Generative Einzellösungen vs. Agentensysteme: Eine (eher kurze) Schlammschlacht

Automatisierter Content wächst explosionsartig und verschiebt die Balance zwischen echter Qualität und blosser Geschwindigkeit und Masse. Kurz scheint AI ihre Nutzenden auf ein vermeintlich höheres Niveau zu heben, doch tatsächlich verstärkt sie bestehende Unterschiede: Gute Arbeit gewinnt, belanglose entlarvt sich auf Dauer schneller. Mit Agentischer AI beginnt dann die nächste Stufe – ein Produktivitätssprung, der Chancen, Risiken und auch Kompetenzverhältnisse neu ordnet. Die entscheidende Frage lautet: Wer beherrscht und orchestriert die Technologie – und wer wird von ihr überholt?

Ein Artikel von: Mark Gille-Sepehri und Markus Schmidiger

Vom Slop zu Workslop

Der englische Begriff „Slop“ klingt harmlos, meint aber alles andere als das: Schlamm, Matsch, Schlabber. Etwas, das von minderer Qualität, lieblos zusammengeworfen oder schlicht schlecht gemacht ist. In der Medienwelt hat sich die Bedeutung entsprechend weiterentwickelt. Heute steht „Slop“ dort für nachlässige Arbeit, für Inhalte, die mehr nach Masse als Klasse aussehen.

Im digitalen Medien- und Internetkontext hat sich daraus der Begriff „Workslop“ etabliert: Inhalte, die schnell, oberflächlich und ohne echte Sorgfalt produziert werden. Meist geht es darum, Lücken zu füllen – für Klicks, Reichweite, oder einfach nur, weil der Algorithmus Futter verlangt.

Doch heute stammt dieser Workslop nicht mehr nur von überforderten Praktikanten oder lieblosen Content-Fabriken. AI ermöglicht Mitarbeitenden mit bisher eher schwachen Ergebnissen, scheinbar hochwertige Inhalte zu produzieren, die bei genauer Betrachtung aber denselben Kern wie jeder Slop besitzen: Sie sind wertlos, leer und wenig relevant.

Eine Untersuchung von [Graphite 2024] zeigt, dass der Anteil automatisch generierter Beiträge im Internet inzwischen auf dem gleichen Niveau liegt wie menschlich erstellter Content.
Das heisst: Die Hälfte dessen, was wir online lesen, wurde nicht mehr von Menschenhand geschrieben.

The Tide lifts all Boats

Dieser Effekt – dass schwächere Leistungen durch AI kurzfristig scheinbar aufgewertet werden – ist real, aber nicht nachhaltig. Der Grund ist einfach:

Alle, insbesondere die ohnehin leistungsstärkeren Mitarbeitenden, passen sich schnell an die neuen Werkzeuge an und heben ihr eigenes Produktionsniveau massiv an. Sie nutzen Chatbots nicht nur zur Beschleunigung einzelner Arbeitsschritte, sondern zur systematischen Qualitätssteigerung, indem sie bessere Fragen stellen, komplexe Konzepte veredeln, Varianten vergleichen, Entwürfe iterativ verbessern lassen, Wissen schneller abrufen und ihre eigenen Ideen durch AI spiegeln, testen und weiterentwickeln.

[Brynjolfsson et al 2018] haben solche temporären Effekte bereits früh untersucht und den Begriff einer «J-Kurve» der Produktivität geprägt.

So entsteht eine neue Gleichung: Wer zuvor Gold produzierte, produziert nun sogar mehr Gold.

Lange fokussierten Studien auf diesen Effekt und schlussfolgerten entsprechend, dass KI Einkommensunterschiede überwiegend verstärken wird. Eine neue Studie von Brynjolfsson et al. (2025) fokussiert nun auf den Aufholeffekt unerfahrener Servicemitarbeiter. Sie kommt zum Schluss, dass die relativen Produktivitätsgewinne bei unerfahrenen Mitarbeitern mit Routineaufgaben grösser sind, als der Verstärkungseffekt in der „Goldproduktion“. Diese Ergebnisse sind erste Anzeichen dafür, dass die Produktivität insgesamt mit KI stark zunehmen kann, aufgrund von „Skill-Levelling“ ohne den zunächst befürchteten Effekt der wachsenden Einkommensungleichheit. Oder mit anderen Worten: Wir haben mit hoher Wahrscheinlichkeit das Tal der J-Curve durchschritten.

