Der neue Kollege in Slack

Ein neuer Kollege im Chat

Am 6. Oktober 2026 kündigte Retool einen frühen Zugang zu einer zentralen Agentenplattform an, die mitarbeiterspezifische Agenten in Slack, Microsoft Teams und Google Chat bringt. Die Ankündigung beschreibt zentral verwaltete Tools sowie Daten- und Modellkontrollen. Die Agenten verfügen über Gedächtnis, Fähigkeiten, geplante Aufgaben und getrennte Audit-Identitäten. Es handelt sich nicht um eine allgemeine Veröffentlichung: Retool öffnet den Zugang zunächst für eine begrenzte weitere Kundengruppe.

Für eine Bank ist dieser Unterschied wichtig. Er belegt nicht, dass der Einsatz in Unternehmen bereits gelöst ist. Er zeigt aber klar, wie das neue Betriebsmodell aussieht. Arbeitet ein Agent in demselben Chat-Kanal, in dem Mitarbeitende Kolleginnen und Kollegen um Hilfe bitten, wirkt er weniger wie eine separate KI-Anwendung und mehr wie ein neuer Kollege, der in angebundenen Systemen handeln kann.

Chat verändert das Onboarding

Ein nativer Slack-Agent erspart den Umweg über ein weiteres Tool. Gleichzeitig entfällt ein hilfreicher Moment zum Innehalten. Mitarbeitende können in einem einzigen Thread von einer beiläufigen Anfrage zu einer delegierten Aktion übergehen. Bei Aufgaben mit geringem Risiko kann das effizient sein. Bei Zahlungsprozessen, Kundenkommunikation, Zugriffsänderungen oder regulatorischem Reporting sind die Kosten einer ungeprüften Aktion jedoch deutlich höher als die einer kurzen Verzögerung.

Das Onboarding von KI-Agenten im Unternehmen muss deshalb zwei Abläufe zusammenführen, die Banken oft getrennt behandeln. Technologieteams richten den Agenten ein. Learning-, Risiko- und Fachvorgesetzte bereiten Mitarbeitende auf einen überlegten Einsatz vor. Ein Agent ist nicht bereit, nur weil er eine Frage beantworten kann. Er ist es erst, wenn er eine klar definierte Aufgabe innerhalb getesteter Grenzen erledigen kann und sein Verantwortlicher weiß, wann er ihn stoppen muss.

Den Agenten als eigenständigen Akteur einrichten

Behandeln Sie einen Agenten nicht als Erweiterung eines Nutzer-Logins. Retools Design beschreibt Agenten als eigenständige Akteure mit virtuellen Dienstkonten und Richtlinien, die von denen der Nutzer getrennt sind. So können Audit-Protokolle direkte menschliche Aktionen von delegierten Agentenaktionen unterscheiden. Für die Governance in Banken ist das das richtige Muster: Die Verantwortung des Mitarbeiters bleibt bestehen, während der Agent eine Identität erhält, die sich unabhängig einschränken, überwachen und sperren lässt.

Bei der Einrichtung sollte ein kurzes, prüfbares Agentenprofil entstehen. Darin stehen der fachliche Verantwortliche, der verantwortliche Mitarbeiter, erlaubte Tools, freigegebene Datenbereiche, Arbeitskontext, wiederverwendbare Fähigkeiten, geplante Aufgaben, Bestätigungsschwellen, Eskalationsweg und Not-Aus. Berechtigungen sollten an Aufgaben und unumkehrbare Aktionstypen geknüpft sein, nicht an breite Rollen wie Kundenbetreuer oder Operations-Analyst.

• Lesezugriffe und das Erstellen von Entwürfen können in einer niedrigeren Risikostufe liegen.
• Aktionen, die etwas erstellen, versenden, ändern, genehmigen, löschen oder offenlegen, brauchen klare Schwellenwerte.
• Bei folgenreichen Aktionen sollte eine menschliche Bestätigung erforderlich sein oder der Agent darf sie gar nicht ausführen.
• Jeder Agent braucht eine klar benannte verantwortliche Person, die Zugriffe pausieren und eine Prüfung auslösen kann.

