Das Agentic Automation Zeitalter. Entfesseln Sie die Kraft selbststeuernder Geschäftsprozesse

Inhaltsübersicht

1. Management Zusammenfassung

Unter agentenbasierter Automatisierung versteht man den Einsatz von autonomen KI-Agenten, die selbstständig komplexe Aufgaben ausführen und Entscheidungen mit minimalem menschlichen Eingriff treffen können. Diese aufkommende Form der KI-gesteuerten Automatisierung wird weithin als ein wichtiger Technologietrend für die kommenden Jahre angesehen. Unternehmen sind sehr daran interessiert, weil agentenbasierte KI menschliche Teams durch „digitale Mitarbeiter“ ergänzen kann, was zu erheblichen Produktivitäts-, Geschwindigkeits- und Innovationssteigerungen führt. Erste Studien zeigen, dass Unternehmen, die KI-Agenten einsetzen, erhebliche Leistungsverbesserungen erzielen. So konnten Unternehmen mit vollständig KI-gestützten Prozessen ein 2,5fach höheres Umsatzwachstum und eine 2,4fach höhere Produktivität als ihre Mitbewerber verzeichnen. Die strategischen Implikationen sind weitreichend: Agentenautomatisierung kann Betriebsmodelle verändern und sogar die effektive Mitarbeiterkapazität verdoppeln, indem routinemäßige Wissensarbeit an KI-Agenten ausgelagert wird. Um diese Vorteile zu nutzen, müssen Unternehmen in die richtigen Fähigkeiten und die richtige Governance investieren. Die erfolgreiche Integration autonomer Agenten erfordert eine solide Datengrundlage, klare ethische Leitplanken und ein proaktives Änderungsmanagement, um menschliche und KI-Arbeitskräfte zu vereinen. Zusammenfassend lässt sich sagen, dass die Automatisierung durch Agenten denjenigen, die sie nutzen, ein transformatives Potenzial bietet, das eine neue Quelle für Wettbewerbsvorteile darstellt und gleichzeitig die verantwortungsvolle Einführung von KI und die Anpassung der Belegschaft zu wichtigen Prioritäten für Führungskräfte macht.

2. Einführung

2.1 Definition der agentenbasierten Automatisierung

Agentenbasierte Automatisierung (oder agentenbasierte KI) ist ein Automatisierungsparadigma, bei dem KI-Systeme – „KI-Agenten“ – mit der Fähigkeit ausgestattet sind, eigenverantwortlich zu handeln, d. h. sie können planen, ausführen und Entscheidungen treffen, um von Menschen gesetzte Ziele zu erreichen. Im Gegensatz zu herkömmlichen Software-Bots oder einfachen KI-Assistenten können diese autonomen Agenten komplexe, mehrstufige Aufgaben mit minimaler menschlicher Aufsicht erledigen. Deloitte definiert agenturische KI als Software, die „komplexe Aufgaben und Ziele mit wenig oder gar keiner menschlichen Aufsicht erledigen kann“, was sie von den heutigen Chatbots oder Co-Piloten unterscheidet. Mit anderen Worten: Während frühere Automatisierungstools explizite Schritt-für-Schritt-Anweisungen benötigten, kann agenturische KI logisch denken, sich anpassen und die Initiative ergreifen, um Ergebnisse zu erzielen.

Ermöglicht wird diese Fähigkeit durch Fortschritte in der KI, insbesondere durch umfangreiche Sprachmodelle und andere Technologien, die es einem Agenten ermöglichen, übergeordnete Probleme in Teilaufgaben zu zerlegen und kontinuierlich zu lernen. Laut Accenture nutzt eine „agentechnische Architektur“ Netzwerke von KI-Agenten, um komplexe Arbeitsabläufe zu orchestrieren und zu automatisieren und so die Gesamtproduktivität und Entscheidungsfindung in einem Unternehmen zu verbessern. Diese Agenten können mehr als nur Inhalte generieren – sie können den Kontext interpretieren, Entscheidungen treffen und Aktionen in verschiedenen Anwendungen oder Systemen im Namen der Benutzer ausführen. Anstatt beispielsweise nur eine E-Mail-Antwort vorzuschlagen, könnte ein KI-Agent die E-Mail selbstständig verfassen, versenden, die Interaktion in einem CRM protokollieren, eine Nachverfolgung planen und zugehörige Datensätze aktualisieren – alles in einer nahtlosen Abfolge.

2.2 Von der traditionellen Automatisierung zu autonomen Agenten

Die agentenbasierte Automatisierung stellt einen Evolutionssprung gegenüber der traditionellen Automatisierung (wie geskriptete Prozesse oder RPA) und sogar gegenüber den KI-Assistenten der ersten Generation dar. Gartner identifiziert „Agentische KI“ als den wichtigsten strategischen Technologietrend des Jahres 2025, definiert als autonome KI, die planen und Maßnahmen ergreifen kann, um benutzerdefinierte Ziele zu erreichen. Dies bedeutet, dass Unternehmen virtuelle Agenten einsetzen können, die als „virtuelle Arbeitskräfte“ fungieren, Aufgaben erledigen und menschliche Teams in einer Weise ergänzen, die bisher nicht möglich war.

