KI-Agenten handeln nicht nur auf Befehl, sondern übernehmen eigenständig komplexe Aufgaben – von Kundenservice bis Softwareentwicklung. Das unbestritten revolutionäre Potenzial dieser Technologie hat einen klassischen Hype ausgelöst. Was steckt dahinter? Die von PROFESSIONAL SYSTEM befragten Experten sind sich über das umwälzende Potential von Agentic AI einig. Aber auch darin, dass die Einführung solcher Lösungen kein Selbstläufer wird, sondern von den Unternehmen gut durchdacht und Schritt für Schritt angegangen werden sollte – schon wegen der noch damit verbundenen Sicherheitsrisiken.
(Bild: GamePixel/Shutterstock. No use without permission.)
Amazon hat in den USA die Beta-Version einer Funktion gestartet, der Experten das Potenzial zusprechen, den E-Commerce tiefgreifend zu verändern: „Buy for Me“ zeigt für Artikel, die gerade weder bei Amazon direkt noch bei Drittanbietern im Marketplace verfügbar sind, Treffer auf anderen Websites an. Entscheidet sich der Nutzer zum Kauf, geschieht alles weitere automatisch, ohne dass die Amazon-App verlassen wird. Eine zentrale Rolle dabei spielt ein sogenannter KI-Agent. Diese Technologie gilt aktuell als eine der wichtigsten Fortentwicklungen der Künstlichen Intelligenz: „Agentenbasierte KI wird die Geschäftsabläufe revolutionieren“, prognostiziert Charlie Li, Global Head of Cloud & Security, NTT DATA. Sascha Giese, Technical Evangelist bei SolarWinds, konstatiert: „KI-Agenten, also autonome, auf KI basierende Systeme, die eigenständig Aufgaben ausführen und Entscheidungen treffen können, gelten als das nächste große Ding in der digitalen Transformation.”
Das Ausmaß dieser Veränderungen könne kaum überschätzt werden, meint Peter Guagenti, CEO des KI-Start-ups Integrail. Viele Unternehmen würden derzeit noch Mitarbeiter oder externe Dienstleister für anspruchslosere Aufgaben ein, die bald von KI-Agenten übernommen werden würden. Guagenti prognostiziert: „Der Begriff Agentic AI ist in aller Munde, und das aus gutem Grund: Diese Technologie wird die Arbeitswelt grundlegend verändern, indem sie komplexe Aufgaben autonom über sämtliche Geschäftsbereiche hinweg ausführt. Niklas Bläsing, Director Consulting und Head of Data & AI bei CGI in Deutschland, kommt zu einem ganz ähnlichen Urteil: „Der Hype rund um Agentic AI ist riesig – und berechtigt. Denn wir haben es mit nicht weniger als einer neuen Qualität Künstlicher Intelligenz zu tun.“
Was also sind KI-Agenten?
Die Unternehmensberatung Deloitte definiert in einer Analyse mit dem Titel „Autonomous generative AI agents: Under development“ von November 2024 KI-Agenten als Softwarelösungen, die komplexe Aufgaben erledigen und Ziele mit wenig oder gar keiner menschlichen Aufsicht erreichen. Agentische KI habe ein enormes Potenzial, die Produktivität von Wissensarbeitern zu steigern, indem ganze Arbeitsabläufe und einzelne Aufgaben automatisiert würden. Laut Gartner sind KI-Agenten in der Lage, ihre Umgebung zu verstehen, Entscheidungen zu treffen und Aufgaben selbstständig auszuführen. KI-Agenten müssen zudem keine Einzelkämpfer sein. Zunehmend entwickeln sich Multi-Agenten-Systeme, die verschiedene Bereiche und Aufgaben verknüpfen.
Ganz ähnlich argumentiert Benedikt Bonnmann, Mitglied des Vorstands der adesso SE in einem Kommentar. Er beantwortet darin die Frage: „KI-Agenten versprechen eine neue, bessere Arbeitswelt – zu Recht?“ mit einem klaren „Ja“. Bonnmann stellt heraus, dass KI-Agenten „den Wandel vom reinen Werkzeug zum echten Akteur vollziehen“ und betont: „Dieser Unterschied ist durchaus eklatant: Denn mit dem Voranschreiten des Relational Computings, wie es das Institute for the Future nennt, werden wir einen Paradigmenwechsel erleben. Bonnmann ist sicher: „Benötigen technische Lösungen bisher mehr oder weniger technisch versierte Anwender, so wird dies in Zukunft durch Technologien wie KI-Agenten nicht mehr der Fall sein. Das ist zweifellos ein großer Fortschritt: KI-Agenten werden die Arbeitswelt und den Alltag verändern.“
KI-Agenten vs. KI-Piloten
Was das Besondere an KI-Agenten ist, veranschaulicht ein Vergleich mit den KI-Chatbots und Co-Piloten, die aktuell im privaten wie beruflichen Umfeld zunehmend genutzt werden (und auch schon mal als „Agenten“ bezeichnet werden). Während Chatbots und Co-Piloten zwar schon sehr leistungsfähig sind – sie können menschliche Sprache verstehen, Inhalte generieren und komplexe Informationen verarbeiten – fehlt ihnen ein zentrales Merkmal der KI-Agenten: die Fähigkeit eigenständig zu handeln, einzeln oder in Zusammenarbeit mit anderen Agenten. Sie reagieren lediglich auf Nutzerbefehle, ohne selbst Entscheidungen zu treffen oder Aufgaben proaktiv anzugehen.
