Wir erleben gerade einen bemerkenswerten Wandel: Künstliche Intelligenz wartet nicht mehr darauf, dass wir ihr eine Frage stellen. Sie beginnt, selbstständig Aufgaben zu übernehmen, Arbeitsprozesse zu koordinieren und uns auf Probleme aufmerksam zu machen. Mit ChatGPT Dots wird diese Entwicklung für ein breiteres Publikum sichtbar. Doch was bedeutet das für unsere Arbeit als Bildungsfachleute?
Vom Chatbot zum digitalen Mitarbeitenden
Stellen wir uns folgende Situation vor: Ich zeichne ein Podcastgespräch für meine Podcastreihe „Education Minds“ auf. Anschliessend überlasse ich einem KI-Agenten das Transkript. Er analysiert das Gespräch, recherchiert weiterführende Quellen, formuliert einen Entwurf für den Blog, erstellt Beiträge für LinkedIn und bereitet die Veröffentlichung vor.
Während ich bereits an anderen Aufgaben arbeite, erledigt er seine Arbeit. Wenn eine fachliche Frage auftaucht oder eine Entscheidung erforderlich ist, meldet er sich.
Das klingt zunächst nach einer komfortablen Weiterentwicklung heutiger KI-Werkzeuge. Tatsächlich verändert sich jedoch etwas Grundsätzliches: Aus einem Werkzeug, das auf unsere Eingaben reagiert, wird ein System, dem wir längerfristige Aufgaben übertragen.
Damit verschiebt sich auch unsere Rolle. Wir formulieren nicht mehr nur möglichst gute Prompts. Wir werden zunehmend zu Auftraggebern, Koordinatoren und Qualitätsverantwortlichen intelligenter Systeme.
ChatGPT Dots: Die KI arbeitet weiter, auch wenn wir offline sind
Am 29. September 2026 stellte OpenAI seine neuen ChatGPT Dots vor. Diese KI-Agenten basieren auf GPT-6 Astra und verfügen über eine eigene Arbeitsumgebung in der Cloud.
Ein Dot kann über längere Zeiträume an einer Aufgabe arbeiten, verschiedene Anwendungen nutzen und seine Arbeit fortsetzen, während der Mensch nicht am Computer sitzt.
Nutzer geben dem Agenten ein Ziel, verbinden die erforderlichen Anwendungen und definieren seinen Handlungsspielraum. Der Agent kann anschliessend selbstständig Arbeitsschritte ausführen und sich melden, wenn menschliche Entscheidungen erforderlich werden.
Dots werden zunächst schrittweise für bestimmte kostenpflichtige Abonnements eingeführt. Für private Pro-Nutzer in der Schweiz, der EU und Grossbritannien ist der Zugang zum Start noch nicht vorgesehen.
Technisch ist die Idee keineswegs völlig neu. Auch andere Anbieter entwickeln KI-Agenten, die längerfristige Aufgaben bearbeiten und auf externe Anwendungen zugreifen können.
Interessant ist deshalb weniger, welches Unternehmen gerade die leistungsfähigste Technologie anbietet. Entscheidend ist vielmehr, dass solche Systeme zunehmend in unsere alltäglichen Arbeitsprozesse integriert werden.
Damit entstehen neue Möglichkeiten, aber auch Herausforderungen, auf die wir in der Erwachsenenbildung bislang nur unzureichend vorbereitet sind.
30’000 KI-Agenten sind noch kein funktionierendes Team
Wie weit diese Entwicklung bereits fortgeschritten ist, zeigen aktuelle Zahlen von Anthropic.
Das Unternehmen hat untersuchen lassen, welchen Anteil seiner eigenen KI-Forschungs- und Entwicklungsarbeit Claude mittlerweile übernimmt.
Im August 2026 wurden bereits 26 Prozent dieser Arbeit überwiegend von Claude geleitet. Auf der untersuchten internen Plattform waren rund 30’000 KI-Agenten gleichzeitig aktiv.
Das klingt beeindruckend. Allerdings bedeutet es keineswegs, dass die Agenten unabhängig von menschlicher Kontrolle forschen. Die Aufgaben werden weiterhin unter menschlicher Aufsicht bearbeitet.
Gerade darin liegt eine wichtige Erkenntnis.
Wir können heute mehrere KI-Agenten parallel einsetzen. Einer recherchiert, ein zweiter analysiert, ein dritter schreibt und ein vierter überprüft die Ergebnisse.
