Claudes neue KI-Agenten: Vom Assistenten zum autonomen Teammitglied

Der Wandel vom Befehlsempfänger zum Mitdenker

Bisher kannten wir KI-Modelle wie ChatGPT oder Claude primär als hochentwickelte Assistenten: Sie beantworten Fragen, fassen Texte zusammen und schreiben Code auf Anweisung. Doch die jüngsten Entwicklungen von Anthropic, die Anfang Mai 2026 vorgestellt wurden, läuten eine neue Ära ein – die der KI-Agenten. Diese Systeme gehen weit über das blosse Reagieren auf Prompts hinaus. Sie können nun komplexe, mehrstufige Aufgaben autonom planen, delegieren und ausführen. Für Schweizer Fach- und Führungskräfte ist dies mehr als nur ein technologischer Fortschritt; es ist ein fundamentaler Wandel der Arbeitsweise.

Anthropic hat drei Kernfunktionen vorgestellt, die Claude in die Lage versetzen, als autonomer Akteur zu agieren. Diese Werkzeuge sind keine Zukunftsmusik, sondern befinden sich bereits in der Erprobung bei Grosskunden und werden schrittweise verfügbar gemacht.

1. Multi-Agenten-Orchestrierung: Der digitale Projektleiter

Stellen Sie sich vor, Sie könnten einer KI ein übergeordnetes Ziel geben, und diese zerlegt die Aufgabe selbstständig in Teilbereiche, die sie an spezialisierte KI-Agenten delegiert. Genau das ermöglicht die neue Multi-Agenten-Orchestrierung. Ein «Lead Agent» agiert als Projektleiter und koordiniert ein Team von Spezialisten.

• Lead Agent: Erhält den Auftrag «Erstelle den Q2-Bericht».
• Delegation:

Der Lead Agent überwacht den gesamten Prozess, stellt sicher, dass die Agenten parallel arbeiten und ihre Ergebnisse in einem geteilten Arbeitsbereich ablegen. Der menschliche Controller agiert als finaler Reviewer, nicht mehr als Koordinator unzähliger manueller Schritte.

2. Dreaming: Das selbstlernende System

Eine der grössten Herausforderungen bei der Automatisierung ist, dass Systeme Fehler wiederholen. Mit der Funktion «Dreaming» adressiert Anthropic genau dieses Problem. In geplanten «Stillstandszeiten» analysiert der KI-Agent vergangene Interaktionen und Arbeitsabläufe, um Muster zu erkennen und seine Vorgehensweise zu optimieren. Er lernt aus Erfolgen und Misserfolgen, um bei der nächsten Aufgabe effizienter zu sein.

Ein Pilotprojekt beim Legal-Tech-Unternehmen Harvey zeigte eindrücklich das Potenzial: Die Erfolgsrate bei der automatisierten Erledigung komplexer juristischer Aufgaben stieg durch den Einsatz von «Dreaming» um das Sechsfache. Agenten lernten beispielsweise, spezifische Eigenheiten von Dateiformaten oder die korrekte Nutzung interner Tools, ohne dass ein Mensch sie erneut anleiten musste.

3. Outcomes: Qualität als Zielvorgabe

Gerade in der Schweiz, wo Präzision und Qualität entscheidend sind, ist die Zuverlässigkeit von KI-generierten Ergebnissen zentral. Die «Outcomes»-Funktion erlaubt es Teams, eine detaillierte «Erfolgs-Rubrik» zu definieren. Anstatt der KI nur zu sagen, *was* sie tun soll, definieren Sie, *wie ein gutes Ergebnis aussieht*.

Ein separater KI-Bewerter («Grader») prüft das Ergebnis des ausführenden Agenten gegen diese Rubrik. Entspricht das Resultat nicht den Vorgaben, wird es mit konkretem Feedback zur Überarbeitung zurückgewiesen. Dieser iterative Prozess läuft so lange, bis das Ergebnis den Qualitätsstandards entspricht. Interne Tests von Anthropic zeigten eine Verbesserung der Erfolgsrate bei schwierigen Aufgaben um bis zu 10 Prozentpunkten. Für Schweizer Unternehmen bedeutet dies einen Weg zu validierten, verlässlichen und nachvollziehbaren KI-Resultaten.

Was bedeutet das für Schweizer Unternehmen?

Die Einführung von KI-Agenten ist kein reines IT-Thema, sondern betrifft die Kernprozesse in Finance, Engineering und Management.

• Für Controller und CFOs: Komplexe Finanz-Workflows, von der Budgetierung bis zum Risikomanagement, können in hohem Masse automatisiert werden. Der Fokus der menschlichen Arbeit verlagert sich von der Datensammlung und -aufbereitung hin zur strategischen Analyse und finalen Kontrolle der von Agenten erstellten Ergebnisse.

• Für Software-Entwickler: Agenten können bei der Fehlersuche helfen, indem sie Log-Dateien, Performance-Metriken und den Code selbstständig analysieren. Sie können Routine-Aufgaben wie das Schreiben von Unit-Tests oder die Modernisierung von veraltetem Code übernehmen, was die Entwicklungsgeschwindigkeit massiv erhöht.

• Für KMU-Führungskräfte: Agenten-Technologie ermöglicht es, auch mit kleinen Teams komplexe, skalierbare Prozesse aufzubauen, die bisher Grossunternehmen mit grossen Abteilungen vorbehalten waren. Dies demokratisiert die Automatisierung und stärkt die Wettbewerbsfähigkeit.

Die grösste Herausforderung wird nicht die Technologie selbst sein, sondern die Anpassung der eigenen Arbeitsweise. Es braucht neue Fähigkeiten im «Prompting» von ganzen Systemen statt einzelner Befehle und in der Definition präziser Qualitätskriterien. Gleichzeitig müssen Fragen der Datensicherheit (DSG) und der Aufsichtspflicht neu gedacht werden. Wer behält die Kontrolle, wenn Agenten autonom agieren? Die Antwort liegt in einer klaren Governance und der intelligenten Gestaltung von menschlicher Überwachung. Der Mensch wird zum Dirigenten eines digitalen Orchesters – eine anspruchsvolle, aber enorm wertschöpfende Rolle.