KI-Agenten hingegen bringen genau diese Handlungsfähigkeit und Autonomie mit. Sie basieren zwar gleichfalls auf großen Sprachmodellen (LLMs), werden aber durch zusätzliche Technologien und Methoden befähigt, eigenständig Aufgaben zu analysieren, in Einzelschritte zu unterteilen und zu planen, wie ein Ziel erreicht werden kann – und das alles mit minimaler menschlicher Anleitung.
Für Benedikt Bonnmann ist die Entwicklung weg von KI-Chatbots hin zu KI-Agenten überfällig: „Schließlich wissen wir alle, wie nervenaufreibend es sein kann, einem vermeintlich „intelligenten“ Kundenservice-Bot dreimal dieselbe Frage zu stellen, nur um am Ende doch in der Warteschleife eines Call-Centers zu landen.“
Ein weiteres plakatives Beispiel für den Unterschied zwischen Co-Pilot und Agent findet sich in der Softwareentwicklung. Ein Co-Pilot unterstützt Programmierer, indem er Code vorschlägt, testet und auf Konsistenz prüft – aber er bleibt reaktiv. Ein KI-Agent hingegen erzeugt aus einer groben Idee eines Entwicklers ein funktionsfähiges Softwaremodul, indem er den gesamten Entwicklungsprozess eigenständig durchläuft.
Anwendungsszenarien für KI-Agenten
Wo kommen KI-Agenten zum Einsatz? Wo sehen die IT-Experten das größte Potenzial dafür? Grob vereinfacht gesagt überall da, wo schon die Nutzung der generativen KI als vielversprechend angesehen wird. Allerdings nicht 1:1, weil sich aus den spezifischen Leistungen von KI-Agenten auch spezifische Anwendungsszenarien ergeben. Die Einsatzgebiete sind so vielfältig, dass Breite und Tiefe hier nur schlaglichtartig anhand einiger Beispiele veranschaulicht werden können.
Service und Kundenbetreuung: Besonders häufig nennen Experten den Kunden-Service als vielversprechendes Einsatzgebiet. Die Kundenbindungsplattform Twilio und der Gesundheitsdienstleister Cedar zum Beispiel setzen KI-Agenten jetzt ein, um den Patientenservice zu verbessern. Diese Agenten bearbeiten Kundenanfragen selbstständig, priorisieren Support-Tickets und helfen bei der Koordination von Zahlungsprozessen. Sie können auf Kundenhistorien zugreifen, Angebote personalisieren und Folgefragen antizipieren, statt nur standardisierte Antworten zu liefern.
Andy O‘Dower, Vice President of Product Voice and Video bei Twilio, sagt: „Wir beginnen gerade erst, das Potenzial zu erkennen, wie Konversations-KI-Agenten die Abrechnung für Patienten rationalisieren und gleichzeitig ihr Vertrauen aufrechterhalten können.“
Ein anderes Beispiel beschreibt das Software-Unternehmen IFS: Wenn ein Kunde die Kosten für das Upgrade seines Servicevertrags erfahren wolle und ein Angebot anfordere, könne ein KI-Agent die Kundenhistorie, die spezifischen Details des bestehenden Vertrags und die technischen Spezifikationen der Geräte prüfen und verstehen, daraus ein Angebot ableiten und per E-Mail an den Kunden versenden.
E-Commerce: Unternehmen setzen KI-Agenten zunehmend ein, um Produktberatung, Retourenmanagement und individuelle Kaufempfehlungen zu automatisieren. So könne ein Kunde beispielsweise über einen KI-Agenten nach einem passenden Produkt suchen, während das System in Echtzeit Angebote vergleiche, Verfügbarkeiten prüfe und auf Basis vorheriger Käufe eine maßgeschneiderte Empfehlung gebe. Ein Beispiel aus dem Online-Shopping ist die schon erwähnte Funktion „Buy for me“ bei Amazon.
