In einer kleinen Stadt aus 25 KI-Agenten will eine Figur eine Party feiern. 2 Spieltage später wissen 13 davon, 5 kommen. Niemand hat das programmiert. Was dieses Experiment mit dem nächsten Umbau Ihrer Organisation zu tun hat und warum ich das Ganze synthetische Organisation nenne.
Kurz gesagt
Was ist eine synthetische Organisation? Eine synthetische Organisation ist ein Modell einer Organisation aus KI-Agenten, synthetischen Personas und künstlichen Daten. An diesem Modell probiert man Struktur, Rollen und Entscheidungsrechte aus, bevor man sie echten Menschen zumutet. Der Begriff ist ein Rahmen von Kai Reinhardt und fasst 2 Entwicklungen zusammen. Die erste ist der digitale Zwilling einer Organisation, an dem Führungskräfte eine Entscheidung ablaufen sehen, bevor sie Geld und Menschen binden (Choudhury, Du und Lawrence im Strategic Entrepreneurship Journal). Die zweite ist die Einsicht, dass Systeme aus mehreren KI-Agenten selbst Organisationen sind und Organisationsgestaltung brauchen (Puranam und Kollegen, INSEAD 2026). Die Simulation ersetzt keine Gespräche mit Beschäftigten. Sie zeigt aber früher, wo Übergaben reißen und Entscheidungen hängen.
Smallville ist eine kleine Stadt mit Café, Schule, Läden und Wohnhäusern. Sie existiert nur im Rechner. Ihre 25 Einwohner sind KI-Agenten, jeder mit Namen, Beruf und einer kurzen Lebensgeschichte. Eine von ihnen, Isabella Rodriguez, betreibt das Café. Die Forschenden geben ihr genau eine Absicht mit: Sie möchte am 14. Februar von 17 bis 19 Uhr eine Valentinsparty feiern. Mehr nicht. Dann lassen sie die Stadt 2 Spieltage lang laufen.
Was dann in Smallville passierte.
Isabella erzählt Gästen und Nachbarn von der Party. Die erzählen es weiter. Am Ende wissen 13 der 25 Einwohner Bescheid, vorher war es nur Isabella. Isabella bittet ihre Freundin Maria, beim Schmücken zu helfen. Maria lädt am Abend noch Klaus ein, für den sie heimlich schwärmt. Von den 12 Eingeladenen erscheinen 5 im Café. Die anderen 7 kommen nicht. 3 von ihnen haben nach eigener Auskunft keine Zeit, 4 finden die Idee gut und planen trotzdem nicht hinzugehen.
Das Experiment stammt von Joon Sung Park und Kollegen in Stanford und wurde 2023 auf einer Fachkonferenz für Mensch-Computer-Interaktion vorgestellt. Die Agenten nennen sie Generative Agents. Gemeint sind Sprachmodelle mit einem Gedächtnis, die über ihre Erlebnisse nachdenken und ihren Tag planen.
Was hat das mit einem Unternehmen zu tun?
Ziemlich viel, finde ich. Eine Party ist ein kleines Projekt. Eine Information wandert von Person zu Person, manche helfen mit, manche haben keine Zeit. Genau so laufen auch Umbauten in Organisationen. Eine neue Struktur steht auf dem Papier. Ob die Information ankommt, wer mitzieht und wo etwas hängen bleibt, zeigt sich erst im Alltag. Und das oft Monate später.
Warum Umbauten so oft erst im Alltag scheitern.
Ein Organigramm ist ein Bild davon, wer wem berichtet. Über die Arbeit selbst sagt es wenig. Wer an wen übergibt, wer etwas freigeben muss und wer im Zweifel entscheidet, steht meist in anderen Dokumenten oder gar nicht.
Viele Umbauten werden deshalb an Folien beschlossen. Danach folgt der Echtbetrieb, und erst dort zeigt sich, dass eine Freigabe an einer Stelle hängt, die niemand eingeplant hat. Oder dass ein Team zwei Chefs hat, die Unterschiedliches wollen.
Die Idee, eine Organisation vorher im Rechner durchzuspielen, ist alt. Der Organisationsforscher James March hat 1991 in einem berühmten Aufsatz eine Organisation simuliert, in der Menschen voneinander lernen. Ein Ergebnis überraschte. Wenn sich alle sehr schnell an die herrschende Meinung anpassen, lernt die Organisation auf Dauer weniger. Langsame Lerner halten abweichendes Wissen länger im Spiel.
Was ist heute anders? March brauchte für seine Simulation einfache Rechenregeln. Seine Akteure konnten weder sprechen noch Texte lesen. Sprachmodelle können das. Man kann einem Agenten eine Rollenbeschreibung geben, eine Zuständigkeit, eine Frist und einen Posteingang. Dann kann man zusehen, was er damit macht.
