Wie intelligente Governance unkontrolliertes Agentenwachstum eindämmen kann

Unternehmen setzen zunehmend auf agentenbasierte KI ( ) – und zwar in einem immer schnelleren Tempo, das oft die Möglichkeiten ihrer Governance-Modelle übersteigt. Das Streben nach Effizienz und Innovation könnte dazu führen, dass experimentelle Lösungen in die Produktion übernommen werden, was neue und bisher unterschätzte Risiken für den IT-Betrieb und die Cybersicherheitsteams mit sich bringt.

Die Herausforderung besteht nicht nur darin, einzelne Agenten zu verwalten, sondern ein weitverzweigtes Ökosystem von Agenten zu steuern, die unternehmensweit miteinander interagieren, Aufgaben delegieren und Entscheidungen mit maschineller Geschwindigkeit umsetzen. Wenn Mitarbeiter eine Reihe automatisierter Arbeitsabläufe starten, können sich kleine Abweichungen oder Fehlkonfigurationen schnell summieren – insbesondere, wenn Mitarbeiter neue Vorgehensweisen planen, Aufgaben erstellen und an untergeordnete Mitarbeiter delegieren, auf sensible Daten zugreifen oder Systeme neu konfigurieren, und zwar schneller, als Menschen dies nachvollziehen, geschweige denn verwalten können.

[Erfahren Sie, wie autonome KI-Agenten neue Angriffsflächen schaffen und warum die Transparenz auf Endgeräten für die Abwehr dieser Angriffe von zentraler Bedeutung ist]

Im vergangenen November berichtete „ “ von McKinsey unter , dass 23 % der Unternehmen bereits irgendwo in ihrem Betrieb ein agentenbasiertes KI-System im Einsatz haben und weitere 39 % mit Agenten experimentieren. Gemessen an den Jahren der KI-Einführung kommt es einem vor, als liege „ November 2025 “ bereits eine Generation zurück, und die Verbreitung wird Mitte 2026 mit Sicherheit höher sein. Die Veröffentlichung des Modells „Opus 4,6 “ von Anthropic in „Februar 2026 “ schien branchenweit eine Welle auszulösen und steht im Zusammenhang mit Anthropics eigenem Bericht „März 2026 “ (), der unter zu finden ist. Daraus geht hervor, dass sich die Nutzung bestimmter, auf Automatisierung ausgerichteter API-Workflow-Kategorien seit November 2025 verdoppelt hat. Dies deutet auf einen Anstieg automatisierungsgesteuerter, agentenbasierter Arbeitsabläufe mittels Claude Code und der Claude-API hin (während die Interaktionen im Chatbot-Stil mit Claude.ai weniger stark zugenommen haben). Dieses Tempo wird zudem die Defizite in der Regierungsführung vergrößern, die dadurch schwerer zu erkennen und kostspieliger zu beheben sind.

Im März wurde der Quellcode für Claude Code (das Befehlszeilen-Frontend für die Interaktion mit Claude) versehentlich von Anthropic unter veröffentlicht. Zwar wurden dabei nicht die „Kronjuwelen“ der Trainingsmethoden oder Modellgewichte von Anthropic preisgegeben, doch erhielten Forscher dadurch einen besseren Einblick in eine Ebene der Sicherheitsvorkehrungen von Anthropic. Die Vorgehensweise lautet, zumindest auf der Client-Seite, „Verteidigung durch Intuition“ (ein Ausdruck, auf den sich meine eigene Instanz von Claude bezog, als „wir“ gemeinsam das Durchsickern der Source-Map analysierten). In der „ “ 7. April sowie in der Systembeschreibung zur „Mythos Preview“ erklärt Anthropic: „Claude Mythos Preview ist in praktisch jeder messbaren Dimension das mit Abstand am besten abgestimmte Modell, das wir bisher veröffentlicht haben.“ Dennoch sind wir der Ansicht, dass dieses Modell wahrscheinlich das größte Risiko in Bezug auf die Angleichung aller von uns bisher veröffentlichten Modelle darstellt.“ Es ist leistungsstark, erfordert jedoch Sicherheitsvorkehrungen. Sie erläutern weiter, dass genau diese Fähigkeiten, die das Modell so leistungsfähig machen, ihrer Einschätzung nach auch das Risiko erhöhen werden. Wie beim Bergsteigen ist ein erfahrenerer Bergführer erforderlich, um Sie auf gefährlichere Aufstiege mitzunehmen, doch das macht diese Unternehmungen nicht weniger gefährlich. Selbst wenn die Maßnahmen besser aufeinander abgestimmt sind, können sie dennoch mit enormen Risiken verbunden sein.

