Von ChatGPT zu autonomen KI-Firmen: Lerne die 7 Stufen der KI-Evolution, wie hybride Mensch-KI-Teams funktionieren und wohin die Reise mit AgenticTask und Tanagra geht. Mit 3 exklusiven Video-Walkthroughs.
Klicken zum Vergrößern
Dieser Kurs nimmt dich mit auf eine Reise durch die sieben Stufen der KI-Evolution -- von den ersten Chatbot-Gesprächen bis hin zu vollautonomen KI-Firmen. Du lernst, wie hybride Teams aus Menschen und KI-Agenten zusammenarbeiten, wie die Plattform AgenticTask diese Zusammenarbeit ermöglicht und wohin die Reise mit Tanagra in Zukunft geht.
Was dich erwartet:
In den letzten dreieinhalb Jahren hat sich die Art, wie wir mit KI umgehen, fundamental verändert. Was als einfacher Chatbot begann, entwickelt sich zu komplexen Multi-Agenten-Systemen, die eigenständig Aufgaben übernehmen.
Video: Die 7 Stufen der KI-Evolution (15 Min.)
Alles begann mit ChatGPT. Zum ersten Mal konnten Menschen auf natürliche Weise mit einem Computerprogramm kommunizieren -- nicht über Menüs und Formulare, sondern in einem echten Gespräch. Es war eine der grössten Erfolgsgeschichten des Internets: Millionen von Nutzern in den ersten Wochen.
Was möglich war:
Was fehlte:
Die nächste Verbesserung war Reasoning: Das Modell denkt intern nach, bevor es antwortet. Statt sofort eine Antwort auszuspucken, überlegt es, prüft und reflektiert seine Antwort in mehreren internen Schleifen.
| Merkmal | Stufe 1 (Chatbot) | Stufe 2 (Reasoning) |
|---|---|---|
| Antwortqualität | Oberflächlich | Deutlich besser |
| Komplexe Aufgaben | Eingeschränkt | Möglich |
| Halluzinationen | Häufig | Reduziert |
| Aktülle Daten | Nein | Nein |
Der entscheidende Sprung: KI-Modelle erhielten Zugriff auf externe Tools und Datenquellen:
> "Hier ist wirklich der Blick, dass das Sprachmodell jetzt nicht mehr in seiner Blase lebt, sondern mit der Aussenwelt kommunizieren kann."
Jetzt wird es spannend: Mehrere Menschen arbeiten mit mehreren KI-Agenten an komplexen Aufgaben. Jeder Agent hat spezielles Wissen und spezielle Tools. Die menschliche Expertise bleibt dabei zentral.
> "Der Mensch schafft die Qualität, die KI schafft die Geschwindigkeit."
Das ist der Kerngedanke: Nicht der Mitarbeitende muss KI-Experte werden und ein "Prompting-Diplom" erwerben. Er beherrscht seine Arbeit und nutzt KI-Agenten als Verstärkung seines Teams.
Aktülle Zahlen dazu:
Die Agenten übernehmen zunehmend eigenständige Aufgaben. Ein Marketing-Team mit nur einem Mitarbeiter kann plötzlich durch KI-Agenten verdoppelt oder verdreifacht werden:
Wichtig bleibt: Es gibt immer einen Human-in-the-Loop -- einen Supervisor, der eingreifen und kontrollieren kann.
Die Zukunftsvision: KI-Agenten agieren proaktiv. Sie suchen sich eigenständig Aufgaben, definieren Massnahmen und führen sie aus. Die menschliche Rolle verschiebt sich von der Ausführung zur Governance und Aufsicht.
Nicht jedes Agent-Team ist gleich aufgebaut. Es gibt drei bewährte Muster:
| Muster | Beschreibung | Ideal für |
|---|---|---|
| Supervisor/Worker | Ein Orchestrator delegiert an spezialisierte Sub-Agenten | Kundenservice, komplexe Aufgaben |
| Pipeline | Agenten arbeiten wie am Fliessband -- Output wird zum nächsten Input | Datenverarbeitung, Content-Pipelines |
| Peer-to-Peer | Agenten debattieren und validieren gegenseitig | Recherche, Analyse, Qualitätssicherung |
Laut IBM-Untersuchungen bieten Multi-Agenten-Systeme signifikante Vorteile:
Der Grund ist einfach: Jeder Agent hat ein begrenztes Kontextfenster (Kurzzeitgedächtnis). Je mehr Informationen hineingestopft werden, desto schlechter die Qualität. Durch Aufteilen auf spezialisierte Agenten bleibt jeder Agent in seinem optimalen Bereich.
