Hört auf, alte Prozesse mit neuer AI zu automatisieren

Warum die meisten Agentic-AI-Projekte scheitern – und was Unternehmen stattdessen tun sollten

„Viele Menschen sind damit beschäftigt, bessere Wege zu finden, Dinge zu tun, die überhaupt nicht getan werden müssten.“ Als Henry Ford das 1922 schrieb, meinte er die Automobilproduktion. Hundert Jahre später beschreibt der Satz präzise, was in deutschen Unternehmen gerade passiert – nur dass die Postkutschen heute SAP-Workflows heißen und die vermeintliche Innovation ein AI-Agent ist, der sie schneller durch denselben ineffizienten Ablauf treibt.

Deloitte zitiert Ford prominent in seinem aktuellen Tech-Trends-Report und kommt zu einer ernüchternden Diagnose: Viele Unternehmen versuchen, bestehende Prozesse zu automatisieren, statt ihre Workflows für eine agentische Umgebung neu zu denken. Das Ergebnis ist eine wachsende Kluft zwischen AI-Investition und AI-Wirkung – und ein Berg gescheiterter Pilotprojekte, der mit jeder Quartalsberichtssaison höher wird.

Die teuerste Illusion der AI-Transformation

Die Zahlen sind eindeutig. Gartner stellte Anfang 2026 fest, dass mindestens die Hälfte aller GenAI-Projekte nach dem Proof-of-Concept aufgegeben wurden – wegen schlechter Datenqualität, unklarer Geschäftswirkung oder eskalierender Kosten. Bereits Mitte 2024 hatte Gartner prognostiziert, dass 30 Prozent der generativen AI-Projekte die POC-Phase bis Ende 2025 nicht überleben würden. Durchschnittlich schaffen es nur 48 Prozent aller AI-Projekte überhaupt in die Produktion.

McKinseys State-of-AI-Erhebung bestätigt das Bild von der anderen Seite: Nur ein Drittel der Unternehmen hat unternehmensweites AI-Scaling erreicht. Die übrigen zwei Drittel stecken in dem fest, was die Branche euphemistisch „Pilot Purgatory“ nennt – Projekte, die in Präsentationen funktionieren, aber nie operative Realität werden.

Das Muster ist nicht neu. Es wiederholt sich mit jeder Automatisierungswelle. Erst war es RPA, das an Exceptions scheiterte. Dann GenAI, das an Production-Readiness scheiterte. Jetzt ist es Agentic AI, das an etwas noch Fundamentalerem scheitert: am falschen Prozess.

AI auf Legacy ist wie Autopilot in der Postkutsche

Das Problem ist nicht, dass Unternehmen auf Agentic AI setzen. Das Problem ist, wie sie es tun. In den meisten Fällen wird ein AI-Agent auf einen Workflow gelegt, der für menschliche Sachbearbeiter designt wurde – mit sequentiellen Schritten, manuellen Übergaben, eingebauten Wartezeiten und Entscheidungspunkten, die nur existieren, weil irgendwann mal jemand eine Unterschrift brauchte.

McKinsey bringt es in seiner Analyse „Seizing the Agentic AI Advantage“ auf den Punkt: Wenn Agenten in Legacy-Prozesse eingebettet werden, ohne den Prozess selbst zu verändern, dienen sie typischerweise als schnellere Assistenten. Sie generieren Content, rufen Daten ab, führen vordefinierte Schritte aus. Aber der Ablauf bleibt sequentiell, regelgebunden und durch menschliche Einschränkungen geformt. Der Agent macht den Sachbearbeiter schneller – aber er macht nicht den Prozess besser.

Deloitte geht noch weiter und warnt vor „Agent Washing“: Viele sogenannte Agentic-Initiativen seien in Wirklichkeit klassische Automatisierungsprojekte in Verkleidung – Unternehmen, die bestehende RPA-Fähigkeiten mit einem neuen Label versehen, ohne den Ansatz fundamental zu verändern. Das Resultat sei oft schlechter ROI, manchmal sogar zusätzliche Arbeit – das, was Deloitte als „agentic workslop“ bezeichnet.

Bain & Company bestätigt in seinem Report zur Agentic-AI-Transformation, dass die kritischsten Aspekte jeder Automatisierungstransformation nicht technologischer Natur sind: Es sind Prozess-Redesign und das Aufräumen der Daten- und Applikationslandschaft. Jeder Tag, den ein Unternehmen mit dem Redesign wartet, sei ein verlorener Tag.

