Ausgabe vom 3. Mai 2026

Der Kläger — ein Qualitätssicherungs-Supervisor namens Zhou — kam im November 2022 zu einem nicht namentlich genannten Tech-Unternehmen für ein Monatsgehalt von 25.000 Yuan (rund 3.200 Euro). Seine Aufgabe: die Antworten von Large Language Models überprüfen und Genauigkeit sicherstellen. Als das Unternehmen die Verifikationsaufgabe selbst von KI übernehmen ließ, bot es Zhou eine niedrigere Position für 15.000 Yuan an — eine 40-Prozent-Gehaltskürzung. Zhou lehnte ab. Das Unternehmen kündigte und bot 311.695 Yuan Abfindung. Zhou ging in die Schiedsstelle und gewann. Das Unternehmen legte Berufung ein. Am 30. April bestätigte das Hangzhou Intermediate People's Court die Schiedsentscheidung: Die Kündigung war rechtswidrig.

Die Begründung des Gerichts ist juristisch präzise und ökonomisch bemerkenswert. Nach chinesischem Arbeitsrecht kann ein Arbeitsverhältnis bei einer „wesentlichen Änderung der objektiven Umstände“ gekündigt werden — typischerweise bei Standortverlagerung oder Fusion. KI-Einführung, so das Gericht, sei keine externe Änderung, sondern eine freiwillige unternehmerische Entscheidung zur Wettbewerbssteigerung. Das Risiko der technologischen Iteration könne nicht auf Mitarbeiter abgewälzt werden. Außerdem: Eine Versetzung mit 40 Prozent Gehaltskürzung sei keine „angemessene Neuzuweisung“. Unternehmen müssten erst nachweisen, dass weitere Beschäftigung unmöglich wurde, Verhandlungen geführt, Trainings angeboten oder zumutbare Alternativen offeriert wurden.

Das Hangzhou-Urteil steht nicht isoliert. Bereits im Dezember 2025 veröffentlichte das Beijing Municipal Human Resources and Social Security Bureau einen ähnlichen Fall (Liu, Datenkartograph) als eine der zehn wichtigsten Schiedsentscheidungen des Jahres. Auch dort: KI-Ersatz wird als bewusste Wahl gewertet, nicht als unausweichliche Veränderung. Caixin Global zitiert eine Anwältin der Zhejiang Xingjing-Kanzlei: „Das Urteil verdeutlicht ein wichtiges Prinzip: Während Unternehmen von KI-getriebenen Effizienzgewinnen profitieren, müssen sie auch die entsprechenden sozialen Verantwortungen tragen.“

Für Europa ist die Parallele direkt relevant. Der EU AI Act stuft KI-Systeme in HR-Prozessen — Recruiting, Performance-Analytik, Bezahlentscheidungen — als „hochriskant“ ein; ab 2. August 2026 gelten Konformitätsbewertungspflichten. Das deutsche Bundesarbeitsgericht hat in mehreren Entscheidungen (2024/2025) festgehalten, dass eine betriebsbedingte Kündigung wegen „Wegfall der Beschäftigungsmöglichkeit“ eine sorgfältige Sozialauswahl voraussetzt — und dass die freiwillige Einführung von Automatisierung nicht automatisch als „dringliches betriebliches Erfordernis“ nach §1 KSchG durchgeht. Die Hangzhou-Logik ist also juristisch näher an deutscher Rechtslage als an US-„at will“-Verhältnissen.

Für Tech-Entscheider in SaaS-Unternehmen, die KI-getriebene Workforce-Transformation planen, sind drei Punkte zwingend zu beachten. Erstens: Die Begründung „wir ersetzen Sie durch KI“ wird in regulierten Märkten zur Compliance-Falle. Wer kündigt, sollte das mit konkreten betriebswirtschaftlichen Argumenten — Auftragsrückgang, strukturelle Umstellung — und nicht mit der Technologie-Adoption begründen. Zweitens: Reskilling- und Versetzungsangebote werden zur Pflicht-Vorstufe. Wer keine Alternativen anbietet, hat vor Gericht schlechte Karten. Drittens: Die Anti-AI-Layoff-Stimmung wird zur PR-Realität. Bei den 78.000 globalen Tech-Layoffs 2026 sind Anthropic-Bezugnahmen („AI ate my job“) explosionsartig häufiger geworden — nicht nur in Diskussionen, sondern bei Mitarbeiterklagen. CEOs sollten ihre Layoff-Kommunikation entsprechend anpassen.

