Es gibt zwei Arten, mit KI zu scheitern. Die erste: Man traut ihr nichts zu und lässt sie Textbausteine umformulieren — dann bleibt der Hebel aus. Die zweite ist teurer: Man traut ihr alles zu und lässt sie ungebremst nach außen wirken — dann verschickt das System irgendwann eine Mail, die nie hätte rausgehen dürfen, an einen Kunden, den man nie zurückgewinnt. Wer wie ich Ein Ökosystem aus mehreren Marken über KI-Systeme steuert, braucht deshalb eine dritte Architektur: Human-in-the-Loop. Die Maschine entwirft, der Mensch gibt frei.
Das Prinzip: Entwurf und Freigabe sind zwei verschiedene Jobs
Die entscheidende Designfrage bei jedem KI-System lautet nicht, was die KI kann — sondern wo sie stoppen muss. Human-in-the-Loop trennt jede Aufgabe in zwei Phasen: Die Entwurfsphase gehört vollständig der Maschine. Sie recherchiert, sortiert, formuliert, bereitet vor — ohne dass ein Mensch eingreift. Die Freigabephase gehört vollständig dem Operator. Nichts verlässt das System, bevor nicht ein Mensch entschieden hat, dass es das darf.
Das ist keine Misstrauenserklärung an die Technik. Es ist eine nüchterne Risikoverteilung: Ein schlechter Entwurf kostet einen Klick auf „Verwerfen". Eine schlechte Aktion nach außen kostet Reputation, Kundenbeziehungen oder Geld — und ist oft nicht rückholbar. Entwürfe sind billig, Aktionen sind teuer. Also darf die KI beliebig viele Entwürfe produzieren und exakt null Aktionen auslösen.
Wo das Tor steht: die Außenwirkungs-Grenze
Die Grenze zwischen beiden Phasen verläuft nicht zwischen „einfach" und „schwierig", sondern zwischen intern und extern. In meinem System gilt eine einfache Ordnung:
- Frei für die Maschine: Daten anreichern, Antworten vorsortieren, Entwürfe schreiben, Reports bauen, Systeme überwachen — alles reversibel, alles intern
- Hinter dem Tor: jeder Versand, jede Veröffentlichung, jede Zusage, jede Aktivierung einer Kampagne — alles, was nach außen wirkt
- Trockenlauf vor Ernstfall: jeder neue Prozess läuft zuerst im Probemodus und zeigt, was er tun würde, bevor er es tun darf
- Harte Blockade statt Konvention: das Tor ist technisch erzwungen, nicht als Bitte im Prompt formuliert — ein Entwurf im Status „Draft" kann schlicht nicht versendet werden
Der letzte Punkt ist der wichtigste. Eine Freigaberegel, die nur auf Disziplin beruht, wird unter Last gebrochen. Eine Freigaberegel, die im System verdrahtet ist, hält auch an schlechten Tagen.
AI-Leverage entsteht nicht dort, wo die KI am meisten darf — sondern dort, wo sie am meisten vorbereitet und der Mensch am wenigsten Zeit pro Entscheidung braucht.
Warum das schneller ist, nicht langsamer
Der häufigste Einwand: Wenn am Ende doch ein Mensch draufschaut, wo bleibt der Hebel? Die Antwort liegt in der Asymmetrie der Arbeit. Einen Entwurf zu erstellen kostet Minuten bis Stunden — recherchieren, Kontext sammeln, formulieren. Einen guten Entwurf zu beurteilen kostet Sekunden. Human-in-the-Loop verschiebt die menschliche Arbeit vom teuren Teil auf den billigen: Der Operator produziert nichts mehr, er entscheidet nur noch.
Gebündelt wird daraus ein Tagesritual: Einmal am Tag stehen alle Entwürfe des Ökosystems in einer Warteschlange — Antwortvorschläge, Follow-ups, Freigaben für Kampagnen. Ein Durchlauf, klare Entscheidungen, fertig. So skaliert die Urteilskraft eines Menschen über viele Einheiten, ohne dass seine Zeit mitskalieren muss. Wie eng dieses Muster mit delegationsfähigen Agenten zusammenhängt, zeigt der Beitrag KI-Agenten statt Chatbots.
Die Loop verengt sich — aber sie verschwindet nie
Human-in-the-Loop ist kein statischer Zustand. Am Anfang prüft der Operator jeden Entwurf vollständig. Mit wachsendem Vertrauen prüft er Stichproben und Grenzfälle, während Routinefälle nur noch kurz bestätigt werden. Was sich dabei nie ändert: Die Kategorie der Entscheidungen, die grundsätzlich beim Menschen bleiben. Alles, was irreversibel ist, rechtliche Wirkung hat oder die Beziehung zu einem Kunden prägt, geht durch das Tor — heute, in einem Jahr, immer.
Das Ergebnis ist ein System, das die Geschwindigkeit der Maschine mit dem Urteil des Menschen kombiniert, statt eines gegen das andere zu tauschen. Die KI wird nie müde, der Operator wird nie überrascht. Genau diese Kombination trägt ein Ökosystem aus mehreren Marken — nicht die Illusion, dass Systeme irgendwann ganz ohne Urteil auskommen.