KI-Agenten werden erst wertvoll, wenn sie Prozesse bewegen dürfen
Der nächste Schritt bei Unternehmens-KI ist nicht ein besserer Chat. Entscheidend wird, ob Agenten sicher auf Daten, Systeme und Workflows zugreifen und dort tatsächlich Arbeit ausführen können.
Die erste Welle generativer KI im Unternehmen war vor allem eine Oberfläche. Mitarbeitende stellten Fragen, ließen Texte zusammenfassen, Präsentationen vorbereiten oder Code erklären. Das war nützlich, aber häufig blieb die KI außerhalb der eigentlichen Prozesse. Sie konnte beraten, aber nicht handeln. Genau diese Grenze beginnt sich mit KI-Agenten zu verschieben.
Die vertiefte Partnerschaft von Siemens und Salesforce zeigt die Richtung. Wenn Agenten mit industriellen Daten und Systemen wie Teamcenter verbunden werden, entsteht etwas anderes als ein Chatbot. Die KI bekommt Kontext aus realen Geschäftsprozessen und kann Aufgaben entlang von Vertrieb, Service oder Produktinformationen vorbereiten und teilweise ausführen. Der Wert liegt dann nicht mehr nur in einer guten Antwort, sondern in einer verkürzten Prozesskette.
Damit verändert sich auch die wichtigste Frage bei Unternehmens-KI. Sie lautet nicht mehr: Welches Modell ist am intelligentesten? Sie lautet: Auf welche Systeme darf es zugreifen, welche Aktionen darf es auslösen und wie zuverlässig lässt sich jede Entscheidung nachvollziehen? Je näher ein Agent an reale Prozesse rückt, desto weniger genügt ein beeindruckender Demo-Moment.
Ein Agent, der eine E-Mail formuliert, ist relativ harmlos. Ein Agent, der Preise aus einem ERP-System zieht, einen Servicefall priorisiert, Produktdaten verändert oder einen Workflow anstößt, arbeitet in einer anderen Risikoklasse. Deshalb werden Berechtigungen, Identitäten, Protokollierung und Freigaben zu Kernfunktionen der neuen KI-Architektur. Sicherheit ist dann keine zusätzliche Schicht nach dem Pilotprojekt, sondern Voraussetzung dafür, dass der Pilot überhaupt in den Betrieb darf.
Das ist zugleich der Grund, warum Agentic AI für etablierte Softwareanbieter so interessant ist. Sie besitzen bereits die Systeme, in denen Arbeit stattfindet. CRM, PLM, ERP, Serviceplattformen und Dateninfrastruktur enthalten nicht nur Informationen, sondern auch Rollen, Prozesse und Regeln. Wer einen Agenten direkt dort integriert, muss weniger Brücken bauen und kann schneller von Antwortqualität zu Prozesswirkung kommen.
Für Unternehmen heißt das allerdings, dass der schwierigste Teil selten das Modell sein wird. Die eigentliche Arbeit liegt in sauberen Daten, definierten Zuständigkeiten und verständlichen Prozessen. Ein Agent kann einen schlechten Prozess schneller machen, aber nicht automatisch besser. Wenn niemand weiß, welcher Datenstand verbindlich ist oder wer eine Entscheidung freigeben darf, wird KI diese Unklarheit nicht beseitigen. Sie wird sie skalieren.
Deshalb sollte der Erfolg von Agenten nicht über die Zahl aktivierter Bots gemessen werden. Interessanter sind Bearbeitungszeit, Übergaben, Fehlerquote, Nacharbeit und die Zahl manueller Schritte, die tatsächlich verschwinden. Erst dort wird sichtbar, ob ein Agent Arbeit übernimmt oder nur eine neue Oberfläche über bestehende Komplexität legt.
Die Unternehmen mit dem größten Vorteil werden wahrscheinlich nicht diejenigen sein, die am schnellsten möglichst viele Agenten veröffentlichen. Es werden diejenigen sein, die ihre Prozesse so strukturieren, dass Agenten darin kontrolliert handeln können. Das klingt weniger spektakulär als autonome digitale Mitarbeiter, ist aber wirtschaftlich viel bedeutender.
Agentic AI wird damit zu einer Integrationsfrage. Modelle sind der sichtbare Teil. Der eigentliche Wettbewerb entsteht darunter: Datenzugriff, Berechtigungen, Schnittstellen, Prozesslogik und Governance. Wer diese Ebene beherrscht, kann KI vom Assistenten zum operativen Werkzeug machen. Genau dort beginnt der Unterschied zwischen einer guten Demo und echter Produktivität.