Die meisten Unternehmen machen es falsch herum. Sie nehmen ihre bestehende Org-Charta, identifizieren "Wo könnten wir KI einsetzen?", und enden bei einer Schatten-IT aus 17 verschiedenen ChatGPT-Plus-Accounts und einem Microsoft-Copilot-Vertrag, dessen Mehrwert niemand belegen kann.
Eine Zero Human Company dreht das um: Du designst die operative Architektur erst - und besetzt sie dann mit Agenten und einer kleinen Schicht Menschen für Aufsicht und Edge-Cases. Das Ergebnis ist nicht "wir machen das Gleiche mit weniger Leuten". Es ist eine andere Firma.
Drei Mind-Shifts, die Voraussetzung sind
1. Tools sind tot. Es leben die Akteure.
Software war 30 Jahre lang ein Werkzeug für Menschen. Excel, Salesforce, Slack - alles erweitert deine Hand. Agenten sind keine Werkzeuge mehr. Sie sind Akteure, die du beauftragst und die zurückberichten. Wer in seiner Org-Charta noch "Tool-Stack" als Kapitel führt, denkt zu klein.
2. Skalierung kommt aus Compute, nicht aus Headcount
Klassische Skalierung: mehr Aufträge → mehr Mitarbeiter → mehr Recruiting → mehr Office → mehr HR. Agentische Skalierung: mehr Aufträge → mehr Compute → fertig. Die Wachstumskosten sind nicht mehr linear an Köpfe gekoppelt - und das verändert deinen Business-Plan fundamental.
3. Daten-Infrastruktur ist Pflicht, nicht Kür
Wenn deine Daten in 14 SaaS-Tools verstreut sind, deine Verträge in einem Outlook-Ordner und dein Wissen "in den Köpfen der Kollegen", können Agenten nicht ihre volle Wirkung entfalten. Du musst nicht "alles digitalisieren" - aber du musst die Daten, mit denen Agenten arbeiten sollen, sauber zugänglich machen. Das ist Stufe Null.
Die fünf Schichten einer agentischen Org
Schicht 1: Foundation Models
Die Modelle, die das Reasoning machen. Im Standard-Setup: Claude Sonnet 4.6 für 80 % aller Aufgaben, Opus 4.7 für komplexes Reasoning, Haiku 4.5 für hohe Volumen-Klassifikation, lokal Hermes 4 oder Llama 4 für Daten, die das Land nicht verlassen dürfen.
Schicht 2: Agent-Frameworks
Der Layer, der aus einem Modell einen handelnden Agenten macht. Drei Frameworks dominieren in unserem Stack:
- OpenClaw - Maximalist, 22+ Channels, Skills-System
- Hermes (Nous Research) - Self-improving, Subagents, Python-Stack
- NanoClaw - Lean, Container-isoliert, MIT
Schicht 3: Tools & MCP
Die Schnittstellen, mit denen Agenten in deiner Welt agieren. CRM, Kalender, Mail, Ticketsystem, Bestellverwaltung, Wiki - über MCP-Server exponiert, einmal sauber definiert, mehrfach genutzt. Das ist deine "API-First-Strategie" - diesmal nicht für Mobile-Apps, sondern für Agenten.
Schicht 4: Memory & Knowledge
Damit Agenten nicht jedes Gespräch bei Null beginnen: SQLite/Postgres für strukturierte Memory, Volltext-Index für Doku, Vector-DB nur wenn nötig. Wichtig ist Domain-Memory: Was weiß die Firma über Kunde X, Lieferant Y, Produkt Z?
Schicht 5: Aufsicht & Eskalation
Menschen. Aber nicht als Sachbearbeiter - als Ops-Leads. Eine Person, die für eine Domain (Customer Ops, Sales Ops, Finance Ops) verantwortlich ist und den Verbund von 5–15 Agenten supervised. Sie reviewt Eskalationen, justiert Prompts, fügt neue Skills hinzu, prüft Outcomes.
Org-Design: Wie eine Zero Human Company organisiert ist
Statt Abteilungen: Domains mit Aufsehern
Die klassische Org-Charta mit Vertrieb, Marketing, Operations, IT funktioniert nicht mehr. In einer agentischen Org gibt es Domains:
- Customer Ops: Tickets, Onboarding, Reklamationen, Retention. 1 Mensch, ~10 Agenten.
- Revenue Ops: Lead-Qualifizierung, Outbound, Account-Management. 1–2 Menschen, ~6 Agenten.
- Knowledge Ops: Doku, interne Suche, Wissens-Pflege. 0,5 Menschen, ~3 Agenten.
- Founder/CEO Layer: Strategie, Verhandlungen, Hiring, Visions-Pflege. Pure menschliche Arbeit.
Eine Firma, die früher 25 Köpfe hatte, läuft jetzt mit 6–8 - und liefert mehr.
Was passiert mit den Mitarbeitern?
Die ehrliche Antwort: kommt drauf an, wie du es einführst. Wir sehen drei Muster:
Muster A: Wachstum ohne Headcount-Wachstum
Häufigster Fall im Mittelstand. Die Firma wächst, aber neue Stellen werden nicht besetzt - weil Agenten die zusätzlichen Volumen schultern. Niemand wird entlassen, alle bleiben produktiv, EBITDA steigt.
