Neben dem Firmengebäude parkte ein verdächtiges Auto. Das Management tagte hinter verschlossenen Türen. Spekulationen über den Verkauf von Firmenteilen kursierten in der Belegschaft. Kurzerhand entschloss sich ein Betriebsrat, dem abfahrenden Auto zu folgen. Tatsächlich kam der Wagen bei einem Wettbewerber zum Halten – die Gerüchte waren also doch nicht aus der Luft gegriffen.

Episoden wie diese haben einen Hauch von Krimi. Hinweisen nachzuspüren, Informationen zu kombinieren oder auch Beweggründe des Managements zu erforschen, fordert manches Mal den Geheimagenten im Betriebsrat. ‚Agentisches Handeln‘ gehört somit für einige Gremium bereits zum Alltag. Eine gute Voraussetzung, um sich dem Einzug neuer Akteure im Unternehmen zu nähern: KI-Agenten. Diese werden nämlich zunehmend durch die technische Revolution als Herausforderung für die Mitbestimmung zutage gefördert. Doch wie geht man mit den neuartigen ‚digitalen Mitarbeitern‘ um? Nach welchen Maßstäben lassen sie sich beurteilen?

Ein pragmatischer Ansatz soll im Folgenden geschildert werden. Dabei werden potenzielle Klassifizierungen zur differenzierten Bewertung durch Betriebs- oder Personalräte vorgeschlagen, um der wachsenden Komplexität entgegentreten zu können. Zuerst gilt es aber zu klären, was sich eigentlich hinter KI-Agenten verbirgt.

Merkmale von KI-Agenten

Für den Begriff eines technischen Agenten hat sich bislang keine einheitliche Interpretation durchsetzen können. In der Welt der künstlichen Intelligenz bemüht man sich daher gegenwärtig, ein gemeinsames Verständnis zu standardisieren. Ein etablierter Definitionsansatz findet sich in der ISO/IEC 22989 [1] wieder. Dort wird ein KI-Agent charakterisiert als „automatisierte Entität, die ihre Umgebung wahrnimmt und auf sie reagiert sowie Maßnahmen ergreift, um ihre Ziele zu erreichen.“

Aktuell wird für diese Grundnorm der KI-Terminologie ein zweiter Anhang mit weiteren Begrifflichkeiten rund um ‚agentische KI‘ erarbeitet. Das vorherrschende Verständnis ist auf den modernen Ansatz gemäß der Literatur von Russell/Norvig [2] zurückzuführen. Darin wird ein Agent als ein System definiert, das Eindrücke aus seiner Umwelt aufnimmt und dort tätig wird. Dazu besitzt es Sensoren zur Erfassung der Umgebung, Aktuatoren zum Handeln sowie eine Agentenfunktion, welche jeder Wahrnehmungsfolge eine Aktion zuordnet.

Beispiele sind etwa Produktionsroboter mit Kamera und Kraftsensoren oder automatisierte Transportfahrzeuge mit Radar und Hinderniserkennung. Eine spezielle Form ist der sogenannte ‚Software-Agent‘, dessen Eingaben von Tastatur, Dateien oder Netzwerkpaketen stammen können. Als Ergebnis erfolgt eine Bildschirmausgabe oder das Speichern bzw. Versenden von Daten.

Abbildung 1: Grundstruktur eines KI-Agenten

Der Architektur nach unterscheidet man zwischen einfachen Reflexagenten, modellbasierten Agenten sowie ziel- bzw. nutzenbasierten Systemen. Dabei können KI-Agenten bei Bedarf als ‚lernfähig‘ ausgeführt sein und miteinander kooperieren. Bei letzterer Konstellation spricht man von Multi-Agentensystemen. Der weiter gefasste Begriff ‚agentische KI‘ bezeichnet demgegenüber Strukturen, die Aufgaben eigenständig planen und ausführen.

Ansätze einer Klassifizierung

Im gegenwärtigen Diskurs wird ein KI-Agent häufig mit einem Software-Agenten auf Basis generativer KI-Modelle gleichgesetzt. Das Spektrum erstreckt sich hierbei von einfachen, reagierenden Komponenten bis hin zu ‚vollautonomen‘ Instanzen. Ergänzend unterscheiden Hersteller häufig zwischen Produktivitätsagenten, die sich auf Informationsgewinnung beschränken, sowie Aktions- bzw. Automatisierungsagenten. Diese übernehmen dann schon spezifische Aufgaben innerhalb definierter Arbeitsprozesse und können komplexe, mehrstufige Vorgänge ‚autonom‘ verwalten.