Was ist eine synthetische Organisation?
Für diese neue Möglichkeit verwende ich einen eigenen Begriff. Ich nenne sie synthetische Organisation, englisch Synthetic AI Organization oder kurz SAIO.
Eine synthetische Organisation ist ein Modell einer Organisation aus KI-Agenten, synthetischen Personas und künstlichen Daten. An diesem Modell probiert man Struktur, Rollen und Entscheidungsrechte aus, bevor man sie Menschen zumutet.
Ein Bild dafür ist der Windkanal. Ein Flugzeug wird nicht erst im Himmel getestet. Ingenieure bauen ein Modell und schauen, wo die Luft verwirbelt. Das Modell ist kleiner und einfacher als das echte Flugzeug. Es zeigt trotzdem früh, wo eine Form Probleme macht.
Der Begriff hat zwei Seiten, und beide gehören für mich zusammen.
Die erste Seite ist das Testen vorher. Hier wird die menschliche Organisation nachgebildet. Prithwiraj Choudhury, Yingxin Du und Megan Lawrence beschreiben das im Strategic Entrepreneurship Journal als organisationalen digitalen Zwilling, englisch Organizational Digital Twin. Er verbindet Daten aus dem Unternehmen mit KI-Modellen, die Verhalten simulieren, und mit Regeln der Steuerung. Führungskräfte können darin zusehen, wie eine Entscheidung abläuft, bevor sie Geld und Menschen binden. Die Autoren nennen 3 Vorteile. Man kann mehr Möglichkeiten durchsuchen, man kann gefahrloser experimentieren, und man bekommt eine reichere Rückmeldung über das Ganze. Sie nennen auch Bedingungen, unter denen diese Vorteile schwächer werden.
Die zweite Seite ist das Bauen mit Agenten. Hier arbeiten KI-Agenten selbst in Rollen. Phanish Puranam und Kollegen an der INSEAD haben 2026 ein Arbeitspapier mit dem Titel „Multi-Agent AI Systems Are Organizations“ veröffentlicht. Ihr Punkt ist einfach. Sobald mehrere Agenten gemeinsam an einer Aufgabe arbeiten, stehen sie vor denselben Grundproblemen wie jede Organisation. Wer macht was, wer stimmt sich mit wem ab, wer prüft das Ergebnis. Wie gut die Agenten darin heute sind, zeigt ein anderer Versuch. Forschende der Carnegie Mellon University haben eine kleine Softwarefirma nachgebaut, die TheAgentCompany. Der beste Agent erledigte dort in der neuesten Fassung der Studie 30 % der Aufgaben selbstständig, also knapp jede dritte.
Ob Menschen oder Agenten in den Rollen sitzen, die Fragen der Organisationsgestaltung bleiben dieselben.
Warum fasse ich beides zusammen? Weil die Grenze zwischen beiden Seiten verschwimmt. Wer einen Bereich umbaut, plant heute oft auch Agenten ein. Dann muss das Modell Menschen und Agenten zugleich enthalten. Und wer ein Team aus Agenten aufbaut, muss vorher wissen, wie die Menschen drumherum damit arbeiten.
Organizational Digital Twin → Artificial Organization → Generative Agents →
Wie läuft eine Prüfschleife ab?
Wie man mit einer synthetischen Organisation praktisch arbeitet, ist noch nirgends erprobt beschrieben. Ich schlage deshalb eine Prüfschleife in 4 Schritten vor. Sie ist mein eigener Vorschlag und noch nicht getestet.
1. Abbilden. Zuerst wird beschrieben, wie die geplante Organisation arbeiten soll. Welche Rollen gibt es, wer entscheidet was, wer übergibt an wen. Das ist mühsamer, als es klingt. Oft merkt man schon hier, dass eine Zuständigkeit doppelt vergeben oder gar nicht geklärt ist.
2. Besetzen. Dann bekommen die Rollen Besetzungen. Das können KI-Agenten sein, die später wirklich arbeiten sollen. Es können auch synthetische Personas sein, also Agenten, die Menschen in diesen Rollen nachbilden. Jede Besetzung bekommt Ziele, Wissen und Grenzen.
3. Durchspielen. Jetzt laufen Fälle durch das Modell. Ein Kundenauftrag, eine Beschwerde, eine Ausnahme, die nicht im Handbuch steht. Man markiert, wo etwas liegen bleibt, wo eine Freigabe fehlt und wo zwei Rollen dasselbe tun.
4. Abgleichen. Zum Schluss geht man mit den Befunden zu echten Menschen. Stimmt das Bild? Was fehlt? Hier kommt das Wissen dazu, das in keiner Beschreibung steht. Jede Organisation hat Wege, die nur die Beteiligten kennen.
