Vordenker
Bevor Sie KI-Agenten skalieren, sollten Sie fragen, was sie nicht wissen

Wichtige PunkteSelbstsichere Antworten scheitern, wenn Agenten Kontext wie veraltete…
Mehr anzeigen
- Selbstsichere Antworten scheitern, wenn Agenten Kontext wie veraltete Akteneinreichungsdaten oder Unterschiede im Geschäftsjahr auslassen.
- Fast 6 von 10 Unternehmen führten eine selbstsichere, aber falsche KI-Antwort auf fehlenden oder unvollständigen Geschäftskontext zurück.
- Die menschliche Prüfung muss mit dem Risiko skalieren, denn korrekt geteilte Daten können dennoch gegen Vorschriften verstoßen.
Stellen Sie sich Folgendes vor: Ein CFO bereitet sich auf ein Treffen mit einem großen institutionellen Investor vor. Zur Vorbereitung bittet das Investor-Relations-Team ein KI-Tool, einige Hintergrundinformationen zusammenzutragen – etwa das Datum des letzten Treffens mit diesem Unternehmen, die geäußerten Prioritäten, die Zahl der gehaltenen Aktien und mehr.
Das Tool gibt mit großer Sicherheit an, der Investor besitze 2,5 Millionen Aktien. Niemand schöpft Verdacht, und der CFO bereitet sich ungebremst weiter auf dieses wichtige Gespräch vor.
Doch es gibt einen Haken: Die KI hat die Zahl aus einer Meldung gemäß Formular 13F entnommen, die den Aktienbestand zum Ende des Vorquartals ausweist. Zum Zeitpunkt der Meldung waren die Angaben korrekt … doch inzwischen sind sie Monate alt. In der Zwischenzeit hat der Investor unbemerkt 2 Millionen Aktien verkauft und seine Beteiligung damit erheblich reduziert. Die Tagesordnung des Treffens – und möglicherweise sogar das Treffen selbst! – erscheint nun nicht mehr relevant.
Was ist schiefgelaufen? In diesem Szenario hat die KI weder halluziniert noch eine Zahl erfunden. Sie hat legitime Informationen abgerufen, aber versäumt, sie einzuordnen oder auf ihre Grenzen hinzuweisen.
In diesem Fall könnten die Folgen zwar ein peinliches Gespräch oder eine verpasste Gelegenheit sein, doch in anderen Situationen kann eine ähnlich definitive Antwort ohne entscheidenden Kontext noch größere Risiken bergen.
Bessere Modelle sind nicht unbedingt die Lösung
Basismodelle werden immer besser. Warum scheint es dann immer häufiger selbstsichere, aber falsche Antworten zu geben – ein Problem, mit dem Unternehmen aller Branchen zu kämpfen haben?
Zunächst einmal ist generative KI (GenAI) inzwischen allgegenwärtig. Laut dem Bericht Der Stand der KI im Jahr 2026 von McKinsey geben fast 9 von 10 Fachkräften an, dass ihre Unternehmen KI regelmäßig in mindestens einem Geschäftsbereich einsetzen.
Während Unternehmen über die Experimentierphase hinausgehen und sich bei alltäglichen Geschäftsaufgaben und Entscheidungen zunehmend auf KI verlassen, stoßen sie auch auf die Grenzen dessen, was diese Tools wissen und verstehen.
Eine aktuelle Branchenumfrage zeigt eine häufige Ursache: Allein in den vergangenen sechs Monaten führten fast 6 von 10 Unternehmen (57 %) eine selbstsichere, aber falsche Antwort eines KI-Agenten auf fehlenden oder unvollständigen Geschäftskontext zurück.
Angesichts all der Daten, auf die KI zugreifen kann, mag das überraschen. Doch es gilt, einen wichtigen Unterschied zu beachten: Kontext ist nicht dasselbe wie Daten.
Was Kontext ist – und was nicht
Zum Kontext können institutionelles Wissen, Ausnahmen von Regeln, Beziehungen, Prozesse und Erwartungen darüber gehören, wie die Arbeit erledigt wird – Nuancen, die oft für jedes Unternehmen einzigartig sind.
