Always-on Agenten: Wenn KI von selbst loslegt

Herzlich Willkommen zu den AI FIRST Insights! Die nächste große Phase der KI-Agenten ist eingeleitet: Always-on.

Komplett neu ist das nicht. Anfang des Jahres hat OpenClaw gezeigt, was passiert, wenn ein KI-Agent rund um die Uhr auf einem eigenen Rechner läuft, sich an frühere Arbeit erinnert und von selbst loslegt. Neu ist, dass diese Fähigkeiten jetzt in Produkten landen, die jeder nutzen kann: Dots von OpenAI, Autopilot von Microsoft oder Muse von Meta.

Für mich ist das die nächste Stufe der Autonomie von KI-Agenten, und ein Thema, bei dem ich gemischte Gefühle habe. Always-on Agenten könnten eine der größten Hürden der KI-Transformation lösen: Dass Menschen daran denken KI zu nutzen und es richtig tun. Gleichzeitig treffen sie in genau diesen Unternehmen oft auf eine Grundlage, in der sie orientierungslos herumlaufen würden und wahrscheinlich mehr Schaden als Nutzen anrichten.

Wir schauen uns heute an:

• was Always-on Agenten sind und wie sie sich von anderen Agenten unterscheiden
• was die neuen Produkte unterscheidet
• was heute schon geht und was kommen kann
• wo die Chancen und Risiken liegen

Los geht's!

Was sind Always-on Agenten?

Ein Always-on Agent ist ein KI-Agent, der dauerhaft auf einem eigenen Rechner in der Cloud läuft und von selbst loslegt: wenn eine Mail oder Termin eingeht, zu einer festen Zeit oder weil er selbst etwas für wichtig hält. Er erinnert sich an frühere Aufgaben, lernt mit jeder Rückmeldung dazu und handelt mit deinen Zugängen in deinen Systemen. Du stößt ihn nicht mehr an, sondern gibst frei, was er vorbereitet hat.

Ich unterscheide mittlerweile drei Kategorien von Agenten. Der wichtigste Unterschied ist, wie lange der Agent für etwas zuständig ist, ohne dass du ihn anstößt.

Selbst gebaute Agenten richten sich Mitarbeitende in Langdock, Copilot oder ChatGPT ein, mit Skills, Wissen und Zugriff auf ein paar Tools. Die meisten nutzen sie im Chat, geben eine Aufgabe, kontrollieren das Ergebnis. Viele lassen sich aber auch nach einem Zeitplan oder durch ein Ereignis wie eine neue Mail starten. Dann erledigen sie jedes Mal denselben Ablauf, den du vorher festgelegt hast.

Cowork- und Coding-Agenten bekommen ein Ziel, planen selbst, arbeiten mit Dateien, Browser und deinen Tools und liefern ein fertiges Ergebnis. Claude Code und Codex erledigen Programmierarbeit. ChatGPT Work, Claude Cowork oder Copilot Cowork adressieren Büroarbeit.

Always-on Agenten bekommen keine Aufgabe mehr, sondern eine Rolle oder ein Ziel. Sie entscheiden selbst, wann sie handeln und was als Nächstes zu tun ist, und melden sich nur, wenn du entscheiden oder freigeben musst. OpenAI nennt das „ongoing responsibilities“, Microsoft einen „digital teammate“.

Always-on Agenten kombinieren also den selbstständigen Auslöser mit der autonomen Ausführung der Aufgabe.

In den 8 Stufen der KI-Nutzung packt ein Always-on Agent Stufe 6 (Aufgaben starten von selbst) und Teile von Stufe 8 (das System lernt dazu) in ein einziges Produkt.

Er verspricht also, die Treppe abzukürzen. Warum ich skeptisch bin, liest du am Ende.

Was unterscheidet Muse, Grok Bot, Autopilot und dots?

Technisch machen alle fünf dasselbe. Die Unterschiede liegen darin, für wen sie gebaut sind, wo du ihnen begegnest und wie sie kontrolliert werden.

Die wichtigsten Unterschiede:

• Privat oder Unternehmen. Meta und Google zielen auf den Alltag: einkaufen, buchen, Termine organisieren. Microsoft baut Autopilot ausschließlich für Firmen, OpenAI bedient mit dots beide Seiten.
• Ein Agent oder ein Team. Grok Bot ist als einziger ein Team aus Spezialisten, etwa für Vertrieb, Spesen oder Fehlermeldungen, das ein „Chief of Staff“-Bot koordiniert. Laut xAIs eigener Dokumentation teilen sich aber alle Bots einen Rechner und sind ausdrücklich keine Sicherheitsgrenze.
• Wie Kontrolle funktioniert. Meta setzt einen zweiten, getrennten Agenten ein, der jede Aktion nach außen freigeben muss (Meta). OpenAI prüft riskante Aktionen automatisch, gespeicherte Erinnerungen lassen sich bei dots aber nicht einzeln einsehen oder löschen (heise). Microsoft behandelt Autopilot wie einen Mitarbeiter, mit eigener Identität, eigenen Berechtigungen und einem Protokoll, das die IT einsehen kann (Microsoft).

Wer jetzt den nächsten Tool-Wechsel plant, um diese Fähigkeiten im eigenen Unternehmen nutzen zu können, dem würde ich vorerst davon abraten. Erstens, sind wir noch in den Anfängen von Always-on und die Technologie wird noch reifen. Zweitens werden alle relevanten KI-Plattformen diese Fähigkeiten nachziehen, wenn sie sich unter den Nutzern durchsetzen. Das konnten wir in den letzten Jahren immer wieder beobachten.

Wofür lassen sich Always-on Agenten im Unternehmen einsetzen?

