Don Tapscott hat in einem vielbeachteten Beitrag für ServiceNow den Begriff der “Identic AI” geprägt: eine persönliche KI, trainiert auf Wissen, Zielen und Präferenzen ihres Trägers, die diesen ins Unternehmen begleitet – im Unterschied zur unternehmenseigenen Agentic AI, die Workflows automatisiert. Seine These: Mitarbeitende, Kunden und Zulieferer werden künftig mit eigenen Agenten auftreten, das Unternehmen wird dadurch weniger geschlossenes System und mehr Netzwerk interagierender Intelligenzen. Untermauert wird das mit Ronald Coases Transaktionskostentheorie: Wenn Koordination über persönliche Agenten günstiger wird als über interne Hierarchien, verschieben sich Unternehmensgrenzen.
Der Diagnoseteil ist plausibel und schließt an eine länger beobachtbare Linie an – von sinkenden Suchkosten durchs Web über sinkende Infrastrukturkosten durch Cloud bis zu sinkenden Koordinationskosten durch Plattformen. Interessant wird der Text jedoch erst im Schlussteil, wenn Tapscott von der “enterprise sovereignty” spricht: der Sorge, dass Unternehmen die Kontrolle über ihre akkumulierte Intelligenz verlieren, wenn Prompts, Workflows und Entscheidungen vollständig auf fremden Plattformen laufen. Governance wird dort ausdrücklich als Aufgabe formuliert, “die Interaktion zwischen unternehmenseigenen und persönlichen KI-Agenten” zu regeln – als nachgelagerte Kontrollinstanz zweier getrennter Agentenklassen.
Der Blick durch das ISA-Raster
Hier lohnt der Vergleich mit dem Konzept des institutionell situierten Agenten. Dessen Kern ist die Unterscheidung zwischen regelgebundenen, regelintelligenten und regelentwerfenden Agenten – je nachdem, ob ein Agent vorgegebene Regeln ausführt, sie im gegebenen Rahmen flexibel anwendet, oder aktiv an der Gestaltung der Regeln mitwirkt, denen er selbst unterliegt.
“Identic AI”, wie Tapscott sie beschreibt – kontinuierlich lernend, an Werte und Präferenzen des Trägers angepasst, über Unternehmensgrenzen hinweg mitwandernd –, lässt sich kaum auf der regelgebundenen oder auch nur regelintelligenten Stufe verorten. Ein Agent, der über Jahre hinweg Wissen akkumuliert, sich an wechselnde institutionelle Kontexte anpasst und dabei fortlaufend eigene Handlungsmuster ausbildet, bewegt sich strukturell in Richtung des regelentwerfenden Typs. Genau für diesen Typ gilt: Governance lässt sich nicht mehr sinnvoll als externe, dem Agenten nachgelagerte Kontrollinstanz denken. Sie muss – so die hier vertretene, vorläufig korroborierte These – Teil der institutionellen Konstitution des Agenten selbst werden, nicht ein Regelwerk, das zwei bereits fertige Agentenklassen nachträglich aufeinander abstimmt.
Tapscott bleibt an dieser Stelle bei der klassischen Kontrollmetapher stehen. Das ist kein Vorwurf – sein Text ist Thought Leadership, keine Governance-Architektur –, aber es markiert genau die Lücke, an der die Identity-Economy-Perspektive ansetzt.
Die Identitätsfrage, die der Artikel nicht stellt
Tapscott wirft selbst die Frage auf, was beim Ausscheiden eines Mitarbeitenden mit dessen “Identic AI” geschieht, wenn sie aus Unternehmenswissen gelernt hat – lässt sie aber unbeantwortet. Aus Sicht der Identity Economy ist das keine Randfrage, sondern die zentrale: Ein personengebundener Agent, der faktisch zu einem Teil der digitalen Identität seines Trägers wird, wirft dieselbe Eigentums- und Portabilitätsfrage auf, die bei der EUDI-Wallet-Debatte um Datenhoheit bereits diskutiert wird – nur verschärft, weil hier nicht nur Attribute und Nachweise, sondern gelerntes, potenziell wettbewerbsrelevantes Wissen im Agenten selbst gespeichert ist.
Wenn ein regelentwerfender Agent Teil der institutionellen Konstitution ist, in der er entstanden ist, stellt sich die Frage der Rechtsträgerschaft nicht erst beim Ausscheiden – sie stellt sich von Beginn an: Wessen Identität bildet der Agent ab, wenn er zugleich aus unternehmenseigenem Kontext lernt und die Präferenzen des Trägers repräsentiert? Die naheliegende Analogie zur Maschinenidentität – kryptografisch verankerte, eindeutig zuordenbare Identitäten für nicht-menschliche Akteure –trägt hier nur bedingt, weil sie von einer klaren Zuordnung (ein Zertifikat, ein Träger) ausgeht. Bei “Identic AI” verschwimmt genau diese Zuordnung zwischen Person und Unternehmen.
Einordnung
Tapscotts Beitrag liefert einen griffigen Begriff für eine real beobachtbare Entwicklung und eine solide Transaktionskosten-Begründung dafür, warum sich Unternehmensgrenzen weiter verschieben könnten. Die Governance-Passage am Ende benennt das richtige Problem, bleibt aber in einer Kontrolllogik verhaftet, die dem regelentwerfenden Charakter der beschriebenen Agenten nicht gerecht wird. Aus ISA-Perspektive besteht die eigentliche Gestaltungsaufgabe nicht darin, Interaktionen zwischen zwei Agentenklassen nachträglich zu regeln, sondern Identität, Wissenszuordnung und Regelbildung des Agenten von Anfang an institutionell zu verankern – eine Aufgabe, die näher an Fragen der digitalen Identität liegt als an klassischer IT-Governance.
Ralf Keuper