Open Executive: Was ein KI-Führungsteam wirklich kann

Ein CEO, acht Fachrollen und ein Chatfenster: Das klingt nach einer dieser KI-Demos, die am Montag viral gehen und am Freitag in der Versenkung verschwinden. Open Executive verdient trotzdem einen genaueren Blick. Das Open-Source-Projekt von Sente Labs AI baut kein weiteres Prompt-Frontend, sondern versucht, die Arbeit eines Führungsteams als Multi-Agenten-System zu modellieren. Der Anspruch ist groß. Der praktische Nutzen liegt an einer deutlich bescheideneren Stelle.

Wer das Tool als „KI-CEO“ versteht, übersieht genau diesen Punkt. Es ersetzt keine verantwortliche Geschäftsführung und kann das auch nicht seriös versprechen. Open Executive kann Informationen bündeln, Szenarien durchdenken, Aufgaben nach Rollen zerlegen und Entscheidungen nachvollziehbar vorbereiten. Das ist bereits eine Menge Arbeit. Aber eben eine andere als die persönliche, rechtliche und wirtschaftliche Verantwortung eines Menschen im Management.

Wir bei digital-magazin.de haben uns den öffentlichen Code, die Architektur und die Idee dahinter angesehen. Die kurze Version: Open Executive ist ein interessantes Bauprojekt für Unternehmen, die Agenten nicht nur als einzelne Hilfskräfte ausprobieren wollen. Wer ihm jedoch ungeprüft Zugänge, Budgets und Entscheidungsspielraum überlässt, baut sich keinen digitalen Vorstand. Sondern einen sehr eloquenten Risikofaktor.

Open Executive: Was das KI-Führungsteam tatsächlich macht

Open Executive ist unter der Apache-2.0-Lizenz veröffentlicht und kann selbst gehostet werden. Das ist mehr als ein Fußnoten-Detail. Bei einem Tool, das mit Strategiepapieren, Finanzmodellen, Personalthemen oder Vertragsentwürfen arbeiten soll, entscheidet der Betriebsort über Kontrolle, Datenflüsse und den Aufwand für den Betrieb.

Nach Angaben des Projekts sitzt vor den Fachagenten ein zentraler „Executive Orchestrator“. Nach außen formuliert er Antworten in einer einheitlichen Stimme. Intern verteilt er eine Frage an spezialisierte Rollen: Strategie, Finanzen, People & HR, Rechtsberatung, Operations, Marketing, Produkt und Board-Kommunikation. Für eine Preisfrage könnte der Orchestrator also nicht nur eine allgemeine Antwort ausspucken, sondern wirtschaftliche Folgen, Positionierung, Kapazitäten und rechtliche Nebenwirkungen parallel abklopfen.

Das ist ein sinnvoller Unterschied zum klassischen Chatbot. Ein Chatbot beantwortet eine Frage, oft auf Basis eines einzelnen Kontexts. Ein Multi-Agenten-System zerlegt die Frage bewusst in Perspektiven. Das macht seine Aussage nicht automatisch richtig. Es reduziert aber die Gefahr, dass eine betriebswirtschaftliche Entscheidung allein aus der Sprachmelodie eines Modells entsteht.

Die Entwickler nennen acht Fachrollen. Dazu gehören ein Chief Strategy Officer für Wettbewerb und Ziele, ein CFO für Modelle, Cashflow und Finanzierung, ein CHRO für Personalfragen, General Counsel für Vertrags- und Compliance-Grundlagen, COO, CMO, Chief Product Officer und eine Rolle für die Kommunikation mit dem Board. Das liest sich ein wenig wie ein Organigramm aus einem Pitchdeck. Unter der Haube ist es zunächst eine Struktur für Prompts, Wissen, Tools und Zuständigkeiten.

Die Architektur: Orchestrator, Spezialisten und Erinnerung

Das öffentlich dokumentierte System setzt auf Python, FastAPI und ein Next.js-Frontend. Als Vektorspeicher dient ChromaDB, episodische Entscheidungen landen laut Repository in SQLite. Außerdem gibt es einen Scheduler, der fällige Aktionen hervorheben soll. Für die Modellaufrufe ist die Anthropic-API vorgesehen: In der aktuellen README steht Claude Sonnet 4.6 als Standardmodell, anspruchsvollere Rollen wie Strategie, Finanzen, Recht und Board-Kommunikation können Claude Opus 4.7 mit erweitertem Denken einsetzen.

