Ich werde nicht mehr gebraucht

Wie ich meine eigene Rolle als AI Lead automatisiert habe — und wie sich das wirklich anfühlt

In der letzten Woche habe ich etwas Unangenehmes realisiert: Ich hatte mich selbst aus einem erheblichen Teil meines Jobs als Projektmanager automatisiert. Nicht theoretisch. Nicht als Übung. Ich hatte es tatsächlich getan — Stück für Stück, Meeting für Meeting, Analyse für Analyse — bis ich mir angeschaut habe, was von meiner täglichen Arbeit übrig war, und dachte: Das braucht mich nicht mehr.

Ich bin AI Lead bei einem mittelständischen Unternehmen in Deutschland. Mein Job ist es, AI-Lösungen im gesamten Unternehmen zu evaluieren, zu implementieren und zu managen. Die Ironie entgeht mir nicht, dass die Tools, für die ich eingestellt wurde, dieselben Tools sind, die jetzt Teile meines Jobs besser erledigen als ich es getan habe.

Ich will ehrlich sein: AI hat nicht alles perfekt gemacht. Es gab Fehlschläge und Ergebnisse, die stark überarbeitet werden mussten. Aber diese Fehlschläge sind klein im Vergleich zum schieren Volumen und der Qualität dessen, was geliefert wurde. Die Bilanz kippt überwältigend zugunsten der Maschine.

So ist es passiert.

Die Grundlagen: Erst die langweilige Arbeit automatisieren

Es begann mit Meetings. Das Leben jedes Wissensarbeiters wird von Meetings dominiert, und jedes Meeting erzeugt den gleichen Overhead: Notizen, Action Items, Follow-ups, Vorbereitung für das nächste.

Ich habe einen AI-Agent-Workflow gebaut, der Folgendes macht:

1. Meeting-Transkription und Notizen. Unser Unternehmen nutzt Microsoft Teams, das automatische Transkriptionen liefert — aber die sind oft mittelmäßig, besonders wenn Leute mitten im Satz zwischen Deutsch und Englisch wechseln (was in einem deutschen Unternehmen mit internationalem Team ständig passiert). Also habe ich meinen Agent so eingerichtet, dass er die originale Videoaufnahme nimmt und seine eigene Transkription erstellt, die durchweg besser ist. Aus dieser Transkription generiert er strukturierte Notizen und umsetzbare Aufgaben.

2. Meeting-Vorbereitung. Vor Meetings lasse ich den Agent den gesamten vorherigen Kontext durchgehen — frühere Meeting-Notizen, zugehörige Dokumentation, offene Aufgaben — und ein Vorbereitungs-Briefing erstellen. Das beinhaltet:

Was besprochen werden sollte
Welche Ziele wir erreichen müssen
Welche Informationen wir noch einholen müssen

Allein das hat mir Stunden an Recherche und Vorbereitung vor Meetings gespart.

3. Wöchentliche Statusberichte. Ich habe den Agent mit Confluence (unserer internen Dokumentation), Asana (unserem Aufgabenmanagement-Tool) und meinem Kalender verbunden. Indem ich ihm einen Screenshot meines Kalenders der vergangenen Woche gebe, gleicht er alles ab und erstellt:

Eine Zusammenfassung dessen, was ich geschafft habe
Was noch in Arbeit ist
Was mich blockiert

Er aggregiert all das in einen strukturierten Bericht und liefert dann eine Analyse, die ich zur Vorbereitung auf mein wöchentliches Team-Check-in nutze. Was früher eine mühsame und oft hektische Aufgabe vor einem Meeting war — zusammenpuzzeln, was ich die ganze Woche gemacht habe, aus verstreuten Notizen und Erinnerungen — dauert jetzt Minuten.

Die Fallstudie: Einen kompletten Projekt-Workflow automatisieren

Die eigentliche Erkenntnis kam bei einem konkreten Projekt: eine Knowledge-Base-Lösung für das Unternehmen zu finden.

Drei verschiedene Abteilungen brauchten das: IT Service Desk, Kundenbetreuung und Produktmanagement. Jede hatte unterschiedliche Anforderungen, unterschiedliche bestehende Tools und unterschiedliche Stakeholder mit verschiedenen Meinungen. Die Art von Projekt, die typischerweise Monate an Meetings, Exploration und politischer Navigation braucht.