Die herkömmliche Automatisierung eignet sich hervorragend für sich wiederholende, regelbasierte Aufgaben, aber es fehlt ihr an Anpassungsfähigkeit. Generative KI (wie z. B. Chatbots oder Inhaltsgeneratoren) bietet mehr Flexibilität, funktioniert aber immer noch hauptsächlich als reaktionsfähiges Werkzeug. Agentische KI kombiniert die Stärken der generativen KI mit Entscheidungsalgorithmen, um über einfache Fragen und Antworten oder einstufige Aktionen hinauszugehen. Sie kann Bedingungen überwachen, auf Veränderungen reagieren und Entscheidungen miteinander verknüpfen. Wie McKinsey feststellt, ist die Fähigkeit der KI, komplexe Arbeitsabläufe selbstständig auszuführen, ein großer Schritt nach vorn – zum Beispiel von der bloßen Zusammenfassung von Kundendaten zur Konversation mit einem Kunden und der anschließenden selbstständigen Bearbeitung einer Zahlung, der Prüfung auf Betrug und der Organisation des Versands in einem kontinuierlichen Prozess. Im Wesentlichen befähigt die agentenbasierte Automatisierung die KI dazu, Menschen nicht nur zu unterstützen, sondern in ihrem Namen zu handeln und damit eine neue Ära der intelligenten Prozessautomatisierung einzuleiten.

3. Auswirkungen der agentengestützten Automatisierung auf das Geschäft

3.1 Effizienz- und Produktivitätsgewinne

Die Einführung autonomer KI-Agenten in Geschäftsprozesse kann die Effizienz und den Output drastisch steigern. Durch die Übertragung von Routine- und zeitaufwändigen Aufgaben an KI-Agenten können sich menschliche Mitarbeiter auf höherwertige Tätigkeiten konzentrieren, was zu Produktivitätssteigerungen im gesamten Unternehmen führt. Erste Belege von Branchenführern sind überzeugend: In Unternehmen, die ihre Abläufe mit KI (einschließlich agentenbasierter KI-Funktionen) modernisiert haben, ist die Produktivität sprunghaft angestiegen. Eine aktuelle Accenture-Studie hat ergeben, dass sich der Anteil der Unternehmen mit vollständig KI-fähigen Prozessen von 9 % im Jahr 2023 auf 16 % im Jahr 2024 fast verdoppelt hat, und diese Unternehmen erzielen eine 2,4-mal höhere Produktivität und ein 2,5-mal höheres Umsatzwachstum als ihre Konkurrenten. Dies unterstreicht den Wettbewerbsvorteil, der durch den Einsatz von KI-Agenten in großem Umfang erzielt wird.

Konkrete Implementierungen zeigen, wie diese Gewinne zustande kommen. Im Marketing und Vertrieb können autonome Agenten die Lead-Qualifizierung, die Kundenansprache oder die Optimierung von Kampagnen übernehmen, was zu einer schnelleren Ausführung und Kosteneinsparungen führt. So berichtet Accenture, dass der Einsatz von KI-Agenten in der eigenen Marketingabteilung zu einer Reduzierung der manuellen Schritte um 25-35 %, zu einer Kostensenkung um 6 % und zu einer erheblichen Beschleunigung (bis zu 50 %) der Markteinführungszeit von Kampagnen geführt hat. In einem anderen Fall führte ein Multi-Agenten-System, das für ein globales Unternehmen entwickelt wurde, zu einer Produktivitätssteigerung von 30-40 %, indem die Datenabfrage und die Entscheidungsunterstützung für die Mitarbeiter auf intelligente Weise automatisiert wurden. Diese Fälle verdeutlichen, dass die Automatisierung durch Agenten komplexe Arbeitsabläufe durchgängig rationalisieren kann, so dass Übergaben und Verzögerungen, die in der Regel die Prozesse verlangsamen, vermieden werden.

Die Vorteile beschränken sich nicht auf die interne Effizienz. Autonome Agenten verbessern auch die Qualität und Konsistenz. Sie können rund um die Uhr mit weniger Fehlern arbeiten, automatisch Best Practices durchsetzen und sich schnell an neue Informationen oder Veränderungen in der Umgebung anpassen. Auf diese Weise reduzieren sie die Nacharbeit und setzen Zeit für die Mitarbeiter frei. Die Untersuchungen von McKinsey zeigen, dass Unternehmen allmählich greifbare finanzielle Auswirkungen der KI erkennen. In einer Umfrage führten 27 % der Befragten mindestens 5 % ihres EBIT auf KI-Initiativen zurück, was die Beiträge der Automatisierung verschiedener Arten widerspiegelt. Mit der zunehmenden Verbreitung von agentenbasierter KI können wir davon ausgehen, dass ein noch größerer Teil des Geschäftswerts durch KI-Agenten erzielt wird, die mit Menschen zusammenarbeiten.

3.2 Wirtschaftlicher und finanzieller Nutzen

Auf breiterer Ebene wird die agentenbasierte Automatisierung erhebliche wirtschaftliche Auswirkungen auf Unternehmen und Branchen haben. Indem sie die Art und Weise, wie Arbeit erledigt wird, grundlegend verändert, kann sie die Betriebskosten senken, den Durchsatz erhöhen und neue Umsatzmöglichkeiten eröffnen. Ein wichtiger Einflussbereich ist die Arbeitseffizienz – KI-Agenten fungieren im Wesentlichen als skalierbare Arbeitskräfte, die zu geringen Zusatzkosten repliziert werden können. PwC-Forscher gehen davon aus, dass KI-Fortschritte (einschließlich autonomer Agenten) das globale BIP bis 2030 um bis zu 14 % (≈ 15,7 Billionen US-Dollar) steigern könnten. Fast die Hälfte dieses wirtschaftlichen Gewinns (ca. 45 %) wird voraussichtlich aus KI-gesteuerten Produktverbesserungen stammen, die die Verbrauchernachfrage anregen, was unterstreicht, wie eine intelligentere Automatisierung nicht nur die Kosten senken, sondern auch das Angebot und die Kundenerfahrung verbessern kann.

