Wie agentische Organisationen Resilienz bauen, bevor sie ihre besten Leute verlieren

Vor einem Jahr haben wir mit dem Vertriebsteam eines B2B-Tech-Anbieters angefangen, mit dem wir seitdem an der Frage arbeiten, wie KI-Agenten Sales-Prozesse tatsächlich beschleunigen. Was anfangs ein Pilot für Lastenheft-Antworten war, ist heute ein Vertriebs-Operating-Model, das die Bearbeitungszeit für Ausschreibungen um sechzig Prozent reduziert hat. Aus den Stunden, die früher für eine einzelne Ausschreibung in Compliance-Checks und Texte gingen, sind heute Minuten geworden.

Die meisten Vertriebsteams würden an dieser Stelle die Sektkorken knallen lassen. Wir saßen vor drei Wochen mit der Vertriebsleitung zusammen und haben etwas anderes festgestellt. Das Team hat nicht weniger Arbeit. Es hat eine andere Arbeit. Wo früher eine Ausschreibung in einer Woche bearbeitet wurde, laufen heute drei parallel. Wo früher ein Vertriebler einen großen Pitch verantwortet hat, verantwortet er heute drei. Jeder davon will inhaltlich verteidigt werden, beim Kunden, im Lenkungskreis, intern.

Was sich verzehnfacht hat, ist nicht die operative Tätigkeit. Es ist die Verantwortung für Ergebnisse, die die Vertriebler nicht mehr selbst erstellt haben.

B2B-Vertriebsteam: Vom Pilot zum Operating Model

Ein Pilot für Lastenheft-Antworten wurde in zwölf Monaten zu einem Vertriebs-Operating-Model, das die Bearbeitungszeit für Ausschreibungen um sechzig Prozent reduziert. Aus Stunden für einzelne Ausschreibungen in Compliance-Checks und Texten wurden Minuten.

Gleichzeitig veränderte sich die Arbeit: Statt einer Ausschreibung pro Woche laufen heute drei parallel. Wo früher ein Vertriebler einen großen Pitch verantwortete, verantwortet er heute drei.

Die Verantwortung für Ergebnisse, die nicht mehr selbst erstellt wurden, ist sprunghaft gestiegen. Genau diese Verschiebung ist der eigentliche Engpass.

Die unsichtbare Skalierung, über die wir bisher nicht reden

Wenn wir über KI-Wirkung sprechen, reden wir fast immer über Output. Stunden gespart. Briefe geschrieben. Kampagnen gestartet. Studien zählen die gesparten Wochenstunden, Vorstände zählen sie in Personentagen. Die Zahl, die fast niemand zählt, ist die andere Seite der Gleichung. Wer einen Output verzehnfacht, verzehnfacht die Verantwortungslast für die Menschen, die diesen Output in die Welt tragen.

Drei Datenpunkte machen das gerade unbequem konkret.

McKinsey hat im Frühjahr 2026 dokumentiert, dass die Beschäftigten, die KI besonders intensiv einsetzen, eine um zehn Prozentpunkte höhere Kündigungsabsicht haben als die Beschäftigten, die KI nicht nutzen. Diese Differenz wird nicht durch fehlende Schulung erklärt. Sie wird auch nicht durch mangelnde KI-Affinität erklärt. Sie wird durch die Lücke erklärt, die zwischen wachsendem Output und unveränderter Aufsichts-Kapazität entsteht.

Die BCG hat in ihrer parallelen Studie zu kognitiver Belastung in KI-getriebenen Teams gezeigt, dass Mitarbeitende mit hoher KI-Aufsicht 39 Prozent mehr schwere Fehler machen und 39 Prozent stärker über Kündigung nachdenken als ihre Kolleg*innen ohne KI-Aufsicht. Die Belastung kommt nicht aus dem Nutzen der KI. Sie kommt aus dem Beaufsichtigen der KI. Aus dem ständigen, parallelen Prüfen, ob das Ergebnis trägt.

Und die peer-reviewte Studie der Frontiers in Artificial Intelligence von Anfang Mai hat einen Begriff für das, was den Mid-Career-Profis besonders zusetzt. Sie nennt es Reskilling Fatigue. Die wiederkehrenden Anpassungs-Zyklen ihrer eigenen Rolle, ohne dass das angesammelte Wissen je den Boden wieder berührt, untergraben das Gefühl von Meisterschaft, das diese Menschen über Jahre aufgebaut haben.