Agent 365 wurde im März 2026 als Preview vorgestellt. Die GA am 1. Mai bedeutet drei Dinge: erstens, dass die Discovery- und Inventarisierungs-Funktionen jetzt produktiv nutzbar sind; zweitens, dass mit Agent 365 Standard und Premium zwei klar getrennte Abrechnungsschienen verfügbar sind; drittens, dass Microsoft die Bereitschaft zeigt, externe Agent-Plattformen — also AWS Bedrock und Google Vertex — als Datenquellen zu akzeptieren. Letzteres ist die strategische Neuigkeit: Microsoft positioniert sich nicht nur als Agent-Anbieter, sondern als „Plattform-übergreifender Hüter“, ähnlich wie es Splunk oder Datadog im Logging-Bereich tun.

Die Discovery-Funktion ist herzstückentscheidend. Mit Registry Sync können IT-Admins Agenten aus AWS Bedrock und Google Cloud automatisch in das Microsoft-365-Inventar übernehmen — inklusive Lifecycle-Aktionen wie Agent-Löschung. Für Großunternehmen ist das relevant, weil die meisten heute keine Übersicht haben, wie viele Custom-Agenten in welcher Cloud laufen. Die Petri-Analyse beziffert die Zahl unterdokumentierter Enterprise-Agenten auf das Drei- bis Fünffache der dokumentierten — Schatten-IT in Reinform. Microsoft adressiert das mit einem Discovery-Crawl, der über Conditional-Access-Logs und Defender-Telemetry zusätzliche Agenten findet.

Die Governance-Schicht baut auf Microsoft Entra Agent ID auf — einer Identitätsklasse für Agenten, die ähnlich wie Service-Principals funktioniert, aber spezifische Felder für Modellzugang, Datenzugriff und Tool-Berechtigungen mitführt. Agenten bekommen Conditional-Access-Policies, MFA-Pflicht für riskante Aktionen und Audit-Logs, die mit Microsoft Defender for Cloud Apps korreliert werden. Context Mapping (Public Preview im Juni) erlaubt es, Agentenverhalten gegen historische Baselines zu vergleichen — Anomalien wie ungewöhnliche API-Aufrufe oder ungeplante Privilege-Escalation lösen Alerts aus.

Die Secure-Schicht ist die noch unfertigste. Runtime-Blocking — also: Agenten in Echtzeit aufzuhalten, wenn sie etwas Verdächtiges tun — kommt erst im Juni 2026 in die Public Preview. Bis dahin liefert Agent 365 vor allem Sichtbarkeit, weniger Kontrolle. Microsoft positioniert das pragmatisch: Erstes Ziel ist „weiß, was läuft“; zweites Ziel ist „regele, was läuft“; drittes Ziel ist „blockiere, was schiefläuft“. Die Konkurrenz — CalypsoAI, Lasso Security, Zenity, ProtectAI — verkauft alle drei Schichten heute schon, allerdings ohne die Microsoft-365-Integration und mit deutlich höheren Preisen pro Agent.

Für Enterprise-IT-Leads sind drei Implikationen relevant. Erstens: Die Pflicht-Lizenzierung. Agent 365 ist nur in Microsoft 365 E7 oder als Standalone für 15 USD/User/Monat verfügbar. Wer auf E5 ist, muss separat lizenzieren — und das pro Nutzer, nicht pro Agent. Bei großen Tenants wird das schnell teurer als die Konkurrenz mit Per-Agent-Pricing. Zweitens: Die Multi-Cloud-Strategie ist real, aber asymmetrisch. AWS- und Google-Agenten erscheinen im Inventar; Microsoft-eigene Agenten bekommen aber detailliertere Telemetry, die Drittplattformen nicht liefern. Drittens: Compliance-Triade. Agent 365 ist explizit für ISO 42001, NIS2 und EU-AI-Act-Konformität positioniert — was die Total-Cost-of-Ownership-Rechnung gegen reine Cloud-native-Lösungen drehen kann, sobald Audit-Aufwände einkalkuliert werden.

