„Nutzt du schon KI?“ ist für mich die falsche Frage. Fast jeder nutzt heute irgendeine Form von KI, oft ohne es bewusst zu merken. Interessant wird es erst bei der Frage: auf welcher Stufe? Zwischen „ich tippe eine Frage in einen Chat“ und dem, was bei mir inzwischen läuft – mehrere Agenten mit festen Rollen, die sich gegenseitig prüfen, bevor etwas live geht –, liegen mehrere klar unterscheidbare Schritte. Ich habe mir angeschaut, wie verschiedene Organisationen diese Schritte beschreiben, daraus ein eigenes, praxisnahes Stufenmodell gebaut und es an meinen eigenen Agenten-Pipelines gespiegelt, vor allem an denen für ketovavaria.de. Dabei hat sich gezeigt: Die Frage nach der Stufe sind eigentlich zwei Fragen. Wie viel Arbeit übernehmen die Agenten? Und wie viel dürfen sie allein entscheiden?

Worum es geht:

  • Wie vier unterschiedliche Stufenmodelle – von OpenAI, Gartner/Microsoft, assecor und dem MIT Media Lab – dieselbe Entwicklung aus verschiedenen Blickwinkeln beschreiben
  • Mein eigenes, sechsstufiges Modell für die praktische KI-Nutzung, mit konkreten Beispielen aus meinen eigenen Agenten-Pipelines
  • Warum höhere Stufen nicht automatisch das Ziel sind, sondern von Risiko und Governance abhängen
  • Wo ich selbst stehe – und warum ich bei der Autonomie bewusst nicht weitergehe

Vier Modelle, eine Grundidee

Wer nach „Stufen der KI-Nutzung“ sucht, stößt schnell auf mehrere Modelle, die auf den ersten Blick wenig gemeinsam haben. Sie messen Unterschiedliches – das System, die Organisation, den Menschen, die Autonomie –, beschreiben aber dieselbe Grundbewegung: KI übernimmt schrittweise mehr, und die Verantwortung verschwindet dabei nicht, sondern verschiebt sich.

OpenAI: fünf Stufen nach Aufgabengröße

Laut einem Bloomberg-Bericht vom Juli 2024 hat OpenAI intern eine fünfstufige Skala genutzt: Chatbots (Stufe 1, Konversation), Reasoners (Stufe 2, Problemlösung auf Promotionsniveau ohne Werkzeuge), Agents (Stufe 3, KI handelt für einen Nutzer), Innovators (Stufe 4, KI trägt zu neuen Erfindungen bei) und Organizations (Stufe 5, KI erledigt die Arbeit einer ganzen Organisation). Wichtig für die Einordnung: OpenAI hat diese Skala nie offiziell veröffentlicht. Sie stammt aus einem internen Meeting und wurde von einem Sprecher gegenüber Bloomberg bestätigt. Es gibt keinen veröffentlichten Test und keine Benchmark-Schwelle, die einem Modell eine Stufe zuweist. Die Skala misst nicht, wie intelligent ein System ist, sondern welche Art von Arbeit man ihm zutrauen würde – sie ist näher an einem Organigramm als an einem IQ-Test.

OpenAIs fünf Stufen: Chatbots, Reasoners, Agents, Innovators, Organizations

OpenAIs intern kommunizierte fünfstufige Skala, nicht offiziell veröffentlicht

Gartner und Microsoft: Reifegrad der Organisation

Während OpenAIs Modell die Fähigkeit des KI-Systems selbst beschreibt, fragen Gartner und Microsoft, wie reif eine ganze Organisation im Umgang mit KI ist. Gartners Modell unterscheidet fünf Stufen: Foundational (unkoordiniertes Experimentieren), Emerging (erste Pilotprojekte), Operational (KI in einzelnen Prozessen verankert), Scaled (KI über mehrere Funktionen hinweg mit messbarem ROI) und Transformational (KI verändert Entscheidungsfindung und Geschäftsmodell). Microsofts Agentic-AI-Reifegradmodell für Unternehmen verwendet eine vergleichbare fünfstufige Skala (Stufe 100 bis 500) über fünf Fähigkeits-Säulen hinweg: KI-Strategie, Geschäftswert, Governance, Technologie und Kultur. Beide Modelle bewerten kein einzelnes KI-System, sondern den organisatorischen Unterbau drumherum: Governance, Dateninfrastruktur, Prozesse, Kultur.

