Ich führe noch kein offiziell angemeldetes Unternehmen. Ich baue ein Portfolio, Werkzeuge und Prozesse auf, mit denen ich eines starten möchte, ohne bei jedem Auftrag improvisieren zu müssen. Diese Unterscheidung ist wichtig: KI entscheidet nicht für einen Menschen, was sein Unternehmen sein soll. Wenn das Unternehmen, seine Prozesse und die erwarteten Ergebnisse nicht beschrieben sind, erhält ein Agent keine Freiheit — sondern Spielraum, um Chaos anzurichten.
Mich interessiert weniger die Automatisierung einer einzelnen Tätigkeit als die Handlungsfähigkeit einer einzelnen Person. Ein Mensch kann eine Idee, Fähigkeiten und den Willen zum Handeln haben und trotzdem an den Kosten für Fachwissen, fehlender Zeit oder dem Vorsprung einer grösseren Organisation scheitern. KI kann einige dieser Hürden senken — aber nur, wenn sie hilft, das Problem zu verstehen, die Arbeit vorzubereiten und überprüfbar zu handeln, statt selbstsicher klingende Antworten zu produzieren.
Zuerst die Ausgangslage verbessern, nicht Fachleute ersetzen
Ein typisches Beispiel ist das Arbeitsrecht. Ein Arbeitgeber kann sich einen Anwalt leisten, ein Arbeitnehmer oft nicht. Bei einem Konflikt weiss der Arbeitnehmer womöglich nicht einmal, nach welchen Begriffen er suchen soll und welche Vorschriften relevant sind. KI kann helfen, das Problem einzugrenzen, mögliche Rechtsgrundlagen zu finden, Fragen vorzubereiten und auf Dokumente hinzuweisen, die man selbst prüfen kann. Das Gespräch mit dem Arbeitgeber oder einem Anwalt beginnt dadurch auf einer anderen Grundlage.
Das bedeutet nicht, dass die Antwort eines Modells geltendes Recht ist. Studien zum Einsatz von Sprachmodellen in der juristischen Recherche zeigen, dass sie falsche Fakten und Quellen erzeugen können. Das Problem tritt auch bei Werkzeugen mit Zugang zu spezialisierten Datenbanken auf, wenn auch meist seltener als bei allgemeinen Chatbots. KI kann deshalb den Aufwand einer ersten Recherche senken. Trotzdem muss der Nutzer den aktuellen Gesetzestext aufrufen, die Rechtsordnung und die Fassung der Vorschrift prüfen und bei hohem Risiko die Schlussfolgerung mit einer Fachperson besprechen. (Dahl et al., 2024; Magesh et al., 2025)
Ähnlich sehe ich die Vorbereitung einer Geschäftstätigkeit. Statt einen Buchhalter zehnmal nach grundlegenden Abgaben zu fragen, kann ich zunächst mit KI eine Liste von Abgaben, Fristen und Annahmen erstellen und anschliessend eine Tabelle aufbauen, die verschiedene Szenarien berechnet. Die Fachperson verschwindet nicht. Ihre Rolle verändert sich: Sie muss nicht die gesamte Recherche von vorn beginnen, sondern prüft das Modell, erkennt Lücken und übernimmt dort Verantwortung, wo ihr Wissen und ihre Befugnisse wirklich gebraucht werden.
Diese Veränderung kann die Informationsasymmetrie zwischen einer Person und einer grösseren Organisation verringern. Kostenlose Gewissheit liefert sie nicht. Wer eine falsche KI-Antwort gedankenlos in eine Steuererklärung übernimmt, tauscht möglicherweise nur Beratungskosten gegen Kosten für eine Korrektur, eine Busse oder verlorene Zeit.
Handlungsfähigkeit wächst in einem konkreten Prozess
Ich habe in n8n eine Automatisierung gebaut, die für einen Kunden Blogtexte, Inhalte für soziale Medien sowie Text- und Bildmaterial erstellte. Das gelang nicht, weil das Modell „Marketing konnte“. Ich musste die Schritte beschreiben, Prompts vorbereiten, Werkzeuge verbinden und entscheiden, welches Ergebnis nützlich ist. Vielleicht lässt sich der Prozess auf Audio und Video erweitern. Solange ich das nicht getestet habe, ist es jedoch eine Möglichkeit und keine fertige Funktion.
Studien zu generativen Assistenten zeigen einen ähnlichen Mechanismus in einem engeren und besser gemessenen Umfeld. In einer Untersuchung mit mehr als fünftausend Beschäftigten im Kundensupport erhöhte das Werkzeug die Zahl der gelösten Fälle pro Stunde im Durchschnitt um 14 %, bei Einsteigern deutlich stärker. Das ist kein Beleg für ein autonomes Einpersonenunternehmen. Es zeigt aber, dass KI einen Teil bewährter Vorgehensweisen vermitteln und die menschliche Produktivität in einem klar definierten Prozess steigern kann. (Brynjolfsson, Li und Raymond, Working Paper, 2023)
Hier liegt der Unterschied zwischen einem Werkzeug und einem Unternehmen. Ein Unternehmen besteht aus vielen Prozessen, Abhängigkeiten, Verpflichtungen und wertenden Entscheidungen. Einen davon zu automatisieren kann einen echten Vorteil schaffen. Es definiert aber weder die Richtung des Unternehmens noch sein Angebot oder die Verantwortung für das Ergebnis.
