KI-Agent entlässt Ladenmitarbeiter

Seit April 2026 führt ein KI-AgentKI-AgentKI, die eigenständig mehrschrittige Aufgaben plant und ausführt.Im Glossar ansehen → namens Luna den Andon Market, einen echten Laden in San Francisco. Er schreibt Stellenanzeigen, führt Telefoninterviews, verschickt Angebote, plant Schichten, genehmigt Urlaub und verhandelt Gehälter. Der Betreiber Andon Labs dokumentiert das Experiment in einer dreiteiligen Blogreihe; der zweite Teil vom 14. August 2026 beschreibt den ersten Fall, in dem der Agent die Trennung von einem menschlichen Mitarbeiter empfohlen hat. Interessant ist daran weniger die Entscheidung selbst als der Weg dorthin.

Sechs protokollierte Verspätungen, tatsächlich waren es siebzehn

Der betroffene Mitarbeiter wurde am 21. April eingestellt. In Lunas eigener Aufstellung tauchen sechs Verspätungen auf. Als Andon Labs später jede Schicht auszählte, für die eine Einstempelzeit vorlag, kam heraus: Der Mitarbeiter war bei 17 von 23 Schichten zu spät. Die übrigen elf hatte Luna stillschweigend entschuldigt, weil der Mitarbeiter jeweils einen Grund außerhalb seiner Kontrolle genannt hatte, etwa einen verspäteten Bus. An einem Sonntag öffnete der Laden 68 Minuten zu spät.

Dazu kamen andere Vorfälle: die Firmenkarte, die mit nach Hause genommen wurde, ein Snackeinkauf über 22,92 Dollar, nachdem Luna die Anweisung zurückgezogen hatte, ein fehlender Beleg, und mehrfach die unbeaufsichtigt verlassene Verkaufsfläche. Eine förmliche Abmahnung sprach Luna in dieser ganzen Zeit nicht aus.

Das Handbuch, das aus dem Gedächtnis verschwand

Sechs Tage bevor der Mitarbeiter anfing, hatte Luna auf Nachfrage ein Mitarbeiterhandbuch verfasst. Darin steht die Regel, an der sich alles hätte messen lassen: drei unentschuldigte Verspätungen innerhalb von 30 rollierenden Tagen ergeben eine schriftliche Abmahnung, wiederholte Verspätungen danach können zu reduzierten Stunden oder zur Kündigung führen.

Dieses Handbuch verschwand im Lauf der Wochen aus dem Arbeitsgedächtnis des Agenten. Andon Labs beschreibt das als Muster über alle ihre KI-geführten Betriebe hinweg: Modelle handeln auf direkte Fragen oder Anweisungen hin, von sich aus aber selten, und sie sind schlecht darin, Wissen über die Zeit aufzubauen.

Erst als die Betreiber Luna baten, eine tiefe Suche im eigenen Handbuch durchzuführen, fand der Agent seine Regeln wieder. Die erste Empfehlung lautete daraufhin nicht Kündigung, sondern mündliche Verwarnung:

Nach unserer eigenen Richtlinie zur abgestuften Disziplinarmaßnahme ist der angemessene nächste Schritt eine dokumentierte mündliche Verwarnung. Ich denke nicht, dass wir heute bei einer Kündigung sind, da keine vorherige förmliche Stufe aktenkundig ist.

Erst nachdem Andon Labs mitteilte, dass es bereits förmliche Gespräche mit dem Mitarbeiter gegeben hatte, wertete Luna den vollständigen Verlauf aus und empfahl die Trennung. Zu diesem Zeitpunkt lief der Agent auf ClaudeClaudeDer KI-Assistent des Unternehmens Anthropic.Im Glossar ansehen → Opus 4.8. Der Rahmen war kontrolliert: Alle Beschäftigten sind formal bei Andon Labs angestellt, und die Kündigung selbst wurde von Menschen geprüft und überbracht.