Gartners fünf Reifegradstufen: Foundational, Emerging, Operational, Scaled, Transformational

Gartners Organisations-Reifegradmodell, von unkoordiniertem Experimentieren bis zur Transformation

assecor: Lernstufen für Menschen und Teams

Ein deutschsprachiges Modell, das ich besonders praxisnah finde, kommt von der Beratung assecor. Es beschreibt sieben Lernstufen – nicht für das KI-System, sondern für die Menschen, die damit arbeiten: von unbewusster Nutzung über bewusste Einzelaufgaben, einen ersten festen Assistenten, die Anbindung an Datenquellen, wiederverwendbare Skills und automatische Startereignisse bis hin zu Agenten, die andere Agenten prüfen. Der entscheidende Unterschied zu den anderen Modellen: Hier steht nicht die Technik im Zentrum, sondern die Lernaufgabe der Nutzerin oder des Nutzers auf jeder Stufe. Eine KI kann technisch längst auf Stufe fünf angebunden sein, während das Team noch Stufe zwei einübt – und genau diese Lücke, schreibt assecor, ist einer der häufigsten Gründe, warum KI-Projekte stocken.

assecors sieben Lernstufen der KI-Nutzung

assecors sieben Lernstufen, von unbewusster Nutzung bis zur gegenseitigen Agenten-Prüfung

MIT Media Lab: Autonomiegrade nach dem Vorbild autonomer Fahrzeuge

Das vierte Modell haben Forscher des MIT Media Lab 2026 vorgeschlagen. Sie übertragen die bekannten SAE-Stufen für autonomes Fahren auf KI-Agenten: A1 Directed (KI handelt nur unter direkter menschlicher Freigabe jeder einzelnen Aktion), A2 Delegated (KI bekommt ein begrenztes Ziel und arbeitet mehrere Schritte ohne Rückfrage, aber innerhalb fester Grenzen wie Budget oder Zeitraum), A3 Adaptive (KI passt ihren Plan an veränderte Umstände an und eskaliert nur bei echten Ausnahmen), A4 Self-Governing (KI arbeitet ohne laufende Aufsicht innerhalb eines klar definierten Einsatzbereichs) und A5 Independent (KI handelt eigenständig über Organisationsgrenzen hinweg). Die zentrale These der Autoren: Mit steigender Autonomie verschwindet menschliche Kontrolle nicht, sie wandert von der einzelnen Aktion in Richtung Policy, Zertifizierung und Institution. Und: Mehr Fähigkeit soll nicht automatisch zu mehr Autorität führen. Ein System sollte erst dann eine Stufe höher rutschen, wenn die Kontrollmechanismen drumherum dafür bereit sind.

MIT Media Labs fünf Autonomiestufen A1 bis A5

MIT Media Labs A1–A5-Autonomiemodell, angelehnt an die SAE-Stufen für autonomes Fahren

Modell Blickwinkel Stufen Kernfrage
OpenAI (intern, 2024) Fähigkeit des Systems 5 (Chatbots → Organizations) Welche Art Arbeit traut man dem System zu?
Gartner / Microsoft Reifegrad der Organisation 5 (Foundational → Transformational) Wie weit ist die Organisation drumherum?
assecor Lernfortschritt von Menschen/Teams 7 (unbewusst → Agenten prüfen Agenten) Was muss der Mensch dafür lernen?
MIT Media Lab Autonomiegrad des Agenten 5 (A1 Directed → A5 Independent) Wie viel laufende Aufsicht braucht es noch?

Mein eigenes Stufenmodell: Von der Anfrage zur geprüften Pipeline

Keines dieser vier Modelle beschreibt für sich allein, was bei mir tatsächlich passiert ist. OpenAI und Gartner/Microsoft schauen auf das System beziehungsweise auf die Organisation, nicht auf die tägliche Arbeit mit einer konkreten Pipeline. Am nächsten dran ist assecor: Die Lernstufen decken sich weitgehend mit meinem eigenen Weg, deshalb bilden sie das Rückgrat meines Modells. Zwei Dinge fehlen mir dort aber – die Arbeitsteilung zwischen mehreren Agenten, die bei mir eine eigene Stufe ist, und eine Antwort auf die Frage, wie viel ein Agent allein entscheiden darf. Diese zweite Achse liefert das MIT-Modell. Deshalb nenne ich bei jeder meiner sechs Stufen zusätzlich die ungefähre MIT-Autonomiestufe, auf der die Arbeit in der Praxis läuft. Wie sich zeigen wird, steigt sie deutlich langsamer als die Stufe selbst.

