Grok Bot soll Aufgaben wie ein digitales Teammitglied übernehmen und dafür selbstständig Apps, Werkzeuge und Websites bedienen. Der neue Dienst von SpaceXAI richtet sich vorerst an ausgewählte zahlende Abonnentinnen und Abonnenten, steht aber beispielhaft für einen breiteren Wandel: Künstliche Intelligenz (KI) beantwortet nicht mehr nur Fragen, sondern soll Arbeitsschritte planen, ausführen und zur Freigabe vorlegen. Für dich wird damit weniger entscheidend, ob ein System Texte erzeugen kann, sondern ob du ihm Aufgaben, Daten und Grenzen sinnvoll vorgibst.
Was sind KI-Agenten als Teammitglieder?
Ein KI-Agent ist ein System, das ein Ziel in mehrere Arbeitsschritte zerlegt und diese mit einem gewissen Grad an Selbstständigkeit ausführt. Anders als ein klassischer Chatbot soll er nicht nach jeder Antwort auf deine nächste Eingabe warten. Er kann Werkzeuge verwenden, Informationen aus verschiedenen Quellen zusammenführen und dich erst wieder einbeziehen, wenn ein Ergebnis vorliegt oder eine Entscheidung freigegeben werden muss.
Der Bericht über den Start von Grok Bot beschreibt dafür eine eigene cloudbasierte Computerumgebung. Die Bots können sich laut SpaceXAI bei bestehenden Apps und Websites anmelden, mehrere Schritte ausführen und parallel arbeiten. Ein Bot kann sogar andere, spezialisierte Bots koordinieren, während diese untereinander Kontext austauschen oder Aufgaben in einem Gruppenchat verteilen.
SpaceXAI zufolge speichert Grok Bot vorhandene Arbeitsabläufe und den Kontext dazu, wie du Aufgaben erledigst. Das System soll dadurch deinen persönlichen Stil bewahren, abgebrochene Gespräche wieder aufnehmen und mit der Zeit proaktiver werden. Diese Aussagen stammen vom Anbieter und sind anhand der vorliegenden Quellen noch nicht unabhängig geprüft.
Die Bezeichnung „Teammitglied“ ist deshalb nützlich, aber auch etwas grosszügig. Ein Agent kennt weder Verantwortung noch die unausgesprochenen Regeln eines Teams auf menschliche Weise. Treffender ist das Bild einer digitalen Assistenz, die länger selbstständig arbeitet, dabei aber klare Zuständigkeiten, Zugriffsrechte und Kontrollen benötigt.
Welche Aufgaben können sie bereits übernehmen?
Grok Bot basiert laut SpaceXAI auf einem internen Prototyp, der unter anderem für Vertriebsansprache, Marketing, Büroorganisation und Fehlerbehebungen eingesetzt wurde. Ein konkretes Alltagsbeispiel wäre die Weiterbearbeitung eines liegengelassenen Gesprächsfadens: Der Bot liest den bisherigen Verlauf, nimmt die Aufgabe wieder auf und meldet sich, wenn eine Freigabe nötig ist. Ein weiteres Berufsbeispiel ist eine Marketingaufgabe, bei der mehrere Bots parallel Teilaufgaben bearbeiten und ihre Ergebnisse untereinander abstimmen.
Auch andere Anbieter verschieben den Schwerpunkt von Assistenz zu Ausführung. OpenAI berichtet in einer Auswertung seiner Unternehmenskundschaft, dass Firmen Agenten häufiger mit Unternehmenskontext, Werkzeugen und wiederholbaren Abläufen verbinden. Im Juni entfielen demnach 64 Prozent der gemeinsam betrachteten Ausgabetextmenge von Codex und ChatGPT auf Codex. Diese Ausgabetextmenge wird in sogenannten Tokens gemessen, also kleinen Textbausteinen, und dient hier nur als indirektes Mass für die Nutzungstiefe.
OpenAI bezeichnet die zehn Prozent der monatlich intensivsten Kundenunternehmen als „Frontier Firms“. Sie erzeugten pro aktiver Person 8,3-mal so viele Ausgabetokens wie typische Firmen, nach 2,6-mal im Januar. Die wöchentlich aktive Nutzung von Codex sei seit Februar in Recht um das 108-Fache, in Vertrieb und Personalgewinnung jeweils um das 41-Fache und im Marketing um das 26-Fache gestiegen, gegenüber dem 5-Fachen in der Softwareentwicklung. Das sind Anbieterzahlen aus der eigenen Kundschaft und kein allgemeingültiges Bild des Arbeitsmarkts.
