101-Eintrag
Die Digital Labor Economy: Outcome Credits, Agent-Identität und Value-Auditing
Um autonome KI-Agenten bildet sich eine parallele Ökonomie. So wie menschliche Arbeit Lohnbuchhaltung, Leistungsbeurteilungen und Identitätsmanagement hat, benötigt die digitale Arbeitsökonomie ihre eigene Infrastruktur: Outcome Credits (wie Agentenarbeit bepreist und abgerechnet wird), Non-Human Identity (wie Agenten sich systemübergreifend authentifizieren und nachverfolgt werden) und Agentic Value Auditing (wie Unternehmen messen, ob Agenten-Einsätze tatsächlich ROI liefern). Diese Infrastrukturebene existiert noch nicht in ausgereifter Form — was eine Greenfield-Investmentchance für die Unternehmen schafft, die sie aufbauen.
Automatisch aus dem englischen Original übersetzt. Zum englischen Original →
Outcome Credits: Die Währung der Agentenarbeit
Wenn Agenten menschliche Arbeitskräfte ersetzen, brauchen Unternehmen eine Maßeinheit für den Output von Agenten. „Outcome Credits“ entstehen als Währung: ein Credit entspricht einem gelösten Ticket, einem erstellten Dokument, einer abgeschlossenen Analyse. Salesforces Agentforce-Konversations-Credits sind das früheste Beispiel. Daraus entsteht ein Bedarf an Credit-Infrastruktur — Metering, Billing, Settlement und Betrugserkennung für nicht-menschliche Arbeit.
Die Unternehmen, die diese Infrastruktur aufbauen (Billing-Plattformen, Metering-APIs, Settlement-Systeme), besetzen eine Position analog zu Payment-Prozessoren in der menschlichen Wirtschaft. Stripe für Agentenarbeit.
Non-Human Identity
Jeder KI-Agent, der in einem Unternehmen aktiv ist, braucht eine Identität: Authentifizierungs-Credentials, Berechtigungsumfänge, Audit-Trails und Widerrufsmöglichkeiten. Dies ist eine neue Kategorie des Identitätsmanagements, getrennt vom menschlichen IAM (Identity and Access Management). Ein Agent, der gleichzeitig auf Salesforce, Jira und Slack zugreift, braucht systemübergreifende Identität, die menschliche SSO-Lösungen nicht bieten.
Die Cloudflare Zero Trust-Plattform ist eine frühe Lösung. Spezialisierte Startups entstehen im Bereich „Machine Identity Management“ — aber die Kategorie ist bei den meisten Anbietern noch vorumsatzstark, also pre-revenue.
Agentic Value Auditing
Das schwierigste Problem: Wie weiß ein CFO, ob die 500.000 $ ,die im letzten Quartal für KI-Agenten ausgegeben wurden, tatsächlich Wert geliefert haben? Menschliche Mitarbeiter haben Leistungsbeurteilungen. Agenten brauchen eine äquivalente Messung. Daraus entsteht Nachfrage nach „Agent Analytics“ — Plattformen, die Agentenaktionen verfolgen, Ergebnisqualität messen, Kosten pro Lösung berechnen und mit menschlicher Leistung benchmarken.
Hier verbindet sich die Agentic Accounting-These: Sobald man den Wert eines Agenten messen kann, kann man die Kosten korrekt klassifizieren (F&E vs. COGS) und die Ausgaben gegenüber Investoren rechtfertigen.
Update — August 2026: Claudeforce brachte gesteuerte Agentenarbeit in großem Maßstab innerhalb einer unternehmensinternen Trust-Boundary unter — Claude agiert auf Live-Salesforce-Daten unter bereits bestehenden Berechtigungen, mit 37 vorgefertigten Sales-Skills. Identität, Berechtigungsvergabe und Auditierbarkeit dieser Agentenarbeit sind genau die Ebenen, die dieser Eintrag verfolgt. Die Mechanik der Partnerschaft findet sich im Eintrag SaaSpocalypse.