So sieht der traditionelle Prozess aus:

Erste Anfrage von Stakeholdern
Klärungsmeetings, um den tatsächlichen Bedarf zu verstehen
Anforderungsdefinition
Exploration bestehender interner Lösungen
Recherche zu externen Lösungen
Evaluation und Vergleich
Finaler Vorschlag

Ich habe fast alles davon automatisiert.

Der Agent verarbeitete Meeting-Transkriptionen aus Stakeholder-Gesprächen. Er verdaute Dokumentation über unsere bestehenden Tools — Salesforce (unser CRM) und Jira Service Management (in unserer IT-Abteilung untergenutzt). Er analysierte Anforderungen verschiedener Abteilungen, identifizierte Überschneidungen und Konflikte und half dabei, einen Vorschlag zu synthetisieren.

Was wir im Grunde getan haben, war, das gesamte Wissen, das in meinem Kopf und in den Köpfen von Experten im Unternehmen steckte, zu digitalisieren — entweder durch schriftliche Dokumentation oder durch die Meetings selbst. Der Agent verarbeitete alles in eine Form, über die er nachdenken, vergleichen und Schlüsse ziehen konnte.

Das Ergebnis war nicht perfekt. Es brauchte immer noch mein Urteilsvermögen, mein Verständnis der internen Firmendynamik, zusätzliche nicht-dokumentierte Einschränkungen und ein Gespür dafür, welche Lösungen tatsächlich angenommen werden könnten. Aber es brachte uns 80% des Weges in einem Bruchteil der Zeit.

Die Vision: Was als Nächstes kommt

Hier wird es interessant — und ein bisschen beunruhigend.

Ich kann den nächsten Schritt klar sehen, auch wenn wir ihn noch nicht umgesetzt haben: die Automatisierung der Stakeholder-Interaktion selbst. Statt ein Dutzend Meetings zur Klärung von Anforderungen anzusetzen, stell dir ein Chat-Interface vor, über das der Agent direkt mit Stakeholdern kommuniziert. Er stellt die richtigen Fragen, klärt Unklarheiten, erfasst Anforderungen in einem strukturierten Format und dann:

Evaluiert, welche Lösungen intern bereits verfügbar sind
Erkundet zusätzliche Optionen vom Markt
Gleicht Anforderungen mit verfügbarer Technologie ab
Erstellt einen Vorschlag für alle Stakeholder

Ein Prozess, der derzeit Wochen an Kalenderkoordination und Meeting-Müdigkeit kostet, könnte asynchron, gründlich und ohne dass jemand einen freien Slot in jedermanns Kalender finden muss, ablaufen.

Das ist der Punkt, an dem „Ich werde nicht mehr gebraucht" aufhört, ein Witz zu sein.

Wie du das selbst bauen kannst: Ein praktischer Leitfaden

Wenn du anfangen willst, deine eigenen Workflows zu automatisieren, hier ist der Ansatz, der bei mir funktioniert hat:

Schritt 1: Fang mit dem Meeting-Overhead an

Das ist die tiefhängendste Frucht und die Automatisierung mit dem höchsten ROI für die meisten Wissensarbeiter. Hol dir einen AI-Agent (Claude Code, einen GPT-basierten Workflow oder Ähnliches), der:

Meetings transkribieren kann (besonders wenn dein Firmen-Tool schlecht ist)
Action Items und Schlüsselentscheidungen extrahiert
Strukturierte Notizen generiert

Schritt 2: Verbinde deine Datensilos

Die wahre Power kommt davon, den Agent mit den Tools zu verbinden, in denen deine Arbeit tatsächlich lebt: Aufgabenmanagement, Dokumentationsplattformen, Kalender, E-Mail. Der Agent braucht Kontext, um nützlich zu sein. Ohne ihn ist er nur ein weiterer Chatbot.

Schritt 3: Automatisiere die Vorbereitung, nicht nur die Dokumentation

Die meisten Leute hören bei „AI macht meine Meeting-Notizen" auf. Der größere Gewinn ist, AI dich auf Meetings vorbereiten zu lassen. Gib ihm den gesamten vorherigen Kontext und lass es dir sagen, was als Nächstes passieren muss.