Die sechs Stufen der KI-Nutzung als Treppe, mit Roboter-Maskottchen auf jeder Stufe

Die sechs Stufen der KI-Nutzung – von der Einzelanfrage zur Pipeline, in der Agenten sich gegenseitig prüfen

Stufe 1 · Einzelanfrage (unterhalb von A1)

Eine Frage, eine Antwort, kein gespeicherter Kontext. So habe ich selbst angefangen: Texte prüfen lassen, Formulierungen vorschlagen lassen, Code-Snippets erklären lassen. Die KI handelt hier nicht, sie informiert. Jede Antwort bewerte ich neu, nichts läuft automatisch weiter. Auf der MIT-Skala taucht diese Stufe deshalb noch gar nicht auf, denn schon A1 setzt voraus, dass die KI selbst eine Aktion ausführt. In den anderen Modellen entspricht sie OpenAIs Stufe 1 (Chatbots) und assecors Stufe 2 (bewusste Einzelaufgaben). OpenAI beschreibt damit, was das System kann, assecor dagegen, was der Mensch lernen muss: die Antwort bewusst einzusetzen und ihre Grenzen zu kennen.

Stufe 2 · Fester Assistent mit Rolle (≈ A1)

Der Unterschied zur ersten Stufe ist unscheinbar, aber entscheidend: Zweck, Ton und Arbeitsregeln lege ich einmal fest, statt sie bei jeder Anfrage neu zu erklären. Bei mir war das der erste Schritt zu einem Social-Media-Textagenten für ketovavaria.de, der von Anfang an weiß, dass Instagram-Texte bildstark mit drei bis fünf Hashtags formuliert werden und X-Texte knapper mit höchstens zwei. Der Agent schlägt vor, ich entscheide über jede einzelne Veröffentlichung. Das ist assecors Stufe 3 (erster fester Assistent) und nach MIT-Definition A1 Directed: Die KI handelt nur unter direkter Freigabe jeder einzelnen Aktion.

Stufe 3 · Anbindung an echte Werkzeuge und Daten (≈ A2)

Ab hier arbeitet die KI nicht mehr nur mit dem, was ich ihr in den Prompt schreibe, sondern mit echten Systemen: der Datenbank des Blog-Systems, dem FTP-Zugang, Docker-Containern, der Instagram-Graph-API. Ein konkreter Wendepunkt war für mich der Moment, als ein Agent erstmals eigenständig über die REST-API des Blog-Systems einen Blogartikel abrufen, dessen Beitragsbild extrahieren und automatisch als Linkvorschau in einen Social-Media-Post einfügen konnte. Vorher musste ich das von Hand zusammensuchen. Die Grenzen sind dabei ausdrücklich gesetzt: definierte Zugänge, definierte Aktionen, klar begrenzte Rechte. Innerhalb dieser Grenzen arbeitet der Agent mehrere Schritte ohne Rückfrage. Das ist A2 Delegated nach MIT und assecors Stufe 4 (Anbindung an Datenquellen) zugleich.

Stufe 4 · Mehrere Agenten mit getrennten Rollen (≈ A2, punktuell A3)

Die eigentliche Verschiebung passiert nicht durch mehr Autonomie pro Agent, sondern durch Arbeitsteilung zwischen mehreren Agenten. Bei ketovavaria.de ist das heute Alltag: Ein Social-Agent schreibt plattformgerechte Texte, ein Designer-Agent liefert das passende Bild, ein Koordinator bündelt beides zu einer Vorschau, ein Developer-Agent baut und repariert die technische Pipeline. Keiner dieser Agenten darf allein veröffentlichen. Jeder arbeitet in seinem Bereich auf A2-Niveau, also mehrschrittig, aber innerhalb fester Grenzen. Ansätze von A3 zeigen sich nur in kleinen technischen Teilaufgaben – etwa wenn ein Agent den Veröffentlichungsversuch wiederholt, weil eine Plattform ein Bild noch als „nicht fertig verarbeitet“ meldet. Die Entscheidung, ob ein Post überhaupt veröffentlicht wird, bleibt davon unberührt: Sie liegt bei mir. Diese Stufe kommt in assecors Modell nicht vor, sie ist meine Ergänzung.

