Microsofts KI-Playbook: Erst Arbeit neu gestalten, dann Agenten einsetzen

Microsofts Playbook Becoming a Frontier Firm vertritt eine klare These: Der Einsatz von KI-Agenten verändert das Betriebsmodell eines Unternehmens – er ist kein bloßes Software-Rollout. Aus hunderten internen Transformationsvorhaben leitet Microsoft ab, dass Arbeit zunächst sichtbar gemacht, vereinfacht und geregelt werden muss, bevor Agenten Teile davon übernehmen. Erfolg soll sich an Resultaten wie Qualität, Geschwindigkeit, Risiko, Umsatz und Kundennutzen messen lassen – nicht an vergebenen Lizenzen oder der Zahl gesendeter Prompts. 12

Beim Arbeitsablauf beginnen – nicht beim KI-Tool

Der erste Schritt ist laut Microsoft, zu verstehen, wie Arbeit tatsächlich erledigt wird. Dazu gehören die Abbildung von End-to-End-Prozessen, die Analyse von Übergaben und Ausnahmen, die Klärung von Entscheidungen sowie die Identifikation der Daten und Systeme, auf die Beschäftigte angewiesen sind. Andernfalls besteht die Gefahr, einen uneinheitlichen oder wenig wertvollen Prozess zu automatisieren, statt ihn zu verbessern. 12

Microsoft fasst diesen Grundsatz mit „lean before agents“ zusammen: erst verschlanken, dann Agenten einsetzen. Vor der Übergabe von Verantwortung an einen Agenten sollten Unternehmen:

• den zugrunde liegenden Prozess vereinfachen und standardisieren;
• unnötige Freigaben, Doppelarbeit und Übergaben abschaffen;
• nutzbare gemeinsame Datenbestände und Verbindungen zu relevanten Systemen schaffen;
• Zugriffsrechte und Governance festlegen; und
• ausdrücklich bestimmen, welche Entscheidungen, Ausnahmen und risikoreicheren Handlungen menschlich geführt bleiben. 12

Praktisch bedeutet das: Ein Agent braucht eine klar abgegrenzte Aufgabe in einem gut verstandenen Ablauf – nicht den vagen Auftrag, „die Produktivität zu steigern“.

Drei Wege der Transformation

Microsoft beschreibt nicht einen einzigen Einführungsweg, sondern drei einander ergänzende Ansätze.

1. Beschleunigung für bestimmte Rollen

Bei der Persona Acceleration erhalten priorisierte Rollen Assistenten, Prompt-Vorlagen, Fähigkeiten und rollenspezifische Agenten. Ziel ist, die Arbeitsweisen besonders erfolgreicher KI-Nutzer in eine wiederholbare Teamfähigkeit zu überführen. Lernen und Führung sollen die Zusammenarbeit von Mensch und KI zum Normalfall machen. 1

2. KI-gestützte Neugestaltung von Prozessen

Dieser Ansatz nimmt einen gesamten funktionsübergreifenden Ablauf in den Blick. Statt eine einzelne Aufgabe zu automatisieren, wird der Prozess so umgestaltet, dass Verzögerungen, Doppelarbeit, Verschwendung und fragmentierte Entscheidungen sinken. Hier zeigt sich Microsofts zentrale Annahme besonders deutlich: KI erzeugt Wert erst dann nachhaltig, wenn sich auch die Organisation der Arbeit verändert. 12

3. KI-first-Möglichkeiten

Bei AI-First Possibility bekommen kleine Teams mit hoher Fachkompetenz Spielraum, ein Produkt, eine Dienstleistung oder eine Arbeitsmethode von Anfang an mit KI zu entwickeln. Dieser Weg ist unsicherer, kann aber Arbeitsmuster und Produktchancen sichtbar machen, die eine schrittweise Automatisierung übersehen würde. 1

Die Autonomie schrittweise erhöhen

Microsoft versteht Autonomie nicht als Alles-oder-nichts-Entscheidung. Menschen bleiben verantwortlich, während Agenten zunehmend klar definierte Arbeit übernehmen:

1. Mensch mit KI-Assistent: Die KI erstellt Entwürfe, fasst zusammen, analysiert und unterstützt die menschliche Beurteilung.
2. Mensch-Agent-Teams: Agenten erledigen festgelegte Aufgaben oder Entscheidungen innerhalb definierter Kontrollen, Eskalationswege und Aufsicht.
3. Menschlich geführte, von Agenten betriebene Arbeitsabläufe: Agenten übernehmen große Teile des operativen Flusses; Menschen geben die strategische Richtung vor, bearbeiten Ausnahmen, prüfen Ergebnisse und bleiben rechenschaftspflichtig. 1

Diese Stufen sind nicht zwingend eine starre Reifegradleiter. Je nach Risiko, Datenreife und Folgen möglicher Fehler können in verschiedenen Prozessen unterschiedliche Stufen sinnvoll sein.