Für einzelne Unternehmen ergibt sich der ROI für die Automatisierung von Agenturen aus mehreren Quellen:

• Kosteneinsparungen: Durch die Automatisierung von Routineaufgaben können Unternehmen die Arbeitskosten senken oder Mitarbeiter für strategischere Aufgaben einsetzen. Funktionen wie Kundensupport, Dateneingabe, Compliance-Überwachung oder IT-Betrieb können teilweise oder vollständig an KI-Agenten übergeben werden, was zu Einsparungen führt. Darüber hinaus können KI-Agenten, die intern arbeiten, einige Tätigkeiten übernehmen, die Unternehmen sonst auslagern würden, was nicht nur Kosteneffizienz, sondern auch mehr Kontrolle und Anpassungsmöglichkeiten bietet.
• Steigende Einnahmen: Verbesserte Geschwindigkeit und Qualität können sich in höherer Kundenzufriedenheit und in der Fähigkeit niederschlagen, mehr Aufträge zu bearbeiten. Schnellere Reaktionszeiten, 24/7-Verfügbarkeit und personalisierte Interaktionen durch KI-Agenten können den Umsatz und die Kundenbindung steigern. Einige Unternehmen haben durch den Einsatz von KI-Agenten neue Geschäftschancen erkannt. So konnte ein Unternehmen dank eines KI-Agenten, der Kunden schnell einbinden konnte (was die Einarbeitungszeit um 90 % reduzierte), mehr Kunden schneller bedienen.
• Innovation und Agilität: Agentische KI kann F&E- und Innovationszyklen beschleunigen. Indem KI-Agenten alltägliche Vorarbeiten übernehmen, ermöglichen sie menschlichen Teams, schneller zu experimentieren und zu iterieren. PwC prognostiziert, dass KI die Produktentwicklungszyklen für viele Unternehmen um die Hälfte verkürzen wird, was eine schnellere Markteinführung neuer Innovationen bedeutet.

Wichtig ist, dass die finanziellen Vorteile der agentengestützten Automatisierung mit der Zeit zunehmen. Frühe Anwender können das, was funktioniert, auf das gesamte Unternehmen ausdehnen und die Prozesse mit datengesteuertem Feedback von KI-Agenten kontinuierlich verbessern. Auf der anderen Seite riskieren Unternehmen, die die Einführung verzögern, diese Vorteile zu verpassen und hinter die KI-affinen Wettbewerber zurückzufallen. Agentenautomatisierung wird somit zu einem strategischen Investitionsbereich – ähnlich wie bei früheren Automatisierungs- und Digitalisierungswellen können diejenigen, die überlegt und frühzeitig investieren, einen beträchtlichen Vorsprung bei Effizienz und Innovation aufbauen.

4. Wichtige Trends und Annahme

4.1 Entwicklung und Projektionen für die Einführung

Die agentenbasierte Automatisierung hat sich schnell vom Konzept zu Pilotprogrammen entwickelt, und viele Unternehmen planen eine breitere Einführung. Branchenanalysten sind sich einig, dass autonome KI-Agenten ein schnell wachsender Trend sind. In Gartners Top 10 der strategischen Technologietrends für das Jahr 2025 steht die agentenbasierte KI auf Platz 1, was die Erwartung widerspiegelt, dass sie bald zu einem Hauptschwerpunkt für Technologieinvestitionen werden wird. Auch McKinsey bezeichnet den Aufstieg von KI-Agenten als die „nächste Grenze“ bei der Erschließung des vollen Potenzials von KI am Arbeitsplatz.

Konkrete Zahlen zur Einführung verdeutlichen die Dynamik. Deloitte sagt voraus, dass bis 2025 25 % der Unternehmen, die generative KI einsetzen, Pilotprojekte mit agentenbasierter KI gestartet haben werden, und diese Zahl wird bis 2027 auf 50 % ansteigen. Mit anderen Worten: Innerhalb der nächsten zwei Jahre wird jedes vierte Unternehmen, das bereits mit fortschrittlicher KI experimentiert, autonome Agenten in irgendeinem Teil seines Betriebs testen. Dieser rasante Anstieg wird durch beträchtliche Investitionen sowohl von Risikokapitalgebern als auch von großen Technologieunternehmen angeheizt: Allein in den letzten zwei Jahren flossen über 2 Milliarden Dollar in Startups, die agentenbasierte KI-Lösungen entwickeln. Auch etablierte Softwareanbieter integrieren agentenbasierte Funktionen in ihre Plattformen. So haben beispielsweise Microsoft, Google und Salesforce Frameworks angekündigt, um benutzerdefinierte KI-Agenten in ihre Produkte zu integrieren.

Die ersten Anwender kommen aus verschiedenen Branchen. Viele erste Anwendungsfälle entstehen in Bereichen wie Kundenservice (KI-Agenten, die Anfragen oder IT-Helpdesk-Aufgaben bearbeiten), Finanzen (autonome Berater oder Agenten zur Betrugserkennung) und Betrieb (intelligente Koordinatoren für die Lieferkette oder Logistik). In einem Fall hat ein führender Einzelhändler für Heimtierbedarf einen KI-Agenten für sein Gewinnschutzteam eingesetzt, der Teile der Fallzusammenstellung für Betrugsermittlungen automatisiert und dem Unternehmen jährlich Einsparungen im siebenstelligen Bereich bringen soll. Solche Beispiele schaffen Vertrauen darin, dass agentengestützte KI einen realen Nutzen bringen kann, und ermutigen mehr Unternehmen zu Experimenten.