Der Detailgrad ist wichtig, weil der Begriff „Gedächtnis“ bei Agenten gern nach Magie klingt. Hier geht es nicht um ein unfehlbares Langzeitgedächtnis. Das Projekt beschreibt zwei Wissensschichten: mitgeliefertes Grundlagenwissen und hochgeladene Unternehmensdokumente. Nach Antworten werden wesentliche Entscheidungen und Initiativen in einer lokalen Datenbank festgehalten und beim nächsten Gespräch wieder in den Kontext geladen. Das ist nützlich, kann aber auch alte Annahmen konservieren. Eine falsche Prämisse wird durch Speicherung nicht klüger.

Praktisch übersetzt: Wenn ein Team dem System einmal mitteilt, ein bestimmtes Marktsegment sei unprofitabel, kann diese Information spätere Empfehlungen prägen. Darum gehören Herkunft, Datum und Gültigkeit jeder hinterlegten Aussage in eine saubere Betriebsroutine. Gerade in Finanz- und Personalthemen darf „hat die KI letztes Mal so notiert“ nicht zur Quelle werden.

Ein weiterer interessanter Punkt: Open Executive will nach außen eine konsistente Stimme liefern, die interne Agentenstruktur aber nicht als chaotischen Diskussionsverlauf ausgeben. Das kann die Nutzung angenehmer machen. Es nimmt den Nutzenden allerdings auch eine Ebene der Kontrolle. Bei wichtigen Fragen sollte daher sichtbar sein, welche Daten verwendet wurden, welche Annahmen gelten und welche Fachrolle welchen Einwand hatte. Eine glatte Antwort ist kein Prüfprotokoll.

Dieses Bild wurde komplett mit KI generiertProvideropenaiModellgpt-image-2PromptCandid editorial photograph of a European business analyst standing beside a glass whiteboard with abstract colored shapes, discussing a printed dashboard with one colleague in a modern office, real office setting with soft neutral daylight, documentary style, slight imperfections, photorealistic, 16:9 landscape, no readable text, no logos, no holograms, no sci-fi, no vintage look, no wooden desk, no coffee mug

KI-Führungsteam: Wo der Ansatz im Alltag helfen kann

Das wahrscheinlich beste Einsatzfeld ist nicht die einsame Entscheidung über die Zukunft eines Unternehmens. Es sind wiederkehrende, informationslastige Vorbereitungen. Etwa die Frage, warum die Marge eines Produkts sinkt, welche Projekte im Quartal Priorität haben sollten oder welche Punkte vor einem Kundentermin noch offen sind. Hier kann ein KI-Führungsteam Daten aus Dokumenten zusammenführen, Fragen in Teilaufgaben zerlegen und eine erste Managementvorlage bauen.

Ein CFO-Agent kann zum Beispiel die Liquiditätsplanung prüfen, während die Strategie-Rolle Wettbewerbsbewegungen zusammenträgt. Der Produkt-Agent legt mögliche Folgen für die Roadmap daneben. Der Mensch im Raum bekommt hoffentlich nicht nur eine Empfehlung, sondern auch die Gründe, Gegenargumente und offenen Datenlücken. So eingesetzt ist der Agent ein analytischer Stab. Das ist weniger spektakulär als ein Roboter-CEO, aber wesentlich brauchbarer.

Für kleinere Unternehmen kann der Gedanke besonders reizvoll sein: Nicht jede Firma hat eine Person für Finanzen, eine für Strategie und eine für Produkt im selben Meeting. Ein gut begrenztes System kann helfen, Fragen aus mehreren Blickwinkeln zu sortieren. Es ersetzt jedoch weder Fachberatung noch Marktkenntnis. Vor allem dann nicht, wenn die Datengrundlage aus alten PDFs, fragmentierten Tabellen und einem CRM besteht, das seit Monaten keiner ernsthaft gepflegt hat. Der Agent kann Ordnung schaffen – er kann keine fehlenden Fakten erfinden, ohne dass es schiefgeht.

