Wie man ein Team von KI-Agenten aufbaut – aus der Sicht von jemandem, der es getan hat
Definition: KI-Teamkollegen unterscheiden sich von Agenten; sie sind individuell angepasste GPT-Tools, die menschliche Interaktion und Kontext benötigen.
Start: Bauen Sie KI-Werkzeuge genau dort auf, wo Ressourcen knapp und Kompetenzlücken vorhanden sind, insbesondere zunächst bei Content-Aufgaben.
Zeit: Integrieren Sie KI-Entwicklung in kleine Zeiteinheiten; bauen und verfeinern Sie das KI-Ökosystem schrittweise.
Daten: Verwenden Sie echte, forschungsbasierte Daten für KI-Personas und vermeiden Sie das Einfügen persönlicher Identifikationsdaten.
Zukunft: Automatisieren Sie gegenwärtige Jobaufgaben, um Zeit für strategische Arbeit und Kompetenzaufbau im KI-Umfeld zu gewinnen.
Dieses Interview wurde ursprünglich im Podcast The Digital Project Manager geführt, in dem Gastgeber Galen Low mit Megan Ratcliff darüber sprach, was es wirklich braucht, um ein Team aus KI-Teammitgliedern aufzubauen und zu managen – nicht irgendwann, sondern genau jetzt, mit der heutigen Technologie. Für ein leichteres Leseerlebnis wurde das Gespräch als Artikel umformuliert.
Megan Ratcliff, Go-to-Market-Beraterin und Coach bei Clarity & Motion Collective, baute während ihrer Zeit als Head of Marketing beim SaaS-Karriere-Tech-Unternehmen Dice ein Team aus KI-Teammitgliedern auf – ein Ökosystem, das schließlich ihre Aufgaben so gut erfüllte, dass sie Zeit hatte, ihre nächste Rolle zu erfinden. Sie hatte keinen technischen Hintergrund, kein Budget und auch keine freien Stunden im Kalender. Was folgt, ist ihr Leitfaden.
Was ist überhaupt ein KI-Teammitglied? (Und was nicht)
Zuerst etwas definitorische Klarheit, denn die Begrifflichkeiten werden zunehmend verwässert. „Das Wort KI-Agent wird im Moment ziemlich wahllos verwendet“, sagt Ratcliff. „Ein Agent ist ein KI-Tool, das eigenständig und autonom agiert. Und ich glaube, wenn Leute auf LinkedIn behaupten, dass sie Agents bauen, erschaffen sie eigentlich nur ein Teammitglied – das ist ein individuelles GPT mit einem Menschen in der Kontrolle.“
Kostenlos freischalten
Erstellen Sie ein kostenloses Konto, um diesen Beitrag zu Ende zu lesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Tools, Leitfäden und Insights für den Erfolg im Zeitalter der KI freischaltet.
Have an account? Log In
Diese Unterscheidung ist wichtig. Ein Teammitglied ist ein zweckbestimmter Assistent – zum Beispiel ein Kampagnen-Textautor, eine Strategin, ein Personasimulator – der auf Ihre tatsächlichen Kontexte trainiert ist und unter Ihrer Steuerung verwendet wird. Und ein solches zu bauen, erfordert keineswegs, dass Sie Entwickler:in werden müssen. Ratcliff ist da sehr offen über ihre eigenen Grenzen: „Ich bin niemand, die irgendwas in JSON oder HTML oder React baut. Das ist für mich Chinesisch.“
Und nicht jeder muss das gleiche tiefe Know-how haben. „KI zu lernen ist wie das Erlernen einer neuen Sprache“, sagt sie. „Vielleicht werden 10 bis 20 % der Bevölkerung KI-fluent und bauen dann Dinge, von denen du nie geträumt hast. Und wenn man das Sprachenlernen als Sinnbild nimmt, dann können alle anderen gerade mal ein Glas Wasser bestellen und nach dem Weg zur Toilette fragen." In ihrer Darstellung ist das Mindestmaß ganz einfach: „Kannst du mit einem LLM-Chatbot interagieren? Und kannst du ihn sinnvoll nutzen?“
KI zu lernen ist wie das Erlernen einer neuen Sprache
Schritt 1: Fangen Sie dort an, wo es am meisten weh tut (meistens Content)
Ratcliffs erstes Teammitglied war nicht das Ergebnis einer großen KI-Strategie, sondern entstand aus Notwendigkeit. „Ich war damals Head of Demand“, erinnert sie sich. „Ich hatte nicht viele Ressourcen. Ich hatte nicht viel Geld. Ich hatte keine Zeit und nicht viele Teammitglieder – menschliche Teammitglieder – um die Arbeit zu erledigen.“
Also begann sie beim größten Schmerzpunkt: „Ich habe mit dem ersten Teammitglied begonnen, einem Kampagnen-Textautor. Content-Erstellung ist ein super Startpunkt für alle, die neu im Bereich KI sind. Es ist wirklich einfach, weil man sofort erkennt, wie gute Ergebnisse aussehen.“
Content-Erstellung ist ein super Startpunkt für alle, die neu im Bereich KI sind. Es ist wirklich einfach, weil man sofort erkennt, wie gute Ergebnisse aussehen.