Wenn ihr diese drei Befunde nebeneinander legt, entsteht ein Muster, das die meisten KI-Transformationen heute übersehen. Eure produktivsten Leute sind die, die als nächstes gehen. Nicht weil sie KI nicht mögen. Sondern weil sie für Output verantwortlich sind, dessen Innenleben sie nicht mehr durchdringen, in einem Tempo, das ihre Aufsichtskapazität strukturell überfordert.

1. McKinsey 2026: Kündigungsabsicht bei KI-Power-Usern Intensive KI-Nutzerinnen zeigen eine um zehn Prozentpunkte höhere Kündigungsabsicht als Kolleginnen ohne KI-Nutzung. Ursache ist die Lücke zwischen massivem Output-Zuwachs und unveränderter Aufsichts-Kapazität, nicht fehlende Schulung oder Affinität.
2. BCG: Kognitive Last durch KI-Aufsicht Hohe KI-Aufsicht führt zu 39 Prozent mehr schweren Fehlern und 39 Prozent mehr Kündigungsgedanken. Die Belastung entsteht aus dem ständigen Beaufsichtigen und parallelen Prüfen, nicht aus der Nutzung allein.
3. Frontiers: Reskilling Fatigue Wiederkehrende Rollen-Anpassungen unterbrechen das Gefühl von Meisterschaft, besonders bei Mid-Career-Profis. Reskilling Fatigue beschreibt genau diesen Ermüdungseffekt in schnellen Transformationszyklen.

Resilienz ist keine Wellness-Frage. Sie ist eine Engineering-Aufgabe.

Wenn das oben stimmt, ist die Antwort nicht Achtsamkeitstraining, nicht ein Workshop zur mentalen Gesundheit, nicht ein neuer Benefit im Onboarding-Paket. Diese Maßnahmen adressieren das Symptom. Das Problem liegt in der Architektur der Organisation. Konkret: in der Frage, ob die Organisation ihre Verantwortungs-Kapazität in dem Tempo mitskaliert, in dem sie ihre Output-Kapazität skaliert.

Diese Frage ist eine Engineering-Frage, kein Wohlfühl-Thema. Sie hat konkrete Hebel. Wer sie nicht zieht, verliert seine wertvollsten Mitarbeiter*innen, ohne zu wissen warum. Wer sie zieht, baut die Organisation, in der die Power-Partners-Studie des CMO Council möglich wird: jene 28 Prozent der Marketing-Organisationen, die Maschine und Mensch so kombinieren, dass sie 73 Prozent ihre ROI-Erwartungen übertreffen, während 78 Prozent ihrer Wettbewerber bei 22 Prozent stehenbleiben.

• 28 Prozent – Anteil der Marketing-Organisationen als Power Partners
• 73 Prozent – Übertreffen ihre ROI-Erwartungen
• 78 Prozent – Wettbewerber mit deutlich schwächerer Performance
• 22 Prozent – ROI-Niveau, bei dem Wettbewerber stehenbleiben

Sechs Hebel, die wir in der Praxis sehen

Wir haben in den letzten zwölf Monaten in unterschiedlichen Sektoren beobachtet, was funktioniert. Sechs Hebel sind dabei stabil zu erkennen. Sie sind unromantisch, betrieblich, und sie unterscheiden die Organisationen, die in ihrer Transformation Tempo halten, von denen, die in Quartal sieben die Kündigungswelle bekommen.

1. Tempo-Budget statt Tool-Budget

Die BCG-Studie zeigt einen einfachen Schwellenwert. Bis drei aktive KI-Tools pro Person steigt die Performance. Ab vier sinkt sie. Die meisten Unternehmen, die wir sehen, haben in jedem Quartal mindestens ein neues KI-Tool eingeführt, ohne ein bestehendes außer Dienst zu stellen. Resilienz beginnt mit einer betrieblichen Leitplanke. Wer ein neues Tool einführt, muss benennen, welches es ersetzt. Geschwindigkeit ist nicht der Engpass. Aufsichtskapazität ist es.