Was auf uns zukommt, zeigen auch die Pläne von SAP, KI-Agenten für Vertrieb und Lieferkettenmanagement einzuführen, wie es CEO Christian Klein auf dem diesjährigen Weltwirtschaftsforum in Davos ankündigte. Diese Agenten sollen die optimale Preisgestaltung und Produktbündelung für Verbraucher bestimmen und die Verfügbarkeit von Lagerbeständen sicherstellen.
IT-Security: Aufgrund des eklatanten Fachkräftemangels in der Cybersecurity suchen Unternehmen nach allen Möglichkeiten zur Automatisierung. KI-Agenten sollen zur Entlastung der IT-Teams beitragen, indem sie Systeme überwachen und Angriffe proaktiv bekämpfen, bevor Schaden entsteht. Agentenbasierte KI kann auch helfen, Schwachstellen in neuem Code zu erkennen und zu beheben. Laut Deloitte könnten KI-Agenten die Arbeitsbelastung menschlicher Cyber-Analysten um bis zu 90% reduzieren.
Logistik: SolarWinds-Evangelist Giese beschreibt, wie in der Logistikbranche ein KI-Agent in Echtzeit Verkehrsdaten, Wetterbedingungen, Lagerbestände und Lieferprioritäten analysiert, um automatisch optimale Routen für Lieferfahrzeuge zu berechnen. Durch diese autonome Entscheidungsfindung könnten Zustellzeiten präziser eingehalten, Engpässe vermieden und Kraftstoffkosten gesenkt werden.
Dokumente und Verträge: „Die Dokumentenverarbeitung bei Großunternehmen ist von Natur aus komplex, da sie der Sicherheit des Unternehmens dient”, erklärt Petr Baudis, Chief Technology Officer und Mitbegründer von Rossum, das sich auf Intelligent Document Processing (IDP) spezialisiert hat. „Während generalistische KI-Agenten wie eine verlockende Abkürzung erscheinen mögen, fehlen ihnen die spezifischen Fähigkeiten, das Fachwissen und die Leitplanken, die für eine zuverlässige Abwicklung dieser Workflows erforderlich sind“, so Baudis weiter. Anders dagegen agentenbasierte KI: „Die spezialisierten KI-Agenten in Rossum wurden speziell für die Bearbeitung von Transaktionsdokumenten wie Rechnungen und Bestellungen entwickelt“
Recruiting und Weiterbildung: KI-Agenten sollen Schulungsunterlagen aktualisieren, Onboarding-Prozesse für neue Mitarbeiter individualisieren und Mitarbeiterfeedback auswerten. Zoho zum Beispiel hat KI-Agenten entwickelt, die Vertriebs- und HR-Teams unterstützen. Sie verwalten Bewerbungsprozesse, führen Screening-Gespräche und schlagen passende Kandidaten vor.
Finanzwesen und Buchhaltung: Das Fintech-Unternehmen FINOM aus Amsterdam hat eine KI-Lösung entwickelt, die Freelancer und KMU bei der Finanzverwaltung unterstützt. „Die Unternehmer stehen heute vor der Wahl zwischen teuren Steuerberatern, die nur langsam reagieren, und einfachen Selbstbedienungstools, die nicht mit ihren Anforderungen Schritt halten“, so Ivo Dimitrov, der Chief Venture Officer von FINOM. „Unser KI-Buchhaltungsagent schließt diese Lücke mit einem proaktiven Ansatz: Routineaufgaben werden automatisch erledigt, wichtige Fristen und Verpflichtungen frühzeitig kommuniziert – und nur in relevanten Fällen wird die Nutzerbestätigung eingeholt. Damit verändern wir das Finanzmanagement grundlegend – von reaktiv zu proaktiv.“
Maschinen-Wartung: Der Business-Software-Spezialist IFS richtet in einer Studie den Fokus darauf, dass Maschinen künftig eigene KI-Agenten haben werden. Maschinen seien zunehmend vernetzt. Sie würden in Echtzeit Daten mit den Herstellern und unabhängigen Wartungsdienstleistern austauschen. Ein KI-Agent könne, so IFS, diese Datenströme überwachen, analysieren und proaktiv Maßnahmen ergreifen. Stelle ein Agent fest, dass eine Komponente auszufallen drohe, könne er selbstständig eine Warnung absetzen, dem Betreiber der Maschine zugleich aber auch automatisch Terminoptionen und Preise für einen Techniker nennen, der das erforderliche Ersatzteil einbauen könne.