Von dort aus bezog sie auch ihre eigenen Kompetenzlücken ein. Mit ihrem Hintergrund als Agentur-Account-Direktorin und nicht als klassisch ausgebildete Demand-Gen-Managerin sagt sie: „Ich habe Teammitglieder aufgebaut, um meine Wissenslücken auszugleichen." Das ist das Muster, das du übernehmen solltest: Baue KI nicht um der KI willen – sondern dort, wo du am stärksten gefordert bist.
Schritt 2: Bauen Sie „in den Lücken“ – Sie brauchen keinen freien Nachmittag
Die häufigste Ausrede, nichts Neues zu entwickeln, ist Zeitmangel – und Ratcliff entkräftet dieses Argument direkt. Sie hat nie halbe Tage geblockt. „Das war immer zwischen zwei Meetings. Wenn ich 15 Minuten hatte, habe ich an etwas gearbeitet, dann eine Reihe von Anweisungen eingeben, mein Meeting gemacht, zurückgekommen, mir das Ergebnis angesehen und es weiter verbessert.“
Nicht alles war ein Erfolg. „Einige Teammitglieder habe ich behalten, andere wieder aussortiert, und dann habe ich angefangen, sie miteinander zu verknüpfen“ – und der Ablegestapel ist für sie Fortschritt, kein Scheitern. Die Vorteile davon stellten sich schnell ein: „Im Laufe von etwa vier Monaten habe ich ein ganzes Ökosystem aufgebaut, das meine Aufgaben richtig gut erledigte. Und dann hatte ich wieder Zeit für Innovation.“
Im Laufe der Zeit habe ich in wahrscheinlich vier Monaten ein Ökosystem aufgebaut, das meinen Job ziemlich gut für mich erledigte. Und dann hatte ich mehr Zeit, um zu innovieren.
Zwei Beschleuniger haben geholfen. Der erste war Mentoring – eine interimistische CMO bei Dice, die ihre ersten maßgeschneiderten GPT-Anweisungen überprüfte und sie zum Weitermachen anspornte. Wie Ratcliff es über die Menschen ausdrückt, die sie jetzt ausbildet: „Sobald sie erst mal loslegen, sind sie nicht mehr zu stoppen. Aber sie brauchen zunächst ein bisschen Unterstützung.“ Der zweite Faktor war ihre Veranlagung. „KI belohnt wirklich Ideenmenschen. Wenn du also ein Ideenmensch bist, dann ist jetzt deine Zeit.“
Schritt 3: Gib echte Informationen ein – niemals Müll und niemals personenbezogene Daten (PII)
Teammitglieder sind nur so gut wie ihre Eingaben, und Ratcliff zieht zwei klare Grenzen. Die erste betrifft Personas: „Man kann keine KI-Persona auf Basis von KI-generierten Informationen erstellen. Man braucht echte, reale Informationen. Man muss selbst die Recherche gemacht haben.“ Interviews, qualitative Daten, quantitative Daten – das sind die Grundlagen, die einen Persona-Simulator wie den von Ratcliff sinnvoll machen.
Die zweite Grenze ist absolut: „Ich gebe niemals personenbezogene Informationen (PII) in KI ein – und das solltest auch du nicht tun.“
Schritt 4: Vom Einzellösungstool zur gemeinsamen Intelligenz skalieren
Wenn die einzelnen digitalen Teammitglieder funktionieren, stellt sich die Frage, was als Nächstes gebaut werden sollte – und die Antwort beginnt mit den Ergebnissen, nicht mit den Tools. „Wenn du das gewünschte Ergebnis kennst und das vorhandene Skillset deines Teams verstehst, kannst du ermitteln, welche Teammitglieder dir noch fehlen. Du musst keine KI nur um der KI willen bauen“, erklärt Ratcliff. „Es wird Lücken geben. Und wie schließt man diese? Man baut ein Teammitglied, das genau diese Lücken schließt.“
Du musst keine KI nur um der KI willen bauen.