4.2 Erste Anwendungsfälle und Beispiele aus der Industrie

Mehrere Pionierprojekte veranschaulichen, was die agentengestützte Automatisierung leisten kann, und helfen, ihre Auswirkungen zu bewerten:

• Vertrieb und Kundenbetreuung: KI-Verkaufsassistenten und Kundendienstmitarbeiter gehören zu den ersten weit verbreiteten autonomen Agenten. Diese Agenten können Leads qualifizieren, allgemeine Kundenanfragen bearbeiten oder sogar routinemäßige Verkaufstransaktionen aushandeln. Microsofts Dynamics 365-Suite hat beispielsweise eine Reihe autonomer Agenten (für Vertrieb, Service, Lieferkette usw.) eingeführt, die Aufgaben wie die Recherche von Leads oder die Verfolgung der Lieferantenleistung ohne menschliche Aufforderung durchführen können. Dadurch werden nicht nur Vertriebs- und Supportmitarbeiter für komplexere Interaktionen freigestellt, sondern es wird auch sichergestellt, dass keine Gelegenheit oder kein Problem über Nacht unbeaufsichtigt bleibt.
• Softwareentwicklung und IT-Betrieb: Agentische KI wird durch DevOps-Agenten und IT-Support-Bots auf IT-Workflows angewendet. Das „KI-Agenten“-Konzept von Salesforce (Agentforce) ermöglicht es Unternehmen beispielsweise, KI-Agenten zu erstellen, die automatisch mehrstufige Aufgaben wie Softwaretests, Bereitstellung und Reaktion auf Störungen übernehmen. Ein Startup-Projekt namens „Devin“ zielt sogar darauf ab, als autonomer Software-Ingenieur zu fungieren, der Code mit minimalem menschlichem Input schreiben, testen und verfeinern kann. Diese Anwendungsfälle deuten auf eine Zukunft hin, in der Teile der Codierung und IT-Wartung von KI übernommen werden, was die Entwicklungszyklen erheblich beschleunigt.
• Finanzen und Analyse: Im Bank- und Finanzwesen kann agentengestützte KI Transaktionen überwachen, Geschäfte unter vorgegebenen Parametern ausführen oder analytische Berichte erstellen. Ein KI-Agent könnte beispielsweise die Marktbedingungen verfolgen und ein Portfolio innerhalb von Risikogrenzen selbstständig anpassen. Hier ist zwar eine strenge Steuerung erforderlich, doch die Möglichkeit, in Echtzeit auf Marktereignisse zu reagieren, ist ein Wettbewerbsvorteil.
• Betrieb und Lieferkette: Autonome Agenten können auch die Abläufe in der physischen Welt koordinieren. Einzelhandels- und Produktionsunternehmen erproben Agenten, die Lagerbestände verwalten, Nachbestellungen vornehmen oder Lieferrouten optimieren, indem sie über das Lieferkettennetzwerk miteinander kommunizieren. Die KI-Agenten eines großen Einzelhändlers prognostizieren die Nachfrage, verwalten die Bestände und planen die Lieferrouten, was den Lagerumschlag dynamisch verbessert und Fehlbestände reduziert. In der Logistik können die Agenten bei Verspätungen oder Wetterproblemen Sendungen spontan umleiten und so die Ausfallsicherheit und das Serviceniveau verbessern.

Diese Beispiele kratzen kaum an der Oberfläche – in praktisch jeder wissensbasierten oder prozessorientierten Aufgabe könnten KI-Agenten eine Rolle spielen. Der gemeinsame Nenner ist, dass die agentenbasierte Automatisierung sich in komplexen und dynamischen Umgebungen auszeichnet, in denen regelbasierte Systeme versagen. Durch die Nutzung der Fähigkeit der KI, Daten zu analysieren und zu lernen, können diese Agenten mit Schwankungen und Ausnahmen umgehen, die traditionell menschliches Urteilsvermögen erfordern. Je mehr Erfolgsgeschichten aus Pilotprogrammen bekannt werden, desto mehr dienen sie als Vorbild für andere Unternehmen.

5. Strategische Implikationen für Organisationen

5.1 Integration der Belegschaft und Veränderungsmanagement

Die vielleicht tiefgreifendste Auswirkung der agentengestützten Automatisierung wird sich auf die Belegschaft und die Organisationsstruktur ergeben. Anstatt einfach Aufgaben isoliert zu automatisieren, führt die agentenbasierte KI das Konzept einer „gemischten Belegschaft“ ein, die aus menschlichen Mitarbeitern und KI-Agenten besteht, die zusammenarbeiten. PwC geht davon aus, dass KI-Agenten die Zahl der Mitarbeiter eines Unternehmens effektiv verdoppeln könnten, indem sie Wissensarbeiter und Funktionen wie den Vertrieb ergänzen, ohne dass die Zahl der Mitarbeiter entsprechend steigt. Mitarbeiter werden zunehmend digitale Gegenstücke – KI-Assistenten oder Agenten – haben, die bei der täglichen Arbeit zusammenarbeiten. Dies erfordert einen grundlegenden Bewusstseinswandel: Unternehmen müssen KI-Agenten als integrale Teammitglieder oder „digitale Mitarbeiter“ behandeln.

Die Verwaltung dieser hybriden Arbeitskräfte erfordert neue Führungs- und Personalstrategien. Unternehmen müssen möglicherweise neue Managementfunktionen schaffen, die sich auf die Integration von KI-Agenten in Teams und Arbeitsabläufe konzentrieren. Genauso wie man einen neuen Mitarbeiter einarbeiten und schulen würde, müssen KI-Agenten konfiguriert, überwacht und kontinuierlich verbessert werden. Menschliche Arbeitskräfte wiederum brauchen Unterstützung, um sich an die Arbeit mit KI anzupassen. Change Management ist von entscheidender Bedeutung, um die Bedenken der Mitarbeiter zu zerstreuen und zu verdeutlichen, dass KI-Agenten die menschliche Arbeit nicht ersetzen, sondern ergänzen sollen. Laut einer PwC-Personalstudie wird der Erfolg von einem „menschlich geführten, technologiegestützten“ Ansatz abhängen, bei dem die Mitarbeiter weiterhin die Richtung vorgeben, die Aufsicht führen und kreativ sind, während sie klar definierte Aufgaben an die KI delegieren.

