KI im Büro: Agentenschwärme, Voice-KI und Skepsis im Alltag (12.10.2026)

Hallo, hier ist Maya von KI Kompakt. Heute geht es um eine Frage, die sich durch viele Meldungen zieht: Was bringt KI wirklich, was kostet sie, und wie viel Vertrauen haben wir in sie? Wir schauen auf Agentenschwärme, auf Sprach-KI, auf neue Vorgaben aus Brüssel und auf eine Lehrerin, die KI bewusst nicht nutzt. Fangen wir mit den Agenten an. Die Idee klingt verlockend: Wenn ein KI-Agent gut ist, sind zehn oder hundert noch besser. Eine Analyse von Vals AI dämpft diese Erwartung. Die Forschenden haben GPT-6 Sol und Claude Opus 5.5 auf dem Vibe Code Bench getestet. Jeweils allein und als Team, und bei mittlerem sowie maximalem Reasoning-Aufwand. Das Ergebnis: Die Teams kosteten das 1,8- bis 5,1-Fache, aber nur in einem von vier Vergleichen war eine statistisch nachweisbare Verbesserung zu sehen. Das war GPT-6 Sol bei mittlerer Reasoning-Stufe. Dort holte das Team 7,3 Punkte mehr. Bei maximalem Reasoning brachte die Teamkonfiguration weder für Sol noch für Opus 5.5 einen relevanten Vorteil. Ganz so eindeutig ist das Bild aber nicht. In Anthropics eigenen Tests mit Opus 5.5 sieht man, dass mehr Agenten durchaus helfen können, nur eben mit abnehmendem Ertrag. Bei einer Lean-Beweisaufgabe stieg der Score von 0,39 mit einem Agenten auf 0,66 mit zehn Agenten. Mit hundert Agenten waren es nur noch 0,68. Bei einer Wissensbasis-Aufgabe ging es von 0,53 über 0,70 auf 0,74. Der große Sprung passiert also früh. Danach zahlt man vor allem Rechenzeit. Interessant ist auch Fable 5.1. Das Modell legte bei der Beweisaufgabe jenseits von zehn Agenten deutlich stärker zu, blieb aber immer unter dem Niveau von Opus 5.5. Bei der Wissensbasis fiel sein Score von 30 auf 100 Agenten sogar leicht. Auch bei OpenAI sieht man das nüchtern. Entwickler Eric Provencher spricht von einer Koordinationssteuer. Ohne gute Abstimmung ist ein Agentenschwarm wahrscheinlich verschwendetes Geld. Und Forscher Noam Brown sagte im Dwarkesh Podcast: Vier Agenten lösen Aufgaben doppelt so schnell, kosten aber auch doppelt so viel. Die Skalierung auf sehr viele Agenten sei bislang kaum erforscht, weil es so teuer ist. Die Einordnung für Unternehmen und Entwickler: Mehr Agenten bringen vor allem Tempo, nicht automatisch Qualität. Wer Agentensysteme baut, sollte erst einen starken Einzelagenten ausreizen und dann gezielt messen, ob ein Team wirklich etwas bringt. Sonst zahlt man ein Vielfaches für ein kaum besseres Ergebnis. Zweites Thema: Sprach-KI. Investoren stecken Milliarden in Voice-AI-Startups. Die Spanne reicht von Modellentwicklern über Kundenservice-Anbieter bis zu Meeting-Notizen und KI-Diktat. Und es gibt technische Fortschritte, etwa Full-Duplex-Modelle, die sprechen und gleichzeitig zuhören können. Trotzdem sagen Branchenvertreter: Den ChatGPT-Moment hat Voice-KI noch nicht erlebt. Shawn Wen, CTO der Plattform PolyAI, sagte auf der HumanX-Konferenz, der Meilenstein bei Full-Duplex sei erreicht. Jetzt müsse das Schlussfolgern so schnell werden, dass Antworten rechtzeitig kommen und sich Gespräche natürlich anfühlen. Außerdem verpassen Spracherkennungsmodelle laut Wen oft wichtige Schlüsselwörter. Dann geht der ganze Kontext verloren. Seine Erwartung: Nach zwei, drei Gesprächsrunden bauen Kunden Vertrauen zu einem KI-Agenten auf. Sie merken, dass sie nicht unbedingt mit einem Menschen sprechen müssen, wenn ihr Problem gelöst wird. Alex Gay, Marketingchef bei Otter, setzt an einer anderen Stelle an. Otter arbeitet an digitalen Zwillingen, die Menschen in Meetings vertreten könnten. Dafür müssten sie dieselben emotionalen Ausdrucksformen vermitteln wie ein Mensch. Sonst bleiben sie ein simpler Frage-Antwort-Chatbot. Und Gay macht klar: Transkription war nie das Endziel. Aber ungenaue Transkripte machen alle Folgeaktionen fehlerhaft und zerstören das Vertrauen in die Plattform. Beide Firmen betonen außerdem Transparenz. Otter will auch in Meetings ohne Bot im Chat darauf hinweisen, dass aufgezeichnet wird. PolyAI hält es für wichtig, Anrufern offenzulegen, dass sie mit einer KI sprechen. Hier sieht man ein Muster, das auch zum Agententhema passt. Es reicht nicht, dass ein