Auf dem Weg zu Produktivitätsgewinnen

AI wird damit zunehmend nicht nur zu einem Verstärkungsfaktor bisheriger individueller Leistung, sondern kann in einzelnen Aufgabengebieten mit Routineaufgaben auch zu Angleichungen führen und unerfahrene Mitarbeiter schneller auf ein höheres Niveau bringen. In welche Richtung sich die Verteilung von Arbeitsleistung bewegt, ist letztlich eine Frage der individuellen Geschäftsentwicklung: Talentierte Mitarbeitende werden durch AI grundsätzlich noch sichtbarer, da sie die Werkzeuge individuell gezielter, reflektierter und strategischer einsetzen. Sollen alle Mitarbeitende von KI profitieren, müssen hingegen auch die Routine-Prozesse neu gedacht und die Kultur neu gelebt werden. Das ist aber ein langsamer Prozess und deshalb dürfte vorerst weiterhin gelten:

«Wer viel hineingibt, bekommt multiplikativ mehr heraus.»

Die Zeit der Agentensysteme

Während klassische Chatbots also primär einzelne Mitarbeitende unterstützen und deren Leistung verstärken, eröffnet der Einsatz systematischer agentischer KI eine völlig neue Dimension zur Produktivitätssteigerung insgesamt: KI-Agenten können autonom planen, handeln und sich untereinander koordinieren. Moderne Chatbots – auch jene, die wir heute bereits nutzen – sind in Wirklichkeit vorkonfigurierte agentische Systeme, die genau auf solchen Mechanismen basieren.

Die Fähigkeiten dieser Agenten lassen sich kompakt zusammenfassen:

• Autonomes Planen und Handeln – mehrstufige Aufgaben werden selbstständig zerlegt und ausgeführt.
• Tool- und API-Nutzung – Agenten greifen auf externe Systeme, Datenbanken oder Services zu.
• Datenerhebung und -anreicherung – sie beschaffen, analysieren und verknüpfen strukturierte und unstrukturierte Daten.
• Entscheidungsunterstützung – Optionen werden bewertet, Empfehlungen generiert und Szenarien simuliert.
• Dokumenten- und Kommunikationsgenerierung – Berichte, Zusammenfassungen und Nachrichten entstehen automatisch.
• Monitoring und ereignisbasierte Aktionen – Agenten überwachen Signale und reagieren bei definierten Auslösern.

Diese Fähigkeiten machen agentische KI nicht nur zu einem Werkzeug für Einzelpersonen, sondern zu einer skalierbaren Ressource, die im und spezifisch für das gesamte Unternehmen eingesetzt werden kann.

Eine solche unternehmensspezifische und -weite agentische KI wirkt auf zwei Ebenen:

• Individuelle Ebene
  die Produktivität wird gesteigert.
• Organisationale Ebene
  Unternehmen können erstmals komplette Prozessketten durchdringen, die zuvor ausschließlich manuell funktionierten.

Das kann – wie grundsätzlich bei der Einführung wohldefinierter, nachverfolgbarer Prozessabläufe – bedeuten:

• deutliche Effizienzsteigerungen
• geringere Fehlerraten
• Wiederholbarkeit und Nachvollziehbarkeit

mit inhaltlichen Auswirkungen wie

• Compliance-Sicherheit und
• erhöhte Kundenzufriedenheit.

Agentische AI ist damit nicht nur ein Werkzeug, sondern vor allem ein strategisches Instrument, aber nur, wenn man die Risiken beherrscht:

Agentische Systeme können nämlich – wie moderne Chatbots allgemein

• unvorhersehbar handeln,
• falsche oder erfundene Ergebnisse produzieren und
• Prozesse beeinflussen, die kritische Auswirkungen haben.

Die Mechanismen für Kontrolle und Steuerung entstehen erst jetzt – Forschung und Praxis entwickeln sich parallel. Auch wir im Projekt AI im Real Estate (AI@RE) forschen zu diesen Themen.

Bekannt Ansätze zur Eindämmung von Fehlern und Risiken sind hierbei etwa:

• (Teil-)vordefinierte Prozessabläufe zur Bearbeitung durch das agentische System anstelle einer komplett durch die AI durchgeführten Ablauf und Werkzeugverwendungsplanung
• Aufteilung der notwendigen Arbeitsschritte in hinreichend kleine, möglichst klar definierte Einheiten, deren Ergebnisse gut überprüfbar sind
• Mitführen von Evaluationskriterien (Quelle, AI-Verfahren, Kritikalität, Umfang der Antwort etc.) und nachträgliche Bewertung
• Einführung von ggf. repetitiven Ergebnisüberprüfungen durch die AI selbst, ggf. auf Basis vorhergehender Evaluationen
• Verwendung von Guardrails in Einzelprompts („Tues dies auf keinen Fall …“)

Ergebnisse in frühen Einsatzfeldern wie Softwareentwicklung, Legal und Compliance zeigen jedoch bereits, welches Potenzial für andere Branchen existieren kann.