Die eigentliche Transformation vollzieht sich, wenn Teammitglieder nicht mehr nur persönliche Produktivitäts-Hacks sind, sondern zur gemeinsamen Infrastruktur werden. „Sobald du eine gemeinsame Intelligenzschicht aufbaust und eine gemeinsame Orchestrierungsschicht hast, gemeinsame Teammitglieder, die ihr alle nutzt“, erklärt sie, „dann werden die Silos zwischen den Organisationseinheiten abgebaut, ihr agiert als Einheit – und die KI verbindet euch.“
Wie das in der Praxis aussieht: Zwei Beispiele
Der Präsidenten-Simulator. Ratcliff hatte eine Idee, die sie dem Präsidenten von Dice vorstellen wollte – jemandem, den sie nicht gut kannte. Um nicht ins kalte Wasser zu springen, baute sie einen Simulator auf Basis von Mitschriften aus seinen All-Hands-Meetings, einer Stellenbeschreibung für seine Rolle und Formulierungen aus seinen E-Mails. Der Simulator hielt gar nichts von ihrer Idee. Also nutzte sie ihn, um den Pitch so umzurahmen, dass es tatsächlich dessen Interessen entsprach: „Wir haben die Botschaft nicht verändert, nur den Rahmen, in dem wir sie präsentiert haben.“ Der echte Pitch zog. Als sie das Experiment beichtete, war er begeistert – und der Simulator wurde zum Rückgrat, um Inhalte für seine persönliche Marke zu entwickeln.
Die Go-to-Market-Strategin. Nach einem Produkt-Launch geschah etwas Unerwartetes: „Wir haben gelauncht und es lief ganz anders als erwartet. Die Zielgruppe, von der wir dachten, sie würde das Produkt kaufen, kaufte es nicht.“ Das Idealprofil (ICP) musste neu definiert werden, aber niemand war dafür verantwortlich. „Niemand besitzt das Go-to-Market. Da dachte ich mir: Warum eigentlich nicht ich?“ Sie baute ein Strategen-Teammitglied, speiste es mit Konversionsraten, dem ursprünglichen ICP und Account-basierten Einkaufsdaten. Damit stellte sie ein neues Käuferprofil auf und entwarf Tests zur Validierung. Teamübergreifend geteilt, „begann dieses Teammitglied, die Silos zwischen Marketing, Vertrieb und Revenue Operations aufzulösen“ – eine einzige Quelle der Wahrheit, die alle nutzen konnten.
Weitverbreitete Irrtümer – aufgeklärt
„KI wird deinen Job übernehmen.“ Ratcliffs Antwort darauf ist ein bewusstes Sowohl-als-auch: „Du wirst dir ein System von Tools aufbauen, das dich in der Ausführung deiner Arbeit unterstützt – aber du kannst diese Tools auch nutzen, um deinen strategischen Einfluss in der Organisation auszubauen. Du solltest also KI dazu nutzen, deinen bisherigen Job zu ersetzen, während du schon deinen neuen baust. Genau so sieht die Zukunft aus.“ Sie ist dabei aber ehrlich: Für alle, die ausschließlich repetitive, aufgabenorientierte Tätigkeiten haben: „Das wird wahrscheinlich noch zwei Jahre so durchgehen, aber dann wirst du diesen Job nicht mehr haben.“
Was du tun solltest, ist, KI zu nutzen, um deinen aktuellen Job zu ersetzen, während du dir deinen neuen Job aufbaust. Das ist die Zukunft, so sieht das aus.
„Ich kann das einfach aussitzen.“ Sie vergleicht diesen Moment mit einem früheren Wendepunkt: „Wenn du damals dem Internet gegenüber widerständig warst, weißt du, das lief nicht so gut für dich.“ Selbst KI-Zertifizierungen betrachtet sie als temporäres Signal – als jemand erwähnte, sein Team zertifizieren zu lassen, lautete ihre Reaktion: „Cool, das ist wie eine Zertifizierung fürs Internet zu bekommen.“
„KI-Teammitglieder zu managen ist genau wie Menschen zu managen.“ „Mythos. Falsch. KI-Teammitglieder haben keine Emotionen“, sagt sie – auch wenn sie durchaus eine Diagnose-Überprüfung „wahrscheinlich in regelmäßigen Abständen, vierteljährlich, vielleicht in manchen Fällen zweimal jährlich“ verdienen.