Stufe 5 · Automatisch gestartete Abläufe mit Freigabe-Gates (≈ A2, bewusst nicht höher)

Ein systemd-Timer ruft bei ketovavaria.de alle fünf Minuten einen Veröffentlichungslauf auf, ohne dass ich ihn von Hand anstoße. Das ist assecors Stufe 6 (automatische Startereignisse). Entscheidend ist aber, was dabei bewusst nicht automatisiert wurde: Ein Post geht nur live, wenn drei Bedingungen gleichzeitig erfüllt sind. Ich habe seinen Status zuvor auf „freigegeben“ gesetzt, ein globaler Live-Schalter ist aktiv, und das Programm läuft mit explizitem Live-Flag. Der Timer bestimmt den Zeitpunkt, nicht die Entscheidung. Automatisch ist also der Ablauf, nicht die Freigabe. Genau darin liegt der Unterschied zu Stufe 2: Dort habe ich jede einzelne Aktion freigegeben (A1), hier gebe ich nur noch den Inhalt frei, und den eigentlichen Veröffentlichungslauf erledigt das System ohne mich. Nach MIT ist das A2. Höher geht es bewusst nicht: Das System passt weder selbst an, was veröffentlicht wird (A3), noch läuft es inhaltlich ohne Aufsicht (A4). Dieselbe Logik gilt für meine wöchentlichen Ketovavaria-Berichte: Sie werden terminiert veröffentlicht, aber nie ohne vorherige inhaltliche Prüfung durch mich.

Stufe 6 · Agenten prüfen Agenten (≈ A3 für die Prüfung)

Die oberste Stufe, die ich aktuell nutze, entspricht assecors Stufe 7: Ein Agent prüft die Arbeit eines anderen Agenten, bevor ich überhaupt draufschaue. Bei mir läuft das als feste Reihenfolge, etwa für ein Handbuchkapitel. Zuerst schreibt ein Writer-Agent den Entwurf. Dann prüft ein Reviewer-Agent ihn Satz für Satz gegen die Originalquellen und gibt erst nach eigener Korrektur ein PASS. Danach testet ein Tester-Agent das Kapitel auf einer Staging-Umgebung. Live geht ein Kapitel erst nach bestandenem Test; meine eigene inhaltliche Abnahme ist davon bewusst getrennt, der PASS der Agenten ersetzt sie nicht. Ein zweites Beispiel: Bevor mir ein überarbeiteter Artikelentwurf vorgelegt wird, prüft ihn ein separater Review-Agent auf Logikbrüche, unbelegte Behauptungen und inkonsistente Formulierungen – unabhängig von dem Agenten, der den Entwurf geschrieben hat. Die Prüfung selbst entspricht A3 Adaptive: Sie läuft eigenständig und eskaliert unklare Fälle an mich. Diese Autonomie gilt für das Prüfen, nicht für das Veröffentlichen. Für die Kriterien, nach denen der Reviewer-Agent urteilt, nutze ich das aus der Praxis bekannte LLM-as-Judge-Muster: Ein Testfall besteht aus einer festen Sammlung bekannter Beispiele, einem Satz benannter Prüfkriterien (bei mir z. B. Quellentreue, Logikkonsistenz, Beleglage), einer Skala je Kriterium und einer harten Regel, wann ein Fall insgesamt durchfällt – fällt irgendein Einzelkriterium unter einen Schwellenwert, ist das Gesamturteil automatisch „fail". Jede wiederkehrende Prüfaufgabe bekommt so drei bis fünf bekannte Testfälle mit erwartetem Ergebnis, gegen die ein neuer Entwurf automatisch läuft, bevor der Reviewer-Agent frei formuliert urteilt. Das ist die Spezifikation für den nächsten Schritt – umgesetzt in der laufenden Pipeline ist sie noch nicht.

Nebeneinandergelegt zeigt sich, was das Modell eigentlich aussagt: Die Stufen steigen deutlich schneller als die Autonomie.

Meine Stufe assecor MIT-Autonomie Was ich selbst entscheide
1 · Einzelanfrage Stufe 2 unterhalb von A1 Ich bewerte jede Antwort neu
2 · Fester Assistent Stufe 3 A1 Jede einzelne Aktion
3 · Werkzeug-Anbindung Stufe 4 A2 Zugänge, Aktionen und Rechte des Agenten
4 · Mehrere Agenten – (meine Ergänzung) A2, punktuell A3 Ob ein Post veröffentlicht wird
5 · Automatische Abläufe mit Freigabe-Gates Stufe 6 A2 Die Freigabe jedes einzelnen Posts
6 · Agenten prüfen Agenten Stufe 7 A3 (für die Prüfung) Unklare Fälle und meine eigene Abnahme

assecors Stufe 1 (unbewusste Nutzung) und Stufe 5 (wiederverwendbare Skills) haben in meinem Modell keine eigene Stufe.