Ein Praxisbericht von RingCentral liefert ein greifbareres Beispiel. Bei einer internen Aufgabe sollten Beschäftigte mit ChatGPT Work und Codex ein vollständiges Projekt von der Planung über Tests und Dokumentation bis zur Überarbeitung erstellen. Laut OpenAIs Darstellung des RingCentral-Projekts lieferten Tausende Beschäftigte, darunter nicht technische Mitarbeitende und Führungskräfte, funktionsfähige Projekte ab; beinahe alle Teilnehmenden erstellten ein funktionierendes Projektarchiv. RingCentral betont zugleich, dass Menschen Anforderungen, Geschäftskontext und grundlegende Produktentscheidungen weiterhin vorgeben.
Welche Datenbasis brauchen KI-Agenten?
Die Qualität eines Agenten hängt nicht nur vom verwendeten KI-Modell ab. Damit er handeln kann, benötigt er passende Unternehmensdaten, den geschäftlichen Kontext und Zugang zu den Systemen, in denen die Arbeit tatsächlich stattfindet. Dazu können strukturierte Daten wie Personal- oder Verkaufsdatensätze sowie unstrukturierte Inhalte wie Dokumente und Gesprächsverläufe gehören.
Ein von Google Cloud unterstützter und als gesponsert gekennzeichneter Bericht der MIT Technology Review basiert auf einer Befragung von 300 Verantwortlichen für Daten und Technologie. Im Durchschnitt hätten KI-Systeme der befragten Organisationen Zugriff auf 45 Prozent der Unternehmensdaten. Bei als Nachzügler eingestuften Organisationen seien es höchstens 30 Prozent, während eine kleine Gruppe von Datenführern mehr als 70 Prozent zugänglich mache.
Nur ungefähr die Hälfte der befragten Organisationen vertraute demnach darauf, dass Entscheidungen ihrer Agenten korrekt und relevant sind. Bei den Datenführern waren es 100 Prozent. Das zeigt einen Zusammenhang zwischen Datenreife und Vertrauen, beweist aber nicht, dass mehr Datenzugriff automatisch bessere Entscheidungen verursacht; zudem stammt der Bericht aus einer kommerziellen Partnerschaft.
Mehr Zugriff ist ohnehin nicht uneingeschränkt besser. Ein Agent braucht die für seine Aufgabe relevanten Daten, nicht vorsorglich sämtliche Dateien eines Unternehmens. OpenAI nennt klare Berechtigungen, Überprüfung und Governance – also Regeln für Zuständigkeit, Kontrolle und Datennutzung – als zentrale Voraussetzungen für den Unternehmenseinsatz.
Für die Schweiz liefern die Quellen keine Angaben zu Datenstandorten, unterstützten Sprachen oder besonderen Datenschutzoptionen. Grok Bot startet als Beta auf Desktop und iOS für SuperGrok Heavy, Cursor Ultra und Cursor Teams Premium; Teams und Unternehmen können sich laut SpaceXAI für späteren Zugang auf eine Warteliste setzen. Ob und unter welchen Bedingungen der Dienst konkret in der Schweiz verfügbar ist, geht aus der Meldung nicht hervor.
Welche Kompetenzen werden wichtiger?
Wenn Agenten Aufgaben ausführen, verschiebt sich deine Rolle vom Erstellen jedes einzelnen Arbeitsschritts hin zum Formulieren, Delegieren und Prüfen. Dazu gehört Prompting, also das klare Beschreiben von Ziel, Kontext, Grenzen und gewünschtem Ergebnis. Ebenso wichtig sind Fachwissen, Qualitätskontrolle und die Fähigkeit, zu erkennen, wann ein Resultat plausibel klingt, aber nicht ausreichend belegt ist.
Der Vergleich mit einer Gruppe von Praktikantinnen und Praktikanten, den ein t3n-Beitrag zur agentischen Arbeit verwendet, trifft einen Teil dieser neuen Rolle. KI-Agenten können recherchieren, automatisieren, als Denkpartner dienen und Zuarbeit leisten. Doch wer mehrere Agenten führt, muss Aufgaben sinnvoll aufteilen, Ergebnisse zusammenführen und Verantwortung für Entscheidungen behalten.
Ein Arbeitsmarktbarometer von Manpower unterstreicht den Wert praktischer KI-Kenntnisse. Laut dem Bericht der Netzwoche nannten 49 Prozent der befragten Unternehmen den Einsatz von KI-Werkzeugen im Alltag als Produktivitätstreiber. 60 Prozent würden für ausgeprägte KI-Kompetenzen mehr Lohn zahlen; gleichzeitig bewerteten 55 Prozent Kommunikation, Zusammenarbeit und Teamfähigkeit sowie 51 Prozent Anpassungsfähigkeit und Lernbereitschaft als relevant.