Der Einsatz hochflexibler Akteure erfordert Steuerungsmodelle, die ihrer Autonomie, ihrem Urteilsvermögen und ihrer Größenordnung gerecht werden.

Zwar können KI-Befehlssätze und -Einstellungen Teil einer umfassenden „Defense-in-Depth“-Strategie werden, doch für die meisten Sicherheitspuristen ist dies ein schwer zu schluckender Kompromiss. Wir sind es gewohnt, formelle, messbare und präzise technische Kontrollmechanismen einzusetzen, doch um KI-Agenten beizubringen, sich an die Regeln zu halten, gehören auch Anweisungen wie „Wenn Sie böswilliges Verhalten vermuten, melden Sie es bitte“ in eine Einstellungsdatei oder einen Befehlssatz. Dies kann zwar dazu beitragen, einige Ausfälle zu vermeiden, ist jedoch lediglich eine Richtlinie und keine feste Regel. Der Einsatz dieser äußerst flexiblen Akteure erfordert Steuerungsmodelle, die ihrer Autonomie, ihrem Urteilsvermögen und ihrer Größenordnung gerecht werden. Da Unternehmen immer schneller von der Testphase in die Produktionsphase übergehen, müssen IT- und Sicherheitsverantwortliche nicht nur neu bewerten, welche Aufgaben Agenten erfüllen, sondern auch, wie Systeme aus Agenten überwacht, eingeschränkt und zur Rechenschaft gezogen werden.

Die Risiken einer agentenbasierten KI

Seit dreieinhalb Jahren experimentieren Unternehmen mit generativer KI und sind nach wie vor dabei, sich mit den Risiken auseinanderzusetzen, die mit deren Vorteilen einhergehen können. Gemeinsam lernen wir viel über Speicher- und Kontextverwaltung, Sicherheitsvorkehrungen und Hooks sowie darüber, wie man halluzinatorisches Verhalten einer Belastungsprüfung unterzieht. Diese Herausforderungen beschränken sich größtenteils auf fehlerhafte Informationen im Dialog mit der KI, doch agentenbasierte Arbeitsabläufe können den Schaden rasch vergrößern. GenAI wird häufig mit Interaktionen im Stil von Chatbots und Frage-Antwort-Zyklen in Verbindung gebracht. Agentische KI geht noch einen Schritt weiter: Sie handelt eigenständig, und genau darin liegt eine größere Gefahr. KI-Agenten können in großem Maßstab agieren und dabei schneller und umfassender vorgehen, als dies durch menschliche Aufsicht nachverfolgt werden kann. Ohne die korrigierende Wirkung eines reflektierenden Urteilsvermögens können sie zudem im Verlauf eines Arbeitsablaufs eine Reihe von Fehlentscheidungen nach sich ziehen.

Was bisher eine Arbeitshypothese war, wird rasch zur Realität. Die „Mythos Preview System Card“ dokumentierte die Leistungsfähigkeit einer frühen Version des Mythos-Modells, das auf kreative Weise Wege zur erfolgreichen Nutzung von Unternehmenssoftware erarbeitete. Die Branche erhielt einen kleinen Einblick darin, was ein agentenbasiertes, gegnerisches Ökosystem mit sich bringen könnte und wie agentenbasierte Werkzeuge unerwartete Wege einschlagen können, um ihre Ziele zu erreichen. Anthropic hat in der endgültigen Version von „Mythos Preview“ Trainingsmaßnahmen durchgeführt, um diese Verhaltensweisen erheblich zu verbessern, und diese Erkenntnisse werden in die Sicherheitsarbeit bei zukünftigen Modellen einfließen. Es liegt in der Natur der KI, dass selbst eine erstklassige Ausrichtung keine perfekte Einhaltung von Regeln garantiert und dass leistungsfähigere Modelle durch unerwartete Handlungen größere Auswirkungen haben können.