„Dieses Tool kann dein ganzes Marketing-Team ersetzen.“ „Jedes Tool, das behauptet, dein Marketing-Team zu ersetzen, macht Marketing. Das ist mindestens schlechtes Marketing“, sagt Ratcliff. Menschen behalten immer noch Geschmack, Urteilsvermögen und Nuanciertheit. „Es wird dein Marketing-Team nicht ersetzen. Es wird sie besser machen.“
„KI-Agenten im Lebenslauf sind nur ein Gimmick.“ „Gültig. Das habe ich schon gesehen“, sagt sie über Bewerber, die mit ihren Agenten-Teams zum Vorstellungsgespräch erscheinen – ein Zeichen genau der Kenntnisse, die sie einstellen würde. Sie würde sogar die klassische Interviewfrage umdrehen: „Vielleicht ist die neue Frage nicht mehr: Was ist deine Schwäche? Sondern: Welche Teammitglieder hast du aufgebaut, um deine Fähigkeiten zu erweitern?“
Die Warnung: Warum der Mensch Teil des Prozesses bleibt
Bei aller Begeisterung enthält Ratcliffs Vorgehensweise eine klare Grenze. „Nur Menschen haben Geschmack und nur Menschen können Nuancen sowie historische Bezüge und Informationen verstehen, die eine KI nicht erfassen kann“, sagt sie. Ihre Regel für Automatisierungs-Einsatz: „Ich automatisiere die Ränder dieser Workflows, nicht das Herz dieser Workflows.“ Daten automatisch bereinigen, Bericht automatisch erstellen – aber das entscheidende Urteil bleibt beim Menschen.
Wenn man diese Grenze überschreitet, wird es schlampig. Sie verweist auf eine KI-Anzeige von McDonald's, die in Europa produziert wurde: „Die war schlecht, und die Leute haben wirklich protestiert und sie zurückgezogen, weil sie nicht gut war. Und genau da ist das menschliche Element so entscheidend wichtig.“
Ihr Lieblingsvergleich ist die Wäsche. Waschmaschinen und Trockner automatisieren zwei Arbeitsschritte, aber ein Mensch entscheidet, was hineinkommt, stellt die Programme ein und zieht die Leggings heraus, bevor sie eingehen. „Es wird Abläufe geben, die wir momentan noch manuell machen, die einfach keinen Sinn mehr machen“ weiterhin manuell durchzuführen, merkt sie an – aber ebenso Prozesse, die für Menschen essenziell bleiben, weil „es um Urteilsvermögen und um Ethik geht.“
Diese menschenzentrierte Grenze ist auch die Antwort auf Team-Ängste, weshalb ihre Change-Management-Arbeit immer gleich beginnt: „Der erste Schritt ist, die Angst zu nehmen.“ Von dort aus besteht die eigentliche Aufgabe darin, Menschen dabei zu helfen, ihre eigene Rolle um das herum zu gestalten, was sie wirklich behalten möchten. „Der Perspektivwechsel ist so wichtig, denn ohne ihn, ohne eine neue Vorstellung vom Arbeiten, ändert sich grundsätzlich nichts. Man macht die gleiche Arbeit wie bisher, vielleicht nur etwas schneller.“
Der Perspektivwechsel ist so wichtig, denn ohne ihn, ohne eine neue Vorstellung vom Arbeiten, ändert sich grundsätzlich nichts.
Das Paradox des Playbooks
Hier liegt der unbequeme Kern von Ratcliffs Rat: Der sicherste Karriereschritt, den man momentan tun kann, ist, sich selbst bewusst aus dem eigenen Job heraus zu automatisieren – denn die Alternative ist, zu warten, bis jemand anderes oder etwas anderes das für dich tut. Die Belohnung ist nicht Arbeitslosigkeit, sondern der Freiraum und die Position, sich für Arbeit zu melden, die noch niemand besitzt, so wie Ratcliff damals das Go-to-Market ergriff, als es noch niemand wollte. Und in der von ihr beschriebenen Zukunft, in der Organigramme durch Arbeitsdiagramme ersetzt und Teams rund um Ergebnisse statt Jobtitel gebildet werden, ist das die beständige Position. Wie sie es formuliert: „Nimm den Titel weg, behalte die Fähigkeiten und mache die Arbeit, die am besten zu dem passt, was du am besten kannst und was dich interessiert.“