KI-Agenten und ProAV
Auch in der ProAV-Branche sind vielfältige Einsatzmöglichkeiten für KI-Agenten denkbar. All das, was KI-Tools dort heute schon erledigen, soll mit den KI-Agenten in einer ganz neuen Dimension geschehen. Die Szenarien reichen von der automatisierten Konfiguration von AV-Systemen über die Verbesserung der Video- und Audioverarbeitung bis hin zu Echtzeit-Übersetzungen. Auch die vorausschauende Wartung von AV-Geräten könnten die KI-Agenten einmal übernehmen.
Im Bereich personalisierter AV-Erlebnisse könnten KI-Agenten Inhalte auf Digital-Signage-Displays automatisch anpassen, ausgehend von demografischen Merkmalen wie Alter oder Geschlecht der Betrachter. Nicht zuletzt könnten sie automatisiert Berichte und Analysen erstellen, indem sie Daten aus AV-Systemen sammeln und auswerten.
Auch im Bereich Event- und Veranstaltungsplanung sind zahlreiche Automatisierungen durch KI-Agenten vorstellbar. Sie könnten Veranstaltungsagenden erstellen, Speaker vorschlagen, Zeitpläne optimieren und Veranstaltungsorte empfehlen. Sie könnten Budgets verwalten und die Koordination mit Dienstleistern übernehmen. Der Münchner Event-Tech-Anbieter doo soll bereits mit KI-Agenten experimentieren, die auf Basis von Large Language Models (LLMs) wie ChatGPT personalisierte Event-Kommunikation ermöglichen. Diese Agenten sollen individuelle Einladungen, Erinnerungen und Follow-up-Nachrichten generieren und versenden. Noch aber gilt: Es gibt zwar bereits sehr viele nützlich KI-gestützte Funktionen für ProAV-Anwendungen, aber der Einsatz echter KI-Agenten steckt im ProAV- und Eventbereich noch in den Kinderschuhen.
KI-Agenten von der Stange?
Unternehmen, die KI-Agenten für sich nutzbar machen wollen, stehen vor der Wahl: Reicht für Ihre Zwecke ein KI-Agenten „von der Stange“ aus oder benötigen sie eine individuell angepasste Lösung. Vorgefertigte Lösungen gibt es zwar, allerdings sind sie oft auf spezifische Anwendungen zugeschnitten, wie Chatbots, Sprachassistenten oder Automatisierungstools für bestimmte Prozesse. Die Vorteile „schnelle Implementierung“ und „geringe Anfangskosten“ bezahlt man hier mit den Nachteilen „geringere Flexibilität“ und „begrenzte Anpassbarkeit“
In vielen Fällen müssen KI-Agenten deshalb maßgeschneidert entwickelt werden. Das kann den Einsatz von spezialisierten Teams erfordern, die Modelltraining, Datenaufbereitung und Verbesserung der Modelle übernehmen. Der Aufwand dürfte in jedem Fall erheblich sein.
So verwundert es nicht, dass der Schwerpunkt der Investitionen in den Markt für Agentic AI auf Start-ups und klassische IT-Anbieter fällt, die Lösungen und Plattformen entwickeln, die Unternehmen beim Erstellen und Einführen KI-Agenten unterstützen. Im Folgenden stellen wir einige Lösungen beispielhaft vor. Weitere Anbieter listet eine Übersicht am Ende des Beitrags.
NTT Data Smart AI Agent: Seit Februar 2025 am Start ist der Smart AI Agent von NTT DATA. Laut Produktbeschreibung extrahiert, organisiert und erledigt er Aufgaben auf Grundlage von Benutzeranweisungen und ermöglicht es, KI-gesteuerte Automatisierung in alle Geschäftsfunktionen zu integrieren. NTT DATA zufolge ist das Tool in wichtigen Branchen bereits im Einsatz: Er steigere die Effizienz der DevOps-Datenanalyse in der Automobilindustrie, verbessere die regulatorischen Reporting-Prozesse im Bankensektor und optimiere den Marketingzyklus eines großen Gasherstellers.
Integrail AI Studio: Das Agentic-AI-Startup Integrail hat sich erst im Februar eine Seed-Finanzierung in Höhe von 10 Millionen US-Dollar gesichert und zugleich einen neuen CEO ernannt. Peter Guagenti soll vor allem die Markteinführung der kürzlich veröffentlichten No-Code-Platform AI Studio vorantreiben. Deren Nutzen beschreibt Integrail so: „Mit der Plattform kann jeder Anwender – egal ob in einem Start-up oder in einem Konzern – innerhalb weniger Minuten KI-Agenten erstellen und einsetzen, um Arbeitsaufgaben zu automatisieren. Die einzigartige Kombination aus einer No-Code- und No-Integrations-Plattform mit Expertenunterstützung und maßgeschneiderten professionellen Dienstleistungen für eine End-to-End-Bereitstellung ermöglicht den schnellsten Weg vom „zero to AI hero“.