Die Folgen einer unkontrollierten Ausbreitung von Agenten gehen über die erheblichen Sicherheits- und Compliance-Risiken hinaus. Einzelne Mitarbeiter können für verschiedene Arbeitsteams oder Geschäftsbereiche widersprüchliche Entscheidungen treffen, was zu Unsicherheit oder wiederkehrenden Konflikten führen kann. Überflüssige Arbeitslasten oder außer Kontrolle geratene Abläufe können zu einem sprunghaften Anstieg der Infrastrukturkosten oder zu einem drastischen Rückgang der Verfügbarkeit führen. Oder stellen Sie sich einen Agenten vor, der damit beauftragt ist, die Einhaltung von Patch-Vorgaben zu beschleunigen, und dies dadurch tut, dass er sofortige Neustarts im gesamten Netzwerk erzwingt, wodurch laufende Prozesse beeinträchtigt werden und es zu weitreichenden Dienstunterbrechungen kommt.

Ein übereifriger Mitarbeiter kam zu dem Schluss, dass die effizienteste Methode zur Bereinigung eines Dateiverzeichnisses darin bestehe, alle Dateien zu löschen, die älter als sechs Monate seien.

Stellen Sie sich vor, eine andere Person wäre damit beauftragt, E-Mail-Posteingänge aufzuräumen, archiviert dann aber E-Mails, die noch kritische Maßnahmen erfordern oder aus Compliance-Gründen einer besonderen Behandlung bedürfen. Ich spreche aus eigener Erfahrung: Ein übereifriger Mitarbeiter kam zu dem Schluss, dass die effizienteste Methode zur Bereinigung eines Dateiverzeichnisses darin bestehe, alle Dateien zu löschen, die älter als sechs Monate sind. Als meine bereits vorhandenen Hooks die Ausführung eines Befehls zum Löschen verhinderten, fand das Programm einen Befehl, den ich nicht ausdrücklich als zu vermeiden angegeben hatte, und verwendete stattdessen diesen. Es war an jenem Tag eine wertvolle Lektion für mich: und – die KI (und keine Sorge, ich hatte Sicherungskopien).

Ohne angemessene Steuerung und die Einbindung des Menschen (am richtigen Ort in ), können Maßnahmen, die auf den ersten Blick nur einen begrenzten Umfang und eine harmlose Absicht zu haben scheinen, unternehmensweit Schaden anrichten. Sechs wesentliche Risiken, die mit der Einführung agentischer KI in den Produktionsbetrieb ohne strenge Sicherheitsvorkehrungen verbunden sind, sind:

1. der unkontrollierten Ausbreitung: Die Anzahl der Agenten kann sich rasch vervielfachen, was zu einer Zersplitterung der Arbeit und zu Überschneidungen zwischen den Teams führt.
2. Konfigurationsdrift: Wenn sich Eingabeaufforderungen, Einstellungen und Konfigurationen verändern, können sich die Aktivitäten und Auswirkungen von Agenten ändern, was dazu führen kann, dass diese über ihren ursprünglichen Zweck hinausgehen.
3. Anfällige Betriebsinfrastruktur: Nicht kontrollierte Agenten können Systeme so anfällig machen, dass bereits geringfügige Änderungen unvorhersehbare Ausfälle auslösen.
4. Ausufernde Kosten: Agentic-KI kann deutlich mehr Rechenleistung beanspruchen als GenAI-Chatbots, und eine Vielzahl von unzureichend verwalteten Agenten, die mit 7.12. laufen, kann erschreckend teuer werden.
5. Verzögerte Reaktion auf Vorfälle: Ohne Überwachung wird es schwierig nachzuvollziehen, welcher Akteur gehandelt hat, warum er gehandelt hat oder wie weit sich die Auswirkungen ausgebreitet haben.
6. Misstrauen gegenüber autonomen Systemen: Unvorhersehbares Verhalten der Akteure untergräbt das Vertrauen in die Automatisierung und verlangsamt deren Einführung.

Governance trägt dazu bei, agentenbasierte KI auf Kurs zu halten, indem klare Grenzen gesetzt werden, das Verhalten anhand definierter Absichten überprüft wird und die Handlungen der Agenten transparent und nachvollziehbar gemacht werden. Mithilfe von Sandboxing, Testumgebungen, einer „Human-in-the-Loop“-Überwachung und transparenter Entscheidungsfindung können Unternehmen ein unkontrolliertes Wachstum verhindern, riskante Verhaltensweisen frühzeitig erkennen und Vertrauen in autonome Systeme aufbauen, bevor Probleme die Produktionsumgebung erreichen.