Aber aus vier Agenten entsteht noch lange kein funktionierendes Team.
Wer übernimmt die Gesamtverantwortung? Wer entscheidet bei widersprüchlichen Ergebnissen? Wie werden Informationen übergeben? Wer überprüft, ob die einzelnen Arbeitsschritte überhaupt sinnvoll sind?
Diese Fragen kennen wir aus der Organisationsentwicklung. Nur haben wir sie bisher vor allem auf die Zusammenarbeit zwischen Menschen angewendet.
Nun müssen wir sie auf hybride Teams übertragen, in denen Menschen und KI-Agenten gemeinsam arbeiten.
Ein zusätzlicher Agent verbessert einen Arbeitsprozess nicht zwangsläufig. Unter Umständen produziert er lediglich zusätzliche Informationen, Abstimmungsprobleme und Fehlerquellen.
Wir brauchen deshalb nicht möglichst viele Agenten, sondern sinnvoll organisierte Arbeitsprozesse.
Die eigentliche Herausforderung heisst Governance
Damit gelangen wir zu einer zentralen Frage: Wie viel Autonomie dürfen wir einem KI-Agenten einräumen?
Wenn ein Agent bei jedem Arbeitsschritt unsere Zustimmung benötigt, verlieren wir einen erheblichen Teil des möglichen Produktivitätsgewinns.
Wenn wir ihm hingegen weitreichende Handlungsfreiheit einräumen, entstehen neue Risiken.
Ein Agent könnte beispielsweise selbstständig Informationen recherchieren, Dokumente erstellen und Termine vorschlagen. Soll er aber auch E-Mails verschicken, Verträge abschliessen oder vertrauliche Informationen weitergeben dürfen?
Hier brauchen wir klare Grenzen.
In der KI-Diskussion wird häufig von Human-in-the-Loop gesprochen. Der Mensch bleibt Bestandteil des Entscheidungsprozesses und muss bestimmte Handlungen freigeben.
Für autonome Agenten reicht dieses Prinzip allein allerdings nicht aus. Vielmehr müssen wir differenzieren, bei welchen Tätigkeiten eine permanente menschliche Beteiligung erforderlich ist und bei welchen eine nachträgliche Überprüfung genügt.
Dabei sollten wir drei Handlungsebenen unterscheiden:
- Selbstständiges Arbeiten: Der Agent übernimmt klar definierte Aufgaben innerhalb festgelegter Grenzen.
- Arbeiten mit Freigabe: Der Agent bereitet Entscheidungen oder Handlungen vor, die ein Mensch überprüfen und genehmigen muss.
- Ausschliesslich menschliches Entscheiden: Bestimmte Entscheidungen bleiben vollständig in menschlicher Verantwortung.
Diese Unterscheidung wird gerade für Bildungsinstitutionen wichtig.
Ein KI-Agent kann beispielsweise Unterrichtsmaterialien recherchieren, Lernaufgaben entwickeln oder organisatorische Abläufe vorbereiten. Die abschliessende Beurteilung individueller Lernleistungen oder Entscheidungen mit erheblichen Auswirkungen auf einzelne Lernende erfordern hingegen besondere Sorgfalt und klare menschliche Verantwortlichkeiten.
Dabei geht es nicht darum, künstliche Intelligenz grundsätzlich einzuschränken. Es geht darum, Autonomie verantwortungsvoll zu gestalten.
Ein unterschätztes Problem: Was KI-Agenten vergessen
Noch eine weitere Herausforderung verdient Aufmerksamkeit: das Gedächtnis.
Wer regelmässig mit KI-Systemen arbeitet, kennt das Problem. Im Verlauf längerer Gespräche gehen Informationen verloren. Frühere Anweisungen werden nicht mehr zuverlässig berücksichtigt oder Zusammenfassungen lassen wichtige Details aus.
Für einen gewöhnlichen Chat ist das ärgerlich. Für einen autonomen Agenten, der über Tage oder Wochen hinweg an komplexen Aufgaben arbeitet, kann es erhebliche Konsequenzen haben.
Stellen wir uns vor, wir beauftragen einen Agenten mit der Entwicklung eines Weiterbildungskonzepts. Zu Beginn legen wir fest, welche Zielgruppe angesprochen werden soll, welche didaktischen Prinzipien gelten und welche Anforderungen der Auftraggeber stellt.
