Kontextsensitive Workflows für die Zusammenarbeit von Mensch und Agent

Die Aufgabe von Marketerinnen und Marketern verändert sich – und mit ihr das Fehlerrisiko. In den letzten zwei Jahren hat KI Marketerinnen und Marketer bei ihrer Arbeit unterstützt: beim Entwurf von E-Mails, beim Zusammenfassen von Kampagnen und beim Vorschlagen von Segmenten. Jetzt übernehmen Agenten zunehmend eigenständige Aufgaben: Sie erhalten ein Ziel, planen die Schritte, führen sie systemübergreifend aus und liefern ein Ergebnis – anstatt nur Informationen bereitzustellen, die Menschen bei Entscheidungen helfen. Durch diesen Wandel verlagert sich die Aufgabe der Marketerinnen und Marketer vom Ausführen der Arbeit hin zum Steuern und Überwachen.

Genau hier kann Marketing am meisten gewinnen. Viele Aufgaben lassen sich automatisieren, weil sie mehrere Schritte umfassen und sich regelmäßig wiederholen. Da das Ergebnis jedoch direkt die Marke und die Kundschaft berührt, ist der Spielraum für Fehler gering. Agenten können sich daher kaum auf eigene Annahmen verlassen. Wenn eine Person jede Ausgabe prüft, werden Fehler sofort erkannt. Läuft ein Agent eine 10-stufige Kampagne eigenständig durch, wird eine falsche Annahme früh im Prozess zum Ausgangspunkt für den nächsten Schritt. Fehler häufen sich dann unbemerkt – denn Agenten füllen Informationslücken oft mit selbstsicheren Annahmen und signalisieren selten, dass etwas fehlt. Werden darauf aufbauende Inhalte veröffentlicht, erreichen sie echte Kundinnen und Kunden in der Stimme eurer Marke – und schaffen ein Risiko, für das jemand Verantwortung übernehmen muss.

Was einen Agenten vertrauenswürdig macht, ist nicht das Modell – sondern der Kontext

Jede professionelle Marketing-Plattform basiert heute auf vergleichbaren KI-Modellen. Was einen Agenten, dem ihr vertrauen könnt, von einem unzuverlässigen unterscheidet, ist nicht das Modell, sondern der Kontext, in dem er agiert: was er weiß, was er darf und was „gut“ für eure Marke bedeutet. Ein leistungsfähiges Modell mit dem falschen Kontext macht selbstsicher Fehler – dasselbe Modell mit dem richtigen Kontext leistet nützliche Arbeit auf sichere Weise. Für eine Marketing-Organisation, die bewertet, ob Agenten vertrauenswürdig sind, lautet die entscheidende Frage daher nicht „Welche KI?", sondern „Welcher Kontext?"

Was macht einen Workflow kontextsensitiv?

Besonders wertvolle und zuverlässige Daten darüber, wie die Arbeit einer Marketing-Organisation tatsächlich abläuft, sind in ihren Workflows erfasst: das Kampagnenziel, Fristen und Abhängigkeiten, Validierungszuständigkeiten, abgeschlossene Aufgaben und noch offene Arbeiten. Das gesamte Kontextwissen, das ein Agent benötigt, ist daher bereits in strukturierter und nachvollziehbarer Form vorhanden.

Damit dieser Ansatz sicher in die Produktion überführt werden kann, braucht es sechs zentrale Designentscheidungen. Für Marketer lässt sich der Bedarf einfach zusammenfassen: ein einziger Ort, an dem Menschen und Agenten gemeinsam arbeiten – jeder Agent mit dem richtigen Kontext, innerhalb klar definierter Grenzen und mit einem lückenlosen Nachweis darüber, wer was getan hat.