Selbst hosten heißt nicht automatisch: Datenproblem gelöst

Open Executive wirbt nachvollziehbar mit Self-Hosting. Wer die Software auf eigener Infrastruktur betreibt, behält die Anwendung, den Vektorspeicher und die SQLite-Datenbank im eigenen Umfeld. Das kann für sensible Dokumente eine bessere Ausgangslage sein als ein beliebiges SaaS-Tool. Der Schluss „Die Daten verlassen niemals das Unternehmen“ wäre dennoch falsch, wenn die Agenten weiterhin ein externes Sprachmodell per API aufrufen.

Genau dort beginnt die technische und organisatorische Arbeit. Welche Inhalte gehen an das Modell? Werden personenbezogene Daten entfernt oder pseudonymisiert? Welche Personen dürfen Dokumente hochladen? Wie lange bleiben Gesprächsprotokolle und Erinnerungen erhalten? Und wer darf dem Agenten Werkzeuge geben, die über Analyse hinausgehen? Diese Fragen beantwortet kein Docker-Container von allein.

Das Repository nennt Integrationen für Web, Slack, E-Mail, Telegram, Google Chat, Discord und die Kommandozeile. Jede zusätzliche Schnittstelle kann nützlich sein, vergrößert aber die Angriffsfläche. Ein Agent, der nur eine Antwort im Browser formuliert, ist ein anderes Risikoprofil als ein Agent, der E-Mails verarbeitet, Kalendereinträge sieht oder Aktionen an andere Systeme weitergibt.

Wer sich grundsätzlich mit den Sicherheitsregeln für solche Systeme befasst, findet in unserem Leitfaden zu Rechten, Audit-Logs und Not-Aus bei KI-Agenten die entscheidenden Leitplanken. Der wichtigste Satz daraus passt auch hier: Rechte so klein wie möglich schneiden. Ein Strategie-Agent benötigt keinen Zugriff auf die Buchhaltung. Ein Assistent für Sitzungsunterlagen braucht keinen Sendebefehl für E-Mails.

Die Schwachstelle ist nicht der CEO-Titel, sondern die Delegation

Die große Versuchung bei Systemen wie Open Executive besteht darin, aus einer guten Textantwort schnell eine Handlung zu machen. Ein Agent erkennt eine Preisänderung der Konkurrenz, schlägt eine Anpassung vor und bekommt irgendwann die Berechtigung, die Änderung gleich ins Shopsystem zu schreiben. Drei Schritte – und plötzlich entscheidet eine Wahrscheinlichkeitsmaschine über Marge, Kundschaft und Vertrieb.

Das muss nicht in einer Katastrophe enden. Aber die Kontrollschleife muss vorher festgelegt sein: Welche Entscheidungen darf das System vorbereiten? Welche darf es ausführen? Wann ist eine Freigabe durch zwei Personen nötig? Wo liegt der Not-Aus? Welche Logs werden geprüft, und wer ist dafür verantwortlich? Wer diese Fragen erst nach dem ersten Fehler diskutiert, hat die Reihenfolge falsch herum gewählt.

Auch die Rechtsrolle im System sollte man nüchtern betrachten. Ein General-Counsel-Agent kann Klauseln vergleichen, Risiken markieren und eine Recherche strukturieren. Er ersetzt keine zugelassene Rechtsberatung. Gleiches gilt für HR: Das Tool kann Informationen bündeln, aber keine faire Personalentscheidung garantieren. Sprachmodelle haben keine Urteilskraft, keine Haftung und keinen Kontext außerhalb dessen, was sie erhalten.

Open Executive ist ein Baukasten, kein digitaler Geschäftsführer

Die Selbstbezeichnung als „virtual executive team“ ist marketingwirksam, aber sie trifft den technischen Kern nur halb. Open Executive ist ein quelloffener Baukasten für eine orchestrierte Agentenarchitektur. Er bündelt Rollen, Wissen, Erinnerungen, Werkzeuge und Kommunikationskanäle. Dass diese Bausteine als Führungsteam auftreten, macht sie noch nicht zu Führungskräften.

Der Unterschied ist nicht kleinlich. Geschäftsführung heißt, unter Unsicherheit abzuwägen, Verantwortung zu tragen, Konflikte auszuhalten und im Zweifel persönlich für Entscheidungen einzustehen. Ein Modell kann Muster aus Daten und Dokumenten ableiten. Es kann keine Verantwortung übernehmen. Die Herstellerformulierung, dass die entscheidenden Ermessensentscheidungen beim Menschen bleiben, ist deshalb keine defensive Fußnote, sondern die wichtigste Produktgrenze.