Alternativ zur Orientierung an den Fähigkeiten werden Agenten oftmals auch in Bezug auf die Art ihrer Programmierung klassifiziert. Damit ergeben sich ‚No-Code-‘ , ‚Low-Code-‘ oder ‚Pro-Code-Agenten‘. Letztere werden mit Hilfe einer textuellen Programmiersprache instruiert, wohingegen ‚Low-Code‘ zumeist ein graphisches Erstellungswerkzeug charakterisiert. Bei ‚No-Code-‘ Instanzen basiert die Programmierung lediglich auf Anweisungen in natürlicher Sprache, die wiederum von einer KI interpretiert und übersetzt wird. Hierbei sind die Gestaltungsmöglichkeiten im Allgemeinen begrenzt, wohingegen textuell programmierte Agenten sehr komplex ausgeführt werden können.

Zweckmäßiger als die höchst uneinheitliche Sichtweise diverser Anbieter ist eine Klassifizierung bezüglich des Automatisierungsgrades anhand der aktuellen Standardisierung. Die bereits zitierte Norm [1] weist eine Unterteilung von automatisierten Systemen auf, die in nachfolgender Tabelle dargestellt ist.

		Automatisierungsgrad	Beschreibung
Automatisiertes System	autonom	6- Autonomie	Das System ist in der Lage, seine beabsichtigte Verwendungsdomäne oder seine Ziele ohne Eingriff, Steuerung oder Aufsicht von außen zu verändern.
	heteronom	5- Vollständige Automatisierung	Das System ist in der Lage, seine gesamte Aufgabe ohne Eingriffe von außen zu erfüllen.
		4- Hohe Automatisierung	Das System führt Teile seiner Aufgaben ohne Eingriff von außen aus.
		3- Bedingte Automatisierung	Dauerhafte und spezifische Leistung eines Systems, wobei ein externer Agent bereit ist, bei Bedarf einzugreifen.
		2- Teilautomatisierung	Einige Teilfunktionen des Systems sind vollständig automatisiert, während das System unter der Leitung eines externen Agenten steht.
		1- Unterstützung	Das System unterstützt einen Bediener.
		0- Keine Automatisierung	Der Bediener hat das System vollständig unter Kontrolle.

Tabelle 1: Automatisierungsgrade in Anlehnung an ISO/IEC 22989

Automatisierte Systeme differenziert betrachtet

Den normativen Definitionen zufolge ist die Bezeichnung ‚autonom‘ für moderne Agenten unzutreffend, denn auch die fortschrittlichste KI kann sich nicht selbst verwalten.

Praxisrelevant ist deshalb die Unterscheidung zwischen unterstützenden und heteronomen Systemen. Bleibt der Bediener die primär steuernde Instanz, indem er alle wesentlichen Entscheidungen selbst trifft, entspricht dies dem Automatisierungsgrad 1. Hier gibt es keine eigenständig ausgeführten Aufgaben, wodurch sich der ausschließlich unterstützend-informative beziehungsweise assistierende Charakter ergibt. Hingegen sind bei heteronomer Gestaltung zumindest einige Teilfunktionen automatisiert. Inwiefern ein externer Agent – also ein menschlicher Bediener oder aber ein weiterer KI-Agent – überwacht, initiiert oder interveniert, wird in den Automatisierungsgraden 2 bis 5 unterschieden.

Gemäß dieser Abgrenzung dürfen Agentensysteme vom Grad 1 nach der Verarbeitung von Daten keine selbständige Ausführung von Aktionen einleiten. Wenn hingegen E-Mails versendet, externe Anwendungen benachrichtigt oder Ergebnisse automatisch veröffentlicht werden, handelt es sich schon um heteronome Methoden ab Stufe 2.

Agenten zu differenzieren ist nicht nur für das Verständnis von zugrundeliegender Komplexität hilfreich. Auch im Hinblick auf inhärente Risiken gibt insbesondere die normative Klassifizierung Orientierung. Ein Agent, der nur Empfehlungen ausspricht, ohne selbst zu handeln, lässt sich als risikoarm einstufen. Dagegen können hochautomatisierte Applikationen vermehrt Risiken in Bezug auf Zuverlässigkeit und Sicherheit in sich bergen [3]. Dazu steigt das Risiko von unerwartetem Verhalten, was in der Praxis oftmals schwerer zu erkennen und zu kontrollieren ist. Multi-Agentensysteme können sogar als ‚nichttriviale Maschinen‘ angesehen werden, deren Aktionen von vorherigen Zuständen abhängen und trotz algorithmischer Bestimmtheit unvorhersehbar bleiben.