1. Agenten sind gleichberechtigte Teilnehmer im Arbeitsmodell

Einen Agenten als gleichwertigen Aufgabenverantwortlichen neben einer Person zu behandeln, erfordert eine Änderung am Datenmodell – es reicht nicht aus, einfach einen Bot zum System hinzuzufügen. Ein Agent benötigt eine eigene Identität und Zugangsdaten sowie einen Berechtigungsbereich auf Basis von Rollen und Attributen. So wird sichergestellt, dass seine Aktionen durch Richtlinien und nicht durch einen Prompt begrenzt werden. Ressourcenkontrollen, die Menschen traditionell nicht benötigt haben – wie Kostenbudgets und Limits für parallele Ausführung –, sind notwendig, da Agenten über Tokens und parallele Ausführung skalieren statt über die Mitarbeiterzahl. Zuweisungs-, Autoren- und Validierungsfelder müssen auf einen Akteur verweisen können – ob Person oder Agent –, um eine durchgängige Verantwortlichkeit für alle sicherzustellen.

2. Der Kontext wird für jeden Schritt aus dem Datensatz zusammengestellt

Hier kommt die Disziplin des Context-Engineerings zum Tragen. Der Kontext wird für jeden Schritt neu zusammengestellt – nicht einmalig geladen und wiederverwendet. Ziel ist es, den kleinstmöglichen Satz an aktuellen, hochrelevanten und zulässigen Informationen bereitzustellen, die für die jeweilige Aufgabe erforderlich sind – denn mehr Daten bedeuten nicht zwangsläufig bessere Ergebnisse. Ein Modell verfügt nur über ein begrenztes Verarbeitungsbudget. Je voller das Kontextfenster wird, desto schwieriger wird es für das Modell, das Wesentliche zu erkennen – und die wichtigsten Informationen können in einer Flut von Kontext untergehen.

Aufgaben in einem Agent-basierten Workflow müssen relevanten Kontext in Echtzeit abrufen – durch die Kombination aufgabenrelevanter Suchergebnisse aus strukturierten Abfragen, semantischer Suche und Graph-Traversierung mit komprimierten Zusammenfassungen vorheriger Schritte. So erhält der Agent die aktuellsten und relevantesten Informationen für die jeweilige Aufgabe. Damit das System auf Unternehmensebene funktioniert, müssen Berechtigungsfilter zur Laufzeit auf die Daten angewendet werden, sodass der Agent ausschließlich den Kontext nutzt, auf den seine Identität zugriffsberechtigt ist. Der resultierende Kontext muss außerdem gespeichert und im Workflow-Verlauf referenzierbar gemacht werden, damit Stakeholder genau nachvollziehen können, welcher Kontext jede Aktion und das entsprechende Ergebnis beeinflusst hat.

3. Entscheidungen werden durch den Datensatz begrenzt

Damit Agenten im benötigten Umfang nützlich sind, müssen sie eigenständig fundierte Entscheidungen treffen. Wenn jemand jede Aktion auf Fehler prüfen muss, spart der Agent keine Zeit. Die Lösung liegt in der Trennung von Leitlinien und Regeln. Der Kontext, den ein Agent erhält, steuert sein Denken und Planen – vergleichbar mit einem Briefing, das beschreibt, was ihr anstrebt. Regeln hingegen, die nicht gebrochen werden dürfen – wie Markenanforderungen, rechtliche Grenzen oder Validierungsschwellenwerte –, sollten nicht davon abhängen, dass der Agent sie korrekt einhält. Stattdessen prüft das System jede Aktion gegen diese Regeln, bevor sie wirksam wird. Schlägt eine Prüfung fehl, wird der Agent zurückgeschickt, um seine Arbeit anzupassen und die Vorgaben zu erfüllen.

4. Übergaben sind strukturiert und abgesichert

Als Übergabe gilt jeder Punkt, an dem Arbeit von einer Partei zur nächsten übergeht: von einer Person an einen Agenten, zwischen Agenten, von einem Agenten an ein anderes System oder zurück an eine Person. Übergaben sind der häufigste Schwachpunkt bei mehrstufigen Prozessen – deshalb braucht jede einzelne klare Regeln. Jede Übergabe sollte die Informationen mitführen, die der nächste Schritt benötigt, sowie eine Dokumentation darüber, wer oder was für die Arbeit autorisiert war. Außerdem sollte vor der Weitergabe geprüft werden, ob das Ergebnis vollständig und im erwarteten Format vorliegt. Ohne diese Kontrollen setzt sich ein Fehler fort – und jeder weitere Schritt entfernt sich weiter vom ursprünglichen Ziel.

