KI-Agenten können Aufgaben im Hintergrund erledigen, doch ihnen eine Aufgabe zu übertragen, macht den Prozess nicht automatisch autonom. In einem Artikel für Social Media Examiner erklärt die KI-Operationsstrategin Rachel Woods, entscheidend sei, zu dokumentieren, wie die Arbeit erledigt werden soll, und diese Anweisungen anschließend so lange zu verfeinern, bis die Ergebnisse konsistent genug sind, um weniger menschliche Kontrolle zu erfordern.

Woods bezeichnet diese dokumentierten Arbeitsabläufe als „Playbooks“. Jedes davon konzentriert sich auf eine bestimmte Art von Arbeit und legt vier Elemente fest: den Auslöser, der den Ablauf startet, die Informationen, die die KI benötigt, die Schritte, die sie befolgen soll, und das erwartete Ergebnis. Ihr Playbook für die E-Mail-Sortierung wird beispielsweise stündlich ausgeführt, bearbeitet neue Nachrichten, formuliert Antwortentwürfe und markiert Fälle, die es nicht lösen kann, zur späteren Prüfung.

Der Artikel empfiehlt, Playbooks eng auf einen bestimmten Zweck zuzuschneiden. Eine Marketingkampagne umfasst beispielsweise verschiedene Ergebnisse wie E-Mails, Social-Media-Beiträge und Landingpages. Statt ein Playbook mit der Verwaltung der gesamten Kampagne zu beauftragen, schlägt Woods vor, für jedes Ergebnis ein eigenes Playbook zu erstellen und diese über einen übergeordneten Arbeitsablauf miteinander zu verknüpfen. Diesen Ansatz nennt sie „Stacking“.

Um ein Playbook zu entwickeln und zu verbessern, verwendet Woods einen fünfteiligen Prozess namens CRAFT: klares Bild, realistisches Design, KI-Umsetzung, Feedbackschleife und Einführung im Team. Bei der ersten Version kann eine Person weiterhin an der Prüfung der Arbeit beteiligt sein. Diese Prüfung hilft dabei, herauszufinden, wo die KI erfolgreich ist, wo sie Fehler macht und welche Anweisungen präzisiert werden müssen. In einem späteren Durchlauf lässt sich dann die menschliche Beteiligung verringern oder ganz abschaffen, sofern der Arbeitsablauf zuverlässig ist.

Feedback sollte in das Playbook aufgenommen und nicht als informelle Korrektur belassen werden. Fügt eine KI beispielsweise eine unerwünschte Zusammenfassung hinzu, können die Anweisungen ausdrücklich festhalten, dass keine Zusammenfassung eingefügt werden soll. Woods weist außerdem darauf hin, dass selbstständig Änderungen vornehmende Agenten klare Grenzen brauchen: Ihr Team erlaubt einer KI, kleinere Änderungen an Playbooks vorzunehmen, größere Überarbeitungen werden jedoch zunächst besprochen.

Woods empfiehlt, Playbooks getrennt von den KI-Produkten zu speichern, mit denen sie ausgeführt werden. In Diensten wie Google Drive oder Notion abgelegte Dokumente können mit verschiedenen Tools wiederverwendet werden, statt an eine einzelne Plattform gebunden zu sein. Sie sagt, ihr Team nutze Google Drive und GitHub, merkt jedoch an, dass GitHub sich besser für Teams eignet, die über verschiedene Accounts hinweg zusammenarbeiten müssen.

Wenn mehrere Playbooks im Einsatz sind, kann Woods zufolge ein KI-„mittlerer Manager“ sie beaufsichtigen. Ein solcher Agent kann Aufgaben in Teilschritte zerlegen, Ergebnisse überwachen und andere Agenten koordinieren. Eine Möglichkeit besteht darin, Subagenten in Claude einzusetzen, deren Arbeit ein Hauptagent verwaltet. Eine andere Möglichkeit ist, Agenten mit einem Aufgabenmanagementdienst wie Asana oder ClickUp zu verbinden, wo Aktivitäten die Zuweisung von Aufgaben auslösen und dokumentiert wird, was erledigt wurde.

Welcher Ansatz passt, hängt vom Arbeitsablauf ab: Woods zufolge bieten Aufgabenmanagementsysteme Teams eine nützliche Nachverfolgung, während eine persönliche Routine möglicherweise nicht so viel Struktur benötigt. In beiden Fällen lautet die zentrale Empfehlung des Artikels, Vertrauen durch konkrete Anweisungen, wiederholtes Feedback und eine schrittweise Übergabe aufzubauen, bevor man erwartet, dass KI ohne Aufsicht arbeitet.

Quellen: Social Media Examiner.