2. Decision Rights vor Agent-Launch

Bevor ein Agent in den produktiven Einsatz geht, muss klar sein, wer entscheidet, was er entscheiden darf, und wer für das Ergebnis einsteht. Diese drei Fragen werden in den meisten Pilotphasen ausgespart, weil sie im Pilot nicht wehtun. Sie tun in Monat sechs weh, wenn dieser Agent zwanzig Entscheidungen pro Tag trifft und niemand sauber benennen kann, in welchem Schritt eine falsche Annahme entstanden ist. Decision Rights vor Agent-Launch reduzieren genau die kognitive Last, die in der BCG-Studie für die 39 Prozent zusätzlichen Fehler verantwortlich ist.

3. Geschützte Lernzeit als Kalenderrecht

Reskilling Fatigue verschwindet nicht mit mehr Trainingstagen. Sie verschwindet mit der Erfahrung, dass die eigene Lerninvestition Boden hat. Konkret heißt das: Lernzeit ist Kalenderzeit, nicht Restzeit. Sie ist als Termin geblockt wie ein Vertriebs-Forecast. Sie ist nicht der erste Punkt, der in einer hektischen Woche fliegt. Eine Organisation, die geschützte Lernzeit als verhandelbar behandelt, signalisiert ihren Mid-Career-Profis, dass ihr Wissen nicht als Investitionsobjekt der Firma gesehen wird, sondern als Optimierungs-Reserve.

4. Agent-Decommissioning als Ritual

Die Cloud Security Alliance hat im Frühjahr berichtet, dass nur 21 Prozent der Organisationen einen formalen Prozess haben, um KI-Agenten am Ende ihrer Lebenszeit kontrolliert abzuschalten. Der Rest produziert das, was die Studie Ghost Agents nennt. Agenten, die niemandem mehr klar zugeordnet sind, weiter laufen, weiter Daten ziehen, weiter Entscheidungen treffen. Sie werden zu unsichtbaren Verantwortungs-Schulden, die irgendwann ein Mitarbeiter erbt, der sie weder gebaut noch verstanden hat. Agent-Decommissioning ist Hygiene. Wer regelmäßig stilllegt, hält die Aufsichts-Komplexität in einem Bereich, der für Menschen noch tragbar ist.

5. Pair-Reviews zwischen Mensch und Agent

In den Organisationen, die die Power-Partners-Logik leben, gibt es eine wiederkehrende Praxis. Mensch und Agent reviewen Ergebnisse gemeinsam in einem festen Zyklus. Nicht bei Eskalation. Nicht im Notfall. Sondern als regelmäßiger Rhythmus, ähnlich einem Code Review in der Softwareentwicklung. Diese Praxis tut zwei Dinge gleichzeitig. Sie hält das Verständnis dafür wach, was der Agent tut. Und sie verteilt die Verantwortungslast auf einen geteilten Kontext zwischen Mensch und System, statt sie individuell akkumulieren zu lassen.

6. Der mittlere Manager-Layer als Resilienz-Layer

Die Gallup-Daten zur globalen Manager-Resilienz zeigen einen Befund, der die meisten Transformationsprogramme blind macht. Engagement im mittleren Manager-Layer ist von 31 Prozent im Jahr 2022 auf 22 Prozent im Jahr 2025 gefallen. Genau diese Ebene trägt im Alltag die Aufsicht über die agentischen Systeme. Wer Resilienz im Operating Model bauen will, fängt nicht beim Junior an. Er fängt bei den Manager*innen an, die aktuell parallel sieben KI-Tools, dreißig Mitarbeitende und einen Quartalsforecast verantworten.

• 31 Prozent – Engagement im mittleren Management 2022
• 22 Prozent – Engagement im mittleren Management 2025
• 7 KI-Tools – Parallel verantwortet pro Manager*in
• 30 Mitarbeitende – Zusätzlich im Verantwortungsbereich

Die Investitions-Frage: Eins zu fünf

McKinsey hat in der State-of-Organizations-Studie von Mai 2026 eine Formel formuliert, die als Leitplanke für jede ernsthafte Transformations-Diskussion taugt. Auf jeden Euro Technologie-Investition braucht es fünf Euro Investition in Menschen. In Trainings, in Coaching, in Operating-Model-Design, in Change-Begleitung, in geschützte Zeit für die Manager*innen, die das Ganze trägt.