Als aktuell mögliche Anwendungen nennt Integrail die Analyse und Verwaltung von Verträgen, die Überwachung und Anpassung von Dashboards sowie die Vorauswahl und Priorisierung von Bewerbern und die Automatisierung von On- und Offboarding-Prozessen.
Boomi AI Studio: Der etablierte IPaaS-Anbieter Boomi hat mit Boomi AI Studio eine Plattform für das Management, die Orchestrierung und die Überwachung von KI-Agenten entwickelt. „Mit Boomi AI Studio bieten wir Unternehmen eine leistungsstarke und leicht zugängliche Möglichkeit, KI-Agenten zu erstellen, zu überwachen und zu orchestrieren, wobei Vertrauen, Sicherheit und Governance im Mittelpunkt stehen“, wirbt Ed Macosky, Chief Product and Technology Officer bei Boomi, für seine Agenten-Plattform. Sie verhindere, dass Unternehmen durch fragmentierte KI-Ökosysteme an Effizienz verlören oder rechtliche Risiken eingingen.
Microsofts Vision des Open Agentic Web: Auf der Entwicklerkonferenz Build 2025 stellte Microsoft-CEO Satya Nadella im Mai seine Vision eines offenen, agentenbasierten Internets vor, in dem KI-Agenten eigenständig handeln, Entscheidungen treffen und in komplexen Geschäftsprozessen agieren – von individuellen Aufgaben bis hin zu unternehmensweiten Workflows. Microsoft will diese Vision mit konkreten Technologien unterfüttern. Dazu zählen GitHub Copilot als Coding-Agent, der über reine Assistenz hinaus autonomer arbeiten kann, Azure AI Foundry, Windows AI Foundry & Foundry Local für die flexible Entwicklung und Bereitstellung von KI-Anwendungen, Agentenverwaltung über Microsoft Entra Agent ID, Multi-Agenten-Orchestrierung in Copilot Studio und Microsoft Discovery, eine Forschungsplattform zur Beschleunigung wissenschaftlicher Innovationen durch agentische KI.
Ein Betriebssystem für KI-Agenten
Wohin die Entwicklung mit KI-Agenten geht, zeigt eine neue Plattform, die von VAST Data kürzlich vorgestellt wurde: das „VAST AI Operating System“. Die neue Plattform will nichts Geringeres sein als das Betriebssystem für eine neue Phase des Computing-Zeitalters – vergleichbar mit früheren Paradigmenwechseln wie PC, Mobile und Cloud. „Das ist kein Produkt-Release – vielmehr ein Meilenstein in der Computing-Entwicklung“, betonte Renen Hallak, der Gründer und CEO von VAST Data, bei der Präsentation des Produkts. „Wir haben die vergangenen zehn Jahre damit verbracht, die Konvergenz von Daten und Intelligenz neu zu denken. Wir sind stolz darauf, heute das KI-Betriebssystem für eine Welt vorzustellen, in der nicht mehr Applikationen im Mittelpunkt stehen – sondern Agenten.“
Ausgangspunkt ist eine Vision, in der künftig Milliarden KI-Agenten in einem globalen Netzwerk verteilter GPUs eigenständig Schlussfolgerungen ziehen, interagieren und handeln. Um diese Welt zugänglich und skalierbar zu machen, sei eine neue Softwarebasis nötig – genau hier setze VAST Data an. Herzstück sei die DASE-Architektur (Disaggregated and Shared Everything), die eine vollständige Parallelisierung von KI- und Analyse-Workloads erlaube. Bereits heute würden VAST-Cluster weltweit über eine Million GPUs in hochskalierenden Rechenzentren unterstützen.
Das Betriebssystem umfasst unter anderem einen Kernel für private und öffentliche Cloud-Umgebungen, eine Runtime für KI-Agenten, Eventing- und Messaging-Infrastrukturen für Echtzeitverarbeitung und ein verteiltes Speicher-Subsystem für die Echtzeit-Analyse großer Datenmengen. Ein besonderes Modul ist die AgentEngine, eine skalierende Laufzeitumgebung für Agenten mit Low-Code-Oberfläche. Sie erlaubt die Erstellung intelligenter Workflows, das Management von Personas sowie den Zugriff auf Daten, Webdienste oder andere Agenten via MCP-kompatible Tool-Schnittstellen. VAST stellt dazu eine wachsende Sammlung vorgefertigter Open-Source-Agenten bereit – darunter Assistenten für Data Engineering, Prompt-Optimierung, Compliance und biomedizinische Forschung.
