Die Diskussion über KI im Digital Workplace konzentriert sich häufig darauf, wie neue Assistenten in bestehende Anwendungen integriert werden können. Microsoft Copilot und andere KI-Dienste erleichtern den Zugang zu Informationen, unterstützen bei der Erstellung von Inhalten und übernehmen zunehmend einzelne Arbeitsschritte. Mit der Entwicklung hin zu Agentic AI verändert sich jedoch die grundlegende Fragestellung. Es geht nicht mehr allein darum, wie Menschen einzelne Tätigkeiten mithilfe von KI effizienter erledigen können. Zunehmend stellt sich die Frage, wie menschliche und KI-basierte Arbeit innerhalb gemeinsamer Arbeitsprozesse organisiert und koordiniert werden kann.

Damit rückt die digitale Arbeitsorganisation selbst stärker in den Mittelpunkt. Wenn KI-Agenten eigenständig Aufgaben übernehmen sollen, benötigen sie mehr als den Zugriff auf Dokumente, Geschäftsdaten und Kommunikationsverläufe. Sie müssen den jeweiligen Arbeitszusammenhang berücksichtigen können: Welche Aufgaben stehen an? Welche Entscheidungen wurden getroffen? Wer trägt die Verantwortung? Welche Abhängigkeiten bestehen und wie weit ist die Bearbeitung bereits fortgeschritten? Erst die Verbindung dieser Informationen ermöglicht eine kontextbezogene Unterstützung und die kontrollierte Ausführung von Arbeitsschritten.

Die technologischen und organisatorischen Grundlagen dafür sind keineswegs neu. Information Management, Enterprise Collaboration und Collaborative Work Management bilden bereits seit Jahren wesentliche Bausteine der digitalen Arbeitsorganisation. Neu ist jedoch, dass die bislang vor allem für die menschliche Zusammenarbeit genutzten Informations- und Arbeitskontexte zunehmend auch für KI-Agenten verfügbar und nutzbar werden müssen. Damit gewinnen ihre Qualität, semantische Verknüpfung und Integration in ausführbare Arbeitsprozesse eine zusätzliche Bedeutung.

1. Die bisherige Organisation des Arbeitskontextes

Die digitale Arbeitsorganisation beruht seit Langem auf dem Zusammenspiel unterschiedlicher Informations- und Managementsysteme. Mit der Unterscheidung zwischen Systems of Record (SoR) und Systems of Engagement (SoE) wurde bereits vor mehr als 15 Jahren ein grundlegendes Modell für deren unterschiedliche Funktionen beschrieben. Während Systems of Record verbindliche Informationen und Geschäftsvorgänge dokumentieren, ermöglichen Systems of Engagement Kommunikation, Interaktion und organisationsübergreifende Zusammenarbeit. Geoffrey Moore hat diese Unterscheidung im AIIM-Whitepaper Systems of Engagement and the Future of Enterprise IT von 2011 ausgeführt.

In heutigen Digital-Workplace-Umgebungen übernehmen Content- und Information-Management-Systeme sowie ERP- und Fachanwendungen die Verwaltung dokumentierter Informationsbestände und Geschäftsdaten. Sie liefern den fachlichen und informationellen Kontext der Arbeit. Enterprise-Collaboration-Plattformen wie Microsoft Teams oder Viva Engage ergänzen diese Grundlage um Kommunikation, Diskussionen und Abstimmungen. Sie stellen damit den Interaktionskontext bereit, in dem Fragen geklärt, Entscheidungen vorbereitet und Arbeitszusammenhänge abgestimmt werden. Die historische Entwicklung von Enterprise Collaboration zum heutigen Digital Workplace haben wir auf Shift/Work bereits ausführlicher eingeordnet.

