durch den Raum reichen. Sich selbst ernennen dürfen sie nicht.

Menschliches Urteil ist der knappe Sitz. Lass ihn an der ernannten Tür.

Quellen

Definitionen und Betriebsmodell

World Economic Forum (with Kearney), The AI-First Operating System: A Blueprint for Operating and Business Model Innovation, June 2026. https://reports.weforum.org/docs/WEF_The_AI_First_Operating_System_A_Blueprint_for_Operating_and_Business_Model_Innovation_2026.pdf · hub: https://www.weforum.org/publications/the-ai-first-operating-system-a-blueprint-for-operating-and-business-model-innovation/
Microsoft Work Lab / Work Trend Index, 2025: The year the Frontier Firm is born, 23 April 2025. https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
Official Microsoft Blog, The 2025 Annual Work Trend Index: The Frontier Firm is born, 23 April 2025. https://blogs.microsoft.com/blog/2025/04/23/the-2025-annual-work-trend-index-the-frontier-firm-is-born/
Artificial Curiosity Labs, The AI Chief of Staff Is a Fleet, Not an Agent, 15 May 2026. https://artificialcuriositylabs.ai/posts/ai-chief-of-staff-fleet-architecture/
Justin Bartak, My C-Suite of Agents Named Themselves, 28 July 2026. https://justinbartak.ai/blog/ai-agent-c-suite-chief-of-staff
Paperclip docs, Org Structure. https://paperclipai-paperclip.mintlify.app/concepts/org-structure
CrewAI Docs, Hierarchical Process. https://docs.crewai.com/edge/en/learn/hierarchical-process
OpenAI Agents SDK (Python). https://openai.github.io/openai-agents-python/
LangChain Docs, Multi-agent. https://docs.langchain.com/oss/python/langchain/multi-agent
Anthropic Engineering, Making Claude Code more secure and autonomous with sandboxing, 20 October 2025. https://www.anthropic.com/engineering/claude-code-sandboxing
MIT Technology Review (produced by Protegrity), From guardrails to governance: A CEO’s guide for securing agentic systems, 4 February 2026. https://www.technologyreview.com/2026/02/04/1131014/from-guardrails-to-governance-a-ceos-guide-for-securing-agentic-systems/

Aufsicht und Alltag

arXiv:2606.05391, Human oversight of agentic systems in practice…, submitted 3 June 2026. https://arxiv.org/abs/2606.05391
xAI, Introducing Grok Bot, 11 August 2026. https://x.ai/news/introducing-grok-bot
xAI Docs, Grok Bot overview / Bots / Chat and collaboration. https://docs.x.ai/grok-bot/overview · https://docs.x.ai/grok-bot/bots · https://docs.x.ai/grok-bot/chat-and-collaboration

Vorsicht und Fehlformen

Gartner Newsroom, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25 June 2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
Forbes Technology Council, From Seats To Spend: Why Enterprise AI Needs A Control Plane, 3 September 2026. https://www.forbes.com/councils/forbestechcouncil/2026/09/03/from-seats-to-spend-why-enterprise-ai-needs-a-control-plane/
DataRobot, Shadow agents. https://www.datarobot.com/blog/shadow-agents/
CIO, Shadow agents: How IT leaders must govern ‘headless’ AI…, 1 July 2026. https://www.cio.com/article/4191250/shadow-agents-how-it-leaders-must-govern-headless-ai-before-it-breaks-the-enterprise.html

Kosteninterpretation (öffentliche Multiplikatoren und Methoden)

Anthropic Engineering, How we built our multi-agent research system, 13 June 2025 — agents ~4× / multi-agent ~15× tokens vs chat; internal 90.2% research-eval claim. https://www.anthropic.com/engineering/multi-agent-research-system
EY, agentic AI token costs / Unlocking agentic value (PDF) ©2026 — chat ~$0.04 → orchestrated ~$1.20; FinOps categories. https://www.ey.com/en_us/insights/ai/agentic-ai-token-costs · https://www.ey.com/content/dam/ey-unified-site/ey-com/en-us/insights/ai/documents/ey-unlocking-agentic-value-a-new-investment-discipline-for-the-agentic-era.pdf
a16z, Can Agents Use a Computer Yet? We’ve Got the Data, 10 August 2026 — ~$6–8/h agent inference order of magnitude; BPO ~$10/h; US back-office ~$30–45/h; “if a person reviews every output, no labor was saved.” https://a16z.com/can-agents-use-a-computer-yet-weve-got-the-data/
arXiv:2510.22780, human vs agent $/task and success gap, October 2025. https://arxiv.org/abs/2510.22780

Qualitätsabweichungen

Google Research blog, Towards a science of scaling agent systems…, 28 January 2026; arXiv:2512.08296 — MAS +80.8% parallel finance; −39–70% sequential; error amp 17.2× independent / 4.4× centralised. https://research.google/blog/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work/ · https://arxiv.org/abs/2512.08296
arXiv:2606.07941, collective hallucination / defence, 2026. https://arxiv.org/abs/2606.07941
arXiv:2608.14588, sequential snowball hallucination (FinanceBench), 2026. https://arxiv.org/abs/2608.14588
arXiv:2604.02460, budget-matched SAS ≥ MAS on multi-hop, 2026. https://arxiv.org/abs/2604.02460
arXiv:2606.13003, automatic MAS vs CoT-SC cost illusion, 2026. https://arxiv.org/abs/2606.13003
LangChain, State of Agent Engineering, 12 June 2026 — human review 59.8%. https://www.langchain.com/state-of-agent-engineering
arXiv:2609.02095, READY oversight-burden divergence, submitted 2 September 2026. https://arxiv.org/abs/2609.02095