In der Praxis sollten Unternehmen in Programme zur Höherqualifizierung und Umschulung investieren. Da Routinearbeiten auf Einstiegsebene automatisiert werden, müssen die Mitarbeiter höherwertige Fähigkeiten entwickeln, um analytischere, kreativere oder strategische Aufgaben zu übernehmen, die KI nicht erfüllen kann. Die Personalpolitik wird sich weiterentwickeln müssen, um Talente zu rekrutieren, die in der Lage sind, effektiv in KI-gestützten Rollen zu arbeiten, und um Karrierewege in einer Zeit neu zu definieren, in der KI viele untergeordnete Aufgaben übernimmt. Insgesamt muss die Unternehmenskultur die Zusammenarbeit zwischen Mensch und KI fördern. Die Führungskräfte sollten dies vorleben, indem sie KI-Tools bei ihrer eigenen Arbeit einsetzen und Erfolge hervorheben, bei denen Teams mit Hilfe von Agenten mehr erreicht haben. Diejenigen, die erfolgreich eine kollaborative Denkweise fördern, werden wahrscheinlich eine höhere Akzeptanz und bessere Erträge aus der agentenbasierten Automatisierung erzielen.

5.2 Governance und Risikomanagement

Mit großer Macht kommt große Verantwortung. Die Autonomie, die KI-Agenten so leistungsfähig macht, bringt auch Risiken mit sich, die Unternehmen beherrschen müssen. Eine zentrale strategische Implikation des Einsatzes von agentenbasierter Automatisierung ist die Notwendigkeit robuster Governance-Rahmenwerke, um sicherzustellen, dass diese Agenten im Einklang mit den Geschäftszielen, ethischen Grundsätzen und regulatorischen Anforderungen handeln. Gartner betont, dass die Implementierung von agentenbasierter KI robuste Leitplanken erfordert, um die Übereinstimmung mit den Absichten von Anbietern und Nutzern zu gewährleisten“. In der Praxis bedeutet dies die Festlegung klarer Richtlinien dafür, was KI-Agenten tun dürfen, die Überwachung ihrer Entscheidungen und das Vorhandensein von Ausfallsicherheiten oder menschlichen Übersteuerungsmechanismen in kritischen Prozessen.

Zu den wichtigsten Überlegungen zur Governance gehören:

• Ethische KI und Compliance: KI-Agenten sollten sich an ethische Standards (z. B. Fairness, Transparenz) halten und Gesetze einhalten (z. B. Datenschutz und branchenspezifische Vorschriften). Unternehmen müssen möglicherweise KI-Ethikausschüsse oder Aufsichtsgremien einrichten, um das Verhalten und die Ergebnisse der Agenten zu überprüfen.
• Grenzen der Entscheidung: Nicht alle Entscheidungen sollten vollständig an Maschinen delegiert werden. Unternehmen müssen den Umfang der Autonomie definieren – so könnte ein KI-Agent beispielsweise Kundenrückerstattungen bis zu einem bestimmten Betrag abwickeln, darüber hinaus aber an einen Menschen eskalieren. Diese Grenzen vermindern das Risiko kostspieliger Fehler oder unbeabsichtigter Aktionen.
• Rechenschaftspflicht und Überwachung: Bei der agentenbasierten KI verschwimmt die Grenze der Verantwortlichkeit zwischen Mensch und KI. Unternehmen sollten die Verantwortung für die Handlungen von KI-Agenten bestimmten Managern oder Teams zuweisen. Kontinuierliche Überwachungssysteme sind unerlässlich: Die Aktivitäten und Ergebnisse der Agenten sollten protokolliert werden und überprüfbar sein. Bei Anwendungen, bei denen viel auf dem Spiel steht, ist es ratsam, regelmäßige menschliche Überprüfungen von KI-Entscheidungen (Human-in-the-Loop-Kontrollpunkte) vorzuschreiben.

Forrester Research hat festgestellt, dass aktuelle intelligente Automatisierungsplattformen um neue Funktionen erweitert werden müssen, z. B. die Erstellung von KI-Agenten, die Orchestrierung von Agenten und starke Governance-Tools, um diesen Übergang zu autonomen Prozessen zu bewältigen. Die Integration mehrerer KI-Agenten, die zusammenarbeiten (z. B. ein Netzwerk von Agenten, von denen jeder einen Teil eines Prozesses abwickelt), führt in der Tat zu einer Komplexität, die einen Überblick erfordert. Governance-Systeme müssen in der Lage sein, diese Agenten zu orchestrieren, sicherzustellen, dass sie Aufgaben ordnungsgemäß weitergeben, und die von ihnen verwendeten Daten zu sichern. Darüber hinaus werden Themen wie Cybersicherheit noch wichtiger: KI-Agenten mit Zugang zu Systemen und Daten könnten bei unzureichender Absicherung ausgenutzt werden, was zu neuen Angriffs- oder Betrugsmöglichkeiten führt.

Zusammenfassend lässt sich sagen, dass Unternehmen die Automatisierung durch Agenten mit einer „Trust but Verify“-Philosophie angehen müssen. Durch die Implementierung verantwortungsvoller KI-Praktiken – einschließlich Bias-Checks, Ergebnisvalidierung und klarer Governance – können Unternehmen die Vorteile autonomer Agenten nutzen und gleichzeitig potenzielle Nachteile abmildern. Ziel ist es, dass KI-Agenten dort, wo sie sich auszeichnen, frei agieren können, aber innerhalb eines Rahmens, der die Risiken steuert und die Standards und Werte des Unternehmens aufrechterhält.