Collaborative Work Management bildet schon bisher das Bindeglied zwischen diesen beiden Kontexten. Es nutzt dokumentierte Informationen und Ergebnisse der Zusammenarbeit, um Aufgaben, Verantwortlichkeiten, Prioritäten und Arbeitsabläufe zu organisieren. Lösungen wie Microsoft Planner, Jira, Asana, monday.com oder Wrike unterstützen die Planung, Koordination und Nachverfolgung dieser Arbeit. Gartner beschreibt Collaborative Work Management als etablierte Softwarekategorie für die Organisation gemeinsamer Arbeit. Der Gartner Magic Quadrant for Collaborative Work Management vom Oktober 2026 verdeutlicht zugleich, wie sich diese Lösungen zunehmend in Richtung Automatisierung, Governance und KI-gestützter Ausführung weiterentwickeln.

Aus dieser Arbeitskoordination entsteht ein weiterer Informationskontext: der Work Status Context. Er beschreibt den jeweiligen Zustand und Fortschritt der Arbeit anhand von Aufgabenstatus, Zuständigkeiten, Abhängigkeiten, offenen Schritten und erreichten Zwischenständen. Die zugrunde liegenden Statusinformationen lassen sich als Work Status Records verstehen. Während Systems of Record den fachlichen Informationskontext und Systems of Engagement den Kommunikations- und Abstimmungskontext bereitstellen, macht der Work Status Context den aktuellen Stand der koordinierten Arbeit nachvollziehbar. Die Bezeichnungen Work Status Context und Work Status Records dienen hier der funktionalen Einordnung und sind keine eigenständigen, standardisierten Systemkategorien.

Diese drei Kontextdimensionen waren bereits für die menschliche Zusammenarbeit wesentlich. Ihre praktische Nutzung beruhte allerdings stark darauf, dass Menschen Informationen aus unterschiedlichen Systemen zusammenführten, Zusammenhänge interpretierten und daraus die nächsten Arbeitsschritte ableiteten. Mit Agentic AI verändert sich nun, wer diese Kontextinformationen nutzen und auf ihrer Grundlage tätig werden kann.

2. Wie Agentic AI die Anforderungen an das Work Management verändert

Wenn KI-Agenten zunehmend eigene Aufgaben übernehmen, müssen sie sich innerhalb derselben Arbeitszusammenhänge orientieren können wie ihre menschlichen Auftraggeber. Dafür reicht es nicht aus, einzelne Dokumente zu durchsuchen oder Kommunikationsverläufe zusammenzufassen. Ein Agent muss die fachlichen Grundlagen einer Aufgabe, die dazugehörigen Abstimmungen und den aktuellen Bearbeitungsstand miteinander in Beziehung setzen können. Erst daraus entsteht ein ausreichend verlässlicher Arbeitskontext, um Tätigkeiten situationsbezogen zu unterstützen oder innerhalb definierter Handlungsspielräume eigenständig auszuführen.

Damit gewinnen die drei etablierten Informationskontexte eine zusätzliche Bedeutung für die agentische Arbeit:

• Knowledge & Content Context: Welche fachlichen Informationen, Geschäftsdaten und verbindlichen Wissensbestände sind für eine Aufgabe relevant?
• Collaboration & Interaction Context: Welche Diskussionen, Abstimmungen, Entscheidungen und offenen Fragen müssen berücksichtigt werden?
• Work Status Context: Wie weit ist die Arbeit fortgeschritten, welche Aufgaben sind offen, wer trägt die Verantwortung und welche Abhängigkeiten bestehen?

Diese Einteilung beschreibt drei funktionale Kontextdimensionen der Arbeitsorganisation. Die zugehörigen Informationen können in mehreren Anwendungen verteilt vorliegen und müssen für die jeweilige Aufgabe in ihrem Zusammenhang erschlossen werden.

