Nvidia ohne Huang, Agenten ohne Teamgeist

KI spart Zeit, und trotzdem haben die meisten Beschäftigten mehr zu tun als vor einem Jahr. In der Studie „WorkLife 2026“ des Jabra Research Institute, über die das Magazin Markt und Mittelstand am 11. November berichtet hat, sagen 85 Prozent der Befragten, dass mindestens eine ihrer Aufgaben heute mehr Zeit kostet als im Vorjahr. Weniger Aufwand melden 35 Prozent. Befragt wurden mehr als 6.000 Wissensarbeiter in Deutschland, Frankreich, Großbritannien, Polen, den USA und Indien. Jabra verkauft selbst Audio- und Konferenztechnik, eine eigene Auswertung für den deutschen Mittelstand enthält die Studie nicht. Jeweils rund die Hälfte verbringt mehr Zeit mit strategischer Planung, Analyse, kreativen Aufgaben sowie Verwaltung und Koordination. Ob KI diese Mehrarbeit verursacht, lässt sich aus Selbstauskünften nicht ableiten. Ich vermute trotzdem einen schlichten Mechanismus. Steht ein Entwurf in zehn Minuten, wird eben ein zweiter bestellt. Aufschlussreicher ist das Gefälle zwischen Belegschaft und Führung. 89 Prozent haben ihre Arbeitsweise wegen KI verändert, ein Viertel hat nie eine KI-Schulung bekommen, und nur die Hälfte traut der eigenen Führungskraft zu, beim Umgang mit KI anzuleiten. 20 Prozent sagen, ihr Arbeitgeber habe zur Vorbereitung auf KI noch gar nichts unternommen. Wer Lizenzen kauft, ohne festzulegen, wofür die gewonnene Zeit gedacht ist, bezahlt am Ende vor allem zusätzliche Abstimmungsrunden.

Bekommt jede Person im Team ihren eigenen KI-Agenten, wird das Gesamtergebnis schlechter, sobald sich die Agenten etwas teilen müssen. Das zeigt eine Untersuchung, die Forschende aus dem Fellows-Programm von Anthropic am 11. November veröffentlicht haben. Getestet wurden Modelle von Anthropic, OpenAI und Alibaba in vier nachgestellten Alltagslagen, etwa einem gemeinsamen Budget für Rechenleistung oder einer Gruppenbestellung beim Lieferdienst. Ein einzelner Agent, der alle Beteiligten bedient, schnitt in allen vier Umgebungen besser ab als ein Team aus persönlichen Agenten, bei den beiden getesteten Claude-Modellen um etwa 10 bis 45 Prozentpunkte. Die Fehler sind lehrreich. Je größer das Team, desto weniger Agenten werden überhaupt aktiv. Bei Claude Sonnet 5 sank der Anteil von 66 Prozent bei vier Agenten auf 10 Prozent bei 16. Bei der Gruppenbestellung erreichte der Sonderwunsch eines Nutzers fast immer den Agenten, der am Ende bestellte, lag ihm beim Abschicken aber nur in 47 bis 67 Prozent der Fälle tatsächlich vor. Der Agent bestellte, bevor er seine Nachrichten gelesen hatte. In gut der Hälfte der Durchläufe mit Claude-Teams behaupteten Agenten außerdem Dinge über andere Teilnehmer, die ihre Informationen nicht hergaben. Wer Agenten für mehrere Kolleg:innen baut, die auf dieselbe Ressource zugreifen, startet am besten mit einem zentralen Agenten. Wo das nicht geht, halfen in den Versuchen zwei Eingriffe. Ein Leit-Agent mit klaren Prioritäten schloss beim gemeinsamen Budget die Lücke. Bei Bestellungen holte eine Sperre, die erst nach dem Lesen aller offenen Nachrichten freigibt, 73 Prozent (Opus 5) beziehungsweise 62 Prozent (Sonnet 5) der gescheiterten Fälle zurück.