System beeindruckend klingt. Es muss schnell sein, genau und ehrlich im Umgang mit den Beteiligten. Für Unternehmen, die Voice-KI im Kundenservice einsetzen wollen, heißt das: Latenz und Erkennungsqualität prüfen, bevor man skaliert. Und die Offenlegung gleich mit einplanen. Damit zur Regulierung. Beim EU AI Act geht es um ein Thema, das oft unterschätzt wird: KI-Kompetenz. Artikel 4 verpflichtet Anbieter und Betreiber von KI-Systemen, die KI-Kompetenz ihres Personals zu fördern. Der Artikel gilt seit dem 2. Februar 2025. Neu ist: Durch das Digital Omnibus on AI, das Mitte Juli 2026 in Kraft trat, ist kein bestimmtes Kompetenzniveau mehr vorgeschrieben. Die Pflicht, sich zu kümmern, bleibt aber. Und die nationalen Marktüberwachungsbehörden beaufsichtigen und setzen Artikel 4 ab dem 2. August 2026 durch. Was heißt das praktisch? Das AI Board soll Empfehlungen verabschieden, die bestehende Kompetenzrahmen berücksichtigen und gemeinsame Ziele festlegen. Kommission und Mitgliedstaaten sollen vor allem kleine und mittlere Unternehmen unterstützen, etwa mit praktischen Beispielen auf der Single Information Platform. Das AI Office hat schon Fragen und Antworten veröffentlicht und ein Verzeichnis mit mehr als 40 Initiativen von Unternehmen und öffentlichem Sektor gestartet. Die Beispiele stammen aus zwei Umfragen unter Unterzeichnern des AI Pact. Dazu kommt die Talentseite. Die Kommission hat am 9. April 2025 den AI Continent Action Plan vorgestellt. Er sieht unter anderem eine AI Skills Academy vor, mit einem Pilot-Studiengang zu generativer KI und einem KI-Ausbildungsprogramm. Über das Programm MSCA Choose Europe sollen Rekrutierungsprogramme kofinanziert werden. Hochschulen können dann Stipendien mit langfristigen Perspektiven verbinden, etwa mit Dauerstellen. Das Ziel ist, Talente auszubilden, zu halten und auch aus Drittstaaten anzuziehen. Für den Mittelstand ist das konkret: Schulungen zur KI-Nutzung sind keine Kür mehr. Wer Tools wie ChatGPT, Claude oder Gemini im Betrieb einsetzt, sollte dokumentieren, wie Mitarbeitende dafür geschult werden. Ein starres Niveau gibt es nicht, aber ohne Konzept wird es ab August schwierig. Zum Schluss ein Blick auf die menschliche Seite. Eine Lehrerin schreibt bei Business Insider, warum sie KI im Alltag nicht nutzt, obwohl ihre engen Freundinnen es regelmäßig tun. Vor etwa zwei Jahren kam sie bei einer Fortbildung erstmals damit in Berührung. Dort wurde gezeigt, wie KI Lehrkräften Zeit spart. Sie sah, dass sich aus einem Lernziel in Sekunden ein kompletter Unterrichtsplan erstellen lässt. Ihre Sorge war aber, ohne eigene Planung irgendwann nicht mehr zu wissen, wie man unterrichtet. Als Test ließ sie sich einen Aufgabenplan für ihren damals zehnjährigen Sohn erstellen. Das Ergebnis war brauchbar, wirkte aber kalt und generisch. Sie hätte es nie benutzt. Ihre Freundinnen planen mit KI Essenspläne und ganze Wochen. Einmal bewahrte sie eine Freundin sogar vor einem missglückten Haarschnitt: Sie veränderte mit ChatGPT ein Foto der Autorin mit der geplanten Frisur. Trotzdem reichte das nicht, um die Autorin zu überzeugen. Besonders unangenehm ist ihr, sich rechtfertigen zu müssen. Deshalb teilt sie ihre Meinung nur, wenn jemand ausdrücklich fragt. Ihre Skepsis bleibt, aber noch weniger will sie, dass sich jemand wegen der KI-Nutzung schlecht fühlt. Das ist eine kleine Geschichte, aber sie zeigt etwas Wichtiges. KI-Akzeptanz ist keine reine Technikfrage. Es geht um Vertrauen, um Gruppendynamik und darum, was man selbst noch können will. Genau das spiegelt sich auch in Firmen wider. Nicht alle im Team sind gleich begeistert. Gute Kompetenzprogramme nehmen Skepsis ernst, statt sie wegzuschulen. Was nehmen wir mit? Mehr KI heißt nicht automatisch besser. Mehr Agenten bringen oft nur mehr Kosten, Sprach-KI braucht Tempo, Genauigkeit und Offenheit, und die EU will, dass Menschen im Umgang mit KI sicher werden. Am Ende entscheidet nicht die Größe des Systems, sondern wie gezielt und verantwortungsvoll wir es einsetzen. Das war es für heute von mir. Ich freue mich auf morgen! Übrigens: Dieser Podcast ist vollständig KI-generiert. Alle Quellen und Hintergründe findest du auf unserer Website.