Die genannten Aussagen beziehen sich auf die von Manpower befragten Unternehmen und enthalten im vorliegenden Text keine gesonderten Schweizer Werte. Sie zeigen dennoch, dass Bedienwissen allein nicht genügt: Wer einen Agenten führt, muss verständlich kommunizieren, Rückmeldungen einordnen und Arbeitsweisen laufend anpassen. Technisches Spezialwissen kann helfen, wird für viele Anwendungsfälle aber weniger zentral sein als gutes Urteilsvermögen.
Für Einsteigerinnen und Einsteiger: Der sinnvollste erste Schritt ist eine begrenzte, überprüfbare Aufgabe mit unkritischen Daten. Du kannst einen Agenten beispielsweise einen vorhandenen Gesprächsverlauf zusammenfassen und offene Punkte ordnen lassen, ohne ihm sofort das Versenden von Nachrichten oder weitreichende Zugriffe zu erlauben. Vergleiche das Ergebnis mit dem Original und notiere, welche Anweisungen gefehlt haben.
Für Fortgeschrittene: Mehr Nutzen entsteht, wenn du bewährte Einzelabläufe dokumentierst und daraus wiederholbare Arbeitsweisen entwickelst. Definiere, welche Quellen ein Agent verwenden darf, wann eine menschliche Freigabe erforderlich ist und anhand welcher Kriterien du das Ergebnis prüfst. Mehrere parallele Agenten lohnen sich erst, wenn Aufgaben, Übergaben und Verantwortlichkeiten auch ohne digitales Durcheinander klar sind.
Pro und Kontra von KI-Agenten im Team
Pro:
- Mehrstufige Ausführung – Agenten können Aufgaben über mehrere Apps und Arbeitsschritte hinweg bearbeiten, statt nur einzelne Antworten zu liefern.
- Paralleles Arbeiten – Mehrere Bots können spezialisierte Teilaufgaben gleichzeitig erledigen und ihren Kontext austauschen.
- Wiederverwendbare Abläufe – Gut funktionierende persönliche Arbeitsweisen lassen sich laut den Anbietern speichern und im Unternehmen teilen.
- Breitere Beteiligung – Das RingCentral-Beispiel zeigt, dass auch Beschäftigte ohne technischen Hintergrund vollständige Projekte mit KI-Unterstützung bearbeiten können.
Kontra:
- Abhängigkeit von Daten – Unvollständige, veraltete oder schlecht eingeordnete Informationen begrenzen die Qualität der Ergebnisse.
- Weitreichende Zugriffe – Ein Agent, der sich in Apps anmeldet und Handlungen ausführt, benötigt sorgfältig begrenzte Berechtigungen.
- Schwer erkennbare Fehler – Plausibel formulierte Resultate können falsch oder für den Geschäftskontext ungeeignet sein.
- Ungeklärte Verantwortung – Die Bezeichnung als Teammitglied darf nicht verdecken, dass Menschen Freigaben erteilen und die Folgen tragen.
KI-Agenten können bereits klar umrissene Wissensarbeit koordinieren, Abläufe wieder aufnehmen und Werkzeuge über mehrere Schritte hinweg bedienen. Ihr praktischer Wert entsteht jedoch erst durch verlässliche Daten, begrenzte Zugriffsrechte und Menschen, die Ziele präzise formulieren und Ergebnisse prüfen. Offen bleibt vor allem, wie zuverlässig die versprochene Selbstständigkeit ausserhalb der Anbieterbeispiele funktioniert und wie transparent Fehler, Datennutzung und Verantwortlichkeit im laufenden Betrieb werden.
Quellen
- Grok is now an AI ‘teammate’ you can assign work – The Verge, 2026-08-12
- „Wie eine Horde Praktikanten“: So verändert sich die Arbeit, wenn wir alle Chefs von KI-Agenten werden – t3n, 2026-08-12
- From assistance to execution: How enterprises put AI to work – OpenAI, 2026-08-12
- How RingCentral builds AI-native work from engineering to ops – OpenAI, 2026-08-12
- Scaling AI agents with trustworthy data – MIT Technology Review, 2026-08-12
- KI-Kenntnisse fördern die Produktivität – und führen zu mehr Lohn – Netzwoche, 2026-08-12