„Neun von zehn Unternehmen, die zu uns kommen, wollen ihren bestehenden Prozess automatisieren“, sagt die Geschäftsführung des deutschen Automatisierungsspezialisten Lunatec. „Unsere erste Frage ist immer: Ist das der richtige Prozess? In den meisten Fällen lautet die Antwort nein. Wenn Sie einen Workflow, der für manuelle Bearbeitung designt wurde, einfach mit einem AI-Agenten überziehen, automatisieren Sie die Ineffizienz mit.“

Ein typisches Beispiel: die Rechnungseingangsverarbeitung, laut Branchenanalysen der meistautomatisierte Geschäftsprozess überhaupt. Der klassische Ansatz – OCR plus Bot, der menschliche Schritte nachahmt – scheitert zuverlässig an Ausnahmen: unleserliche Scans, fehlende Bestellnummern, Abweichungen bei Mengen oder Preisen. Der agentische Ansatz dagegen denkt den Prozess von der Entscheidung her: Ein Agent orchestriert den gesamten Workflow, handelt Exceptions autonom, lernt aus Mustern und eskaliert nur bei echten Grenzfällen an einen Menschen. Nicht der Bot wird intelligenter – der Prozess wird neu gedacht.

Process Redesign First, AI Second

Die Forschung ist sich in einem Punkt einig: Erfolgreiche Agentic-AI-Implementierungen beginnen nicht mit der Technologie, sondern mit der Frage – wie sähe dieser Prozess aus, wenn er von Grund auf für die Zusammenarbeit von Mensch und Agent designt wäre?

McKinsey beschreibt in seiner Untersuchung von über 50 Agentic-AI-Projekten, dass Teams, die sich auf den Workflow statt auf den Agenten konzentrierten, an jedem Punkt die richtige Technologie einsetzen konnten. Das ist besonders relevant für komplexe, funktionsübergreifende Abläufe: Nicht jeder Schritt braucht denselben Automatisierungsgrad. Einfache, repetitive Tasks funktionieren mit klassischem RPA. Kontextabhängige Entscheidungen erfordern einen AI-Agenten. Und komplexe, exception-reiche End-to-End-Prozesse brauchen eine agentische Orchestrierung, bei der Agenten RPA-Bots koordinieren, Entscheidungen treffen und bei Bedarf eskalieren.

Parallel dazu beschreibt McKinsey in einem weiteren Report die Konturen einer „Agentic Organization“ – eines Unternehmensmodells, das nicht AI als Werkzeug einsetzt, sondern das gesamte Unternehmen um die Zusammenarbeit von Menschen und AI-Agenten herum organisiert. Die Kernbotschaft: Es reicht nicht, einzelne Prozesse zu automatisieren. Unternehmen, die in der AI-Ära gewinnen wollen, müssen ihre Workflows, Rollen, Governance-Strukturen und Entscheidungsprozesse grundlegend neu denken. Mitarbeiter bewegen sich dabei „above the loop“ – sie überwachen, steuern und orchestrieren, statt jeden Schritt selbst auszuführen.

Die Daten bestätigen diesen Zusammenhang. McKinseys State-of-AI-Studie zeigt, dass AI-High-Performer – die Unternehmen mit nachweisbarem EBIT-Impact – fast dreimal häufiger als andere ihre Workflows fundamental redesignt haben. Nicht inkrementell verbessert. Fundamental redesignt. Das ist der stärkste einzelne Faktor, der High Performer von allen anderen unterscheidet. Nicht das Budget, nicht die Technologieauswahl, nicht die Anzahl der Piloten.

Warum der Mittelstand einen strukturellen Vorteil hat

Es klingt kontraintuitiv, aber die Unternehmen, die am besten positioniert sind, um Agentic AI richtig umzusetzen, sind nicht die DAX-Konzerne mit ihren 200-Personen-AI-Labs. Es sind mittelständische Unternehmen mit 500 bis 5.000 Mitarbeitern.

Der Grund ist strukturell: Im Mittelstand sind die Prozesse überschaubar genug, um sie tatsächlich end-to-end zu redesignen. Die Entscheidungswege sind kürzer. Es gibt weniger Legacy-Governance, die jede Veränderung durch sieben Committees schleusen muss. Und die Nähe zum operativen Geschäft ist größer – wer den Prozess redesignt, kennt den Prozess.

Was in der Praxis fehlt – und wo die Lücke liegt

Die Theorie ist klar. Die Praxis sieht anders aus. Die meisten Unternehmen haben weder die internen Ressourcen noch die Erfahrung, um Workflows von Grund auf für eine agentische Umgebung neu zu designen. Sie haben Teams, die SAP bedienen können. Sie haben vielleicht einen RPA-Spezialisten. Aber niemanden, der die Frage beantworten kann: Wie sähe unser Order-to-Cash-Prozess aus, wenn er nativ für die Zusammenarbeit von Agenten und Menschen designt wäre?

