So skalieren Unternehmen ihre KI-Agenten mit Erfolg

Der Einsatz von KI-Agenten in deutschen Großunternehmen ist bereits weiter fortgeschritten, als es die öffentliche Debatte oft vermuten lässt. 47 Prozent nutzen KI-Agenten in mehr als einem Viertel ihrer Workloads, 13 Prozent sogar in über der Hälfte. Das belegt: Die oft beschworene Innovationsmüdigkeit in Deutschland ist ein Mythos.

Dabei besteht jedoch weitgehend Einigkeit darüber, dass echte Autonomie für KI bislang die Ausnahme darstellt und auch weiterhin bleibt. Nur 2 Prozent der deutschen Unternehmen erlauben vollständig autonome KI-Entscheidungen bei kritischen und strategischen Fragestellungen, während die große Mehrheit bewusst auf Kontrollmechanismen durch Menschen setzt. Auch für die nächsten Jahre planen 77 Prozent keinen vollständig automatischen KI-Einsatz in wichtigen Bereichen. Das zeigt die aktuelle Studie „Wie deutsche Großunternehmen KI-Agenten bewerten, einsetzen und strategisch weiterentwickeln“ von der techconsult GmbH im Auftrag der HCL Technologies Germany GmbH.

Compliance als größte Hürde

Dass auch in Zukunft menschliche Steuerung vorgesehen ist, hat dabei nicht so sehr technologische, sondern eher organisatorische und rechtliche Gründe. Denn 48 Prozent der Unternehmen sehen beim KI-Einsatz interne Compliance-Vorgaben als wichtigstes Hindernis, 37 Prozent externe regulatorische Anforderungen. Erst danach folgt mit 31 Prozent fehlende technologische Reife. Der Flaschenhals bei Agentic AI liegt also weniger in der Technik als in Governance, Entscheidungswegen, Freigabelogiken und der Fähigkeit von Organisationen, neuartige maschinelle Prozesse kontrolliert in bestehende Strukturen zu integrieren.

Eine wichtige Voraussetzung dafür lautet, Prozessdenken durch Zielorientierung abzulösen. Viele Unternehmen sind bislang darauf optimiert, feste Prozesse effizient auszuführen. Agentic AI funktioniert jedoch besser, wenn sie auf Geschäftsziele ausgerichtet wird. Das erfordert klar definierte Ziele und KPIs, dokumentierte Regeln sowie Transparenz darüber, welche Entscheidungen Menschen treffen müssen und welche KI übernimmt. Ebenfalls nötig sind hohe Prozessreife und Standardisierung. Während sich organisatorisches Chaos bislang durch menschliche Improvisation kompensieren ließ, benötigt Agentic AI eindeutige Datenquellen, Prozesse, Richtlinien und Ausnahmefälle.

Kulturelle Veränderungen

Zu den organisatorischen kommen kulturelle Hindernisse hinzu, etwa dass Mitarbeitende KI-Tools entweder zu vorsichtig oder übermotiviert einsetzen. Im ersten Fall bleiben Optimierungsmöglichkeiten ungenutzt, im zweiten besteht die Gefahr von Regelverstößen, insbesondere beim Umgang mit sensiblen Daten und der Ergebniskontrolle. Entsprechend benötigen Mitarbeitende regelmäßige Schulungen, die ihnen Chancen und Risiken der KI-Nutzung aufzeigen.

Damit KI-Agenten nicht als Konkurrenz für den eigenen Arbeitsplatz, sondern als neue Teammitglieder betrachtet werden, sind auch die jeweiligern Rollen zu beschreiben. Agenten übernehmen meist aufwändige Standardprozesse wie Recherche, Koordination, Dokumentation, Routineentscheidungen und Workflow-Orchestrierung. Menschen werden etwa zu Qualitätsprüfern, Eskalationsinstanzen und  Entscheidern bei Grenzfällen.

Weitere Voraussetzungen sind eine etablierte Experimentierkultur, Fehlertoleranz, interdisziplinäre Teams und Führungskräfte als Vorbilder. Dies erfordert in vielen Unternehmen eine neue Form von Führungs- und Verantwortungsstruktur, bei der Hierarchien aufgelöst und eine Vertrauenskultur bisherige Kontrollorientierung ersetzt.