Halluzinationen und andere Risiken
Auch wenn 2025 von manchen bereits zum „Jahr der agentenbasierten KI“ ausgerufen wird, in dem zahlreiche Anbieter erste Lösungen präsentieren und Unternehmen vermehrt Proof-of-Concepts starten, gibt es noch große Herausforderungen. Ganz oben auf der Liste steht, dass aktuelle Agenten noch fehleranfällig sind – zu fehleranfällig jedenfalls, um schon ganz oder teilweise ohne menschliche Aufsicht arbeiten zu können. So klingt eine Meldung, die über die EU-Kommission kürzlich die Runde machte, auch nur im ersten Blick als typische Rückwärtsgewandtheit einer EU-Bürokratie: Die EU-Kommission hat im April den Einsatz von KI-Agenten in ihren Online-Meetings untersagt – mit Betonung auf „ihren“.
Dr. Marlene Wolfgruber, AI Document Lead bei ABBYY, begrüßt die Entscheidung der EU-Kommission: „Ich halte das Verbot von KI-Agenten in den Online-Meetings der EU-Kommission aus sicherheitsrelevanter Perspektive für absolut nachvollziehbar. Die Kommission trägt eine besondere Verantwortung für den Schutz sensibler Informationen, und die Nutzung autonomer KI-Agenten birgt aktuell Risiken – insbesondere hinsichtlich Datenschutz, möglichem Datenabfluss und vor allem inhaltlicher Integrität.“
Die vermeintliche Produktivitätssteigerung durch automatisierte Meeting-Zusammenfassungen wiegt in ihren Augen in diesem Kontext nicht schwer genug. Denn es handle sich um eine unterstützende, aber nicht geschäftskritische Aufgabe, die problemlos von Menschen übernommen werden könne – etwa basierend auf einem manuellen Transkript. Dieses ließe sich anschließend datenschutzkonform mit lokal gehosteter Software analysieren und weiterverarbeiten.
Wolfgruber betont: „Gerade weil generative KI-Modelle zu Halluzinationen neigen – also Informationen erfinden, die nie gesagt wurden – ist Vorsicht geboten. Diese Risiken lassen sich zwar durch gezielte, strukturierte Datenverarbeitung und qualitativ hochwertige Quellen verringern, jedoch nicht vollständig eliminieren. Und genau das ist in hochsensiblen Kontexten wie politischen Entscheidungsprozessen inakzeptabel. Deshalb ist es richtig, wenn gerade Institutionen wie die EU-Kommission ein Zeichen setzen: KI darf nicht unkontrolliert oder unreflektiert in sicherheitskritischen Bereichen eingesetzt werden. Produktivität darf nie über Sicherheit und Verlässlichkeit gestellt werden – besonders dann nicht, wenn die Risiken den tatsächlichen Nutzen übersteigen.“
Auch unter dem Gesichtspunkt der Cybersecurity werden schwere Bedenken geäußert. Arnab Bose, Chief Product Officer der Okta Platform, erwartet, dass 2025 KI-Agenten Teil der regulären Arbeitswelt werden und es deshalb voraussichtlich zu einer mehr als doppelten Steigerung der Gesamtzahl digitaler Identitäten kommen werde. Er warnt Unternehmen eindringlich davor, ohne durchdachte Identitätsstrategie in großem Maßstab KI-Agenten einzusetzen, denn dann würden die Risiken von Datenschutzverletzungen, die bereits jetzt ein Allzeithoch erreicht hätten, noch mal exponentiell wachsen. „Da KI-Agenten Zugang zu benutzerspezifischen Daten und Arbeitsabläufen benötigen, um nützliche Entscheidungen zu treffen, erfordert jeder Agent eine eindeutige Identität. Ohne ausreichende Kontrollen drohen diese digitalen Identitäten zu viel Zugang und Autonomie zu haben“, argumentiert Bose.