Kritikalität für den Betriebsrat

Aus diesen Zusammenhängen lässt sich nun für Belegschaftsvertretungen eine Arbeitserleichterung ableiten. Indem zwischen Klasse und Risikopotenzial differenziert wird, ergibt sich automatisch eine Fokussierung der Diskussionen auf kritische Anwendungen [4]. Zudem müssen nicht mehr alle Konstellationen im Einzelnen durch das Gremium gesichtet werden. Ein Beurteilungsansatz auf Basis der Kritikalität mündet nämlich in zwei Hauptgruppen für die betriebliche Mitbestimmung:

1. Irrelevante Systeme

2. Bewertungsrelevante Systeme

Die erste Kategorie kann als ‚freigabefrei‘ deklariert werden, d.h. es bedarf weder Unterrichtung noch Einschätzung im Speziellen. Einzig ein Einblick in die Übersicht aller existierenden Agenten bleibt zu Kontrollzwecken notwendig.

Bei den bewertungsrelevanten Systemen kann wiederum in Bezug auf Kritikalität für die Belange von Mitarbeitervertretungen unterschieden werden. Kritische Agenten sind wie allgemeine KI-Anwendungen zu behandeln und entsprechend zu evaluieren. Für alle weiteren Applikationen kann ein verkürzter Prozess zur Unterrichtung und Prüfung implementiert werden. Eine solche Differenzierung ist in Tabelle 2 abgebildet.

	Irrelevante Systeme	Bewertungsrelevante Systeme
		Niedrige Kritikalität	Hohe Kritikalität
Unterrichtung	Keine	Spezifisch eingegrenzter Unterrichtungsumfang	Unterlagen gem. Unterrichtungsprozess für KI-Systeme
Bewertung	Freigabefrei	Verkürzter Freigabeprozess	Freigabe gem. Beurteilungsprozess für KI-Systeme

Tabelle 2: Unterrichtung und Bewertung bei Klassifizierung von KI-Agenten

Die Abgrenzung der möglichen Klassen in Bezug auf die Bewertungsrelevanz ist vom Gremium gemeinsam mit dem Arbeitgeber festzulegen. Beispielsweise können irrelevante Systeme den Automatisierungsgraden 0 und 1 gemäß ISO/IEC 22989 entsprechen. In diesen Fällen wird ein Bediener ohne unaufgeforderte Automatisierung lediglich unterstützt. Aktionen wie das Speichern oder Versenden von Ergebnissen erfolgen erst nach vorheriger Bestätigung. Menschliche Aufsicht, Steuerbarkeit bzw. Kontrollierbarkeit sind folglich transparent nachvollziehbar.

Zur Unterscheidung der Kritikalität relevanter Systeme kann ein Beurteilungsschema dienen, das sich sowohl am Grad der Automatisierung als auch an individuellen Anforderungen im Umgang mit KI im Betrieb orientiert.

Fokussierung ermöglicht gezielte Maßnahmen

Wie man in Fachkreisen aktuell über KI-Agenten denkt, wurde zuletzt in einer Publikation der OECD dargelegt [5]. Nach Ergebnissen einer Umfrage auf der Entwicklerplattform Stack Overflow hat mehr als die Hälfte der Befragten starke Bedenken, was die Genauigkeit von Informationen, Sicherheit oder den Datenschutz anbelangt.

Bedenken hinsichtlich der Auswirkungen auf die Arbeit können Betriebs- und Personalräte anhand ihrer Einschätzung äußern. Entscheidend ist dafür die richtige Fokussierung, denn die Bewertung aller Systeme in Gänze wird selbst für große Gremien künftig kaum leistbar sein. Der geschilderte Ansatz hilft daher, sich auf zielgenaue Maßnahmen zum Wohle der Beschäftigten zu konzentrieren. Ob es sich dabei um spezielle Schulungen für eine eingegrenzte Gruppe handelt oder aber die Erlaubnis, Anwendungen nur für den eigenen Gebrauch zu erstellen – der individuelle Maßstab muss der Tragweite stets gerecht werden. Damit wird Mitbestimmung bei Agenten nicht zum ungelösten Krimi, sondern zum aufgeklärten Fall.

Quellenangaben

[1] ISO/IEC 22989:2022 „Konzepte und Terminologie der Künstlichen Intelligenz“.

[2] „Künstliche Intelligenz – Ein moderner Ansatz.“ Stuart Russell / Peter Norvig.
      4. Aufl. 2023. Pearson Verlag.

[3] vgl. ISO/IEC TR 5469:2024 „Funktionale Sicherheit und KI-Systeme“.

[4] „KI-Systeme pragmatisch einschätzen“. Computer und Arbeit 03/2026. Bund-Verlag.

[5] „The agentic AI landscape and its conceptual foundations”. OECD Artificial Intelligence Papers. 02/2026.