Die “Produktivitätsmatrix”

Insgesamt kann man also Produktivitätsbeiträge für zwei wesentliche Werkzeuge und Methoden moderner AI,

• den Einsatz von Chatbots und
• den Einsatz agentischer AI

wie folgt kategorisieren und qualitativ abschätzen:

AI Werkzeug/Verfahren	Individueller Produktitätsgewinn	Produktivitätsgewinn Unternehmen
Chatbot mit darunterliegendem LLM und ggf. generischer Agententechnologie (z.B. zur Internetrecherche)	Positive bis signifikante Beiträge trotz Workslop	Nur durch die Summe der Individualbeiträge
Unternehmensspezifische agentische AI (mit Retrieval Augmented Generation (RAG), Orchestrierung, Dokumentenverarbeitung, Evaluation, Anbindung von Unternehmenswerkzeugen wie ERP etc.)	Beiträge zusätzlich zu den Beiträgen aus der (effektiven) Nutzung von Chatbots	Durch Strukturierung und Automatisierung von bisher manuell und individuell ausgeführten Unternehmensprozessen

Wird es politisch?

Ganz sicher.

So wie AI-Nutzung auf individueller Ebene einen Karriereschub erzeugen kann, wird die beherrschte Nutzung agentischer AI im Unternehmen selbst zu einem Kompetenz- und Führungsinstrument.

Wer einen Unternehmensbereich verantwortet und zeigt, dass er Prozesse

• besser durchdringen,
• sinnvoll automatisieren und
• strategisch transformieren

kann, positioniert sich automatisch stärker in der Organisation.

Agentische AI wird damit zu einem Treiber

• von innerbetrieblicher Weiterentwicklung,
• von Verantwortungsübernahme und
• letztlich von Wettbewerbsfähigkeit auf persönlicher wie unternehmerischer Ebene.

Wie wir unterstützen können

Das Projekt AI in Real Estate (AI@RE) des Kompetenzzentrums Immobilienwirtschaft am IFZ hat ein umfangreiches Programm konzipiert, um Unternehmen bei dieser Transition und bei der AI-Wertschöpfung zu unterstützen, darunter

• AI Readiness Check: Schneller Überblick über Reifegrad und Prioritäten.
• Transformation Circle: Begleitung bei der konkreten Umsetzung über 9 Monate.
• Seminare & Workshops: Kompetenzen zu Daten, Governance, Agentic AI und Real-Estate-Use-Cases aufbauen.
• Konferenz „AI in Real Estate“: Zugang zu Trends, Best Practices und Expert:innen.
• Webinare & Insights: Aktuelles Wissen, Quick Wins und Entscheidungsgrundlagen.
• Forschung & Evidenz: Neutrale Modelle, Use-Case-Analysen und Validierungen.
• Praxisnahe Implementierung: Unterstützung von Pilotprojekten bis zur Einführung produktiver Lösungen.

und natürlich der nachhaltigen Ausbildung unserer Studierenden in diesen Themen.

Weiter Informationen zu diesem Thema finden Sie hier.

Das könnte Sie ebenfalls interessieren:

Entdecken Sie die Welt des Immobilienmanagements und erfahren Sie alles Wissenswerte rund um den MAS Immobilienmanagement und andere Angebote zum Thema Immobilien. Gerne beantworten Ihnen Prof. Dr. Markus Schmidiger und Prof. Dr. John Davidson vom IFZ Ihre Fragen.

Der neue CAS Real Estate Investment Management befähigt Sie, erfolgreich in Immobilien zu investieren und Immobilienportfolien erfolgreich zu führen. Melden Sie sich hier an.

Mit dem MAS Immobilienmanagement werden Sie zum Generalisten und sind in der Lage, anspruchsvolle Fach- und Führungsaufgaben rund um das Immobilienmanagement erfolgreich zu übernehmen. Melden Sie sich hier an.

Master of Science in Real Estate – Die Ausbildung für künftige Führungskräfte in der Immobilienbranche.

Das Studium des Master of Science in Real Estate bereitet auf anspruchsvolle Tätigkeiten in der Immobilienwirtschaft vor. Studierende erhalten ein vertieftes Verständnis über immobilienwirtschaftliche Zusammenhänge mit besonderem Schwerpunkt im Bereich Investment, Finanzierung, Projektentwicklung und Management. Gerne beantworten Ihnen Prof. Dr. Michael Trübestein und Prof. Dr. Daniel Steffen vom IFZ Ihre Fragen.

Lesen Sie hier die kürzlich veröffentlichten Blogbeiträge:

Digitale Planung: Wie BIM das Bauen revolutioniert
Lebendige Quartiere – wie Vielfältigkeit und Nutzungsmix harmonisieren
„Anleitung zum Nicht-Coden“ – Warum die Immobilienwelt jetzt eine neue Schlüsselkompetenz braucht
Rückblick: Schweizer Bau- und Immobilienforum 2025