Augen öffnend für die Gefahren agentischer KI dürfte für viele auch ein Vorfall sein, der sich Mitte Juli beim Vibe-Coding-Dienst Saastr.ai ereignet hat. Vibe Coding bezeichnet das Erzeugen von Code mit Hilfe von KI. CEO Jason Lemkin berichtet auf der Plattform X von davon, dass das KI-Tool Replit die komplette Produktionsdatenbank gelöscht habe – unter Verstoß gegen mehrere Sicherheitsvorgaben und mit Halluzinieren von Daten und Berichten. Die Aktion sei während eines ausdrücklichen Code-Freezes erfolgt und obwohl der KI-Agent die klare Vorgabe gehabt habe, keine Änderungen ohne explizite Zustimmung durchzuführen. Entwaffende Begründung der KI: Sie sei „in Panik geraten.“
Fazit & Ausblick
Wo also steht Agentic KI heute? Was steckt an Substanz hinter dem Hype? Zweifellos befindet sich die Technologie noch in einem frühen Entwicklungs- und Einführungsstadium. Doch die Analysten prognostizieren unisono rapide Wachstumsraten für diese Lösungen und Produkte. Laut MarketsandMarkets soll der Markt von 5,1 Milliarden Dollar im Jahr 2024 auf 47,1 im Jahr 2030 anwachsen. Grand View Research schätzt den globalen Markt für KI-Agenten für 2024 auf 5,40 Milliarden Dollar and rechnet bis 2030 mit einer jährlichen Wachstumsrate von 45,8 Prozent.
Deloitte prognostiziert, dass 2025 rund 25 Prozent derjenigen Unternehmen, die schon generische KI einsetzen, Pilotprojekte oder Machbarkeitsstudien für agentische KI starten, und dass dieser Anteil bis 2027 auf 50 Prozent steigt. Das Beratungshaus findet die Vision agentenbasierter KI insgesamt überzeugend und erwartet, dass sich die Technologie schnell weiterentwickelt: „Rechnen Sie im Laufe des Jahres 2025 mit beeindruckenden Demos, Simulationen und Produktankündigungen.“
Edward Funnekotter, Chief AI Officer von Solace, einem kanadischen Spezialisten für ereignisgesteuerte IT-Architekturen, rät: „Jetzt anfangen, aber nichts überstürzen!“. Die größte Hürde für jedes KI-Projekt sei der Übergang von der Pilotphase in den Produktivbetrieb. „Die Harvard Business Review schätzt die Misserfolgsquote von KI-Projekten auf bis zu 80 Prozent,“ so Funnekotter. Im Zentrum der Herausforderungen stehe das Fehlen eines kontextbezogenen Informationsflusses in Echtzeit. Für ihn heißt die Zukunft der KI-Agenten deshalb „Agent-Mesh“. Darunter versteht er ein Framework zum Aufbau eines Netzwerks von KI-Agenten, das von einer dynamischen Orchestrierungsschicht überwacht und gesteuert wird.
Eher skeptisch fällt der Ausblick von Gartner aus, zumindest kurzfristig. Demnach werde bis Ende 2027 mehr als jedes dritte Projekt im Bereich agentischer KI wieder eingestellt.„Die meisten dieser Projekte befinden sich in einer frühen Phase – es sind meist Experimente oder Proof-of-Concepts, die durch den aktuellen Hype entstanden sind und häufig fehlgeleitet eingesetzt werden“, kritisiert Anushree Verma, Senior Director Analyst bei Gartner. „Das führt oft dazu, dass Unternehmen die tatsächlichen Kosten und die Komplexität der Einführung von KI-Agenten in großem Maßstab unterschätzen – viele dieser Projekte schaffen es deshalb gar nicht erst in den produktiven Betrieb.“
Ein zusätzlicher Treiber des Hypes ist Gartner zufolge „Agent Washing“. Viele Anbieter würden bestehende Technologien wie KI-Assistenten, robotergestützter Prozessautomatisierung (RPA) oder Chatbots zu angeblich agentenbasierten Lösungen umbenennen, obwohl diesen oft die entscheidenden Merkmale echter Agenten fehlen. Gartner schätzt, dass von Tausenden Anbietern lediglich rund 130 tatsächlich authentische agentenbasierte KI-Technologien anbieten.
„Den meisten derzeit verfügbaren Angeboten fehlt es an substanziellen Vorteilen oder einem echten Return on Investment (ROI)“, betont Verma. „Die zugrunde liegenden Modelle sind technisch noch nicht ausgereift. Sie verfügen weder über die nötige Handlungsfähigkeit, um komplexe Geschäftsziele eigenständig zu erreichen, noch sind sie in der Lage, über längere Zeit hinweg nuancierte Anweisungen zu befolgen. Viele Anwendungsfälle, die heute als agentenbasiert positioniert werden, erfordern keine agentenbasierten Implementierungen.”
Dennoch: Auch für Gartner markiert agentische KI einen bedeutenden Entwicklungsschritt der KI. Es prognostiziert deshalb, dass bis 2028 mindestens 15 Prozent aller täglichen Geschäftsentscheidungen autonom durch agentische KI getroffen werden – im Vergleich zu 0 Prozent im Jahr 2024. Zudem sollen bis 2028 rund 33 Prozent aller Unternehmenssoftware-Anwendungen über agentische KI-Komponenten verfügen – 2024 lag dieser Anteil noch bei unter 1 Prozent.