5. Governance greift bei jeder Übergabe – mit lückenloser Nachvollziehbarkeit

Teams legen Richtlinien fest, und das System setzt sie automatisch durch, sobald Arbeit von einem Schritt zum nächsten übergeht. Bei jeder Übergabe prüft das System, ob die Entscheidungen und Aktionen des Agenten alle Anforderungen erfüllen – etwa ordnungsgemäße Autorisierung, Unternehmensrichtlinien und Validierungsschwellenwerte. Erst dann wird die Arbeit fortgesetzt. Diese Prüfungen ergänzen die eigenen Kontrollen der Agenten um eine zweite Qualitätssicherungsebene und stellen sicher, dass jeder Agent bei jedem Workflow-Durchlauf dieselben Regeln befolgt.

6. Vollständige Transparenz über menschliche und Agent-basierte Aktivitäten

Jeder Schritt hinterlässt eine vollständige Aufzeichnung: welche Informationen der Agent verwendet hat, welche Tools er aufgerufen hat, welche Entscheidungen er getroffen hat und warum, wie sicher er dabei war, was das Ergebnis war, wie lange es gedauert hat und was es gekostet hat. Das ist keine bloße Verwaltungsaufgabe – es ist ein zentrales Merkmal. In einem Workflow mit vielen Schritten lässt sich allein am Endergebnis nicht erkennen, was bei Schritt 14 schiefgelaufen ist. Deshalb speichert das System ein vollständiges Protokoll jedes Durchlaufs und gibt Teams eine verlässliche Grundlage dafür, was passiert ist. Zusammen mit dem geregelten Workflow ist diese Dokumentation die Basis dafür, dass Teams eine wachsende Zahl von Agenten überblicken und nicht den Überblick verlieren.

Eine einzige Quelle der Wahrheit hält alles zusammen. Das Workflow-System bleibt eine einheitliche Plattform, die die nötige Governance bietet, um Qualität im benötigten Unternehmensumfang sicherzustellen – während die darin eingesetzten Modelle und Agenten (Agenten von Adobe, Drittanbieter-Agenten, benutzerdefinierte interne Agenten usw.) jederzeit austauschbar sind. Die Steuerung des Systems ist bewusst zentral gehalten – gerade damit die Ausführung vielfältig sein kann. So können Unternehmen Agenten einsetzen, ohne sich an das Modell eines einzigen Anbieters zu binden oder durch die vom System unterstützten Agenten eingeschränkt zu werden.

Wie Adobe Workfront das umsetzt – und was es von anderen unterscheidet

Das ist die Architektur, die wir in Adobe Workfront integrieren – und sie fügt sich nahtlos ein, weil ein kontextsensitives Arbeitsprotokoll genau das ist, wofür Workfront von Anfang an konzipiert wurde. Die strukturierte Erfassung, nachvollziehbare Validierungen, abhängigkeitsbewusste Koordination und Portfolio-Transparenz wurden entwickelt, um Menschen und ihre Arbeit zu koordinieren. Genau dieses Fundament brauchen Agenten, um mit Arbeit betraut zu werden: eine verlässliche Aufzeichnung des Ziels – selbst wenn die Anfrage als Gespräch beginnt –, ein Validierungsmodell, das bereits weiß, wer die Freigabe erteilen kann, sowie eine Abhängigkeitsübersicht, die zeigt, wie die Arbeiten miteinander verknüpft sind. Workfront zu dem zentralen Ort zu machen, an dem Menschen und Agenten gemeinsam arbeiten, ist eine natürliche Weiterentwicklung – keine Neuerfindung.