Diese Eins-zu-Fünf-Regel ist kein moralischer Appell. Sie ist eine empirische Korrektur. Sie korrigiert die typische Investitions-Verteilung der letzten drei Jahre, in denen achtzig Prozent des Budgets in Software ging und zwanzig Prozent in Beratung, die meist mit Schulungs-Tagen vergangen ist. Wer diese Verteilung umdreht, baut die Organisation, in der die Power Partners überproportional drinhängen. Wer sie nicht umdreht, hat ein Tool-Portfolio und keine Organisation.

• 1:5 – Investitionsleitplanke Technologie zu Menschen
• 80 Prozent – Typischer Software-Anteil am Budget
• 20 Prozent – Typischer Beratungs- und Schulungsanteil

Die unbequeme Konsequenz

Es gibt einen Teil dieser Argumentation, der nicht jedem gefällt. In einer Organisation, die ihre Verantwortungs-Kapazität mitskaliert, verschiebt sich, wer Wert produziert. Aufgaben, die früher Substanz waren (Tickets abarbeiten, Routinen abschließen, To-do-Listen runterhaken), wandern zu den Agenten. Was bei den Menschen bleibt, ist die Verantwortung für Ergebnisse, die nicht mehr im eigenen Tastendruck entstehen.

Nicht jeder Mitarbeitende will diese Rolle. Manche Menschen finden Sinn in geordneter, wiederkehrender Arbeit, und das aus guten Gründen. In einer agentischen Organisation wird diese Form der Arbeit knapper. Wer eine Organisation für die nächsten fünf Jahre baut, muss diese Auswahl bewusst treffen. Wer das nicht tut, macht keine Personalauswahl, sondern lässt die Kündigungsabsicht entscheiden, die McKinsey gerade dokumentiert.

Die eigentliche Frage

Wenn ich in den nächsten Wochen mit Geschäftsführungen über agentische Organisation rede, läuft die Diskussion immer auf dieselbe Frage zu. Sie lautet nicht: Wie schnell können wir KI einführen? Sie lautet: Haben wir die Menschen, die die Verantwortung für das Ergebnis tragen wollen, das sie nicht mehr selbst produzieren?

Das ist die Frage, die über Resilienz in agentischen Organisationen entscheidet. Und es ist die Frage, die ihr beantworten könnt, lange bevor ihr den nächsten Agenten launcht.

---

FAQ

Warum verlieren Unternehmen ihre besten Mitarbeitenden, gerade wenn KI Wirkung zeigt?

Weil die wertvollsten Mitarbeitenden meist auch die mit der höchsten KI-Nutzung sind. McKinsey 2026 dokumentiert eine um zehn Prozentpunkte höhere Kündigungsabsicht bei intensiven KI-Nutzer*innen. Der Grund liegt nicht in der KI selbst, sondern in der Verantwortungs-Last, die mit dem zusätzlichen Output entsteht.

Was ist der Unterschied zwischen Resilienz im Wellness-Sinn und Resilienz als Engineering-Aufgabe?

Wellness-Resilienz adressiert das Symptom mit Coaching, Achtsamkeit und mentaler Gesundheit. Engineering-Resilienz adressiert die Architektur: Decision Rights, Tempo-Budgets, Lernzeit als Kalenderrecht, Agent-Lifecycle-Hygiene. Letzteres skaliert mit der Organisation. Ersteres nicht.

Was ist die Eins-zu-Fünf-Regel von McKinsey?

Auf jeden Euro Technologie-Investition braucht es fünf Euro Investition in Menschen. Diese Verteilung korrigiert die typische 80:20-Verteilung der letzten Jahre, in der Software das Budget dominiert hat und Change-Begleitung als Restposten behandelt wurde.

Wie viele KI-Tools sollte eine Person parallel nutzen?

Drei. Die BCG-Studie zu kognitiver Belastung in KI-getriebenen Teams zeigt: Bis drei Tools steigt die Performance, ab vier sinkt sie. Tempo-Budgets sind betriebliche Leitplanken, keine Verbote.

Was sind Ghost Agents und warum sind sie ein Resilienz-Problem?

KI-Agenten ohne formalen Decommissioning-Prozess, die niemandem mehr klar zugeordnet sind, aber weiter laufen. Laut Cloud Security Alliance haben nur 21 Prozent der Organisationen einen solchen Prozess. Ghost Agents werden zu unsichtbaren Verantwortungs-Schulden, die einzelne Mitarbeitende irgendwann erben.