In meiner Arbeit mit Investor-Relations-Teams sehe ich, wie wichtig diese Unterschiede sein können. Betrachten wir einige Beispiele, die zunächst unkompliziert wirken:
- Geschäftsjahre: Das erste Quartal eines Unternehmens kann dem Kalenderjahr entsprechen, während das Geschäftsjahr eines anderen im September beginnt. Ohne diesen Kontext könnte ein KI-Agent Ergebnisse aus den falschen Berichtszeiträumen vergleichen.
- Finanzkennzahlen: Ein Unternehmen kann sowohl den Gewinn je Aktie nach GAAP als auch den bereinigten Gewinn je Aktie nach Non-GAAP ausweisen. Versteht ein Agent nicht, welcher Wert wann genannt werden sollte, könnte er die Geschäftsentwicklung falsch darstellen.
- Unternehmensnarrative: Die Kommunikation eines Unternehmens entwickelt sich im Laufe der Zeit weiter und spiegelt bewusste Entscheidungen darüber wider, was hervorgehoben und was weggelassen werden soll. Ohne die Vorgeschichte und die Beweggründe zu verstehen, könnte ein KI-Agent Inhalte erstellen, die ein sorgfältig entwickeltes Narrativ tatsächlich untergraben.
All das macht verständlich, warum dasselbe zugrunde liegende Modell in verschiedenen Unternehmen sehr unterschiedliche Ergebnisse liefern kann – je nachdem, welcher Kontext und welches Fachwissen ihm zur Verfügung stehen.
Zweckorientierte, branchenspezifische (oder „vertikale“) KI kann helfen, einige dieser Lücken zu schließen, indem sie das Fachwissen, die Arbeitsabläufe und die Besonderheiten einer bestimmten Branche berücksichtigt. Doch selbst die ausgefeilteste Technologie kann nicht alles erfassen, was ein Unternehmen weiß. Deshalb sind auch Menschen gefragt.
Was die KI über Ihr Unternehmen nicht weiß
Doch Menschen bleiben nicht für immer. Was geschieht, wenn ein erfahrener Investor-Relations-Verantwortlicher (IRO) sein Unternehmen nach beispielsweise fünf Jahren verlässt? Wahrscheinlich hat er in dieser Zeit potenzielle Investoren identifiziert und gezielt angesprochen, die Aktivitäten der Aktionäre analysiert, Beziehungen gepflegt, die Vorbereitung auf die Veröffentlichung der Geschäftszahlen übernommen, Führungskräfte darauf vorbereitet … und noch vieles mehr.
Das Unternehmen behält die Gesprächsleitfäden zu den Geschäftszahlen, Präsentationen und sonstigen Dateien. Doch was ist mit dem institutionellen Wissen dahinter? Vieles davon geht ebenfalls verloren – insbesondere, wenn man bedenkt, dass für fast acht von zehn IROs (78 %) keine Nachfolge für ihre Position feststeht.
Deshalb müssen Unternehmen daran arbeiten, Wissen und Verständnis so zu bewahren, dass KI-Systeme sie nutzen können. Ein KI-Agent lässt sich oft nicht einfach mit einem gemeinsam genutzten Laufwerk verbinden und damit ist es getan.
Für Unternehmen aller Branchen ist es wichtig, über eine Möglichkeit zu verfügen, wichtiges Wissen und Arbeitsabläufe systematisch festzuhalten – etwa die Gründe für wichtige Entscheidungen, die Geschichte von Geschäftsbeziehungen und andere geschäftskritische Informationen, die nie in einem formellen Dokument erfasst wurden.
Eine solche Wissensdatenbank aufzubauen, erfordert Menschen: sowohl zum Festhalten von Informationen als auch, um sie mit Urteilsvermögen einzuordnen. KI kann dabei helfen, Wissen zu organisieren, doch den entscheidenden Kontext liefern Mitarbeitende – einen Kontext, den die Technologie oft nicht erfasst.
In Situationen mit hohem Risiko können fehlende Kontextinformationen schwerwiegende Folgen haben
Wir haben darüber gesprochen, was passiert, wenn eine KI eine falsche Antwort gibt. Doch manchmal kann ein KI-Agent auch richtige Informationen abrufen – sie sind korrekt, aktuell und relevant – und dennoch Probleme verursachen, indem er sie unter den falschen Umständen weitergibt.