5.3 Technologie- und Datengrundlagen

Der Einsatz von Agenten-Automatisierung in großem Umfang ist nicht nur eine Software-Anschaffung, sondern erfordert ein solides Fundament an Technologie und Datenmanagement. Unternehmen müssen prüfen, ob ihre aktuelle IT-Landschaft darauf vorbereitet ist, autonome Agenten einzubinden und effektiv zu betreiben. Accenture rät, dass Unternehmen, die in eine agentenbasierte Architektur einsteigen, eine solide Grundlage für KI und Datenmanagement schaffen müssen. Mehrere Komponenten sind dabei entscheidend:

• Datenverfügbarkeit und -qualität: KI-Agenten sind auf Daten angewiesen – Kundendaten, Betriebsdaten, Wissensdatenbanken usw. Es muss sichergestellt werden, dass die Daten einheitlich und genau sind und über APIs oder andere Mittel zugänglich sind. Viele Unternehmen werden in Datenintegrationsplattformen oder Data Lakes investieren müssen, damit die Agenten aus einer „einzigen Quelle der Wahrheit“ schöpfen können und keine widersprüchlichen Informationen erhalten.
• Integration von Werkzeugen: Bei der agentenbasierten KI werden häufig vorhandene Softwaretools auf autonome Weise genutzt (z. B. ein Agent, der über ein ERP- oder CRM-System agiert). Daher sind robuste Integrations- und API-Funktionen erforderlich, damit Agenten mit bestehenden Systemen zusammenarbeiten können. Unternehmen müssen möglicherweise bestimmte Systeme modernisieren oder Integrations-Middleware einführen, um Agentenaktionen zu unterstützen.
• Recheninfrastruktur: Der Betrieb mehrerer KI-Agenten, insbesondere solcher mit umfangreichen KI-Modellen (wie LLMs), kann ressourcenintensiv sein. Eine skalierbare Cloud-Infrastruktur, möglicherweise mit speziellen KI-Beschleunigern, kann erforderlich sein, um die Rechenlast zu bewältigen. Unternehmen sollten die erforderlichen Cloud-Services oder Hardware vor Ort (GPUs/TPUs) einplanen, um sicherzustellen, dass diese Agenten mit geringer Latenz laufen, insbesondere bei Echtzeitaufgaben.
• KI-Entwicklungsplattform: Um KI-Agenten zu erstellen, einzusetzen und zu verwalten, sollte ein Unternehmen über eine KI/ML-Entwicklungsplattform oder ein Framework verfügen. Dazu gehören Sandbox-Umgebungen zum Trainieren und Simulieren des Agentenverhaltens vor dem produktiven Einsatz sowie Überwachungstools zur Leistungsüberwachung. Einige Anbieter stellen fertige Agentenplattformen zur Verfügung, aber Unternehmen können auch Open-Source-Frameworks nutzen, um Agenten an ihre individuellen Bedürfnisse anzupassen.

Wenn diese Grundlagen gestärkt werden, sind die Unternehmen in der Lage, die agentengestützte Automatisierung erfolgreich zu skalieren. Andernfalls könnten sie feststellen, dass Pilotprojekte zwar isoliert funktionieren, aber bei einer unternehmensweiten Ausweitung ins Stocken geraten. Es ist bemerkenswert, dass die agentenbasierte KI zu einer Zeit kommt, in der viele Unternehmen bereits in die digitale Transformation und die Cloud-Migration investieren; die Abstimmung dieser Initiativen auf die Bedürfnisse der KI-Agenten kann Synergien schaffen. Unternehmen, die ihre Daten- und IT-Infrastruktur „KI-fähig“ machen, werden nicht nur die agentenbasierte Automatisierung ermöglichen, sondern auch von allen KI- und Analysebestrebungen profitieren. Im Wesentlichen ist der Aufbau des richtigen digitalen Backbones eine strategische Voraussetzung, um das volle Potenzial autonomer Agenten auszuschöpfen.

6. Schlussfolgerung und Empfehlungen

Agentische Automatisierung steht an der Spitze der nächsten Welle der digitalen Transformation. Sie bietet eine überzeugende Vision von Organisationen, in denen menschliches Talent durch Flotten intelligenter Agenten verstärkt wird, die Effizienz, Innovation und Wachstum fördern. Die potenziellen Vorteile – von massiven Produktivitätssteigerungen bis hin zu völlig neuen Geschäftsmodellen – machen dies zu einer Chance, die zukunftsorientierte Unternehmen nicht ignorieren können. Um dieses Potenzial auszuschöpfen, bedarf es jedoch einer sorgfältigen Strategie. Unternehmen müssen nicht nur die technologische Implementierung, sondern auch die Anpassung der Belegschaft und das Risikomanagement im Griff haben. Diejenigen, die frühzeitig mit Pilotprojekten beginnen, um zu lernen, werden besser positioniert sein, um von der agentenbasierten KI zu profitieren, wenn sie ausgereift ist, während diejenigen, die zögern, von agileren Wettbewerbern überholt werden könnten.

Um einen erfolgreichen Einstieg in die agentengestützte Automatisierung zu gewährleisten, sollten Unternehmen die folgenden Empfehlungen berücksichtigen:

• Klein anfangen, schnell lernen: Beginnen Sie mit Pilotprojekten in Bereichen, in denen KI-Agenten schnelle Erfolge erzielen können (z. B. Kundendienst-Bots, interne IT-Assistenten). Nutzen Sie diese Pilotprojekte, um Fachwissen aufzubauen und Daten darüber zu sammeln, was funktioniert. Erweitern Sie den Anwendungsbereich schrittweise, sobald Vertrauen aufgebaut und der ROI nachgewiesen ist.
• Ändern Sie die Denkweise und qualifizieren Sie Ihre Mitarbeiter: Fördern Sie eine agile Kultur, die KI als Kollaborateure begreift. Kommunizieren Sie klar, dass KI-Agenten dazu da sind, menschliche Aufgaben zu ergänzen, nicht zu ersetzen. Investieren Sie in Trainingsprogramme, damit Ihre Mitarbeiter effektiv mit KI arbeiten können – zum Beispiel bei der Interpretation von KI-Ergebnissen, der Bereitstellung besserer Eingaben und der Überwachung von KI-gesteuerten Prozessen.
• Stärkung der KI-Governance: Entwickeln Sie frühzeitig einen Governance-Rahmen. Erstellen Sie Richtlinien für das Verhalten von KI-Agenten, Entscheidungseskalationspfade und Überprüfungsprozesse. Implementieren Sie die Grundsätze der verantwortungsvollen KI und sorgen Sie für eine funktionsübergreifende Aufsicht (unter Einbeziehung von IT, Risiko, Recht, HR) für alle autonomen Systeme, die eingerichtet werden.
• Investieren Sie in Daten und technische Infrastruktur: Bewerten Sie Ihre Datenarchitektur und Toolintegration. Priorisieren Sie Initiativen zur Verbesserung der Datenqualität und der Zugänglichkeit über Silos hinweg. Stellen Sie sicher, dass Sie über die notwendigen Computerressourcen und Integrationsmöglichkeiten verfügen, damit die KI-Agenten nahtlos funktionieren können. Diese Grundlage wird sich nicht nur bei der Automatisierung von Agenten auszahlen.
• Arbeiten Sie mit Experten zusammen und bleiben Sie auf dem Laufenden: Angesichts der rasanten Entwicklung der agentenbasierten KI sollten Sie mit Beratern, Branchenforen oder Pilotpartnerschaften zusammenarbeiten. Einblicke von führenden Unternehmen wie McKinsey, Gartner, Forrester, Accenture und PwC können Benchmarks und Best Practices liefern. Halten Sie sich über neue Plattformen und Lösungen auf dem Markt auf dem Laufenden, denn die Möglichkeiten entwickeln sich rasch weiter.

Zusammenfassend lässt sich sagen, dass die agentengestützte Automatisierung kein fernes Zukunftskonzept ist – sie ist eine unmittelbare Realität, die sich Unternehmen schon heute zunutze machen. Wenn Unternehmen strategisch und verantwortungsbewusst vorgehen, können sie ein noch nie dagewesenes Maß an Effizienz und Kreativität freisetzen. In den kommenden Jahren werden „digitale Mitarbeiter“ wahrscheinlich alltäglich werden, und Unternehmen, die jetzt die Weichen stellen, werden in dieser neuen Ära der autonomen Unternehmen erfolgreich sein.

 

7. Referenzen

Accenture (2024). Nutzbarmachung der Leistung von KI-Agenten – Kurzbeschreibung. Die wichtigsten Punkte definieren eine agentenbasierte Architektur als Nutzung von KI-Agenten zur Orchestrierung komplexer Arbeitsabläufe und weisen auf die Notwendigkeit einer soliden KI-/Datengrundlage für die Einführung hin.

Accenture (2024). Beschleunigte Neuerfindung zur Unterstützung des Wachstums mit KI-gesteuerten Prozessen. Daten, die zeigen, dass sich der Anteil der Unternehmen mit KI-gesteuerten Prozessen von 9 % (2023) auf 16 % (2024) verdoppelt hat, wobei diese Firmen ein ~2,5-faches Umsatzwachstum und eine ~2,4-fache Produktivität im Vergleich zu anderen Unternehmen verzeichnen.

Accenture (2024). Fallstudie – Autonome Marketing-Agenten. Beispiel, bei dem KI-Agenten im Marketing eine Reduzierung manueller Prozessschritte um 25-35 %, Kosteneinsparungen von ~6 % und eine um 25-55 % schnellere Markteinführung von Kampagnen erreicht haben.

Accenture (2024). Fallstudie – Multi-Agenten-Produktivitätssteigerung. Beispiel (Partnerschaft zwischen Accenture und BMW) für ein Multi-Agenten-System, das generative KI einsetzt und eine Produktivitätssteigerung von 30-40 % durch die Automatisierung von Datenabfrage und Entscheidungsunterstützung bewirkt.

Accenture (2024). Agentische KI in der Lieferkette (hypothetisches Szenario). Illustration von KI-Agenten, die autonom die Nachfrage prognostizieren, den Bestand verwalten und die Logistik in einer Einzelhandelskette planen, um Effizienz und Reaktionsfähigkeit zu gewährleisten.

Deloitte (2024). TMT-Vorhersagen 2025 – Autonome generative KI-Agenten. Definition von „agentenbasierter KI“ als Software, die komplexe Aufgaben mit wenig oder ohne menschliche Aufsicht erledigen kann, im Gegensatz zu Chatbots; verweist auf ihr Potenzial, die Produktivität von Wissensarbeitern zu steigern und mehrstufige Prozesse zu automatisieren.

Deloitte (2024). TMT-Vorhersagen 2025 – Autonome generative KI-Agenten. Vorhersage, dass 25 % der Unternehmen, die generative KI einsetzen, im Jahr 2025 autonome „Agenten-KI“ einsetzen werden, die bis 2027 auf 50 % ansteigen wird, was auf eine rasche Übernahme in den kommenden Jahren hindeutet.

Deloitte (2024). TMT-Prognosen 2025 – Autonome generative KI-Agenten. Beobachtung, dass Investoren in den letzten zwei Jahren mehr als 2 Milliarden Dollar in agentenbasierte KI-Startups investiert haben und dass große Technologieunternehmen agentenbasierte KI-Funktionen entwickeln und erwerben, um ihr Umsatzwachstum zu steigern.

Forrester (2024). Automatisierung neu denken: Der Bedarf an agentenbasiertem Prozessmanagement – Zusammenfassung. Betont, dass der Übergang zu agentenbasierten Prozessen (autonome Workflows) neue Plattformfunktionen erfordert: KI-Agentenerstellung, Agentenorchestrierung und starke Governance-, Daten- und IP-Schutzmaßnahmen.