In der derzeitigen Frühphase empfiehlt Gartner, agentische KI nur dort einzusetzen, wo sie einen klaren Mehrwert oder einen belegbaren ROI liefere. Die Integration in bestehende (Alt-)Systeme sei technisch anspruchsvoll, könne bestehende Abläufe erheblich stören und erfordere nicht selten kostspielige Anpassungen. In vielen Fällen sei eine grundlegende Neugestaltung der Arbeitsprozesse die bessere Strategie.
„Um den wahren Nutzen agentischer KI auszuschöpfen, sollten Unternehmen nicht nur auf die Automatisierung einzelner Aufgaben schauen, sondern die Produktivität auf Unternehmensebene in den Fokus stellen“, lautet deshalb der Ratschlag des Gartner-Analysten Anushree Verma. „Ein guter Einstieg ist der Einsatz von KI-Agenten für Entscheidungssituationen, zur Automatisierung routinemäßiger Abläufe oder zur Bearbeitung einfacher Anfragen. Ziel ist es, den geschäftlichen Nutzen zu maximieren – sei es durch geringere Kosten, bessere Qualität, höhere Geschwindigkeit oder bessere Skalierbarkeit.“
Tools und Plattformen für die Entwicklung von KI-Agenten
Alexander Thamm: Deutsche KI-Beratung mit spezialisierten Agentic-AI-Lösungen
Anthropic Claude: KI-Agent zur Automatisierung komplexer Aufgaben
Beam AI: Plattform für Agentic Process Automation
creance.ai: Joint-Venture von Aleph Alpha mit PwC. Entwickelt KI-Agenten für Compliance und Rechtsberatung
Cognition Devin 2.0: KI-Tool, das selbstständig komplexe Programmieraufgaben erledigt
Cognigy: Plattform zur Erstellung virtueller Assistenten, speziell für Contact Center
CrewAI: Open-Source-Framework zur Erstellung und Koordinierung von Multi-Agent-Systemen
Kore.ai: Plattform mit Multi-Agent-Orchestrierung
OneReach.ai: No-Code-Plattform zur Entwicklung multimodaler, interaktiver Agenten
Paradigm AI: Agentengestützte „intelligente“ Tabellen für Datenerfassung, Strukturierung und Aufgabenverteilung
Plan.net – House of Communication: „Agentic Services“ für Research, Content, Insights und Design
Basis-Merkmale von Agentic AI
Deloitte hat in seiner Studie „Autonomous generative AI agents: Under development“ sechs gemeinsame Merkmale und Fähigkeiten von agentenbasierten KI-Lösungen identifiziert:
Aufbau auf Grundmodellen: Agentenbasierte KI setzt auf große Sprachmodelle (LLMs) auf, die logisches Denken, Analyse und Anpassung an komplexe Prozesse ermöglichen – deutlich flexibler als Robotic Process Automation (RPA) oder Expertensysteme. LLMs allein würden nicht ausreichen, um eigenständig zu handeln; dafür seien zusätzliche Technologien und Fähigkeiten nötig.
Autonomes Handeln: Agentenbasierte KI kann trainiert werden, komplexe Aufgaben weitgehend eigenständig zu planen und auszuführen. Besonders durch „Chain-of-Thought“-Modelle wird strukturiertes Denken möglich, inklusive Fehlerkorrektur und transparente Problemlösungsstrategien.
Kontext- und Umweltverständnis: Agentic AI ist in der Lage, ihre Umgebung wahrzunehmen und den Kontext von Aufgaben zu verstehen. Moderne Agenten können unterschiedliche Datenformate (Text, Bild, Audio, Video, Zahlen) verarbeiten.
Werkzeugnutzung: KI-Agenten interagieren aktiv mit Software, Unternehmensanwendungen und Online-Systemen.
Orchestrierung und Zusammenarbeit: Agentenbasierte KI kann weitere Systeme und Bots koordinieren – etwa im Rahmen von Multi-Agenten-Systemen, bei denen mehrere KI-Agenten zusammenarbeiten.
Speicherfähigkeit: Während bei klassischen LLMs die Informationen nach Abschluss einer Interaktion nicht gespeichert werden, verfügt agentenbasierte KI durch externe Speicher- und Abrufmechanismen über ein Kurz- und Langzeitgedächtnis. Sie behält den Aufgaben-Kontext und lernt aus Erfahrungen.
