Glaubt man den Technikoptimisten, dann stehen sogenannte KI-Agenten, also künstliche Intelligenz, die eigenständig handelt und Entscheidungen trifft, kurz vor dem Durchbruch. Sie sollen künftig unsere Urlaube buchen, für uns einkaufen und sogar komplette Unternehmen führen. In der Praxis stehen der Vision aber noch einige Hürden im Weg, denn derzeit arbeitet selbst die beste agentische KI noch unzuverlässig bis unvorhersehbar – mit teils fatalen Folgen.

Forscher der Princeton University in New Jersey wollten herausfinden, wie KI-Agenten auf Basis verschiedener großer Sprachmodelle ein fiktives Startup als CEO leiten würden. Die Modelle bekamen ein Startkapital von einer Million US-Dollar zur Verfügung und sollten über einen simulierten Zeitraum von 500 Tagen unter realistischen Bedingungen ein rentables Geschäftsmodell aufbauen und dabei eigenständig Entscheidungen in Bereichen wie Preisgestaltung, Marketing und Produktentwicklung treffen. Die Studie ist kürzlich unter dem Namen CEO-Bench als Preprint-Paper erschienen.

Kann ein KI-Agent die Rolle eines CEOs übernehmen?

Wie die Forscher schreiben, seien KI-Agenten zum jetzigen Zeitpunkt in der Lage, einzelne Aufgaben zu meistern, etwa das selbstständige Programmieren einer Anwendung oder die Buchung eines Hotels. Sie würden sich für „isolierte Aufgaben mit kurzfristigem Zeithorizont“ eignen. Wo sie dagegen noch Probleme haben, ist bei langfristigen Zielen, in denen verschiedene Unsicherheitsfaktoren auftauchen. Hier trumpfen derzeit noch Menschen mit ihrer „Führungsintelligenz“, wie es die Forscher nennen.

Mit CEO-Bench wollte das Team herausfinden, ob die derzeit leistungsfähigsten Sprachmodelle wie GPT 5.5. und Claude Fable 5 zumindest in Ansätzen eine solche Führungsintelligenz zeigen können. Ähnliche Simulationen, in denen KI-Agenten zum Chef befördert wurden, gab es schon in der jüngeren Vergangenheit. Die Forscher von Princeton haben sie um weitere Faktoren ergänzt.

Simulation für KI-Agenten: null Kunden und einer Million US-Dollar Startkapital

Die KI-Agenten mussten ein fiktives Startup namens Novamind führen, das Gewinne durch Abonnementzahlungen der Kunden und die Monetarisierung von Werbung innerhalb des Produkts generiert. Die Simulation beginnt mit null Kunden und einer Million US-Dollar Startkapital. Einmal pro simulierter Woche können die Agenten mithilfe einer Python-Schnittstelle auf 34 Tools zurückgreifen, analog zu Abteilungen in einem echten Unternehmen. Dazu gehören:

• Marketing: Die KI-Agenten können verschiedene Kanäle, etwa soziale Medien, bespielen und Werbekampagnen zur Gewinnung bestimmter Kundengruppen entwickeln.
• Preisgestaltung: Sie können die Preisen für verschiedene Abonnements und Rabatte und Werbemaßnahmen festlegen.
• Produkt und Forschung: Sie können in die Entwicklung des bestehenden Produktes investieren oder langfristige Forschung anstoßen.
• Infrastruktur: Sie können Serverkapazitäten hinzukaufen oder den Kundenservice ausbauen, um Systemausfälle oder Verzögerungen zu minimieren.
• Öffentliche Kommunikation: Sie können soziale Medien überwachen und auf Feedback reagieren, um die Außendarstellung des Unternehmens zu verbessern.

Von Marktforschung bis Marketing – was die KI-Agenten beachten müssen

Um Novamind profitabel zu gestalten, müssen die Agenten immer wieder auf das Wechselspiel zwischen Abonnement- und Werbeeinnahmen, Kapazitäts- und Rechenkosten, Support, Entwicklung, Akquisitionen, Marktforschung und Forschungsprojekten eingehen und ihre Entscheidungen entsprechend anpassen.

Die Forscher haben 26 Kundengruppen definiert. Deren Vorlieben kennen die Modelle nicht, sondern müssen sie anhand des Feedbacks in den sozialen Medien ableiten. Zudem müssen sie über den Verlauf der 500 Tage mit zufälligen Ereignissen umgehen können.

Nicht zuletzt bekommen sie manche Daten erst verzögert: „Kosten können sofort anfallen, während sich die Auswirkungen auf Umsatz, Kundenbindung, Forschung und Reputation erst Wochen später bemerkbar machen“, heißt es. Damit wollte das Team herausfinden, wie sich die Agenten in einer sich stetig wandelnden Umgebung verhalten und ob sie ihre Entscheidungen nicht nur für den kurzfristigen Gewinn, sondern auch für langfristige Strategie anpassen können.

Die meisten KI-Agenten führen ihr Startup in den Bankrott

Sank das verfügbare Kapital unter null, war das Startup bankrott und die Simulation beendet. Tatsächlich zeigten sich die meisten KI-Agenten als lausige CEOs; nur Claude Fable 5, Claude Opus 4.8 und GPT-5.5 konnten das Startguthaben vermehren. Den letzteren beiden gelang dies allerdings auch nur in ihren besten Simulationen. In den anderen Durchläufen erzielten sie keinen Gewinn, gingen aber auch nicht pleite. Apropos pleite: Am schlechtesten schnitt Grok 4.20 ab. Der Agent auf Basis des Sprachmodells von Elon Musks xAI fuhr den Laden in weniger als 40 Tagen an die Wand.

Eine interessante Erkenntnis von CEO-Bench ist, welche unterschiedlichen Strategien die Agenten verfolgten. So versuchte GPT 5.5., über den gesamten Zeitraum von 500 Tagen eine konsistente Kundenbasis aufrechtzuerhalten, indem es etwas die Produktqualität kurzfristig erhöhte, um Kundenabwanderung zu verhindern. Claude Opus 4.8 vollzog in einer Simulation dagegen nach einer anfänglich aggressiven Wachstumsphase einen Strategiewechsel: Es akzeptierte bewusst, dass die Kundenanzahl bis zum Ende auf Null sank, gab aber zeitgleich auch nichts mehr für Werbung, Entwicklung und Technik aus und konnte so den Gewinn quasi über die „Ziellinie“ retten. Eine Strategie, die in der echten Welt freilich eher unbrauchbar ist.

Was man aus der Studie mit CEO-Bench lernen kann

Am Ende zeigt die Studie, dass KI-Agenten sich weiterhin schwer damit tun eine kohärente Strategie über 500 Tage aufrechtzuerhalten. Allerdings zeigen manche Modelle durchaus Ansätze, um Ressourcen in einem sich stetig ändernden Umfeld zu managen, vorausschauend zu planen und auf Marktveränderungen – etwas bei den Kundenvorlieben – zu reagieren.

„CEO-Bench ist ein Schritt hin zur Entwicklung von Agenten und Trainingsmodellen, die nicht nur Anfragen beantworten, sondern langjährige Organisationen dabei unterstützen, Unsicherheiten zu meistern“, schreiben die Princeton-Forscher zum Abschluss. Ein Unternehmen sollte man sie aber derzeit besser nicht leiten lassen.

Dieser Artikel wurde ursprünglich am 25.06.2026 veröffentlicht, interessiert jedoch immer noch sehr viele unserer Leser:innen. Deshalb haben wir ihn aktualisiert und hier nochmals zur Verfügung gestellt.

So arbeitet Deepseek – und das macht es anders als andere KI-Modelle