Gartner (2024). Top 10 der strategischen Technologietrends 2025. Identifiziert Agenten-KI als den Trend Nr. 1 für 2025 und definiert sie als autonome KI, die Maßnahmen zur Erreichung der vom Benutzer festgelegten Ziele planen und ergreifen kann. Der geschäftliche Nutzen wird als eine „virtuelle Belegschaft von Agenten“ beschrieben, die die menschliche Arbeit ergänzt.

Gartner (2024). Top 10 strategische Technologietrends 2025. warnt davor, dass der Einsatz autonomer Agenten „robuste Leitplanken“ erfordert, um sicherzustellen, dass ihre Handlungen mit den Absichten von Anbietern und Nutzern übereinstimmen, und hebt die Bedeutung von Governance und Aufsicht hervor.

McKinsey (2025). AI in the Workplace: Empowering People to Unlock AI’s Full Potential. Beispielszenario für einen KI-Agenten, der eine Kundeninteraktion von Anfang bis Ende abwickelt – er spricht mit einem Kunden und wickelt dann selbstständig die Zahlung ab, prüft auf Betrug und organisiert den Versand.

McKinsey (2025). AI in the Workplace: Empowering People to Unlock AI’s Full Potential. Stellt fest, dass Softwarefirmen agentenbasierte KI in Produkte einbetten (z. B. Salesforce’s Agentforce, bei dem Benutzer KI-Agenten für komplexe Aufgaben einsetzen können), wodurch effektiv eine „digitale Belegschaft“ aus Menschen und KI-Agenten entsteht, die zusammenarbeiten.

McKinsey (2022). Global Survey on AI (zitiert in Xorlogics, 2021). 27 % der Unternehmen gaben an, dass mindestens 5 % ihres EBIT auf KI-Initiativen (maschinelles Lernen) zurückzuführen sind, was eine messbare finanzielle Auswirkung der KI-gestützten Automatisierung zeigt.

Microsoft (2024). Offizieller Microsoft Blog – „Neue autonome Agenten skalieren Ihr Team“. Beispiele aus der Praxis, in denen KI-Agenten einen Mehrwert liefern: Der KI-Agent eines Einzelhändlers sparte einen siebenstelligen Betrag ein, indem er die Vorbereitung von Betrugsfällen rationalisierte, der interne Agent von McKinsey verkürzte die Zeit für das Onboarding von Kunden um 90 % und ein KI-Agent bei Thomson Reuters halbierte die Zeit für die juristische Due Diligence.

Microsoft (2024). Offizieller Microsoft Blog – Dynamics 365 KI-Agenten. Einführung von zehn neuen autonomen Agenten in Dynamics 365 (Sales, Service, Finance, Supply Chain), z.B. ein Sales-Agent, der Leads recherchiert und Opportunities priorisiert, und ein Supplier-Agent, der die Leistung von Lieferanten verfolgt und Verzögerungen selbstständig abmildert.

PwC (2018). PwC Global AI Impact Study. Schätzungen zufolge könnte KI das globale BIP bis 2030 durch Produktivitäts- und Qualitätsverbesserungen um 14 % (≈ 15,7 Billionen USD) steigern, wobei 45 % der gesamten wirtschaftlichen Gewinne auf KI-gesteuerte Produktverbesserungen zurückzuführen sind.

PwC (2024). KI-Vorhersagen 2025. Sagt voraus, dass Unternehmen durch den Einsatz von KI (einschließlich agentenbasierter Automatisierung) in der Lage sein werden, die Produktentwicklungszyklen um die Hälfte zu verkürzen und so Innovationen und Markteinführungszeiten zu beschleunigen.

PwC (2024). KI-Vorhersagen 2025. Behauptet, dass KI-Agenten (digitale „Mitarbeiter“) die Zahl der Wissensarbeiter verdoppeln könnten, indem sie Routineaufgaben im Vertrieb, Support usw. übernehmen und die Markteinführung, die Interaktion mit Kunden und die Produktgestaltung drastisch verbessern.

PwC (2024). KI-Vorhersagen 2025. Betont einen menschenzentrierten Ansatz: Selbst wenn KI-Agenten einfachere Aufgaben automatisieren, bleibt der Mensch entscheidend – er hat die Aufsicht, bewältigt komplexe Herausforderungen und orchestriert Teams von Agenten, um die Ergebnisse zusammenzufügen.

PwC (2024). KI-Vorhersagen 2025. Empfiehlt Unternehmen, neue Managementfunktionen zu schaffen, die sich auf die Integration und Steuerung von KI-Agenten innerhalb der Belegschaft konzentrieren, und Betriebsmodelle neu zu gestalten, um eine gemischte Belegschaft aus Menschen und KI zu verwalten und so mehr Flexibilität zu erreichen.

PwC (2024). KI-Vorhersagen 2025. Empfiehlt Maßnahmen, die jetzt ergriffen werden sollten, wie z. B. ein Umdenken (Führungskräfte sollten neue Arbeitsweisen vorleben und versichern, dass KI den Wert der Menschen steigern und sie nicht verdrängen soll) und der Personalabteilung ein neues Regelwerk für die Einstellung/Ausbildung an einem durch KI erweiterten Arbeitsplatz an die Hand geben.

UC Berkeley (2024). „The Next Next Big Thing“: Chancen und Risiken der agentenbasierten KI. Hebt den Rummel um die agentenbasierte KI hervor: Gartner bezeichnet sie als den wichtigsten Techniktrend des Jahres 2025, McKinsey nennt sie die „nächste Grenze“ der KI, und andere große Technologieunternehmen (IBM, Amazon, Google, Microsoft usw.) investieren massiv in agentenbasierte KI.