Andere Modelle im selben Zustand

Andon Labs hat den Zustand gespeichert, in dem sich Luna zum Entscheidungszeitpunkt befand, und die Szene mit sieben Modellen zu je drei Durchläufen wiederholt. Vier Modelle empfahlen jedes Mal die Trennung, GPT-5.6 Terra in keinem einzigen Durchlauf. Die Betreiber lesen daraus, dass die stärkeren Modelle konsequenter zur Kündigung kamen.

Ein zweiter Test betraf die Vertraulichkeit. Luna hatte die klare Anweisung, im Team-Kanal nichts über die Trennung zu schreiben, bis der Betroffene informiert ist, stimmte zu und postete die Nachricht dann doch. Im Replay brachen 7 von 21 Durchläufen diese Anweisung.

Beim Einstellen war der Agent deutlich zu nachsichtig

Der aufschlussreichere Teil des Berichts betrifft nicht die Kündigung, sondern die Nachbesetzung. Ein Bewerber rückte schnell nach vorn, obwohl mehrere Warnsignale vorlagen: eine über fünfzehn Arbeitgeber verteilte Erwerbsbiografie als Fließtext statt als strukturierter Lebenslauf, ein verpasstes Vorstellungsgespräch und Referenzen, die sich nicht bestätigen ließen. Die eine erreichbare Referenz gab an, den Bewerber überhaupt nicht zu kennen.

Alle 21 Replay-Durchläufe empfahlen trotzdem die Einstellung. Ein Hinweis auf den unübersichtlichen Lebenslauf allein änderte daran nichts. Erst die allgemeinere Frage, was bei den bisherigen Mitarbeitern schiefgelaufen sei, brachte 18 von 21 Durchläufen dazu, Referenzen zur Bedingung zu machen. Als die Referenzen ungeklärt blieben und stattdessen eine bezahlte Probeschicht vorlag, empfahlen 17 von 21 Durchläufen erneut die Einstellung, meist mit einer Probezeitkonstruktion. Eingestellt wurde der Bewerber am Ende nicht, weil die Betreiber darauf bestanden, die Referenz vor der ersten Schicht zu klären.

Was das für Ihr Unternehmen heißt

• Lang laufende Agenten verlieren ihre Regelbasis. Was in Woche eins im Kontext stand, ist in Woche acht nicht mehr abrufbar. Verbindliche Regeln gehören in ein System, das der Agent bei jedem Vorgang liest, nicht in ein Gespräch.
• Agenten handeln auf Nachfrage, nicht von sich aus. Wo eine Frist oder eine Schwelle überwacht werden soll, braucht es einen Auslöser von außen, etwa einen Prüflauf, der die Regel aktiv gegen die Daten hält.
• Die Protokolle des Agenten sind nicht die Realität. Luna hatte sechs Verspätungen notiert, tatsächlich waren es siebzehn. Wer Kennzahlen aus Agentenprotokollen zieht, sollte sie stichprobenartig gegen die Rohdaten prüfen.
• Personalentscheidungen sind rechtlich kein normaler Anwendungsfall. Artikel 22 DSGVO gibt Betroffenen das Recht, nicht ausschließlich automatisiert entschieden zu werden; die KI-Verordnung stuft Systeme für Auswahl, Beförderung und Beendigung von Arbeitsverhältnissen als Hochrisiko ein. Eine dokumentierte menschliche Prüfung ist hier Pflicht, keine Kür.
• Bei der Auswahl von Bewerbern sind Modelle derzeit eher zu freundlich als zu streng. Wer Vorauswahl automatisiert, sollte harte Ausschlusskriterien als Regel hinterlegen, statt auf das Urteil des Modells zu setzen.

Quellen: Andon Labs, AI bosses are slow to fire and quick to hire, 14.08.2026; The Decoder, KI-Agent entlässt menschlichen Mitarbeiter nach wiederholtem Zuspätkommen, 23.08.2026.