Viele Unternehmen nennen KI-Agenten, wenige betreiben sie

Zwei Zahlen aus der diesjährigen Branchenforschung beschreiben denselben Markt. Siebenundneunzig Prozent der Führungskräfte geben an, ihr Unternehmen habe KI-Agenten eingesetzt. Weniger als zehn Prozent der Unternehmen haben Agenten, die produktiv laufen. Beide Zahlen sind real, und sie können nicht beide zutreffen, es sei denn, „eingesetzt“ hat aufgehört zu bedeuten, was alle darunter verstehen.

Das ist der Fall. Der Rest dieses Beitrags zeigt, woher die Lücke kommt und wie Sie herausfinden, auf welcher Seite Ihr Unternehmen steht.

Was „eingesetzt“ inzwischen bedeutet

Die Lücke entsteht durch eine Verschiebung der Definition. In den meisten Unternehmen steht „Wir haben Agenten eingeführt“ heute für eines der folgenden Szenarien:

• Lizenzen, die für die Engineering-Organisation erworben wurden
• Ein Copilot, der Code in der IDE vorschlägt
• Ein Hackathon- oder Innovationswochen-Prototyp
• Ein Proof of Concept, der Tickets in einer Sandbox zusammenfasst

Jeder davon ist ein vernünftiger erster Schritt. Keiner davon ist ein Agent in der Produktion – das ist etwas anderes, mit einer deutlich höheren Anforderung.

Was der Produktionseinsatz tatsächlich erfordert

Ein KI-Agent in der Produktion ist ein System, das Aktionen in Live-Geschäftssystemen ausführt, unter eingeschränkten Berechtigungen, mit Bewertungsschranken und einem namentlich benannten Verantwortlichen, der haftet, wenn etwas schiefläuft. Diese Definition schließt fast alles aus, was derzeit intern als Deployment gemeldet wird, und jedes Wort darin trägt Gewicht:

• Live-Aktionen, gegen echte Daten, bei denen ein Fehler Kosten verursacht
• Eingeschränkte Berechtigungen, kein Administrator-Dienstkonto
• Bewertungsschritte, die Ausgaben prüfen, bevor etwas Irreversibles geschieht
• Eine namentlich benannte verantwortliche Person mit Rollback-Befugnis und Bereitschaftsdienst

Neben der Integration sind inzwischen auch die Kosten ein Grund, Agenten wieder abzuschalten. Der Global AI Pulse von KPMG für das 2. Quartal 2026 befragte 2.145 Führungskräfte in 20 Ländern. 49% von ihnen hatten Agenten-Rollouts zurückgefahren, weil die Betriebskosten den Nutzen überstiegen. Der Agent selbst ist heute der einfache Teil. Das eigentliche Projekt sind die API-Schicht, die Ihre Altsysteme nie hatten, das Berechtigungsmodell und die Testumgebung für die Evaluierung.

Warum die Lücke bestehen bleibt

Lizenzen zu kaufen ist Beschaffung. Das geht schnell, ist sichtbar und lässt sich dem Vorstand bis Freitag melden. Integration, Evals und Verantwortlichkeit aufzubauen ist Umsetzungsarbeit: langsam, unsichtbar und erst sichtbar, wenn etwas ausgeliefert wird. Organisationen unter Druck, KI-Fortschritt vorweisen zu müssen, wählen die sichtbare Bewegung, und die Siebenundneunzig-Prozent-Zahl misst genau das. Bewegung.

Was die unter-zehn-Prozent anders machen

Die Unternehmen, die Agenten in der Produktion betreiben, behandeln sie vom ersten Tag an als Umsetzungsaufgabe:

• Einen einzigen Workflow mit messbarem Nutzen auswählen und eng eingrenzen
• Den API-Zugang und das Eval-Set aufbauen, bevor irgendetwas skaliert wird
• Dem Agenten eine namentlich benannte verantwortliche Person mit Rollback-Befugnis zuweisen
• Erst nach dem ersten stabilen Workflow in der Produktion skalieren

Unspektakuläre Schritte. Es ist dieselbe Disziplin, die jedes Produktivsystem zum Laufen bringt – angewandt auf eine Technologie, die der Markt noch überwiegend als Beschaffungskategorie behandelt. Und der Vorsprung wächst: Die Produktion lehrt Integrationstechnikschulden, Evaluierungsdisziplin und Fehlermuster, denen Lizenzinhaber nie begegnen – und all das trägt sich auf den zweiten und dritten Agenten über.

Eine Frage, die Sie stellen sollten

Nehmen Sie das mit in Ihr nächstes KI-Statusupdate: Nennen Sie eine Agentenaktion, die letzte Woche in der Produktion ausgeführt wurde, was sie berührt hat und wer dafür verantwortlich ist. Eine konkrete Antwort bringt Sie vor rund neunzig Prozent des Marktes. Stille bedeutet, dass Sie Beschaffung als Fortschritt gemeldet haben, und die Lösung beginnt beim Scope, nicht beim Budget.

Dieselbe Disziplin gilt für die Entwickler, die diese Systeme bauen. Unsere Beurteilung prüft, ob jemand erkennt, wenn ein Modell mit Nachdruck falsch liegt, und ob er generierte Ausgaben auch unter Druck reviewt. Siehe „Wie wir prüfen“.