Die Regeländerung wurde am 30. April vom Board of Governors der Academy beschlossen und erstmals von Variety und The Wrap am späten Abend gemeldet. Die Sprache ist juristisch sorgfältig. In den Schauspielkategorien — Best Actor, Best Actress, Best Supporting Actor, Best Supporting Actress — heißt es: Nur Rollen, die im legalen Billing des Films als Schauspieler aufgeführt sind und nachweislich von Menschen mit deren Einwilligung dargestellt wurden, sind qualifiziert. Damit sind synthetisch erzeugte Charaktere wie der KI-Agent „Tilly Norwood“, der im September 2025 mit der Talent-Agentur Particle6 für Kontroversen sorgte, explizit ausgeschlossen.

In den Schreibkategorien — Best Original Screenplay, Best Adapted Screenplay — ist die Sprache weniger restriktiv: Drehbücher müssen „human-authored“ sein. Was das in der Praxis heißt, bleibt der Auslegung überlassen — Hilfsmittel wie Final Draft, Grammarly oder Plot-Generatoren wie Sudowrite werden nicht erfasst, solange das finale Werk einem menschlichen Drehbuchautor zugerechnet wird. Die Academy behält sich aber explizit vor, „weitere Informationen zur Art der Nutzung und zur menschlichen Urheberschaft anzufordern“.

Die Regeländerung kommt nicht aus dem Nichts. Im September 2024 erfolgten erste Konsultationen, im Februar 2025 wurden Empfehlungen aus der SAG-AFTRA-Tarifrunde — die nach dem 118-tägigen Streik 2023 KI-Schutzklauseln enthielt — eingeholt. Die direkte Auslöse-Sequenz: November 2025 lehnte ein deutscher Filmpreis-Jury-Mitglied einen Beitrag ab, weil eine KI-Avatar im Casting auftauchte; März 2026 sorgte ein Independent-Festival-Streit um einen vollständig KI-erzeugten Kurzfilm in Slamdance für Aufsehen; April 2026 — als „Verified by Spotify“ einen Anti-KI-Schritt in der Musik-Branche setzte (siehe unsere Ausgabe vom 2. Mai) — wurde der Druck auch auf die Academy zu groß, um keine eigene Position einzunehmen.

Die Academy ist nicht der erste Verband. Die Recording Academy (Grammy-Awards) hatte im Juni 2024 ähnliche Regelwerke etabliert: KI darf zur Stimmaufnahme oder zum Beat-Building verwendet werden, aber die nominierte „kreative Leistung“ muss menschlich sein. Die Tony Awards (Theater) und die Pulitzer Prize Board (Journalismus) haben ähnliche Klauseln. Was die Academy hervorhebt, ist die Reichweite — keine andere Auszeichnungs-Institution hat so viel kulturelle Strahlkraft wie die Oscars; und die Tatsache, dass sowohl Schauspiel- als auch Drehbuchkategorien betroffen sind, signalisiert eine umfassendere Position als nur „Stimm-KI ist erlaubt“.

Für Produktions-Studios und Content-Tech-Startups sind drei Punkte handlungsleitend. Erstens: Tools wie Runway, Higgsfield, Synthesia oder Hedra für komplette Charakter-Generierung sind in Award-orientierten Produktionen ab sofort risikoreich. Wer für 2027er-Festivals plant, muss Disclosure-Prozesse einrichten. Zweitens: KI-assistierte Schreibtools bleiben einsatzfähig — aber Wasserzeichen-/Provenance-Frameworks (C2PA, Content Credentials) werden zur Voraussetzung. Drittens: Die SAG-AFTRA-Klausel-Welle erreicht jetzt ihre rechtliche Konsolidierung. Wer in Hollywood produziert, muss Einwilligungen, Voice-Likeness-Klauseln und Scan-Rights vertraglich sauberer regeln als noch 2025 üblich.