Interessant ist Open Executive trotzdem, weil es zeigt, wohin sich KI-Tools bewegen: weg vom einzelnen Chatfenster, hin zu koordinierten Systemen mit Rollen und Gedächtnis. Das kann die Qualität von Vorlagen, Analysen und Follow-ups verbessern. Nach unserer Recherche bei digital-magazin.de ist genau das der realistische Maßstab: nicht die Entmachtung des Managements, sondern bessere Vorbereitung für Menschen, die Entscheidungen treffen müssen.

So testen Unternehmen ein KI-Führungsteam sinnvoll

Ein Pilot sollte mit einer Aufgabe beginnen, deren Ergebnis kontrollierbar ist. Beispielsweise die wöchentliche Zusammenfassung von Vertriebsdaten, das Vorbereiten einer Produkt-Roadmap oder das Sammeln offener Punkte aus Projektunterlagen. Keine Vertragsfreigaben. Keine Personalentscheidungen. Keine Überweisungen. Keine Preisänderungen im Live-System. Das klingt konservativ. Es spart Ärger.

• Kontext begrenzen: Für den Start nur ausgewählte, aktuelle Dokumente bereitstellen und ihre Quellen kenntlich machen.
• Rollen nach Nutzen wählen: Nicht acht Agenten aktivieren, weil acht im Organigramm hübsch aussehen. Zwei oder drei klar abgegrenzte Rollen reichen für einen Test.
• Freigaben fest verdrahten: Jede externe Aktion braucht eine menschliche Bestätigung; sensible Aktionen zusätzlich ein Vier-Augen-Prinzip.
• Ausgaben prüfen: Stichproben reichen nicht. Bei Zahlen, Recht und Personalthemen muss fachlich gegengelesen werden.
• Erinnerungen pflegen: Alte Entscheidungen, falsche Annahmen und überholte Dokumente aktiv korrigieren oder löschen.

Für Teams, die die Architektur hinter solchen Systemen besser einordnen wollen, lohnt sich auch unser Beitrag darüber, wie Orchestratoren spezialisierte Agenten koordinieren. Open Executive ist kein Beweis dafür, dass Unternehmen bald ohne Führung auskommen. Es ist eher ein früher, gut sichtbarer Beleg dafür, dass Führungsteams künftig deutlich mehr maschinelle Vorarbeit erhalten werden.

Der kluge Umgang damit ist erstaunlich unglamourös: klein anfangen, Grenzen festlegen, Datenqualität ernst nehmen und jede Empfehlung als Empfehlung behandeln. Dann kann ein KI-Führungsteam Zeit sparen. Wer ihm hingegen Autorität gibt, weil es überzeugend formuliert, verwechselt Sprachgewandtheit mit Urteilskraft. Und das war noch nie eine gute Besetzung für den Chefsessel.

Was beim Betrieb wirklich kostet

Quelloffen bedeutet nicht kostenlos. Die Lizenz erlaubt es, den Code zu nutzen und anzupassen; die laufenden Kosten entstehen an anderer Stelle. Open Executive braucht Infrastruktur, Speicher, Backups, Monitoring und vor allem Modellaufrufe. Bei der in der README beschriebenen Standardkonfiguration laufen diese über Anthropic; die aktuellen Modellpreise dokumentiert Anthropic öffentlich. Je mehr Dokumente ein Team einbindet, je länger die Gespräche werden und je häufiger mehrere Spezialagenten gleichzeitig arbeiten, desto genauer muss das Kostenmodell betrachtet werden.

Das ist kein Argument gegen den Ansatz. Aber ein guter Grund, vor dem Pilot eine klare Kostenobergrenze einzurichten. Ein Agent, der für eine wöchentliche Managementzusammenfassung acht Rollen, umfangreiche Dokumentensuchen und ein besonders rechenintensives Modell aufruft, kann schnell mehr Kosten verursachen als die eingesparte Vorbereitungszeit wert ist. Erst messen, dann ausrollen – die alte Regel gilt auch hier.

