Kurz gesagt: Zeitgesteuerte KI-Arbeit wird zur Standardfunktion, darf aber nicht als unbeaufsichtigte Automatisierung behandelt werden. Google, OpenAI und Anthropic bieten inzwischen wiederkehrende oder terminierte Aufgabenmuster. Für europäische Unternehmen ist nicht entscheidend, ob eine Aufgabe um 08:00 Uhr läuft, sondern ob jeder Lauf einen begrenzten Zweck, einen kontrollierten Datenumfang, einen verantwortlichen Owner und nachvollziehbare Ergebnisse hat.
Die praktische Konsequenz: Setzen Sie zeitgesteuerte KI zunächst für lesende Briefings, Warteschlangenvorbereitung und Ausnahmeerkennung ein. Vergeben Sie keine Berechtigung zum Ändern von Stammdaten, Freigeben von Zahlungen, Ändern von Produktionssystemen oder Übermitteln sensibler Daten, nur weil ein Anbieter die Funktion als proaktiv bezeichnet.
Was sich ändert: Terminierung wandert in KI-Arbeitsumgebungen
Google hat Scheduled Actions für die Gemini-App angekündigt. Nutzer können Aufgaben zu einem bestimmten Zeitpunkt ausführen lassen oder bestehende Prompts in wiederkehrende Aktionen überführen; verwaltet wird dies über eine Einstellungsseite. Die Funktion steht bestimmten zahlenden und qualifizierten Workspace-Plänen zur Verfügung. Die Primärquelle beschreibt das Interaktionsmodell, ist aber keine Zusage, dass jeder Workflow mit verbundenen Daten für den Unternehmenseinsatz geeignet ist. Googles Produktankündigung ist die maßgebliche Quelle zur Verfügbarkeit.
Die aktuelle Dokumentation von OpenAI zu Scheduled Tasks beschreibt einmalige, wiederkehrende und überwachende Aufgaben. Sie nennt zugleich Grenzen: Aufgaben laufen höchstens stündlich, die Zahl aktiver Aufgaben hängt vom Tarif ab, und unbeaufsichtigte Aufgaben können nach Inaktivität pausieren. „Zeitgesteuert“ ist damit nicht gleichbedeutend mit „garantierter Geschäftsprozessausführung“. Siehe OpenAIs Scheduled-Tasks-Dokumentation.
Anthropic hat terminierte und bei Bedarf ausgeführte Aufgaben in Cowork angekündigt. Die Claude-Code-Dokumentation beschreibt zudem Routinen mit Zeitplan-, API- und GitHub-Triggern sowie Konfiguration von Umgebung und Netzwerkzugriff. Eine wiederkehrende Aufgabe mit Repository- oder Intranet-Zugriff gehört daher in eine kontrollierte Ausführungsumgebung, nicht in einen ungeprüften persönlichen Workspace. Siehe Anthropics Release Notes und die Dokumentation zu Routinen.
Das Unternehmensrisiko liegt in der Berechtigung, nicht im Kalender
Ein zeitgesteuerter Prompt ist meist unkritisch, wenn er eine vorab definierte Quelle liest und eine Zusammenfassung an einen benannten Empfänger sendet. Das Risiko steigt deutlich, sobald Postfächer, Cloud Drives, CRM-Daten, Ticketsysteme, Code-Repositories oder Browser-Sitzungen mit gespeicherten Logins erreichbar sind. Dann ist der wiederkehrende Prompt eine dauerhafte Identität mit wiederkehrender Gelegenheit für Datenabfluss, Prompt-Injection oder kostspielige Tool-Aufrufketten.
Das ist dasselbe Kontrollproblem wie bei produktiven Agenten. Der Beitrag zu Human-in-the-Loop-KI-Agenten zeigt, weshalb Freigabe-Gates, Evidenzpakete und Eskalationspfade außerhalb des Prompts liegen müssen. Bei zeitgesteuerter Arbeit kommt die Zeitdimension hinzu: Die Kontrollen müssen auch dann noch gelten, wenn sich Rolle, Datenklassifizierung oder Quellsystem seit dem Anlegen der Aufgabe verändert haben.
Datenresidenz und Beschaffung vor dem Start klären
Europäische Beschaffungsteams sollten Benutzeroberfläche und Ausführungspfad trennen. Klären Sie mit Anbieter und interner Plattformorganisation: Unter welcher Identität läuft die Aufgabe? Welche Daten erreichen das Modell? Wo werden Eingaben, Ausgaben und Logs verarbeitet und gespeichert? Welche Berechtigungen haben Connected Apps? Können Administratoren Aufgaben zentral abschalten? Gibt es einen exportierbaren Audit Trail? Vertragliche Zusagen und ein Auftragsverarbeitungsvertrag können erforderlich sein, ersetzen aber keine Least-Privilege-Konfiguration.
Trennen Sie außerdem eine Consumer-Produktivitätsfunktion von einem belastbaren Unternehmensworkflow. Tariflimits, gestaffelte regionale Verfügbarkeit und sich ändernde Connector-Funktionen beeinflussen die Betriebskontinuität. Für geschäftskritische Reports brauchen Sie einen Fallback, und der fachliche Owner muss das Ergebnis ohne persönlichen Account oder einzelne Chat-Historie reproduzieren können.
Sicheres Muster: zeitgesteuert lesen, kontrolliert schreiben
Beginnen Sie mit einer eng abgegrenzten täglichen oder wöchentlichen Aufgabe, die nur einen festen, freigegebenen Quellensatz liest und einen strukturierten Entwurf erzeugt: etwa Incidents zur Triage, Vertragsänderungen zur Prüfung oder Qualitätsausnahmen in einer Datenpipeline. Legen Sie das Ergebnis in einer kontrollierten Warteschlange ab. Eine benannte Person prüft anschließend die Evidenz und löst jede schreibende Aktion explizit aus. Messen Sie Abschlussquote, False-Positive-Rate, Latenz, Kosten pro nutzbarem Ergebnis und manuelle Korrekturen. Das entspricht der Evaluierungsdisziplin aus dem Beitrag zur Bewertung produktiver KI-Agenten.
Bei wissensintensiven Aufgaben dürfen Sie keine breit angelegte Suche über einen uneingeschränkten Dokumentenbestand terminieren. Nutzen Sie berechtigungsbewusste Ingestion, Retrieval-Time-Trimming und Audit-Kontrollen wie in dieser Architektur für sichere Enterprise-RAG-Systeme. Zeitgesteuertes Retrieval verringert nicht die Pflicht, Berechtigungen durchzusetzen, bevor Inhalt das Modell erreicht.
Entscheidungsregel für die nächste terminierte Aufgabe
Geben Sie eine terminierte KI-Aufgabe nur frei, wenn Owner, Eingabeumfang, Output-Empfänger, Aufbewahrung, Fehlerverhalten und Eskalationsweg explizit festgelegt sind. Falls sie ein System of Record verändert oder eine externe Aktion auslöst, verlangen Sie eine separate Freigabe an der Aktionsgrenze. Das ist langsamer als eine vollautonome Demo. Im Betrieb trennt es eine nützliche wiederkehrende Fähigkeit von einem unkontrollierten wiederkehrenden Risiko.
Quellen
Google: Scheduled Actions in der Gemini-App
OpenAI: Scheduled Tasks in ChatGPT