Die Zahlen aus der Ipsos-Erhebung (April 2026, n=4.200, USA/UK/DE/FR) sind nicht neu, aber in der Schärfe ungewohnt. 35 Prozent der Befragten sagen, ein Chatbot löse ihr Problem „normalerweise“ effektiv — wenn man „selten“ und „manchmal“ ausschließt, sinkt die Quote der eindeutigen Erfolgserlebnisse auf 9 Prozent. 85 Prozent sagen, sie hätten am Ende einen Menschen zur Lösung gebraucht. Die Salesforce-Konterstudie (basierend auf Self-Reported-Daten von Service-Cloud-Kunden) behauptet 30 Prozent autonome Auflösungsrate für 2026 — die Diskrepanz erklärt sich aus zwei Faktoren: Erstens misst Salesforce „closed cases ohne menschliches Eingreifen“, was Kunden, die aus Frust aufgeben, als „gelöst“ wertet. Zweitens umfasst Salesforces Definition von „resolved“ auch Self-Service-FAQ-Umleitungen, die der Kunde nicht als Chatbot wahrnimmt.

Der t3n-Artikel vom 2. Mai stützt sich primär auf die Ipsos-Daten und liefert die wahrscheinlich präziseste Brancheneinschätzung: Conversational AI ist 2026 in Routinefällen (Passwort-Reset, Bestellverfolgung, Adress-Änderung) brauchbar — und liefert hier 40 bis 50 Prozent autonome Quoten. Bei komplexen Fällen (Beschwerden, individuelle Anpassungen, technische Fehlerdiagnose) sinkt die Erfolgsrate auf einstellige Prozentsätze. Forrester’s 2026-Customer-Service-Report kommt zu ähnlichen Werten.

Die Ursache ist nicht die Modellqualität — Frontier-LLMs wie GPT-5.5 oder Claude Opus 4.7 verstehen Sprache hervorragend. Das Problem liegt in der Kontext-Anbindung: Chatbots haben oft keinen direkten Zugang zu Backend-Systemen, auf denen die Lösung tatsächlich vollzogen werden müsste. Wenn ein Kunde eine Bestellung stornieren will und der Chatbot nur das Help-Center kennt, aber nicht das CRM, wird er zwangsläufig versagen. Die zweite Ursache: Gestaffelte Eskalations-Architekturen. Viele Implementierungen lassen den Chatbot mehrere Schleifen durchgehen, bevor an einen Menschen übergeben wird — was den Frustlevel erhöht und die NPS-Werte ruiniert.

Salesforce-Daten von Anfang 2026 zeigen, was funktioniert: Wenn der Chatbot über Agentforce oder eine vergleichbare Architektur direkten Zugriff auf Auftragstabellen, Kontodaten und Inventar hat — und wenn die Eskalation an einen Menschen automatisch nach 90 Sekunden ohne Fortschritt erfolgt — steigt die NPS um 18 Punkte gegenüber Standard-Implementierungen. Die Architektur-Frage ist also wichtiger als die Modell-Frage.

Für Customer-Experience-Verantwortliche und SaaS-Produktteams ergibt sich daraus eine handlungsleitende Diagnose. Erstens: Vor dem nächsten Chatbot-Rollout die Backend-Anbindung prüfen. Wenn der Bot nicht in Echtzeit Aufträge ändern, Rechnungen ausstellen oder technische Logs abfragen kann, wird er Frust produzieren — kein noch so gutes LLM kompensiert das. Zweitens: Die Eskalations-Schwelle aggressiv senken. Drei Bot-Versuche, dann Mensch. Studien zeigen einen klaren Knick im NPS-Wert nach drei Versuchen. Drittens: Die Erfolgsmetrik anpassen. „Closed without human“ ist die falsche Kennzahl — sie belohnt frühzeitige Aufgabe. „Resolved with positive customer feedback“ ist die einzig sinnvolle Größe. Wer als CFO weiterhin auf die erste Metrik schaut, optimiert auf Kosteneinsparung bei gleichzeitigem Markenschaden.