Die Herausforderung besteht dabei nicht nur im technischen Zugang zu den Informationsquellen. KI-Agenten müssen deren fachliche Bedeutung, Aktualität und Verbindlichkeit berücksichtigen können. Eine Diskussion in Teams ist beispielsweise noch keine autorisierte Entscheidung. Ebenso sagt ein vorhandenes Dokument allein wenig darüber aus, ob es noch aktuell ist oder durch eine neuere Fassung ersetzt wurde. Auch ein offener Aufgabenstatus erklärt nicht zwangsläufig, warum eine Tätigkeit bisher nicht abgeschlossen werden konnte. Die dafür erforderliche Informations- und Knowledge Governance gewinnt mit der agentischen Nutzung bestehender Wissensbestände daher zusätzlich an Bedeutung.

Ein persönlicher KI-Assistent könnte beispielsweise die Vorbereitung einer Projektbesprechung übernehmen. Er stellt relevante Dokumente aus SharePoint zusammen, berücksichtigt bisherige Diskussionen in Teams und gleicht diese Informationen mit den aktuellen Aufgabenständen im Work Management ab. Daraus erstellt er eine Übersicht, die nicht nur den Projektfortschritt beschreibt, sondern auch offene Entscheidungen, bestehende Abhängigkeiten und mögliche nächste Arbeitsschritte sichtbar macht. Die bisher überwiegend von Menschen geleistete Zusammenführung verschiedener Arbeitskontexte wird dadurch zunehmend automatisierbar.

Von der Arbeitsunterstützung zur gemeinsamen Arbeitskoordination

Die eigentliche Veränderung geht jedoch über die kontextbezogene Informationsverarbeitung hinaus. Sobald KI-Agenten selbst Aufgaben übernehmen, werden sie zu ausführenden Akteuren innerhalb der bestehenden Arbeitsorganisation. Sie bereiten nicht mehr nur Tätigkeiten vor, sondern können beispielsweise Informationen aktualisieren, Prüfungen durchführen, Ergebnisse erstellen oder weitere spezialisierte Agenten mit einzelnen Arbeitsschritten beauftragen. Damit erweitert sich auch der bisherige Koordinationsauftrag des Work Management.

Denn die Arbeit dieser Agenten muss ebenso geplant, nachverfolgt und mit anderen Tätigkeiten abgestimmt werden wie menschliche Arbeit. Es muss erkennbar sein, welche Aufgaben an Agenten delegiert wurden, welche Bearbeitungsstände erreicht sind und wann eine menschliche Entscheidung oder Freigabe erforderlich wird. Auch Abhängigkeiten und Übergaben zwischen menschlichen und automatisierten Arbeitsschritten müssen berücksichtigt werden. Die Work Status Records können damit künftig nicht nur den Fortschritt menschlicher Aufgaben dokumentieren, sondern auch die Ausführung agentischer Tätigkeiten in den gemeinsamen Arbeitskontext integrieren.

Das bedeutet nicht, dass bestehende Work-Management-Anwendungen sämtliche KI-Prozesse selbst ausführen müssen. Die operative Ausführung kann weiterhin in spezialisierten Anwendungen oder agentischen Prozessumgebungen stattfinden. Entscheidend ist vielmehr, dass Arbeitsaufträge, Fortschritte, Ergebnisse und erforderliche Freigaben mit der übergreifenden Arbeitskoordination verbunden bleiben. Die technische Nachvollziehbarkeit einzelner Agentenaktionen muss dabei über den reinen Aufgabenstatus hinausgehen. Work Management und agentische Prozesssteuerung müssen deshalb miteinander verbunden sein, ohne dieselben Funktionen übernehmen zu müssen.

Der Microsoft Work Trend Index 2025 greift diese Entwicklung mit den Konzepten der Human-Agent Teams und Work Charts auf. Dabei wird eine Arbeitsorganisation beschrieben, in der Aufgaben zunehmend flexibel zwischen Menschen und Agenten verteilt werden. Der Work Trend Index 2026 erweitert die Perspektive auf die organisatorischen Voraussetzungen dieser Zusammenarbeit und die veränderte Rolle menschlicher Steuerung und Verantwortung.