Schritt 4: Baue wöchentliche Synthese-Workflows

Verbinde deinen Kalender, dein Aufgabenmanagement-Tool und deine Dokumentationsplattform. Lass den Agent eine wöchentliche Zusammenfassung erstellen, die du überprüfst und verfeinerst. Das zwingt dich, deine Tools aktuell zu halten (weil der Output des Agents nur so gut ist wie die Daten, auf die er zugreifen kann) und gibt dir ein klares Bild davon, wohin deine Zeit tatsächlich geht.

Schritt 5: Nimm dir ein echtes Projekt komplett vor

Wähl ein Projekt mit klaren Inputs (Stakeholder-Anforderungen, bestehende Tools, Marktoptionen) und einem klaren Output (eine Empfehlung oder ein Vorschlag). Füttere den Agent mit allem und schau, wie nah er drankommt. Du wirst überrascht sein.

Der Teil, über den niemand spricht: Burnout

Hier ist die dunkle Seite, die es nicht in die Produktivitäts-Threads schafft.

Die Fähigkeit, mit Agents zu multitasken — mehrere AI-Workflows gleichzeitig laufen zu lassen, von denen jeder ein anderes Projekt bearbeitet — hat mich unglaublich produktiv gemacht. Ich kann jetzt Dinge über Administration, Projektmanagement und Softwareentwicklung hinweg schaffen, die ich nie für möglich gehalten hätte. Für jemanden mit meiner Persönlichkeit und Arbeitsweise ist das berauschend.

Also mache ich weiter. Teste die Grenzen. Schaue, was noch möglich ist. Und weil ich die Art von Persönlichkeit habe, die nicht aufhört, wenn sie sollte, hat das seinen Tribut gefordert — mental und physisch.

Es sind nicht nur die Stunden, in denen man mit mehreren Agents über verschiedene Aufgaben hinweg beschäftigt ist. Es ist das kognitive Gewicht der Erkenntnis selbst. Du rennst ins Unbekannte, baust Fähigkeiten auf, deren Auswirkungen du nicht vollständig verstehst, und die Unsicherheit, wohin das alles führt, erzeugt eine bestimmte Art von Angst, die schwer zu erklären ist für Leute, die das nicht selbst erleben.

Es gibt ein Zitat, zu dem ich immer wieder zurückkehre: „Wenn du keinen Schwindel spürst, gehst du nicht weit genug." Ich spüre den Schwindel. An manchen Tagen ist es aufregend. An manchen Tagen ist es einfach nur Schwindel.

Was „nicht mehr gebraucht" wirklich bedeutet

Natürlich ist „Ich werde nicht mehr gebraucht" eine Übertreibung. Die AI kann keine Büropolitik navigieren. Sie weiß nicht, welchen Stakeholder man ansprechen sollte. Sie kann keinen Raum lesen oder das Vertrauen aufbauen, das dafür sorgt, dass Leute neue Tools tatsächlich annehmen, statt sie zu ignorieren.

Was sich geändert hat, ist, wo ich gebraucht werde. Die alltägliche Arbeit — die Transkriptionen, die Zusammenfassungen, die Recherche, die ersten Entwürfe, die Vergleichsmatrizen — das ist erledigt. Was bleibt, sind Strategie, Urteilsvermögen, Geschmack und Beziehungen. Die Dinge, die am schwersten zu automatisieren und am schwersten zu definieren sind.

Ich spüre das Gewicht und die Macht dieser AI-Agents auf meinen Schultern. Es ist zugleich befreiend und erstickend. Befreiend, weil ich endlich auf dem Niveau arbeiten kann, auf dem ich immer arbeiten wollte — über das nachdenken, was wichtig ist, statt im administrativen Overhead zu ertrinken. Erstickend, weil der Boden sich ständig unter meinen Füßen verschiebt, und ich sehen kann, wie er sich auch unter den Füßen aller anderen verschiebt.

Die ehrliche Wahrheit ist, dass die Automatisierung mich befreit hat, auf einem höheren Niveau der Arbeit und des Managements zu operieren. Aber sie hat auch das bequeme Gerüst der Beschäftigungsarbeit entfernt, das früher meine Tage strukturiert hat. Wenn die Beschäftigungsarbeit verschwindet, bleiben die schwierigeren Fragen: Was sollten wir eigentlich tun? Was ist wichtig? Was ist die richtige Entscheidung, wenn es keine klaren Antworten gibt?

Das sind die Fragen, die immer noch einen Menschen brauchen. Vorerst.