Delegieren ist eine Fähigkeit, die man lernen muss

Die meisten Einführungspläne bringen Menschen vor allem bei, bessere Prompts zu schreiben. Das greift zu kurz. Die Schulung für KI-Kollegen muss Delegation vermitteln: Aufgabe, Grenzen, Quellsysteme, erwartetes Ergebnis, Frist und Freigabepunkt klar benennen. Ebenso wichtig ist die Prüfung. Mitarbeitende müssen kontrollieren, was der Agent tun will, was er tatsächlich getan hat, welche Datensätze er genutzt hat und ob ein Ergebnis korrigiert oder eskaliert werden muss.

Das ist ebenso eine Frage der Kontrolle wie des Lernens. Das NIST AI Risk Management Framework fordert dokumentierte Rollen und Verantwortlichkeiten in Konfigurationen von Mensch und KI, kompetente Anwender, klar geregelte menschliche Aufsicht und Tests unter Bedingungen, die dem späteren Einsatz ähneln. Ein Protokoll ist nach einem Vorfall ein wertvoller Nachweis. Es belegt jedoch nicht, dass ein Mitarbeiter eine fehlerhafte Delegation erkannt hat, bevor eine unumkehrbare Aktion erfolgte.

Die Befähigung von Mitarbeitenden für KI-Agenten sollte beginnen, sobald der Zugriff erteilt wird. App-Learning kann genau in diesem Moment rollenspezifische, fünfminütige Lerneinheiten vermitteln: erlaubte Aktionen, Bestätigungsregeln, Delegation an Tools, Prüfschritte, das Pausieren und Entziehen von Zugriffsrechten sowie Eskalationskontakte. Ein simulierter Fehler ist wichtiger als eine Folie zur Richtlinie. So sollte ein Mitarbeiter im operativen Bereich üben, den vorgeschlagenen Kundentext eines Agenten abzulehnen, weil dieser den falschen Kontokontext gewählt hat, und den Fall anschließend über den richtigen Ausnahmeprozess weiterzuleiten.

Vor dem Einsatz braucht es einen kurzen Praxistest

Nutzen Sie vor dem Zugriff auf produktive Tools einen fünfminütigen Szenariotest. Geben Sie dem Mitarbeiter eine realistische Arbeitsanfrage und eine Agentenantwort mit einem relevanten Fehler: einer nicht zulässigen Quelle, einer fehlenden Freigabe, einem nicht passenden Kundendatensatz oder einer unumkehrbaren Anweisung. Der Mitarbeiter muss die passenden Grenzen setzen, die vorgeschlagene Aktion prüfen, sie ablehnen oder freigeben und bei Bedarf eskalieren. Das testet Verhalten, nicht das Erinnern an Richtlinien.

Führungskräfte brauchen einen eigenen Lernpfad. Sie müssen keine Spezialisten für Prompts werden. Sie müssen bestätigen, wem Aufgaben gehören, welche Risikogrenzen gelten, welche Ausweichverfahren es gibt, wie Nachweise aufbewahrt werden und ob das Team für den ersten Einsatz im Live-Betrieb bereit ist. So entsteht eine nachvollziehbare Übergabe zwischen Innovation, Risikomanagement, Betrieb und Fachbereich.

Die Kennzahlen müssen sichere Aufgabenerledigung belohnen

Chat-Volumen ist eine schwache Kennzahl für Nutzung. Es kann Neugier, Wiederholung oder Abhängigkeit zeigen. Ein minimales Kennzahlenset sollte den Abschluss genehmigter Aufgaben, die Qualität menschlicher Eingriffe, die Zeit zur Lösung von Ausnahmen, die Genauigkeit von Eskalationen, die Einhaltung von Bestätigungsregeln und die Häufigkeit entzogener oder geänderter Berechtigungen erfassen. Werten Sie die Ergebnisse nach Aufgabe und Risikostufe aus. Eine hohe Abschlussquote beim Erstellen von Entwürfen belegt nicht, dass ein Agent bereit ist, einen aktiven Kundendatensatz zu aktualisieren.

Die strategische Veränderung ist einfach: Agenten werden zunehmend dort auftauchen, wo Arbeit ohnehin stattfindet. Doch eine sichere Nutzung entsteht nicht von selbst. Banken, die enge Berechtigungen, eigenständige Agentenidentitäten, Tests mit echten Aufgaben und kurze Schulungen zur Delegation an Agenten verbinden, können chatbasierte Agenten kontrolliert produktiv einsetzen. Banken, die sie nur als weiteren Chatbot behandeln, werden ihre Lücken erst entdecken, wenn der Agent Zugriff auf ein produktives System hat.