Für das Work Management entsteht daraus eine neue Entwicklungsaufgabe. Es muss nicht grundsätzlich neu erfunden werden, sondern seine etablierte Funktion unter veränderten Bedingungen erfüllen. Die bisher überwiegend auf menschliche Zusammenarbeit ausgerichtete Arbeitskoordination muss zunehmend auch agentische Ausführung berücksichtigen. Die neue Qualität liegt damit nicht in der erstmaligen Verbindung von Wissen, Kommunikation und Arbeit, sondern in der Integration KI-basierter Aktivitäten in diese bestehende Arbeitsorganisation.

3. Die Architektur einer AI-enabled Work Organization

Aus dieser Entwicklung ergeben sich zusätzliche Anforderungen an die technische und organisatorische Architektur des Digital Workplace. Die bestehenden Systeme für Information Management, Enterprise Collaboration und Collaborative Work Management bleiben wesentliche Grundlagen. Sie müssen jedoch so miteinander verbunden werden, dass KI-Agenten die relevanten Arbeitskontexte zuverlässig nutzen und ihre eigenen Aktivitäten in die gemeinsame Arbeitskoordination einbringen können. Dabei geht es nicht zwingend um die Einführung einer neuen zentralen Plattform, sondern um die Erweiterung und Integration vorhandener Funktionen.

Dafür braucht es eine übergreifende Kontext- und Orchestrierungsfähigkeit, die Informationen aus unterschiedlichen Anwendungen miteinander verknüpft und für agentische Prozesse nutzbar macht. Die semantische Kontextintegration muss fachliche Informationen, Kommunikationszusammenhänge und Arbeitsstände in Beziehung setzen können. Zugleich muss sie berücksichtigen, woher Informationen stammen, wie aktuell und verbindlich sie sind und welche Berechtigungen für ihre Nutzung gelten. Die Informationen müssen dafür nicht zwangsläufig zentral gespeichert werden. Entscheidend ist ein kontrollierter Zugriff auf die jeweils führenden Systeme und eine kontextbezogene Aufbereitung für die betreffende Aufgabe.

Die Agentic Orchestration übernimmt darüber hinaus die technische Koordination agentischer Prozesse. Sie organisiert das Zusammenspiel von KI-Modellen, Agenten und Werkzeugen und steuert die Ausführung innerhalb vorgegebener Handlungsspielräume. Gartner beschreibt Agentic Orchestration in seiner Untersuchung Enterprise AI Will Fail to Scale Without Agentic Orchestration Platforms vom Januar 2026 als Steuerungsebene, die Design, Runtime und Überprüfung agentischer Prozesse miteinander verbinden muss. Damit geht die Orchestrierung über die bloße Verkettung einzelner KI-Aufrufe hinaus.

Decision Governance und Audit Trail als Bestandteile der Orchestrierung

Mit der zunehmenden eigenständigen Ausführung von Arbeit durch KI-Agenten entsteht eine weitere Anforderung: Nicht nur der Fortschritt der Arbeit muss nachvollziehbar bleiben, sondern auch der Verlauf der automatisierten Prozessausführung. Während das Work Management den Arbeitsstand dokumentiert, muss die Agentic Orchestration erfassen können, welche Aktionen durchgeführt, welche Werkzeuge eingesetzt und welche Ergebnisse erzeugt wurden. Ein entsprechender Execution Audit Trail dokumentiert dazu die relevanten Ausführungsschritte einschließlich der verwendeten System- und Regelversionen, aufgetretener Fehler und erfolgter Freigaben. Er schafft die Grundlage, um die Durchführung eines agentischen Prozesses im Nachhinein überprüfen zu können.