Wenn der Agent diese Vorgaben im weiteren Arbeitsprozess teilweise verliert, kann er zwar weiterhin überzeugende Ergebnisse produzieren. Möglicherweise entsprechen diese jedoch nicht mehr dem ursprünglichen Auftrag.
Die Qualität eines autonomen Agenten hängt deshalb nicht nur von der Leistungsfähigkeit seines Sprachmodells ab.
Ebenso wichtig ist eine zuverlässige Informationsarchitektur.
Zentrale Vorgaben sollten nicht ausschliesslich in langen Chatverläufen gespeichert werden. Sie gehören in eigenständige, überprüfbare Dokumente, auf die ein Agent während seiner Arbeit zurückgreifen kann.
Dazu zählen beispielsweise Projektziele, Qualitätskriterien, verbindliche Anweisungen, aktuelle Entscheidungen und dokumentierte Zwischenergebnisse.
Für mich ist das eine wichtige Erkenntnis: Wir müssen lernen, nicht nur gute Fragen an KI-Systeme zu stellen, sondern auch ihre Arbeitsumgebung professionell zu gestalten.
Was bedeutet das für die Erwachsenenbildung?
Die bisherigen Entwicklungen werden unsere Bildungsarbeit in mindestens vier Bereichen verändern.
1. Von der Prompt-Kompetenz zur Delegationskompetenz
Bislang konzentrieren sich zahlreiche KI-Weiterbildungen auf die Frage, wie wir möglichst gute Eingaben formulieren.
Das bleibt wichtig, reicht aber künftig nicht mehr aus.
Wenn KI-Agenten komplexe Aufgaben selbstständig bearbeiten, müssen wir lernen, welche Tätigkeiten wir delegieren können, wie wir Aufträge strukturieren und welche Ergebnisse wir erwarten dürfen.
Dazu gehört auch die Fähigkeit, die Grenzen der eigenen Fachkompetenz zu erkennen. Wer einen KI-Agenten mit einer Aufgabe beauftragt, muss zumindest beurteilen können, ob dessen Ergebnisse fachlich plausibel sind.
2. Von einzelnen Werkzeugen zur Gestaltung intelligenter Arbeitsprozesse
Die Arbeit mit KI-Agenten verlangt zunehmend Prozesskompetenz.
Wir müssen verstehen, wie Aufgaben miteinander zusammenhängen, an welchen Stellen Informationen übergeben werden und wo Fehler entstehen können.
Gerade hier sehe ich eine interessante Verbindung zur Didaktik.
Die vollständige Handlung mit ihren Phasen Informieren, Planen, Entscheiden, Ausführen, Kontrollieren und Bewerten bietet beispielsweise ein hilfreiches Orientierungsmodell.
Wir können damit untersuchen, welche Phasen ein KI-Agent übernehmen kann und an welchen Stellen menschliche Beteiligung didaktisch oder organisatorisch notwendig bleibt.
3. Von der Ergebniskontrolle zur kritischen Urteilskompetenz
Ein KI-Agent kann innerhalb kurzer Zeit umfangreiche und sprachlich überzeugende Arbeitsergebnisse produzieren.
Das birgt eine Gefahr: Je professioneller ein Ergebnis erscheint, desto eher könnten wir geneigt sein, es ungeprüft zu übernehmen.
Bildungsfachleute benötigen deshalb nicht weniger, sondern möglicherweise sogar mehr fachliche Urteilskompetenz.
Wir müssen lernen, die richtigen Prüffragen zu stellen, Quellen zu bewerten, Widersprüche zu erkennen und Entscheidungen nachvollziehbar zu begründen.
Die Fähigkeit, ein KI-Ergebnis kritisch zu hinterfragen, wird zu einer zentralen beruflichen Kompetenz.
4. Von der individuellen KI-Nutzung zur gemeinsamen Verantwortung
Wenn KI-Agenten dauerhaft in Bildungsinstitutionen eingesetzt werden, genügt es nicht mehr, dass einzelne Lehrpersonen ihre bevorzugten Werkzeuge beherrschen.
Institutionen benötigen gemeinsame Regeln.
Welche Daten dürfen verarbeitet werden? Welche Anwendungen dürfen Agenten verwenden? Wer ist für die Qualität ihrer Ergebnisse verantwortlich? Wie werden Fehler dokumentiert? Und welche Entscheidungen dürfen keinesfalls automatisiert werden?
Diese Fragen gehören nicht ausschliesslich in die IT-Abteilung.
Sie betreffen die Bildungsleitung, die Organisationsentwicklung und sämtliche Fachpersonen, die mit solchen Systemen arbeiten.