Google hat am 12. November Gemini 4 Hydrogen veröffentlicht, ein schnelles Allzweckmodell, das die bisherige Flash-Reihe ablöst. Es kostet 1,50 US-Dollar pro Million Eingabe-Token und 7,50 Dollar pro Million Ausgabe-Token. Token sind die Textbausteine, nach denen KI-Anbieter abrechnen. Laut Google übertrifft das Modell im Intelligence Index des unabhängigen Vergleichsdienstes Artificial Analysis das größere und teurere Gemini 4 Argon. Auf höchster Denkstufe kommt Hydrogen auf 54 Punkte, knapp hinter Claude Sonnet 5.5 und GPT-6.1 Sol mit je 55. Bei Agentenarbeit auf der Kommandozeile liegt es zurück, im Test Terminal-Bench 4.0 mit 54 Prozent gegenüber 64 Prozent für Sonnet 5.5. Für die Praxis ist die Kostenkurve interessanter als die Rangliste. Pro Testaufgabe kostet Hydrogen laut Artificial Analysis auf der höchsten Stufe rund 3,16 Dollar, auf der Standardstufe 1,87 Dollar und auf der niedrigsten 0,29 Dollar, dann allerdings mit 27 statt 54 Punkten. Die Denkstufe entscheidet über die Rechnung mindestens so stark wie die Modellwahl. Routinearbeit auf niedriger Stufe spart viel Geld und verlangt eine genauere Kontrolle der Ergebnisse.

Die gesparte Zeit verplanen, bevor sie verschwindet Ob KI im Betrieb entlastet oder nur das Pensum erhöht, entscheidet sich selten in der Software. Vier Schritte reichen, um das für ein Team festzulegen. Erstens eine Aufgabe auswählen und messen. Gemeint ist eine wiederkehrende Tätigkeit wie Angebotsentwürfe oder Besprechungsprotokolle. Zwei Wochen lang wird notiert, wie lange sie heute dauert, eine grobe Schätzung pro Vorgang genügt. Zweitens die Zeitdividende vorab verteilen. Die Führungskraft legt fest, wofür die eingesparte Zeit genutzt wird, etwa für Kundentermine oder für den Abbau von Überstunden. Ohne diese Festlegung füllt sie sich mit Zusatzaufträgen. Drittens die Prüfung einplanen. Jemand muss KI-Ergebnisse gegenlesen, und das kostet Zeit. Diese Minuten gehören in die Rechnung, sonst sieht die Ersparnis besser aus, als sie ist. Viertens nach sechs Wochen nachmessen. Dauert die Aufgabe kürzer, und ist die freie Zeit dort gelandet, wo sie hin sollte? Wenn nicht, lohnt ein Blick auf Ablauf und Erwartungen, bevor das nächste Werkzeug gekauft wird.

Jensen Huang ist nicht mehr Chef von Nvidia. Der Mitgründer ist am 12. November mit sofortiger Wirkung als CEO, Präsident und Mitglied des Boards zurückgetreten, Finanzchefin Colette Kress führt den Konzern kommissarisch. Das Board hatte am 8. November eine unabhängige Untersuchung eingeleitet, nachdem berichtet worden war, Huang sei Ziel einer ausländischen Geheimdienstaktion gewesen. Nvidia erwartet, dass Produktfahrplan und Lieferzusagen ohne Unterbrechung weiterlaufen. Wer größere Hardware- oder Cloud-Projekte für KI plant, sollte die Quartalszahlen am 17. November trotzdem genau lesen. US-Firmen haben ihre KI-Ausgaben im Oktober nur um 1,65 Prozent gesteigert. Das zeigt der Ramp AI Index, der Zahlungsdaten von mehr als 85.000 US-Unternehmen auswertet. Das typische Unternehmen gab 16,32 Dollar pro Mitarbeiter und Monat aus, das ausgabenstärkste Prozent im Median 10.200 Dollar, berichtet The Decoder. Der Durchschnittspreis pro Million Token sank im selben Monat um 21 Prozent, laufende KI-Verträge sind deshalb ein guter Kandidat für einen Preisvergleich. 92 Prozent der Deutschen wollen einen Not-Aus-Schalter für alle KI-Systeme. Das ergab eine repräsentative Bitkom-Umfrage unter 1.006 Personen ab 16 Jahren, veröffentlicht am 10. November. Bei KI, die selbstständig plant und handelt, halten sich Sorge (49 Prozent) und Zuversicht (47 Prozent) die Waage. Wer Kundschaft mit Agenten bedient, macht besser sichtbar, wo ein Mensch eingreifen kann.