Der vierte Schritt ist für mich der wichtigste. Was im Abgleich auffällt, fließt zurück in das Modell. Deshalb ist es eine Schleife.
Synthetic Persona → Entscheidungsrechte im Simulator testen →
Wo die Simulation an ihre Grenzen stößt.
Ich will hier nichts schönreden. Die Forschung zu den Grenzen ist mindestens so gut wie die zu den Möglichkeiten.
Sprachmodelle halten Menschen für rationaler, als sie sind. Das haben Ryan Liu und Kollegen 2025 gezeigt. Synthetische Personas bilden Gruppen zu glatt ab, die Vielfalt innerhalb einer Gruppe geht verloren. Und ein Agent kennt nur das, was man ihm gibt. Müdigkeit, Mikropolitik und alte Kränkungen stehen in keiner Rollenbeschreibung.
Was heißt das? Eine synthetische Organisation kann nicht vorhersagen, wie Menschen auf einen Umbau reagieren. Sie kann aber zeigen, wo eine Struktur schon auf dem Papier nicht aufgeht. Ich vermute, dass darin ihr größter Wert liegt. Das ist meine Deutung, belegt ist es noch nicht.
Was die Simulation nicht sieht → Warum Sprachmodelle Menschen für zu rational halten →
Was ich daraus mitnehme.
Ich bin Organisationsforscher und kein Informatiker. Mich interessiert an Smallville deshalb weniger die Technik als die Frage, die dahintersteht. Wir haben zum ersten Mal Werkzeuge, mit denen sich Organisationsgestaltung im Kleinen ausprobieren lässt, mit Sprache, Rollen und Übergaben. Das war lange nur mit sehr einfachen Modellen möglich.
Gleichzeitig ziehen KI-Agenten selbst in die Organisation ein. Wer heute einen Bereich umbaut, gestaltet oft eine Organisation aus Menschen und Agenten. Da liegt es nahe, sie auch so zu testen.
Vielleicht nehmen Sie 3 Fragen mit. Welche Entscheidung in Ihrem nächsten Umbau würden Sie gern vorher einmal ablaufen sehen? Wo in Ihrer Organisation steht eine Zuständigkeit nur im Organigramm und nicht in der Arbeit? Und wen würden Sie im vierten Schritt fragen, um zu prüfen, ob das Modell stimmt?
Alle Begriffe rund um die synthetische Organisation, einfach erklärt, stehen im Dossier Synthetische Organisation. Wenn Sie den ersten Schritt für einen eigenen Bereich gehen möchten, ist das KI-Organisationslabor der Ort dafür. Dort beginnt die Arbeit mit einem KI-Zwilling des Bereichs.
Quellen
Choudhury, P./Du, Y./Lawrence, M. (2026, online vorab): Learning-by-twinning: Organizational digital twins and the future of search. Strategic Entrepreneurship Journal. https://doi.org/10.1002/sej.70061
Liu, R. et al. (2025): Large Language Models Assume People Are More Rational than We Really Are. International Conference on Learning Representations (ICLR). https://arxiv.org/abs/2406.17055
March, J. G. (1991): Exploration and Exploitation in Organizational Learning. Organization Science 2(1), 71–87. https://doi.org/10.1287/orsc.2.1.71
Park, J. S./O’Brien, J. C./Cai, C. J./Morris, M. R./Liang, P./Bernstein, M. S. (2023): Generative Agents: Interactive Simulacra of Human Behavior. UIST ‘23. https://doi.org/10.1145/3586183.3606763
Arrieta, J./He, V. F./Puranam, P./Shrestha, Y. R. (2026): Multi-Agent AI Systems Are Organizations. INSEAD Working Paper 2026/49/STR. https://www.insead.edu/faculty-research/publications/working-papers/multi-agent-ai-systems-are-organizations
Xu, F. F. et al. (2024, überarbeitet 2025): TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks. Arbeitspapier, noch nicht begutachtet. https://arxiv.org/abs/2412.14161
Was das für Ihre Organisation heißt. Im KI-Organisationslabor klären wir es gemeinsam am echten Fall.
Im KI-Organisationslabor bringen wir Agenten in den echten Betrieb und legen fest, wer welche Entscheidung trifft. Vorher rechnen wir Szenarien in Euro durch.
Jeden Monat eine Einordnung zu KI in Organisationen.
Einmal im Monat nehme ich mir ein Thema vor, das Organisationen gerade beschäftigt. Sie bekommen das Editorial und die neuen Analysen per Mail. Die erste Ausgabe per Mail kommt im Dezember.
Aktuell Ausgabe 1 · November 2026 · Wer wirklich im KI-Loop steht. Ausgabe lesen ›