Was heute schon geht

Bis wir „echte“ always-on Agenten im Live-Betrieb in größeren Unternehmen sehen, wird es noch dauern. Laut Bitkom setzen 11 % der Unternehmen, die KI nutzen oder planen, überhaupt Agenten ein (Bitkom).

Wo es funktioniert, laufen Agenten dauerhaft (aber abgegrenzt) in einem einzelnen Prozess. Die Deutsche Telekom lässt einen Agenten das Mobilfunknetz beobachten, Lastspitzen erkennen und gegensteuern. Die Reaktionszeit sank laut Telekom von mehreren Stunden auf rund eine Minute (Telekom). Die Allianz bearbeitet in Australien Unwetterschäden mit Agenten, die Deckung und Wetterdaten prüfen und die Auszahlung berechnen, laut Allianz 80 % schneller. Über die Auszahlung entscheidet weiter ein Mensch (Allianz).

Auch bei uns läuft noch kein Always-on Agent, sondern Agenten mit festem Auslöser:

• Neue Leads im CRM anlegen und recherchieren
• Erledigte Meetings sofort nachbereiten
• Täglich Firmenwissen über alle Kanäle einsammeln und in unserer Kontextbasis einordnen
• Jeden Montag unseren Firmenkontext auf Widersprüche und Veraltetes prüfen

Davon haben wir mehrere Routine. Freigeschaltet werden sie erst, wenn sie in Testläufen nachweislich sauber arbeiten.

Was kommen kann

Microsoft beschreibt für Autopilot Aufgaben wie Projekt-Updates schreiben, Fristen im Blick behalten, Kollegen erinnern und Termine vorbereiten. Weitere Anwendungsfelder sind: ein Agent, der den Posteingang eines Teams sortiert und Antworten vorbereitet, bei offenen Angeboten nachfasst, oder eingehende Rechnungen prüft. Der Unterschied zu heute: Er übernimmt nicht einen Schritt, sondern ist für den ganzen Bereich zuständig und merkt selbst, wann etwas zu tun ist.

Im Zielbild bieten Always-on Agenten das Potenzial, jegliche digitale Arbeit autonom zu erledigen. Die Frage ist, ob wir das wollen.

Welche Chancen und Risiken bringen Always-on Agenten?

Chancen

Die größte Chance: Die Nutzungslücke könnte sich schließen. In den USA nutzt laut Gallup die Hälfte der Beschäftigten KI, aber nur 13 % täglich (Gallup). Ein Agent, der von selbst loslegt, überspringt diese Hürde und wird zur Arbeitskraft im Hintergrund, die die Produktivität aller Mitarbeitenden steigern kann. Gleichzeitig wird sichtbar, wie viel digitale Arbeit KI schon allein schafft: Die besten Modelle lösen inzwischen Aufgaben, für die ein Mensch 16 Stunden und mehr braucht, in der Hälfte der Fälle selbstständig, gemessen vor allem an Software (METR). Gehen Always-on Agenten den ganzen Weg vom Anstoß bis zum geprüften Ergebnis, würde die Menge der von KI erledigten Arbeit exponentiell wachsen.

Risiken

Können wir noch alle mitnehmen? In den USA liegt die Beschäftigung junger Menschen in stark KI-betroffenen Berufen schon 19 % unter dem erwarteten Verlauf (Stanford). In Deutschland sieht das IAB bisher keinen Stellenabbau, trotzdem frage ich mich, ob gerade in größeren Unternehmen alle mitkommen, wenn Agenten ganze Aufgabenbereiche übernehmen, die heute von Menschen ausgeführt werden — und die dann auch immer weniger einzelne Agenten steuern müssten.

Die viel größere Frage ist jedoch, wie gut diese Agenten im Interesse des Nutzers/Unternehmens handeln. Ein Always-on Agent vereint per Bauart Zugriff auf private Daten, Kontakt mit fremden Inhalten und die Möglichkeit, nach außen zu kommunizieren. In den letzten Monaten häufen sich die Meldungen von KI-Agenten, die gegen ihre Anweisungen gehandelt haben. Außerdem liegen bei OpenAI und Meta die Agenten in der Hand von Unternehmen, die Geld mit Werbung verdienen.

Fazit

Mit jedem neuen Agenten-Produkt verschiebt sich, was KI allein erledigen kann. Was sie dafür braucht, bleibt gleich.

Ein Always-on Agent entscheidet selbst, was als Nächstes zu tun ist. Dafür muss er wissen, wo die richtigen Informationen liegen, ob sie aktuell sind, wie ein Ablauf funktioniert und wann ein Ergebnis gut genug ist, um es in ein System zu übertragen. In den meisten Unternehmen, die ich kenne, ist genau das nirgends beschrieben.

Ein Agent würde dort orientierungslos herumlaufen.

Ob ein Always-on Agent bei dir Orientierung hätte, zeigen vier Fragen:

• Findet er das Wissen für eine Aufgabe, und ist es aktuell?
• Ist der Ablauf so beschrieben, dass ihn jemand ohne Rückfrage erledigen könnte?
• Gibt es Kriterien, an denen er selbst prüfen kann, ob sein Ergebnis gut genug ist?
• Darf er nur, was seine Rolle braucht, und bleibt jede Aktion nachvollziehbar?

Bis diese Fragen nicht klar mit „Ja“ beantwortet werden können, sind Always-on Agenten vor allem etwas für Selbstständige und Privatnutzer.

Aber wer diese Struktur aufbaut, hat in Zukunft eine KI im Unternehmen, die einen immer größeren Anteil der digitalen Arbeit erledigen kann.

Was ist deine Meinung zu Always-on Agenten?

Bis nächsten Sonntag,

Felix