Hier offenbart sich das eigentliche Dilemma: Unternehmen wissen, dass sie ihre Prozesse redesignen müssen. Aber die klassischen Berater liefern Analysen und Folien – keine laufende Automatisierung. Die Systemintegratoren implementieren, was man ihnen gibt – hinterfragen aber selten, ob das Richtige automatisiert wird. Und die AI-Startups lösen Einzelprobleme brillant, haben aber keinen Zugang zu den End-to-End-Prozessen.

Was Lunatec anders macht, ist die Verbindung dieser drei Ebenen: Prozess-Redesign, Implementierung und Betrieb aus einer Hand.

„Wir beginnen jedes Projekt mit der Frage, ob der Prozess überhaupt so automatisiert werden sollte, wie er heute existiert“, erklärt CEO Georgios Charames. „In manchen Fällen designen wir den Workflow neu – von der Entscheidung her, nicht vom Formular. Erst dann entscheiden wir, welche Technologie wo zum Einsatz kommt: klassisches RPA für repetitive Schritte, AI-Agenten für kontextabhängige Entscheidungen, und agentische Orchestrierung für den End-to-End-Ablauf.“

Das Playbook für Unternehmen, die es richtig machen wollen

Aus der Synthese der Forschung und der Praxis ergeben sich fünf Prinzipien für erfolgreiche Agentic-AI-Transformationen:

Erstens: Redesign vor Automatisierung. Jeder Prozess muss hinterfragt werden, bevor er automatisiert wird. Die Frage ist nicht „Wie automatisieren wir diesen Workflow?“, sondern „Wie sähe dieser Workflow aus, wenn er für die Zusammenarbeit von Mensch und Agent designt wäre?“

Zweitens: Orchestrierung statt Einzelbots. Der Wert liegt nicht im einzelnen Agenten, sondern in der Orchestrierung: Agenten, die RPA-Bots koordinieren, Entscheidungen treffen, Ausnahmen behandeln und bei echten Grenzfällen an Menschen eskalieren. End-to-End, nicht punktuell.

Drittens: Outcome-first, nicht Technology-first. Erfolgreiche Projekte beginnen mit dem gewünschten Ergebnis – etwa Monatsabschluss in drei Tagen statt fünfzehn – und arbeiten sich rückwärts zur Technologie. Nicht umgekehrt.

Viertens: Workforce Augmentation, nicht Replacement. McKinseys Prognose, dass 75 Prozent aller Jobs bis 2030 ein Redesign erfordern, bedeutet nicht Stellenabbau. Es bedeutet eine Rollenveränderung: vom Sachbearbeiter zum Orchestrator, vom Prüfer zum Ausnahmen-Manager. Unternehmen, die das als Bedrohung kommunizieren statt als Weiterentwicklung, verlieren die Menschen, die sie für den Erfolg brauchen.

Fünftens: Schnell starten, systematisch skalieren. Das Automation Operating Model – Strategie, Governance, CoE-Struktur – klingt nach Overhead, ist aber der Unterschied zwischen einem Piloten und einem Programm. Unternehmen, die ihre ersten drei Prozesse ohne AOM implementieren, bleiben bei diesen drei Prozessen. Unternehmen mit AOM skalieren auf 20.

Das Fazit ist unbequem, aber klar

Die teuerste Entscheidung, die ein Unternehmen 2026 treffen kann, ist nicht die falsche Technologie. Es ist die Entscheidung, den bestehenden Prozess zu automatisieren, statt den richtigen Prozess zu designen.

Die Forschung ist sich einig: Das Workflow-Redesign ist der stärkste Hebel für die AI-Wirkung. Und die Unternehmen, die das verstanden haben, sehen Ergebnisse – nicht in Piloten, sondern auf der Gewinn- und Verlustrechnung.

Die Frage ist nicht mehr, ob Agentic AI funktioniert. Die Frage ist, ob Ihr Unternehmen bereit ist, die Prozesse zu redesignen, die es braucht, damit es funktioniert.

Henry Ford hat das 1922 verstanden. Hundert Jahre später ist es Zeit, dass wir es auch tun.

Quellen:

„Seizing the Agentic AI Advantage“ https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage

„The State of AI in 2025: Agents, Innovation, and Transformation“: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

„The Agentic Organization: Contours of the Next Paradigm for the AI Era: https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-agentic-organization-contours-of-the-next-paradigm-for-the-ai-era

„Six Shifts to Build the Agentic Organization of the Future“: https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/six-shifts-to-build-the-agentic-organization-of-the-future

„Rethink Management and Talent for Agentic AI“ https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/rethink-management-and-talent-for-agentic-ai