In diesem Modell sind Adobe Workfront KI-Mitwirkung die Stimme und die Hände des Systems. Sie ermöglichen es Marketer, ihre Absichten zu formulieren und die zur Umsetzung erforderliche Arbeit auszuführen – über Adobe- und Drittanbieter-Systeme hinweg, innerhalb der vertrauten, zuverlässigen Workfront-Plattform, die sie bereits kennen und der sie vertrauen. Und wir machen schnelle Fortschritte: Adobe Coworker Projekte, unterstützt von Workfront, sind die nächsten greifbaren Beispiele dafür, wie Workfront die Zusammenarbeit zwischen Menschen und Agenten im benötigten Umfang ermöglicht – mit einem größeren Funktionsumfang als je zuvor.

Das ist der grundlegende Unterschied zwischen Workfront in Kombination mit Adobe und einem herkömmlichen Work-Management-Tool: Ein Workflow ist nur so kontextbewusst wie der Kontext, auf den er zugreifen kann. Ein eigenständiges Tool erkennt zwar die Aufgaben, aber nicht die Marke, die Kundschaft, den Content oder die Kampagne dahinter. Workfront ist Teil des MarTech-Stacks von Adobe und arbeitet nahtlos mit den Systemen zusammen, die Kundenprofile und Einwilligungen verwalten (Adobe Experience Platform und Adobe Real-Time CDP), Customer Journeys orchestrieren (Adobe Journey Optimizer), Analysen bereitstellen (Adobe Customer Journey Analytics) sowie Content und digitale Assets verwalten (Adobe Experience Manager und die GenStudio-Lösung für die Content Supply Chain) – ergänzt durch Adobe Brand Intelligence. Das bedeutet: Ein Workflow in Workfront kann einen Agenten nativ nicht nur über die anstehenden Aufgaben informieren, sondern auch über die Marke, der er treu bleiben muss, die Kundschaft, der er dient, den Content, den er nutzen kann, und die Ergebnisse, die er erzielt – alles an einem Ort und im Unternehmensmaßstab. Keine andere Work-Management-Plattform bietet diesen vernetzten Marketing-Kontext.

Wir sind transparent: Das ist noch im Aufbau und nicht abgeschlossen. Doch der strukturelle Vorteil, der sich aus der Position von Workfront im MarTech-Stack von Adobe ergibt, ist der wahre Differenzierungsfaktor – einer, den kein eigenständiges Tool durch das bloße Hinzufügen von Funktionen ausgleichen kann. Es ist der Unterschied zwischen einem Workflow-System, das eure Aufgaben kennt, und einem, das eure gesamten Marketing-Aktivitäten versteht.

Kontextbewusste Workflows als Fundament

In der Agent-basierten Ära werden nicht jene Marketing-Unternehmen erfolgreich sein, die die meisten Agenten einsetzen – sondern jene, deren Agenten mit echten Aufgaben betraut werden können. Das setzt Vertrauen voraus, und dieses Vertrauen entsteht nicht durch die Agenten selbst, sondern durch die Workflows, die sie umgeben. Ein kontextbewusster Workflow definiert Ziele, setzt Leitplanken durch, liefert den richtigen Kontext, gewährleistet menschliche Kontrolle und überprüft sowie misst Ergebnisse. Genau das ermöglicht es Marketern, Aufgaben mit Zuversicht an Agenten zu delegieren, CIOs Prozesse zu steuern und zu prüfen sowie Unternehmen in atemberaubendem Tempo zu skalieren. Dieses Workflow-System entwickelt Adobe Workfront nativ innerhalb des leistungsstarken MarTech-Stacks von Adobe – um die Zusammenarbeit zwischen Mensch und Agent voranzutreiben. Die Zukunft entwickelt sich rasant – und die Chance, sie aktiv mitzugestalten, ist jetzt.

Mehr erfahren über KI-Mitwirkung in Adobe Workfront.