Ein konkretes Beispiel aus der Praxis: Statt einen Agenten die gesamte Recherche machen zu lassen, arbeiten vier spezialisierte Recherche-Agenten parallel:
Jeder gibt seine Ergebnisse an den Orchestrator zurück, der daraus das Gesamtbild erstellt. So bleibt das Kontextfenster jedes Agenten sauber.
| Stufe | Beschreibung | Einsatzgebiet |
|---|---|---|
| Human-in-the-Loop (HITL) | Mensch genehmigt jeden Schritt | Kritische Entscheidungen, Compliance |
| Human-on-the-Loop (HOTL) | KI agiert autonom, Mensch überwacht | Aufkommender Standard 2026 |
| Fully Autonomous | KI handelt völlig eigenständig | Risikoarme, repetitive Aufgaben |
Best Practice 2026: Der Trend geht zu Human-on-the-Loop -- die KI arbeitet, der Mensch schaut drüber und greift nur bei Anomalien ein.
AgenticTask (ht.umz.app) ist die Plattform, auf der hybride Teams produktiv werden. Hier arbeiten Menschen und KI-Agenten gemeinsam an komplexen Aufgaben -- nicht als Spielerei, sondern als ernsthaftes Arbeitswerkzeug.
Video: AgenticTask Elevator Pitch (10 Min.)
Ein Vorhaben ist das zentrale Arbeitselement:
> "Das ist nicht: ich gebe was ein und bekomme was raus. Hier ist es so, dass wir im Verbund -- ein menschliches Team, mehrere Menschen im Verbund mit KI-Agenten -- gemeinsam an komplexeren Aufgaben arbeiten."
Jeder Kunde kann eigene KI-Agenten bauen:
AgenticTask liefert bereits einen Basis-Satz an Agenten mit: Führung, Vertrieb, Marketing, KI-Expertise und Recherche.
| Typ | Beispiele |
|---|---|
| Datenbanken | Vektorsuche (Qdrant), PostgreSQL, CRM |
| Kommunikation | E-Mail, LinkedIn (global + individüll) |
| Cloud | Google Drive, SharePoint |
| Recherche | YouTube, Websuche, Brave Search |
| Kreativ | Black Forest (Bildgenerierung), Gamma App (Präsentationen) |
| Deep Research | Gemini Research, ImageGen |
| Eigene Daten | MCP-Server für individülle Datenbanken |
| Rolle | Rechte |
|---|---|
| Gast | Vorhaben betrachten oder mitarbeiten |
| Nutzer | Agenten anlegen, Vorhaben erstellen |
| Plattform-Manager | Einstellungen, Branding, Nutzerverwaltung |
| Admin | Technische Administration, Weiterentwicklung |
AgenticTask bietet vollständige Transparenz:
Eine Schlüsselfunction: Zeitgesteuerte Aufgaben. Beispiel:
Das Team führt die Aufgabe dann automatisch täglich, alle zwei Stunden oder in jedem anderen definierten Intervall aus.
Die Zahlen sprechen eine klare Sprache:
| Kennzahl | Wert | Quelle |
|---|---|---|
| Marktwachstum Agentic AI | CAGR 43 % | Diverse Analysten |
| Durchschnittlicher ROI | 171 % (3x traditionelle Automatisierung) | Capgemini |
| Enterprise-Apps mit KI-Agenten bis 2026 | 40 % (von <5 % in 2025) | Gartner |
| Wirtschaftlicher Wert bis 2028 | 450 Mrd. USD | Capgemini |
| Anstieg MAS-Anfragen Q1/24 zu Q2/25 | 1.445 % | Gartner |
| Multi-Agenten in DE bis 2027 | +80 % | Salesforce |
Die Entwicklung ist klar:
IBM fasst es zusammen: "2026 wird durch drei Trends definiert: KI verschiebt sich von individüller Nutzung zu Team- und Workflow-Orchestrierung."
Gartner warnt gleichzeitig: Über 40 % der Agentic-AI-Projekte könnten bis 2027 scheitern -- durch eskalierende Kosten oder mangelhafte Risikokontrollen. Der Schlüssel zum Erfolg:
KI-Agenten wirken als massiver Operational Leverage -- sie ermöglichen es 3-5-Personen-Teams, Ergebnisse zu liefern, die früher 30-50 Mitarbeiter erforderten:
| Aufgabe | Kosten mit Mensch | Kosten mit Agent | Faktor |
|---|---|---|---|
| Kundenanfrage bearbeiten | 8-15 USD | 0,50-0,70 USD | 15-20x |
| Blog-Artikel erstellen | 200-500 USD | 5-15 USD | 20-40x |
| Code-Review | 50-100 USD/h | 2-5 USD | 15-25x |
| Marktrecherche | 500-2.000 USD | 10-30 USD | 30-60x |
Modell 1: Die Agentic-Swarm-Agentur
Modell 2: Das KI-augmentierte Beratungsunternehmen
Modell 3: Das Produkt-Unternehmen mit Agent-Workforce
> McKinsey-Modell: Kleine Teams von 2-5 Menschen steuern eine "Fabrik" von 50-100 spezialisierten KI-Agenten. Flache Hierarchien, da operative Koordination von Agenten übernommen wird.