Hinzu kommt der Pflegeaufwand. Unternehmenswissen bleibt nicht einfach richtig, weil es einmal hochgeladen wurde. Preise ändern sich, Zuständigkeiten wechseln, Produkte verschwinden, Verträge werden ergänzt. Ein KI-Führungsteam braucht daher Verantwortliche für die Wissensbasis. Ohne diesen Prozess produziert die Software mit beeindruckender Geschwindigkeit Antworten auf Basis eines Unternehmens, das es so nicht mehr gibt. Welche Budgetposten in Agentenprojekten gerne übersehen werden, zeigen wir auch bei den versteckten Kosten von KI-Agenten im Mittelstand.

Das Team von digital-magazin.de testet regelmäßig, wie unterschiedlich Agentensysteme mit Kontext umgehen. Die wiederkehrende Beobachtung: Ein sauber begrenzter, aktueller Datenraum ist oft wertvoller als ein gigantisches Archiv. Für einen ersten Test reichen die Unterlagen eines klar abgegrenzten Projekts. Wer den gesamten Dateiablage-Ordner als Kontextabladeplatz versteht, schafft vor allem neue Fehlerquellen.

Welche Transparenz eine Antwort haben sollte

Bei einer Empfehlung zu Budget, Preis oder Priorität reichen ein freundlicher Ton und ein paar plausible Gründe nicht. Eine gute Antwort eines KI-Führungsteams sollte vier Dinge offenlegen: die verwendeten Quellen, die Annahmen, die Unsicherheiten und die vorgeschlagene nächste Prüfung. Das ist kein Luxus für Großkonzerne, sondern die Mindestanforderung, damit aus einer Textausgabe eine brauchbare Arbeitsunterlage wird.

Ein Beispiel: Der Agent empfiehlt, einen Preis trotz günstigerer Konkurrenz nicht zu senken. Dann sollte er sichtbar machen, ob er sich auf aktuelle Margendaten, verlässliche Marktbeobachtung und Lagerbestände stützt – oder ob er nur eine Meldung über einen Wettbewerber verarbeitet hat. Im ersten Fall diskutiert das Team über eine Entscheidung. Im zweiten Fall diskutiert es über eine Vermutung. Das sind zwei verschiedene Meetings.

Die im Projekt angelegte Rollenlogik kann dabei sogar helfen. Statt eine scheinbar endgültige Antwort zu akzeptieren, sollten Teams ausdrücklich nach Gegenpositionen fragen: Welche Annahme würde der CFO anzweifeln? Welches Risiko würde die Rechtsrolle markieren? Welche Kennzahl fehlt dem Produkt-Agenten? Das ist die sinnvollere Art, ein Multi-Agenten-System zu nutzen: nicht als Autorität, sondern als Sparringspartner mit dokumentierten Perspektiven.

Warum der Hype trotzdem einen echten Kern hat

Die Idee eines KI-CEOs ist überzeichnet. Die Richtung dahinter ist es nicht. Unternehmen ertrinken selten an einem einzelnen fehlenden Bericht; sie verlieren Zeit zwischen Abteilungen, Datenquellen, Besprechungen und aufgeschobenen Folgeaufgaben. Wenn ein System Informationen zusammenführt, offene Punkte erinnert und eine Entscheidungsvorlage aus mehreren Blickwinkeln baut, kann das Führung spürbar entlasten.

Open Executive zeigt diesen Trend ungewöhnlich offen, weil sich Architektur und Komponenten im Repository prüfen lassen. Das ist ein Vorteil gegenüber vielen geschlossenen Agentenangeboten. Technikteams können nachvollziehen, welche Speichersysteme vorgesehen sind, welche Modelle aufgerufen werden und wo Integrationen ansetzen. Die Produktbeschreibung von Sente Labs AI betont dabei Self-Hosting und die menschliche Entscheidungshoheit. Technikteams können selbst entscheiden, ob diese Architektur zum eigenen Betrieb passt. Open Source ist hier kein Gütesiegel. Aber es ist eine Einladung zur Prüfung.

Und genau diese Prüfung sollte der Standard sein. Ein KI-Führungsteam darf Vorschläge machen, Lücken aufdecken und Routinearbeit verkürzen. Der Moment, in dem es über Menschen, Geld oder Verträge verbindlich entscheidet, ist ein anderer Modus. Dort braucht es nachvollziehbare Daten, klare Rechte und eine Person, die am Ende wirklich entscheidet. Nicht als symbolische Unterschrift, sondern weil Verantwortung eben nicht als Sub-Agent ausgelagert werden kann.