Autonomie entsteht nicht durch einen einzigen Auftrag
Einem neuen Agenten würde ich nicht sagen: „Schreib eine E-Mail und sende sie an alle Kunden.“ Er könnte Müll erzeugen, den Knopf wie angewiesen drücken und die Glaubwürdigkeit der Marke beschädigen. Ein sichererer Prozess sieht so aus: Der Agent erstellt anhand der Kundennachricht und des Unternehmenswissens einen Entwurf. Ein Mensch liest und korrigiert ihn und gibt den Versand frei.
Mit Geldausgaben gehe ich genauso um. Verbraucht ein Agent das wöchentliche Tokenkontingent an einem Tag, sollte er nicht selbst schlussfolgern, dass Geld auf dem Konto liegt und deshalb das nächste Paket gekauft werden muss. Zuerst müssen die Kosten verstanden, der Prozess optimiert und eine Grenze festgelegt werden, an der das System anhält.
Wiederholte menschliche Entscheidungen können mit der Zeit ein Delegationsmodell ergeben. Fragt ein Agent etwa ein Dutzend Mal in ähnlichen Situationen nach einer Freigabe, lassen sich die Antworten analysieren, eine Regel beschreiben, Grenzfälle testen und eine bestimmte Entscheidungsklasse zur autonomen Ausführung freigeben. Das ist kein magisches Modelltraining „im Hintergrund“. Es ist der Aufbau eines expliziten operativen Kontexts: Voraussetzungen, Schwellenwerte, Ausnahmen, Nachweise und ein Eskalationsweg. (NIST, 2024 — Rahmen für Risikomanagement und Aufsicht)
Eine neue Situation erbt nicht automatisch das bisherige Vertrauen. Die Erlaubnis, selbstständig Termine zu bestätigen, ist keine Erlaubnis, Preise auszuhandeln. Auch ein Modell, das aus mehreren anderen Entscheidungsmodellen abgeleitet wurde, braucht eine eigene Freigabe. Autonomie sollte nach Handlungsklassen wachsen, nicht über einen allgemeinen Schieberegler von null bis hundert.
Manche Grenzen verschwinden nicht durch Information
KI kann beim Entwurf eines Hauses helfen. Trotzdem kann der Entwurf die Unterschrift einer Person erfordern, die dazu befugt ist und für die Sicherheit Verantwortung trägt. Ein Roboter kann vielleicht eines Tages einen Teil der körperlichen Arbeit übernehmen. Er erteilt sich damit aber nicht selbst das Recht, das Gebäude an das Strom- oder Wassernetz anzuschliessen. Diese Infrastruktur wird gemeinsam genutzt, und jemand ist für ihren Betrieb verantwortlich.
Ähnlich verhält es sich bei vielen reglementierten Berufen und Entscheidungen mit hohem Risiko. Wissen hilft, Gespräche besser vorzubereiten, Angebote zu bewerten und Unsinn zu erkennen. Es beseitigt jedoch weder Verantwortung noch formelle Freigaben oder Beziehungen zu anderen Menschen. Ein KI-gestütztes Einpersonenunternehmen ist keine einsame Insel.
Das Unternehmen einer Person kann grösser sein als eine Person
Ich hoffe, dass ein leichterer Zugang zu Wissen und Automatisierung Menschen unabhängiger von Konzernen macht und sie häufiger unmittelbar mit dem Wert konkurrieren lässt, den sie schaffen. Ich weiss nicht, ob grosse Organisationen dadurch zerfallen werden. Die Forschung zeigt Produktivitätsgewinne bei ausgewählten Aufgaben und möglicherweise niedrigere Eintrittsbarrieren. Der langfristige Einfluss auf die Struktur von Unternehmen bleibt aber offen. (OECD, 2025)
Für mich ist die praktische Schlussfolgerung einfacher. KI kann einer Person ermöglichen, einen grösseren Teil der Recherche, Vorbereitung und wiederkehrenden Arbeit selbstständig zu erledigen. Der Mensch gibt weiterhin die Richtung vor, verantwortet die Folgen und entscheidet, wann Fachleute oder die Zustimmung einer anderen Organisation nötig sind. Handlungsfähigkeit wächst nicht dadurch, dass ein Agent alles übernimmt. Sie wächst, wenn ein Mensch immer genauer entscheiden kann, was er gefahrlos nicht mehr selbst tun muss.
Quellen
- Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, „Generative AI at Work“, NBER Working Paper 31161, 2023. Die genannten 14 % beziehen sich auf die Working-Paper-Fassung. Zugriff: 19.09.2026.
- Matthew Dahl, Varun Magesh, Mirac Suzgun, Daniel E. Ho, „Large Legal Fictions: Profiling Legal Hallucinations in Large Language Models“, Journal of Legal Analysis, 16(1), 2024, 64–93. Zugriff: 19.09.2026.
- Varun Magesh et al., „Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools“, Journal of Empirical Legal Studies, 22, 2025, 216–242. Zugriff: 19.09.2026.
- NIST, „Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile“, NIST AI 600-1, 2024. Zugriff: 19.09.2026.
- OECD, „The effects of generative AI on productivity, innovation and entrepreneurship“, 2025. Zugriff: 19.09.2026.