Ebenso wichtig ist die Decision Governance über die einzelnen Entscheidungspunkte innerhalb des automatisierten Arbeitsprozesses. Sie definiert, welche Entscheidungen ein Agent eigenständig treffen und welche Aktionen er ausführen darf, unter welchen Bedingungen eine menschliche Freigabe erforderlich ist und wann eine Eskalation ausgelöst werden muss. Solche Regeln müssen nicht nur abstrakt vorgegeben werden, sondern an den jeweiligen Entscheidungspunkten des Prozesses technisch durchsetzbar sein. Die Orchestrierung muss daher zwischen zulässigen automatisierten Entscheidungen, kontrollpflichtigen Aktionen und ausdrücklich menschlichen Entscheidungsvorbehalten unterscheiden können.

Audit Trail und Decision Governance erfüllen dabei unterschiedliche, sich ergänzende Funktionen. Die Governance legt die zulässigen Handlungsspielräume fest und setzt sie während der Ausführung durch. Der Audit Trail hält fest, was tatsächlich geschehen ist und welche Regeln oder Freigaben dabei zur Anwendung kamen. Bei probabilistischen KI-Systemen lässt sich damit allerdings nicht zwangsläufig jeder interne Modellentscheidungsschritt erklären. Nachvollziehbar dokumentiert werden können insbesondere die verwendeten Eingaben und Kontextquellen, die angewendeten Prozess- und Modellversionen, die beobachtbaren Entscheidungen sowie die tatsächlich ausgeführten Aktionen. Für die organisatorische Kontrolle ist entscheidend, dass die relevanten Entscheidungspunkte überprüfbar bleiben und Verantwortlichkeiten eindeutig zugeordnet werden können.

Die Bedeutung dieser Anforderungen wird auch im Microsoft Work Trend Index 2026 hervorgehoben. Microsoft beschreibt dort die Notwendigkeit, Agenten mit klaren Identitäten, Berechtigungen, Richtlinien und Überwachungsmechanismen als verwaltete Einheiten in die Unternehmens-IT einzubinden. Die Governance agentischer Arbeit ist damit nicht nur eine Frage der Modellqualität, sondern eine Anforderung an die gesamte technische und organisatorische Steuerung.

Die funktionalen Bausteine der Zielarchitektur

Für Menschen können persönliche KI-Assistenten eine neue Schnittstelle zu dieser Architektur bilden. Sie verbinden individuelle Aufgaben, Verantwortlichkeiten und Prioritäten mit den verfügbaren Informations- und Arbeitskontexten. Dabei können sie Informationen bereitstellen, Tätigkeiten vorbereiten, spezialisierte Agenten beauftragen und deren Ergebnisse in den laufenden Arbeitsprozess zurückführen. Daneben können Agenten auch direkt in fachliche Anwendungen und Prozesse integriert werden, ohne dass ihre Nutzung zwingend über einen persönlichen Assistenten erfolgen muss.

Die Architektur einer AI-enabled Work Organization lässt sich damit in vier miteinander verbundene Funktionsbereiche einordnen:

1. Information Management & Enterprise Collaboration: Die bestehenden Systems of Record und Systems of Engagement stellen den fachlichen Informations- und Interaktionskontext bereit. Content Management, Wissensmanagement, ERP-Systeme und Kollaborationsplattformen bilden dafür wesentliche Grundlagen.
2. Collaborative Work Management: Es organisiert und koordiniert die gemeinsame Arbeit. Der daraus entstehende Work Status Context beschreibt Aufgaben, Zuständigkeiten, Abhängigkeiten und Arbeitsfortschritte und stellt diese Informationen für die weitere Koordination bereit.
3. Agentic Orchestration & Context Integration: Sie erschließt und verknüpft die unterschiedlichen Arbeitskontexte und koordiniert die autorisierte Ausführung agentischer Tätigkeiten. Eine integrierte Decision Governance kontrolliert die Entscheidungs- und Freigabepunkte. Der Execution Audit Trail dokumentiert die relevanten Ausführungsschritte, Aktionen und Ergebnisse für die nachträgliche Überprüfung.
4. AI Assistance & Agentic Execution: Persönliche KI-Assistenten unterstützen Menschen bei der Informationsnutzung und Arbeitskoordination. Spezialisierte Agenten übernehmen definierte Tätigkeiten innerhalb der vorgegebenen Entscheidungs- und Handlungsspielräume und führen ihre Ergebnisse und Fortschrittsinformationen in die gemeinsamen Arbeitsprozesse zurück.