Nutzen vor allem in Technologie-Bereichen

Ein weiterer zentraler Befund der Studie: Der praktische Einsatz von KI-Agenten konzentriert sich derzeit nicht auf die öffentlich stark diskutierten Frontend-Szenarien, sondern auf operative und datenintensive Kernbereiche der IT und des Unternehmens. Spitzenreiter sind IT Operations mit 45 Prozent, Business Intelligence und Datenanalyse mit 44 Prozent sowie Qualitätssicherung mit 41 Prozent. Erst danach folgt mit 38 Prozent der Kundenservice.

Demnach sehen Unternehmen derzeit nicht in spektakulären Chatbot-Szenarien für die Kundenbindung den größten Hebel durch KI, sondern in der Stabilisierung, Automatisierung und datenbasierten Optimierung interner Prozesse. Agentic AI entwickelt sich damit weniger zum sichtbaren Interface-Thema als zum infrastrukturellen und organisatorischen Rückgrat moderner IT-Landschaften mit ihren datenintensiven Kernprozessen.

Hier kann die KI-basierte Echtzeit-Analyse großer Datenmengen über Prozessautomatisierung und -optimierung für mehr Effizienz und Produktivität sorgen. Dies sind mit 66 Prozent beziehungsweise 58 Prozent auch die meistgenannten Gründe für den Einsatz von KI-Agenten. Erst danach folgen Qualitätssicherung (51 Prozent) sowie datengestützte Entscheidungsfindung und Kundenzufriedenheit (je 42 Prozent). Allerdings steigt mit zunehmendem KI-Reifegrad die Bedeutung der Qualitätsverbesserungen. 62 Prozent der Unternehmen, die mehr als die Hälfte ihrer Workloads mit KI-Agenten unterstützen, sehen sie als zentrales Ziel. So entwickeln sich KI-Agenten vom Effizienztool zu Instrumenten für nachhaltige Prozess- und Qualitätsoptimierung.

Datenmanagement als zentrales Erfolgskriterium

Die zentrale technologische Voraussetzung ist dabei ein umfassendes Datenmanagement. Denn Agentic AI kann nur so gut sein, wie es die genutzte Datenbasis zulässt. Entsprechend sind vor der Skalierung die erforderlichen Daten zu sammeln, zu prüfen, zu indizieren und zu klassifizieren. KI erfordert strukturierte Informationsquellen in Form von aktuellen Dokumentationen, Wissensdatenbanken, Richtlinien, Kundendaten und Produktinformationen. Als Faustregel gilt dabei: Sensible Daten sind in der eigenen Infrastruktur zu halten, bei Cloud-Anwendungen dürfen nur allgemeine oder anonymisierte Informationen zum Einsatz kommen.

Wer KI-Agenten skalieren will, benötigt jedoch nicht nur eine geprüfte und belastbare Datenbasis, sondern auch geeignete Modelle und Use Cases. Dazu sollten Unternehmen im ersten Schritt ermitteln, in welchen Bereichen sich mit wenig Aufwand ein möglichst großer Nutzen erreichen lässt. Nachdem sie die genannten technologischen, organisatorischen und kulturellen Voraussetzungen erfüllen, lässt sich oft schrittweise der KI-Einsatz skalieren. Hier ist es wichtig, frühzeitig und regelmäßig Feedbackschleifen mit allen Beteiligten einzubauen, um die Anwendungen kontinuierlich zu optimieren und an neue Anforderungen anzupassen. Bei allen Schritten können erfahrene Partner unterstützen, um Agentic AI möglichst effizient und kontrolliert zu skalieren.

Fazit

Die Ergebnisse unserer Studie zeigen, dass viele Unternehmen in Deutschland durch Agentic AI vor einer grundlegenden organisatorischen und kulturellen Neuordnung stehen. Denn neben belastbaren Daten und geeigneten KI-Modellen benötigen sie auch klare Governance-Strukturen und ein Betriebsmodell, das die erforderliche menschliche Steuerung und Kontrolle mit maschineller Handlungsgeschwindigkeit verbindet. Genau darin liegt für viele Unternehmen die größere Transformationsaufgabe im Vergleich zur reinen Technologie. Doch mit geeigneten Ansätzen und Partnern können sie diese Herausforderungen meistern.

Bild: DC Studio / Magnific