Die pädagogische Kernfrage: Was sollten Menschen weiterhin selbst tun?
Für mich liegt hier die spannendste Herausforderung.
Wir diskutieren intensiv darüber, welche Tätigkeiten künstliche Intelligenz künftig übernehmen kann. Viel seltener fragen wir, welche Tätigkeiten Menschen weiterhin selbst ausführen sollten, weil gerade deren Ausführung wichtige Lernprozesse ermöglicht.
Ein Beispiel:
Wenn angehende Kursleitende ein Weiterbildungskonzept entwickeln, könnten sie diese Aufgabe weitgehend einem KI-Agenten übertragen.
Das Ergebnis wäre möglicherweise hervorragend.
Aber was hätten die angehenden Kursleitenden dabei gelernt?
Didaktische Entscheidungen entstehen nicht ausschliesslich durch die Betrachtung fertiger Ergebnisse. Sie entwickeln sich auch durch das Abwägen unterschiedlicher Möglichkeiten, das Erkennen von Schwierigkeiten und die Auseinandersetzung mit eigenen Fehlannahmen.
Wenn wir sämtliche anspruchsvollen Denkprozesse delegieren, besteht die Gefahr, dass wir genau jene Kompetenzen vernachlässigen, die wir zur Beurteilung der KI-Ergebnisse benötigen.
Daraus ergibt sich für mich eine zentrale didaktische Unterscheidung:
Was im Berufsalltag sinnvoll automatisiert werden kann, sollte in einem Lernprozess nicht zwangsläufig automatisiert werden.
In einer Weiterbildung könnte ein KI-Agent beispielsweise zunächst als kritischer Gesprächspartner eingesetzt werden.
Er stellt Fragen, hinterfragt Entscheidungen und macht auf alternative Perspektiven aufmerksam. Die eigentliche konzeptionelle Arbeit bleibt jedoch zunächst bei den Lernenden.
Erst in einer späteren Phase übernimmt der Agent komplexere Aufgaben.
Damit wird KI nicht nur zum Instrument der Produktivitätssteigerung, sondern auch zum Werkzeug der Kompetenzentwicklung.
Mein Fazit: Wir brauchen eine Didaktik der Delegation
ChatGPT Dots steht beispielhaft für einen grundlegenden Wandel im Umgang mit künstlicher Intelligenz.
Wir bewegen uns von einzelnen KI-gestützten Tätigkeiten hin zu längerfristigen Arbeitsprozessen, in denen intelligente Systeme zunehmend eigenständig handeln.
Die entscheidende Herausforderung liegt dabei nicht ausschliesslich in der technologischen Entwicklung.
Wir müssen lernen, Aufgaben sinnvoll zu delegieren, die Zusammenarbeit zwischen Menschen und KI-Agenten zu organisieren und deren Handlungsspielräume verantwortungsvoll zu gestalten.
Für die Erwachsenenbildung entsteht daraus ein neuer Bildungsauftrag.
Wir müssen Menschen nicht nur befähigen, künstliche Intelligenz effizient einzusetzen. Wir müssen sie ebenso dabei unterstützen, ihre eigene Fachkompetenz, ihre Kritikfähigkeit und ihre Entscheidungsfähigkeit weiterzuentwickeln.
Vielleicht brauchen wir deshalb künftig weniger klassische Prompting-Kurse und mehr Weiterbildungen zur Gestaltung intelligenter Arbeitsprozesse.
Denn die entscheidende Frage lautet nicht mehr allein, was KI für uns erledigen kann.
Wir müssen uns zunehmend fragen, welche Aufgaben wir ihr übertragen wollen – und welche Erfahrungen, Denkprozesse und Entscheidungen wir bewusst bei uns Menschen behalten.
Ressourcen:
- OpenAI: Meet Dots – Offizielle Beschreibung der Funktionsweise.
- OpenAI: ChatGPT Release Notes – Einführung, Verfügbarkeit und Einschränkungen vom 29. September 2026.
- Reuters: Claude übernimmt einen wachsenden Anteil der KI-Forschung – Berichterstattung zu den Anthropic-Messungen.
- Reuters: OpenAI stellt Dots vor – Unabhängige Einordnung der Produktankündigung.
- Das „Mini-Handbuch Didaktische Reduktion“ ist am 28.08.26 bei Beltz-Juventa in der 2. überarbeiteten Auflage erschienen. Bestelle es hier.