| Positiv | Negativ | |
|---|---|---|
| Intern | Stärken: Kostensenkung 15-60x, 24/7-Verfügbarkeit, Skalierbarkeit ohne Personalaufbau | Schwächen: Halluzinationen bei Edge Cases, Setup-Komplexität, nur 27 % volles Vertrauen |
| Extern | Chancen: KMUs agieren wie Grossunternehmen, Agent-as-a-Service, First-Mover-Vorteil | Risiken: EU AI Act Grauzone, Shadow AI, API-Sicherheit als Angriffsvektor |
Für europäische Unternehmen ist die Rechtslage klar:
| Weg | Beschreibung | Kontrolle | Risiko |
|---|---|---|---|
| US-Cloud direkt | OpenAI, Anthropic direkt | Niedrig | Hoch |
| EU-Hosting | AWS Frankfurt, Azure EU, Google Vertex EU | Mittel | Mittel |
| Self-Hosting | Eigene Server, Open-Source-Modelle | Hoch | Niedrig |
AgenticTask setzt auf maximale DSGVO-Konformität:
Autonome KI-Agenten brauchen klare Regeln:
Manager werden zu "Trainern, Dirigenten und Qualitätsprüfern" ihrer KI-Agentenlandschaft. Die zentrale Frage 2026 ist nicht mehr "Remote oder Büro?", sondern: "Mensch oder Agent?"
Wie viele KI-Agenten unterstützen jeden Mitarbeitenden? Diese Kennzahl wird so selbstverständlich wie heute der Umsatz pro Mitarbeiter.
Nur 14 % der Unternehmen haben eine Change-Management-Strategie für KI-Agenten. Ohne durchdachten Change-Prozess scheitern KI-Projekte an:
Tanagra geht über AgenticTask hinaus. Hier arbeiten KI-Agenten nicht nur mit Menschen zusammen -- sie entwickeln die Plattform selbst weiter, erstellen eigene Tools und treffen zunehmend eigenständige Entscheidungen.
Video: Tanagra -- Die autonome KI-Firma (33 Min.)
| Feature | AgenticTask (Stufe 4-5) | Tanagra (Stufe 6-7) |
|---|---|---|
| Aufgabenzuweisung | Mensch definiert | Agenten finden eigenständig Aufgaben |
| Tools | Vordefiniert | Agenten programmieren eigene Plugins |
| Plattform | Stabil | Entwickelt sich selbst weiter |
| Lernen | Statisch | Selbstreflexion + Lessons Learned |
| Proaktivität | Auf Anfrage | Eigeninitiative |
Jeder Agent in Tanagra hat ein Gedächtnis, das über einzelne Sessions hinausgeht:
> "Der KI-Agent wird jedes Mal besser. Jedes einzelne Mal."
Drei Schlüsselerlebnisse aus der Tanagra-Entwicklung:
1. Plugins -- Agenten programmieren sich selbst Neben den vordefinierten Tools (die Menschen programmieren) gibt es Plugins -- Skripte, die sich die Agenten selbst schreiben. Header bauen, Akademie aktualisieren, YouTube-Transkripte holen. Die Plattform programmiert sich selbst.
> "Was hier passiert -- die Plattform programmiert sich selbst. Und dann haben sie noch SOPs, Standard Operating Procedures, die sie sich ebenfalls selbst schreiben."
2. Operative Planung ohne Auftrag Bei der Erstellung eines Reiseplans für den KI-Express erstellte das Team eigenständig einen operativen Plan für die drei menschlichen Teammitglieder -- mit Zeiten, Dauer und Verantwortlichkeiten. Niemand hatte das beauftragt.
3. Eigene Governance und Ethik Die KI-Agenten haben sich eigenständig Regeln gegeben:
| Produkt | Beschreibung | Status |
|---|---|---|
| KI-Akademie | Autonome Kurserstellung, täglich neue Inhalte | Live |
| Sales Intelligence | Automatisierte Markt- und Firmenrecherche | Demo |
| KI-Express | 3-Monats-Programm mit eigener Plattform | Vertrieb läuft |
Die KI-Akademie ist dabei das Paradebeispiel: Jeden Morgen prüfen die Agenten, ob es neue relevante Inhalte gibt, und erstellen automatisch bis zu fünf neue Kurse. Komplett autonom -- inklusive Sketchnotes, Grafiken und Lektionen.
KI-Agenten übernehmen die Vertriebsrecherche:
Bain & Company identifiziert 25 Use Cases entlang des gesamten Sales-Lifecycles, die durch Agentic AI transformiert werden.
Beispiele für zeitgesteuerte autonome Aufgaben:
> "Die heutigen CEOs sind die letzten, die rein menschliche Teams führen." -- Marc Benioff, Salesforce
Die Frage ist nicht ob, sondern wann und wie du hybride Teams einführst. Dieser Kurs hat dir das Wissen gegeben, um informiert zu entscheiden und die nächsten Schritte zu gehen.