Muster B: Up-Skilling der bestehenden Belegschaft
Bestehende Mitarbeiter verlagern sich von Vorgangs-Abarbeitung zu Aufsicht und Domain-Expertise. Wer früher 6 Stunden Mails sortiert hat, wird Customer-Ops-Lead und supervised Agenten.
Muster C: Restrukturierung
Ehrlich: in manchen Fällen werden Stellen abgebaut. Wir empfehlen das nicht als Erstes - meist findet sich produktivere Verwendung. Aber pretending, dass es nie passiert, ist auch falsch.
Cost-Modeling für Geschäftsführer
Wenn du dem Aufsichtsrat oder den Gesellschaftern erklären willst, warum sich das lohnt, hilft dieses Modell:
| Posten | Klassisch (10 MA Ops) | Agentisch (3 MA + Agenten) |
|---|---|---|
| Personalkosten / Jahr | ~ 600.000 € | ~ 180.000 € |
| Software-Lizenzen | ~ 50.000 € | ~ 15.000 € |
| API + Infra | 0 € | ~ 6.000 € |
| Bauphase (einmalig) | 0 € | ~ 80.000 € |
| Erstes Jahr total | ~ 650.000 € | ~ 281.000 € |
| Folgejahre / Jahr | ~ 650.000 € | ~ 201.000 € |
Differenz im Folgejahr: ~ 450 k €. Bei 10 MA-Ops-Setups in deutscher Mittelstandsrealität ist das eine konservative Schätzung - in realeren Setups eher höher.
Risiken, die wir nicht klein reden
Modell-Anbieter-Risiko
Anthropic, OpenAI, Google können Preise ändern, Modelle abkündigen, Endpoints umstellen. Antwort: Multi-Provider-Setup von Anfang an, lokale Fallback-Modelle (Hermes 4, Llama 4), und MIT-lizenzierte Frameworks, die kein Vendor-Lock-in haben.
Hallucination-Risiko
Real, aber lösbar. Architektur: Agenten antworten ausschließlich aus kontrollierten Datenquellen, eskalieren bei fehlender Quelle, alle Antworten geloggt. Bei rechtsverbindlichen Aussagen: zwingender Mensch-Approval.
Compliance-Risiko
Mit Self-Host und Audit-Logs sehr beherrschbar. AVV mit Modell-Anbieter ist Standard. Datenschutz-Folgenabschätzung machen wir im Setup mit.
Org-Akzeptanz-Risiko
Häufig unterschätzt. Mitarbeiter sind nicht "gegen KI" - sie sind gegen vage Versprechen ohne klare Spielregeln. Klar kommunizieren: was übernimmt der Agent, was bleibt Mensch, wer verantwortet was.
Konkreter erster Schritt
Wenn du Geschäftsführer bist und überlegst, ob das für deine Firma was wäre:
- Liste die fünf Aufgaben, die deine Mitarbeiter regelmäßig hassen.
- Schätze das Volumen (Stunden pro Woche × Mitarbeiterzahl).
- Wähle die Aufgabe mit dem höchsten Volumen × klarstem Output.
- Buche einen Termin. 30 Minuten, kein Vertrieb, am Ende weißt du, ob's baubar ist und was es kostet.
Häufige Fragen
Ist eine "Zero Human Company" wirklich zero?
Nein. "Zero Human" bezieht sich auf die operative Schicht. Menschen entscheiden, kuratieren, verkaufen, gestalten Strategie und kümmern sich um alles, was Vertrauen, Verhandlung und Empathie erfordert. Zero Human bedeutet: in der Linie, in der Vorgangsabarbeitung, in der Standard-Bearbeitung - kein Mensch nötig.
Wie sieht eine "Zero Human"-Org-Charta aus?
Statt Abteilungen mit Sachbearbeitern bekommst du Domains mit Aufsehern. Eine Person verantwortet "Customer Operations" - und unter ihr läuft ein Verbund aus 5–15 Agenten, die Tickets, Onboarding, Reklamationen und CSAT-Surveys autonom abwickeln. Headcount sinkt drastisch; Verantwortung bleibt klar zugeordnet.
Welche Agenten brauche ich als Erstes?
In der Regel in dieser Reihenfolge: 1) Inbox-Triage, 2) Lead-Qualifizierung, 3) Reporting/Briefings, 4) Knowledge-Search, 5) First-Level-Support. Reihenfolge richtet sich nach dem schmerzhaftesten Engpass - siehe KI-Tickets.
Wie steuere ich Kosten, wenn API-Calls volatil sind?
Drei Hebel: Modell-Routing (Sonnet 4.6 für Standard, Opus 4.7 nur bei harten Reasoning-Tasks), Caching (Anthropic Prompt-Caching reduziert wiederkehrende System-Prompts um 90 %), und lokale Modelle (Hermes 4 / Llama 4 via Ollama für hohe Volumen). In der Praxis bleiben unsere Setups bei unter 500 € API/Monat für mehrere Agenten.
Wie verkaufe ich das intern?
Nicht als "wir entlassen Mitarbeiter". Sondern als "wir erweitern unsere Kapazität ohne Headcount-Wachstum". Niemand wird gefeuert; aber niemand wird mehr eingestellt für Aufgaben, die ein Agent macht. Mitarbeiter rücken auf zu Aufgaben, die wirklich Wertschöpfung sind. Das ist eine andere Erzählung - und eine wahrere.