Was Microsofts interne Beispiele zeigen sollen

Nach Angaben von Microsoft begann die Arbeit in der Cloud-Lieferkette mit der Neugestaltung von Abläufen und gemeinsamen Grundlagen. Danach skalierte das Unternehmen auf mehr als 111 speziell entwickelte Agenten für Planung, Beschaffung, Auftragsabwicklung und Logistik. Microsoft berichtet bei ausgewählten Lieferkettenabläufen von Zykluszeitverkürzungen um bis zu 75 %. Untersuchungen von Bedarfsplänen hätten sich von fünf bis sieben Tagen auf Stunden verkürzt. 24

In einem weiteren Beispiel veröffentlichte ein funktionsübergreifendes Copilot-Cowork-Team mit neun Personen nach 35 Tagen eine erste Produktversion, nachdem es einen KI-first-Ansatz gewählt hatte. Die berichtete Lehre beschränkt sich nicht auf schnellere Entwicklung: Ingenieure und Produktmanager wurden zu sogenannten „Meta-Engineers“ und „Meta-PMs“. Sie steuerten, prüften und koordinierten die Ergebnisse von Agenten und konzentrierten sich stärker auf Produkturteil und Systemdesign. 24

In dieser Lesart verringert KI den Zeitaufwand für Erstentwürfe, Routine-Recherche und das Zusammentragen operativer Informationen. Menschen verlagern ihren Schwerpunkt auf Problemdefinition, Systemgestaltung, Ergebnisprüfung, Ausnahmebehandlung, Beziehungen und Urteilsvermögen. Dafür reichen Copilot-Lizenzen allein nicht aus: Erforderlich sind KI-Kompetenz, Vertrauen, Experimentierbereitschaft sowie Anpassungen an Rollen und Führung. 12

Wo Microsoft dauerhafte Vorteile sieht

Basismodelle werden nach Microsofts Einschätzung zunehmend austauschbar. Die nachhaltige Differenzierung liege stattdessen in unternehmensspezifischen Faktoren: vertrauenswürdigem institutionellem Wissen, geregeltem Zugriff auf Daten und Werkzeuge, Orchestrierung von Arbeitsabläufen, eigenen Definitionen guter Arbeit und Bewertungen, die an realen Ergebnissen ausgerichtet sind. 15

Den daraus entstehenden Feedback-Zyklus nennt das Unternehmen „hill-climbing machine“. Das Grundprinzip: Das gewünschte Ergebnis definieren, Agentenausgaben bewerten, Rückmeldungen und Fehler erfassen, Prozess oder Agent verbessern – und den Kreislauf wiederholen. Der Vorteil entsteht in diesem Verständnis weniger aus der Wahl eines einzelnen Modells als aus der kontinuierlichen Verbesserung eines Systems nach den eigenen Standards und Arbeitsweisen. 5

Was die Daten zu Enterprise-Agenten nahelegen

Microsofts Auswertung von 40.093 Copilot-Studio-Enterprise-Agenten in knapp 2.000 Mandanten ergab, dass Anwendungsfälle für interne Mitarbeiterproduktivität und Nutzerunterstützung 64,6 % der eingesetzten Agenten ausmachten. Zugleich beschreibt Microsoft eine Verschiebung hin zu enger umrissenen operativen Anwendungen, darunter technische Unterstützung und spezialisierte Geschäftsprozesse. 3

Das stützt die übergeordnete Argumentation des Playbooks: Allgemeine Produktivitätsassistenten können ein verbreiteter Einstieg sein. Für wirkungsvollere Agenten-Einsätze dürften jedoch klar begrenzte Prozesse, relevante Daten, Kontrollen und messbare Ergebnisse entscheidend sein.

Ein Rahmenwerk, kein allgemeingültiger Maßstab

Die Belege im Playbook beruhen auf Microsofts eigener Berichterstattung über interne Transformationsarbeit und das eigene Produktökosystem. Die Leistungskennzahlen wurden nicht unabhängig überprüft. Microsoft bezeichnet das Playbook ausdrücklich als sich weiterentwickelnden Arbeitsansatz, nicht als verbindliche Lösung oder Ergebnisgarantie. 12

Der nützlichste Schluss ist deshalb nicht, Microsofts Zahlen oder Organisationsbegriffe zu kopieren. Unternehmen können vielmehr die zugrunde liegende Reihenfolge testen: ein wichtiges Geschäftsergebnis auswählen, den Ablauf offenlegen und vereinfachen, Daten- und Governance-Grundlagen schaffen, Agenten klar begrenzte Aufgaben zuweisen, menschliche Verantwortung sichern und das System mit messbarem Feedback verbessern.