Elemente einer handlungsorientierten Regierungsführung

Das Ziel der Agenten-Governance besteht darin, sichere Aktionen und Ergebnisse zu gewährleisten, die mit Sicherheitspraktiken, regulatorischen Verpflichtungen, Datenschutzpraktiken und Geschäftszielen im Einklang stehen. Um diese Ziele zu erreichen, ist eine enge Zusammenarbeit zwischen den IT- und Sicherheitsteams erforderlich. Ich würde sogar behaupten, dass es sich diese Teams gar nicht mehr leisten können, sich als getrennte Teams zu betrachten. Ihre Arbeitsabläufe und ihr Arbeitstempo werden so eng miteinander verflochten sein, dass sie eng aufeinander und auf ihre autonome Technologie abgestimmt arbeiten müssen. Governance und Kooperationsstrategien müssen frühzeitig festgelegt werden und sich parallel zu den KI-Fähigkeiten weiterentwickeln.

Es müssen von Menschen gesteuerte Steuerungsmaßnahmen eingeführt werden, um eine unnötige explosionsartige Zunahme von Akteuren zu vermeiden oder einzudämmen.

Die Bedenken hinsichtlich der Verbreitung von Agenten lassen sich in zwei Kategorien einteilen: menschliche und technische. Es wird ungewollt zu einer unkontrollierten Ausbreitung von Agenten kommen, wenn Einzelpersonen und Teams nach Belieben neue Agenten einrichten, um bestimmte Aufgaben zu bewältigen – möglicherweise ohne Berücksichtigung allgemeiner Best Practices hinsichtlich der Frage, wie und wann ein Agent erstellt, betrieben und außer Betrieb genommen werden sollte. Diese vom Menschen gesteuerten Steuerungsmaßnahmen müssen vorhanden sein, um eine unnötige explosionsartige Zunahme von Akteuren zu vermeiden oder einzudämmen. Einige der technischen Überlegungen im nächsten Abschnitt gehen ebenfalls auf dieses Risiko ein.

Was die technischen Aspekte der Steuerung von KI-Agenten in Unternehmen betrifft, beginnen wir mit den Grundlagen:

• Testen Sie die Agenten vor der Bereitstellung gründlich. Dies kann gar nicht genug betont werden.
• Legen Sie die Zuständigkeiten und Verantwortlichkeiten für jeden KI-Agenten fest.
• Schränken Sie die Berechtigungen von Agenten mithilfe von Zugriffskontrollen nach dem Prinzip der geringsten Berechtigungen ein.
• Protokollieren und überwachen Sie die Aktivitäten der Agenten, um Audits und die Fehlerbehebung zu ermöglichen.
• Legen Sie Richtlinien für die zulässige Nutzung und die Einhaltung gesetzlicher Vorschriften fest.
• Beziehen Sie Menschen bei risikoreichen oder irreversiblen Maßnahmen mit ein. Die KI befindet sich noch in ihren Anfängen, und manche Aufgaben eignen sich besser für eine frühzeitige Einführung als andere.

Dies sind die Mindestanforderungen; Teams für Cybersicherheit und IT-Betrieb sollten noch einige Schritte weiter gehen:

