Ich liebe die Arbeit mit KI-Agents. Nicht weil sie clever oder magisch sind, sondern weil sie etwas Langweiliges exponieren: Wir sind Gewohnheitstiere, und Gewohnheiten verhärten schnell.
Als ich kürzlich einen Agent in den Workflow eines Teams eingeführt habe, war das erste Feedback überraschend. Es ging nicht um die Performance des Agents. Es war dieses: „Dieser Workflow ist sauber, konsistent und gut etabliert.“ Der Workflow lief seit zwei Monaten. Zwei. Monaten.
Da ist mir etwas Unbequemes klar geworden. In der Welt der KI-Agents bedeutet Legacy nicht Jahre. Legacy kann Januar bis März sein. Ein Tool, das vor acht Wochen shipped wurde, wirkt permanent, weil der Agent es als permanent behandelt. Und weil der Agent diesen Workflow nun in großem Maßstab ausführt.
Die Geschwindigkeit der Verhärtung
Menschen sind anpassungsfähig. Wir wechseln Tools, verlagern Prozesse, hinterfragen Annahmen. Wir beschweren uns zuerst, dann ändern wir sie. Das ist langsam und chaotisch, aber es passiert.
Agents sind anders. Sie beschweren sich nicht. Sie stellen nicht in Frage. Sie führen aus.
Gib einem KI-Agent einen Workflow—irgendeinen Workflow, auch einen, von dem du weißt, dass er temporär ist—und etwas verschiebt sich. Der Agent lernt ihn, optimiert um ihn herum und trifft Entscheidungen auf dieser Basis. Der Workflow ist keine Experimente mehr. Er ist Infrastruktur.
Das Problem ist nicht, dass Agents Anweisungen befolgen. Das Problem ist, dass sie sie konsistent befolgen, und Konsistenz wirkt wie Wahrheit.
Innerhalb weniger Wochen wird dieses temporäre Tool zum angenommenen Input für das nächste Tool. Der nächste Agent in der Pipeline geht davon aus, dass es da ist. Das Team geht davon aus, dass der Agent darauf angewiesen ist. Und plötzlich ist ein Austausch des ursprünglichen Tools keine schnelle Anpassung mehr—es ist ein Breaking Change in einem System, in das sich der Agent bereits eingewoben hat.
Welche Gewohnheiten in einem System codiert werden
Die Details sind weniger wichtig als das Muster. Wenn ein Agent in deinem Workflow lebt, lernt und verriegelt er:
- Die Tools, mit denen du dich wohlfühlst. Nicht die besten Tools. Die, die du kennst. Der Agent wird lange um Reibung in vertrauten Tools herum optimieren, die Nutzung verfeinern, statt das Tool selbst in Frage zu stellen.
- Die Workflows, an die du gewöhnt bist. Die Handover von einem System zum anderen. Die Approval-Gates. Das Datenformat, das jeder erkennt, obwohl es suboptimal ist. Der Agent rationalisiert das nicht—er repliziert es, großflächig, mit Präzision.
- Die Annahmen, die du aufgehört hast zu hinterfragen. Die meisten Teams haben sie. „Wir exportieren immer als CSV, weil das downstream-System das akzeptiert.“ „Wir brauchen einen menschlichen Checkpoint hier, weil wir das immer so gemacht haben.“ „Diese Tool-Chain funktioniert, weil wir Workarounds in jeden Schritt eingebaut haben.“ Ein Agent bricht die Annahme nicht auf—er backt sie tiefer in das System ein.
Nichts davon ist die Schuld des Agents. Der Agent tut genau das, was er soll: den Workflow, den du ihm gibst, konsistent und in großem Maßstab ausführen. Das Problem ist, dass Konsistenz Annahmen verstärkt.
Warum Überprüfung und Anpassung obligatorisch werden, nicht optional
„Überprüfung und Anpassung“ wird oft als Prinzip gelehrt—etwas Schönes, wenn man Zeit hat. In Gegenwart von KI-Agents wird es operative Hygiene.
Hier ist warum: Ohne aktive Überprüfung degradieren deine Workflows nicht elegant. Sie verhärten.
In einem von Menschen betriebenen System ist Drift sichtbar. Jemand bemerkt den Workaround. Jemand beschwert sich über das Tool. Jemand versucht einen neuen Ansatz. Das Feedback ist laut, aber es existiert. Veränderung ist langsam, aber möglich.
Mit Agents verschwindet die Feedback-Schleife. Der Agent beschwert sich nicht. Das System sieht stabil aus, weil der Agent konsistent arbeitet. Das Tool sieht nicht kaputt aus, weil der Agent eine perfekte Optimierungsschicht darum gebaut hat.
Dann versuchst du eines Tages, etwas in diesem „temporären“ Workflow zu ändern, und merkst:
- Drei andere Prozesse hängen jetzt vom Output-Format des Agents ab
- Die Entscheidungsfindung des Agents basiert auf Annahmen des ursprünglichen Tools
- Das Team hat den Workflow als „so wird das gemacht“ internalisiert
- Ein Wechsel erfordert, dass du den Agent umbaust, die nachgelagerten Prozesse überarbeitest und die Muskelgedächtnis des Teams zurücksetzt
All das von einer Entscheidung vor acht Wochen, die sich temporär anfühlte.
Hier wird „Überprüfung und Anpassung“ von kontinuierlicher Verbesserung zu grundlegender Wartung. Nicht weil Verbesserung schön ist. Sondern weil Systeme ohne sie nicht altern—sie verhärten. Und die Verhärtung passiert in Monaten, nicht Jahren.
Die Frage, die zählt
Ich stelle mir immer wieder die gleiche Frage:
Wie viele Stunden pro Woche bin ich bereit zu investieren, um nah an der aktuellen Produktivitätsdecke zu bleiben, bevor meine Agents höflich um gestern’s Tooling herum optimieren?
Das ist der Tradeoff. Nicht ob verändern. Sondern wie viel konstantes Gärtnern das System verlangt, um nicht blockiert zu sein.
Und das ist reale Kosten. Jede Woche, die du damit verbringst, einem Agent zu erklären, dass ein Tool nicht optimal ist, statt das Tool selbst zu ändern, ist eine Woche, in der du die Steuer der Gewohnheit bezahlst. Jede Integration, die du um ein temporäres System herum baust, ist eine Schuld gegen die nächste Gelegenheit, zu vereinfachen.
Etwas von dieser Steuer ist unvermeidlich. Systeme haben Trägheit. Aber der meiste Teil—der exponentiell wächst—kommt vom Auslassen von Überprüfung und Anpassung, wenn alles stabil aussieht.
Die Agents sind in Ordnung. Sie sind nicht das Problem. Das Problem sind wir—wir haben Systeme gebaut, die Veränderungen widerstehen besser als wir Gewohnheiten widerstehen. Und jetzt haben wir diese Systeme mit Agents ausgestattet, die Gewohnheiten perfekt ausführen können, großflächig, ohne sie je in Frage zu stellen.
Die Frage ist nicht, ob zu überprüfen und anzupassen ist. Die Frage ist: Wie viele Monate, bis du nicht mehr kannst?