In stark regulierten Branchen sind solche Fehltritte besonders kostspielig.
Im Bereich Investor Relations kann die Weitergabe wesentlicher nicht öffentlicher Informationen (MNPI), etwa noch nicht veröffentlichter Finanzergebnisse, an Analysten oder Investoren gegen die Regulation Fair Disclosure (Reg FD) der US-Börsenaufsicht SEC verstoßen – was möglicherweise finanzielle Sanktionen und Rufschädigung nach sich zieht.
Auch andere Branchen wie das Gesundheitswesen, Finanzdienstleistungen und Rechtsdienstleistungen sind ähnlichen regulatorischen Risiken ausgesetzt. Das unterstreicht, wie wichtig Schutzvorkehrungen sind, wenn KI-Agenten Zugriff auf sensible Informationen haben.
Das zeigt auch, warum Menschen weiterhin unverzichtbar sind: Sie müssen prüfen und genehmigen, was kommuniziert wird. Unternehmen können erwägen, den Umfang der menschlichen Prüfung an die Tragweite anzupassen, sodass verschiedene Arten von KI-gestützten Arbeitsabläufen mit unterschiedlichen Autonomiegraden arbeiten.
Drei Fragen, die Sie sich stellen sollten, bevor Sie KI-Agenten in großem Maßstab einsetzen
Wahrscheinlich sind wir alle schon einmal im Beruf oder im Alltag in Situationen geraten, in denen wir nicht wissen, was wir nicht wissen. Manchmal sind die Folgen belanglos, manchmal aber auch schwerwiegender.
Angesichts der enormen Datenmengen, die KI heute zur Verfügung stehen, wissen KI-Modelle zwar viel mehr … müssen aber dennoch darauf hinweisen, wenn Wissenslücken bestehen. Wenn Unternehmen KI also für immer wichtigere strategische Prioritäten und Arbeitsabläufe einsetzen, sollten sie sich vor einer Ausweitung folgende Fragen stellen:
- Kann unser Agent zeigen, woher seine Antworten stammen – und wann diese Informationen zuletzt aktualisiert wurden? Kann er diese Informationen auch ohne Nachfrage bereitstellen?
- Verfügt der Agent über den nötigen geschäftlichen Kontext, um Anfragen richtig einzuordnen und darauf zu reagieren? Legt er seine Grenzen offen?
- Wissen wir, wann ein Mensch zur Prüfung und Genehmigung eingreifen muss? Unter welchen Umständen geschieht das, und wie wird die Prüfung ausgelöst?
Die Lösung besteht nicht darin, auf KI zu verzichten
Ich möchte es klar sagen: Ich stehe der KI sehr positiv gegenüber. Ich nutze sie täglich in meiner Arbeit, sehe ihre gegenwärtigen und künftigen Vorteile und denke, dass wir das Potenzial der KI in vielerlei Hinsicht gerade erst an der Oberfläche angekratzt haben. Ich bin überzeugt, dass Unternehmen, die KI meiden oder sie nicht strukturiert und wirksam einsetzen, tatsächlich Gefahr laufen, den Anschluss zu verlieren.
KI einzuführen bedeutet jedoch nicht, einem Allzweckmodell Zugriff auf Unternehmensdaten zu geben und es unkontrolliert agieren zu lassen.
Derzeit ist vollautonome KI – soweit ich das beurteilen kann – nicht für jede geschäftliche Aufgabe oder Entscheidung geeignet. Unternehmen müssen wissen, wo KI selbstständig arbeiten kann, wo sie zusätzlichen Kontext benötigt und wo menschliches Urteilsvermögen unverzichtbar ist.
Fragen Sie also, bevor Sie wissen wollen, was ein KI-Agent weiß, zunächst, was er nicht weiß. Die Antworten beeinflussen, wie Sie ihn einsetzen, welche Aufgaben Sie ihm anvertrauen und wie Sie die Voraussetzungen für seinen Erfolg schaffen.