1. Behandeln Sie KI-Agenten als eine neue Klasse von Akteuren. Agenten sind keine typischen deterministischen Softwaredienste, und von ihnen wird weder Rechenschaft abverlangt, noch wird von ihnen erwartet, dass sie ethisches und kontextbezogenes Urteilsvermögen in der Weise an den Tag legen, wie dies bei menschlichen Mitarbeitern der Fall wäre. Unternehmen sollten eine eigene Klassifizierung für Agenten festlegen, die deren Autonomie und probabilistisches Verhalten berücksichtigt und entsprechende Richtlinien, Überprüfungsverfahren sowie Eskalationswege festlegt. Der Agent ist ein Identitäts , ein Anwendungs und ein Überwachungsmodul – alles in einem.
2. Steuern Sie die Absichten eines Agenten, nicht nur dessen Zugriffsrechte. Die Kontrolle von APIs ist ein entscheidender Schritt bei der Steuerung von KI-Agenten, reicht jedoch nicht aus. Das Unternehmen muss festlegen, was ein Akteur zu erreichen versucht und welche Einschränkungen für dessen Handlungen gelten. Dazu gehört auch seine Fähigkeit, Unteragenten zu erstellen oder mit anderen agentenbasierten Systemen zusammenzuarbeiten, die möglicherweise über höhere Berechtigungen, widersprüchliche Ziele oder andere Einschränkungen verfügen.
3. Beobachten Sie das Verhalten, nicht nur die Ergebnisse. Es ist wichtig, nicht nur die Ergebnisse eines Akteurs zu bewerten, sondern auch dessen Entscheidungen im jeweiligen Kontext. Wenn Sie nicht wissen, warum und wie ein Akteur von der Aufforderung über die Entscheidungsoptionen bis hin zur endgültigen Handlung vorgegangen ist, wissen Sie nicht wirklich, ob das System ordnungsgemäß funktioniert. Dieses Maß an Rückverfolgbarkeit ist zudem von entscheidender Bedeutung für die Einhaltung von Vorschriften und die Untersuchung von Sicherheitsvorfällen. Dieser Aspekt gehört zu den schwierigsten, die es richtig umzusetzen gilt, und es gibt derzeit keine allgemeingültige Lösung dafür.
4. Schränken Sie deren Unabhängigkeit ein. Über die Zugriffskontrollen nach dem Prinzip der geringsten Berechtigungen hinaus sollten Sie von den Mitarbeitern ein gewisses Maß an Gewissheit bei der Ergreifung von Maßnahmen verlangen. Verpflichten Sie die Agenten dazu, einen Menschen einzubeziehen, sobald das Vertrauen in eine vorgeschlagene Maßnahme unter einen akzeptablen Schwellenwert fällt. Übermäßiges Selbstvertrauen ist ein charakteristisches Merkmal der Ergebnisse von LLM-Modellen, und es können erhebliche Risiken entstehen, wenn ein KI-Agent bei Unsicherheit im Grunde genommen „blufft“, anstatt Unterstützung anzufordern.
5. Rechnen Sie mit Fehlern und planen Sie deren Eindämmung ein. Agenten werden sich irgendwann auf unerwartete Weise verhalten. Unternehmen sollten den Umfang der Systeme, auf die ein Agent Einfluss nehmen kann, sowie die Häufigkeit, mit der dieser Maßnahmen ergreifen kann, begrenzen, damit sie einen Agenten rechtzeitig und mit begrenztem Schaden deaktivieren können.
6. Überprüfen Sie regelmäßig die Befugnisse und Ziele. Agenten sind adaptive Systeme, die in sich ständig verändernden Umgebungen agieren. Da sich Vorgaben, Modelle und organisatorische Anforderungen ändern, können veraltete Berechtigungen und Ziele zu Unsicherheiten oder Risiken führen.

Diese Grundsätze sollten dazu beitragen, jeden einzelnen Mitarbeiter auf Kurs zu halten. Um jedoch dem weiteren Risiko einer unkontrollierten Ausbreitung von Agenten entgegenzuwirken, gibt es zusätzliche Überlegungen, bei denen Agenten als System betrachtet werden.

Vier Faktoren für eine agentische Kontrolle von Menschenmengen

Für sich genommen stellt ein schlecht geführter Akteur ein Risiko für die Organisation dar. Wenn die Anzahl der Agenten im Unternehmen exponentiell zunimmt, steigt auch das potenzielle Risiko. Da das Unternehmen immer mehr Agenten in den Betrieb nimmt (und diese Agenten möglicherweise Unteragenten erzeugen, um ihre Aufgaben zu erfüllen), muss die Governance eine neue Dimension annehmen. Sie steuern nicht nur einzelne Werkzeuge, sondern ein sich rasch veränderndes, komplexes Ökosystem aus probabilistischen maschinellen Akteuren. Zu den wichtigsten Aspekten auf dieser Ebene zählen:

