Das Human-on-the-Loop Prinzip

Es gibt eine Unterscheidung, die ich bei Kundenmeetings gerne in Folien schweisse — gelegentlich auch auf der Rückseite eines Bierdeckels — weil sie mehr darüber entscheidet, ob sich AI rentiert, als jede Tool-Wahl. Die Unterscheidung zwischen Human-in-the-Loop und Human-on-the-Loop.

Zwei Modi, eine Grundsatzentscheidung

Bei In-the-Loop macht der Mensch die Arbeit, die AI assistiert: du schreibst die E-Mail, das Modell poliert sie. Du baust die Kampagne, das Modell schlägt Anpassungen vor. Der Mensch bleibt Schritt für Schritt im Prozess drin, die AI reicht ihm nur Werkzeug an.

Bei On-the-Loop kippt der Schwerpunkt komplett: Die AI übernimmt die Ausführung, der Mensch steht darüber — er setzt die Ziele und greift genau dann ein, wenn Urteilsvermögen gefragt ist.

Der Grad der Automatisierung kann bei beiden gleich hoch sein. Entscheidend ist, wo der Mensch in diesem Bild steht: mittendrin und mitschreibend, oder darüber, mit der Hand an der Reißleine.

Zwei Jahrzehnte lang hab ich Performance-Marketing-Kampagnen von Hand optimiert, Gebote nach Gerät und Uhrzeit angepasst. Heute bauen wir bei SlopeLift agentische Workflows, die Budgets zwischen Kanälen verschieben, Creatives nach Performance-Signalen rotieren lassen und Reportings von selbst zusammenbauen. Und der Moment, der wirklich zählt, gehört noch immer einem Menschen.

Der Kontext, den kein Modell hat

Wir haben einen Kunden, dessen Return on Ad Spend jedes Jahr in Kalenderwoche zwölf einbricht. Zuverlässig, reproduzierbar, jedes Mal. Ein Agent sieht diesen Datenpunkt und reagiert genau so, wie er gebaut wurde: Budget runter, Gebote anpassen, Kampagne im Zweifel pausieren. Alles logisch. Alles falsch.

Der Einbruch hat mit der Kampagne nichts zu tun. Es ist Gehaltswoche in der Zielgruppe, und das Kaufverhalten normalisiert sich eine Woche später von selbst. Dieses Wissen sitzt bei einem Menschen, der den Account seit drei Jahren beobachtet. Kein Datensatz hält das fest.

Oder das dreißigsekündige Gespräch mit einem Kunden, in dem klar wird, dass sich seine Geschäftsstrategie gerade um 180 Grad gedreht hat. Kein Briefing-Dokument fängt das ab, kein Dashboard zeigt es an, und trotzdem verändert es jede Kampagnenentscheidung für den nächsten Monat. Das berühmte „den Raum lesen". Für genau solche Momente existiert Human-on-the-Loop. Der Agent fährt die Maschine. Der Mensch besitzt die Ziele und das Urteilsvermögen, an das die Maschine gar nicht herankommt.

Warum genau das entscheidet, ob sich AI rentiert

Der PwC Global CEO Survey (Jänner 2026, Davos, 4.454 Befragte aus 95 Ländern) hat ergeben, dass 56 % der CEOs keinen messbaren Return auf ihre AI-Investitionen sehen. Mich überrascht das nicht, weil ich den Fehler von innen kenne.

Wo AI bei uns sofort funktioniert hat: Aufgaben, die ohnehin niemand wollte — Daten aufräumen, erste Entwürfe, schnelle Recherche. Wo wir uns selbst getäuscht haben: überall dort, wo wir AI auf einen Prozess draufgeschnallt haben, ohne vorher zu fragen, ob der Prozess überhaupt was taugt.

Ein schlechter Prozess plus AI produziert mehr schlechten Output, schneller.

Human-on-the-Loop ist die Disziplin, die das verhindert. Sie erzwingt eine explizite Entscheidung: welche Aufgaben wandern zur AI, welche bleiben bei einem Menschen, und wo muss der Mensch eingreifen können. Klingt nach Prozessfrage. In der Praxis krempelt es die Arbeit tiefer um als jeder Tool-Rollout, weil es dich zwingt, zu benennen, was wirklich nur einem Menschen gehören darf.

Was menschlich bleibt

Nach einem Jahr als Chief AI Officer bin ich mir ziemlich sicher, was knapp bleibt — und kein Stück davon ist ein Tool:

• Die Ziele — ein Agent optimiert auf das, worauf man ihn ansetzt. Ihn gut anzusetzen ist ein strategischer Akt.
• Der Kontext — die Gehaltswoche, die gedrehte Strategie, die Dinge, die in keinem Datensatz stehen.
• Das Urteilsvermögen — den logisch-aber-falschen Move zu überstimmen, in dem Moment, in dem man ihn erkennt.

Eine Delegationsmatrix — die Aufgabe für Aufgabe festhält, was der Agent allein entscheidet, was eine menschliche Freigabe braucht und was komplett tabu bleibt — ist das nützlichste Werkzeug, das den meisten Teams noch fehlt. Die Matrix muss auf Papier stehen, bevor der Agent live geht.

Der Übergang ist unbequem. Er verlangt von Leuten, Arbeit loszulassen, die sie jahrelang gut gemacht haben, und Fähigkeiten aufzubauen, für die kein Prompt existiert: Urteilsvermögen, Kundenverständnis, strategisches Denken unter Unsicherheit.

Die Teams, die diesen Schritt gehen, holen sich die Stunden zurück, die Automatisierung ihnen schenkt, und stecken sie in die Fragen, die kein Modell beantworten kann. Die Teams, die ihn auslassen, automatisieren ihre schlechten Prozesse im großen Stil — und wundern sich, warum der Return nie ankommt.

Die Frage, die ich gerade jedem stellen würde, der heuer AI ausrollt, ist eng und unbequem: Bei deinem wichtigsten Workflow — wer steht on the Loop, und hat diese Person die Möglichkeit, die Maschine jederzeit zu überstimmen, wenn die Daten perfekt logisch aussehen und trotzdem komplett danebenliegen?

Den vollständigen Gastkommentar lesen Sie auf horizont.at (Digital-Abo).