Diese Einordnung beschreibt funktionale Architekturbausteine und keine vier voneinander unabhängigen Softwarekategorien. Die jeweiligen Fähigkeiten können in bestehenden Digital-Workplace- und Work-Management-Lösungen, ergänzenden Integrationsdiensten oder spezialisierten KI-Plattformen realisiert werden. Entscheidend ist ihr kontrolliertes Zusammenspiel. Die fachliche Arbeitskoordination, die technische Ausführung und die Governance automatisierter Entscheidungen müssen dabei aufeinander abgestimmt bleiben.

Die organisatorische Weiterentwicklung bleibt entscheidend

Die technische Integration schafft allerdings noch keine funktionierende Zusammenarbeit zwischen Menschen und KI-Agenten. Unternehmen müssen auch klären, wie Aufgaben, Entscheidungsbefugnisse und Verantwortlichkeiten innerhalb der gemeinsamen Arbeitsorganisation verteilt werden. Dazu gehört die Frage, welche Tätigkeiten eigenständig von Agenten bearbeitet werden dürfen, welche Ergebnisse menschlicher Freigabe bedürfen und wie Qualität, Fortschritt und Zielerreichung überprüft werden können. Auch die Verantwortung für die Definition und Weiterentwicklung der automatisierten Prozesse muss organisatorisch eindeutig geregelt sein.

Dabei verändert sich nicht nur die Ausführung einzelner Aufgaben, sondern auch deren Koordination. Menschen übernehmen zunehmend die Beauftragung, Steuerung und Bewertung von Arbeit, während KI-Agenten innerhalb definierter Grenzen operative Tätigkeiten ausführen können. Diese Entwicklung betrifft nicht alle Prozesse gleichermaßen. Je nach Aufgabenkomplexität, fachlichen Risiken und organisatorischen Rahmenbedingungen werden unterschiedliche Formen der Zusammenarbeit entstehen. Die zugrunde liegende Arbeitsorganisation muss deshalb sowohl menschliche als auch agentische Tätigkeiten angemessen abbilden können.

Für die Weiterentwicklung des Digital Workplace entsteht daraus eine klare Perspektive. Die bestehenden Informations-, Kommunikations- und Work-Management-Systeme verlieren durch Agentic AI nicht an Bedeutung. Ihre Qualität, Integration und Verlässlichkeit werden vielmehr zu wesentlichen Voraussetzungen für den produktiven Einsatz agentischer Systeme. Hinzu kommen Anforderungen an die Nachvollziehbarkeit automatisierter Entscheidungen und die Kontrolle der Prozessausführung. Die Organisation muss sicherstellen, dass die gemeinsame Arbeit auch bei zunehmender Automatisierung steuerbar, überprüfbar und fachlich verantwortet bleibt.

Die AI-enabled Work Organization entsteht somit nicht durch die Einführung einer weiteren KI-Anwendung, sondern durch die Weiterentwicklung der bestehenden digitalen Arbeitsorganisation für die gemeinsame Arbeit von Menschen und KI-Agenten. Entscheidend wird sein, wie verlässlich die verschiedenen Arbeitskontexte erschlossen, wie menschliche und agentische Tätigkeiten aufeinander abgestimmt und wie Entscheidungen und Verantwortlichkeiten über den gesamten Arbeitsprozess hinweg kontrolliert werden können.

Wie diese Entwicklung den Digital Workplace und das Work Management verändert, diskutieren wir auch beim Shift/Work Smart Work & Employee Communications SUMMIT am 12. November 2026.

Dieser Beitrag ist Teil unserer Serie From Knowledge Work to Agentic Work, in der wir im Vorlauf des Shift/Work SUMMIT das Themenfeld und die Diskussionen vorbereiten.