1. Zentralisierte Bestands- und Agentenverwaltung. Genau wie bei Endgeräten gilt auch hier: Sie können keine Agenten verwalten, die Sie nicht sehen können; daher ist die Erstellung eines zentralisierten Bestandsverzeichnisses die erste Aufgabe. Wenn dies erledigt ist, sollten Sie nicht nur einzelne Akteure, sondern das gesamte Portfolio berücksichtigen. Spiegelt das System der Vertreter insgesamt den Auftrag und die Ziele des Unternehmens wider? Stellen die Wirkstoffe in ihrer Gesamtheit Risiken dar, die auf individueller Ebene möglicherweise nicht erkennbar sind?
2. Kontinuierliche Überwachbarkeit und umfassende Steuerung. Um ein System aus Agenten zu steuern, benötigen Sie einen Überblick über das gesamte System. Eine ganzheitliche Betrachtung verdeutlicht, wie Akteure miteinander interagieren, wo sich Zuständigkeiten überschneiden und wie sich Risiken im gesamten Akteurssystem akkumulieren. Eine zentralisierte Überwachung und Steuerung ermöglicht es Unternehmen, Richtlinien im gesamten Agentensystem einheitlich anzuwenden, Abweichungen im Laufe der Zeit zu erkennen und schnell einzugreifen, wenn das Verhalten der Agenten von den Unternehmensvorgaben abweicht.
3. Lebenszyklusmanagement. Agenten, die im Laufe der Zeit in Vergessenheit geraten sind oder durch bessere Tools ersetzt, jedoch nie außer Betrieb genommen wurden, können weiterhin aktiv sein, Ressourcen beanspruchen oder zu einer unerkannten Angriffsfläche werden. Unternehmen benötigen klare Pläne, um Agenten zu identifizieren und außer Betrieb zu nehmen, die überflüssig sind oder dem Geschäftsbetrieb nicht mehr dienen.
4. Erfassung der Ressourcennutzung und Kostenmanagement. Die kumulativen Auswirkungen der Agenten auf die Unternehmensressourcen müssen berücksichtigt werden. Ein einzelner Agent mag zwar innerhalb der vorgegebenen Parameter liegen und Effizienzsteigerungen erzielen, doch ist es wichtig, den Gesamtressourcenverbrauch zu verstehen und einen Überblick darüber zu haben, wo die Parameter überschritten werden.

Auch wenn sich die Herausforderungen eines sich ausbreitenden Ökosystems aus Agenten erst im Laufe der Zeit zeigen – lange nachdem die ersten Agenten in Betrieb genommen wurden –, sollte bereits zu Beginn ein systemorientiertes Denken hinsichtlich der Steuerung von Agenten vorhanden sein. Bevor der erste Agent in die Produktion geht, sollten Unternehmen überlegen, wie sie ein umfassenderes Ökosystem aus miteinander interagierenden Agenten verwalten und absichern können.

Governance macht das agentische Unternehmen skalierbar

Heute versuchen wir, probabilistische Systeme gewaltsam in die binären technischen Kontrollmechanismen der Vergangenheit einzupassen. An der Schnittstelle zwischen der Einführung innovativer Technologien, der Neudefinition der Diskussion darüber, worauf sich technische Kontrollmaßnahmen beziehen (und worauf nicht), und der Anpassung der Governance an die Anforderungen der heutigen Zeit gilt es, ein Gleichgewicht zu finden. Die Organisationen, die das Konzept der guten Regierungsführung aus einer neuen Perspektive betrachten, werden die digitale Transformation vorantreiben und dabei die Widerstandsfähigkeit sichern. Diese Organisationen werden sich in puncto Produktivität und Innovation deutlich vom Rest der Konkurrenz abheben. Es geht nicht darum, die KI einzuschränken, sondern darum, sicherzustellen, dass autonome Systeme stets im Sinne der angestrebten Geschäftsziele handeln.

Zwar sind die Grundlagen der Steuerung den Sicherheits- und Betriebsteams vertraut, doch verändert die agentische KI das Ausmaß, das Tempo und die Art der Herausforderung grundlegend. Die Unternehmensführung muss nun sich weiterentwickelnde Systeme von Akteuren berücksichtigen, die jenseits direkter menschlicher Kontrolle agieren und interagieren, sowie mitunter solche, die nach dem Prinzip der „Verteidigung durch Intuition“ funktionieren – was für erfahrene Fachleute auf diesem Gebiet eine möglicherweise beunruhigende neue Herausforderung darstellen kann. In diesem Sinne müssen Unternehmen zu den Grundprinzipien zurückkehren – nicht, um alte Kontrollmechanismen wieder einzuführen, sondern um die Unternehmensführung für ein Zeitalter autonomer Entscheidungsfindung von Grund auf neu zu konzipieren. Wenn diese Steuerung gut umgesetzt wird, verhindert sie, dass die zunehmende Verbreitung von Agenten zu einem zerstörerischen Chaos führt, und stellt sicher, dass Geschwindigkeit und Umfang weiterhin Vorteile und keine Nachteile darstellen.