Warum ich bei der Autonomie bewusst nicht weiter hochsteige

In meinem eigenen Modell bin ich auf der obersten Stufe angekommen. Bei der Autonomie dagegen höre ich bewusst bei A2 auf, sobald es ums Veröffentlichen geht. Am deutlichsten formuliert diese Haltung das MIT-Media-Lab-Papier, als Leitsatz: Kein Agent sollte auf einer höheren Autonomiestufe arbeiten, als das Governance-Umfeld um ihn herum sicher tragen kann. Bei mir heißt das konkret: Die Freigabe-Gates aus Stufe 5 werde ich nicht automatisieren, auch wenn es technisch möglich wäre. Der Grund ist nicht, dass ich den Texten grundsätzlich misstraue. Der Grund ist, dass sich eine einmal veröffentlichte falsche Aussage – ein erfundenes Zitat, eine falsche Zahl, eine missverständliche Formulierung zu Gesundheit oder Finanzen – nicht mehr vollständig zurückholen lässt. Genau hier liegt der Unterschied zwischen A2 und A4 im MIT-Modell: Bei A4 arbeitet das System ohne laufende Aufsicht und behandelt Ausnahmen innerhalb seines Einsatzbereichs selbst; menschliche Kontrolle steckt dann nur noch in den Regeln, die vorher festgelegt wurden. Bei A2 entscheide ich weiterhin über jeden einzelnen Post. Für Entwürfe, interne Recherche und Pipeline-Reparaturen nutze ich dagegen bewusst A3-Verhalten, weil ein Fehler dort korrigierbar bleibt, bevor er irgendjemanden erreicht.

Ob ich diesen Schritt überhaupt gehen sollte, prüfe ich anhand eines Governance-Leitfadens für Unternehmens-KI-Agenten, der fünf Prüffragen vorschlägt: Ownership, Access, Authority, Intervention, Evidence. Bei mir sind vier davon klar beantwortet – am schwächsten ist Evidence: die lückenlose Nachvollziehbarkeit jeder einzelnen Freigabe-Entscheidung. Ein parallel entstehender IETF-Entwurf für ein standardisiertes Agenten-Protokollformat (Agent Audit Trail) liefert dafür die Zielstruktur: jeder Eintrag mit eindeutiger ID, Zeitstempel, handelndem Agenten, der autorisierenden Instanz, der Entscheidung samt Begründung und dem tatsächlichen Ergebnis – entscheidend ist der Vermerk, ob der Eintrag vor oder erst nach der Aktion geschrieben wurde, denn nur ein Vorab-Eintrag beweist, dass eine Freigabeprüfung wirklich vor der Aktion lief. Für meine Social-Media-Pipeline hieße das konkret: Das bestehende Ergebnisprotokoll um Freigabe-ID, Zeitpunkt der Freigabe und diesen Vorher/Nachher-Vermerk zu erweitern – spezifiziert, aber noch nicht umgesetzt.

Fazit

Die vier Modelle messen Unterschiedliches – Systemfähigkeit, Organisationsreife, menschlichen Lernfortschritt, Autonomiegrad –, beschreiben aber dieselbe Bewegung: KI übernimmt schrittweise mehr, und mit jeder Stufe verschiebt sich, worauf man achten muss, nicht, ob man noch achten muss. Auf die Eingangsfrage, auf welcher Stufe ich stehe, habe ich deshalb eine Antwort in zwei Teilen. In meinem eigenen Modell bin ich auf Stufe 6: Agenten schreiben, prüfen und testen, bevor ich überhaupt draufschaue. Auf der MIT-Skala bleibe ich beim Veröffentlichen dagegen bewusst bei A2. Organisatorisch, nach assecors eigenem sechsstufigen Reifegradmodell für Unternehmen (Experimentelle Anfangsphase bis Transformative Endphase), ordne ich ketovavaria.de bei „Operative Einbettung" ein: KI ist fester Teil der regulären Abläufe, eine erste Skalierung auf mehrere Kanäle und Berichte hat stattgefunden, die systematische Ausweitung auf weitere Bereiche steht noch aus. Die wichtigste Erkenntnis aus diesem Weg: Wie viel Arbeit die Agenten übernehmen und wie viel sie allein entscheiden dürfen, sind zwei verschiedene Regler. Der erste kann weit nach oben gehen, ohne dass der zweite mitgeht. Governance und Autonomie müssen zusammen wachsen, und wo eine falsche Entscheidung nicht mehr korrigierbar ist, bleibt die Freigabe bei mir, ganz gleich, wie gut die Pipeline darunter inzwischen funktioniert. Was mir für den nächsten Schritt noch fehlt, ist vor allem die lückenlose Nachvollziehbarkeit jeder einzelnen Freigabe-Entscheidung, bevor ich über mehr Autonomie überhaupt nachdenke.

Quellen