Drei von vier Führungskräften sagen, dass sie KI-Agenten einführen. Doch nur eine kleine Minderheit hat diese Agenten tatsächlich im Tagesgeschäft, der Rest hängt in der Testphase fest. Das ist das Ergebnis einer aktuellen Forrester-Analyse, über die das IT-Magazin The Register berichtet. Für Geschäftsführer ist die Zahl weniger ein Hype-Signal als eine Warnung: Ein funktionierender Demo-Termin ist noch lange keine laufende Lösung.
Was Forrester gemessen hat
In seinem Bericht “The State Of Agentic AI In 2026” kommt das Analysehaus Forrester zu einem ernüchternden Befund: 75 Prozent der befragten Führungskräfte geben an, agentische KI einzuführen, also Software, die nicht nur antwortet, sondern eigenständig mehrstufige Aufgaben erledigt. In der Realität bleibe das bei den meisten ein “agentish chatbot”, wie Forrester es nennt, also kaum mehr als ein etwas schlauerer Chatbot. Echte, produktiv laufende Agenten seien die Ausnahme. Forrester prognostiziert, dass 2026 weniger als 15 Prozent der Organisationen agentische Funktionen wirklich in ihren Systemen scharf schalten. Der zentrale Satz der Analyse: Solange Unternehmen die Autonomie eines Agenten nicht an messbare Veränderungen im Arbeitsalltag knüpfen, bleibe agentische KI in einer Art “Proof-of-Concept-Fegefeuer” stecken (Quelle: forrester.com).
Warum Pilotprojekte nicht in den Alltag kommen
Der Grund ist selten die Technik selbst. Ein Pilot läuft in einer kontrollierten Umgebung, der Echtbetrieb nicht. Sobald ein Agent auf reale Datenflüsse, gewachsene Altsysteme, wechselnde Mitarbeiter und Compliance-Vorgaben trifft, fällt er durch. The Register fasst die von Forrester genannten Bruchstellen so zusammen:
- Unklarer Nutzen: Der Return on Investment lässt sich über schmale Effizienzgewinne hinaus schwer belegen, also wird das Pilotbudget nicht in ein Produktivbudget verlängert.
- Insellösungen: Agenten werden isoliert gebaut, ohne dass jemand den Überblick über alle laufenden Projekte behält.
- Überlappung: Mit jeder neuen Insellösung doppeln sich Systeme und Arbeit, statt sich zu ergänzen.
- Unberechenbarkeit: Was im kleinen Test sauber lief, verhält sich im größeren Betrieb plötzlich anders.
- Fehlende Leitplanken: Reine Richtlinien auf dem Papier reichen nicht, es braucht automatische Kontrollen, die in Echtzeit prüfen, was ein Agent gerade tut.
“Agentic Sprawl”: das nächste Problem
Wer den Sprung doch schafft, stößt auf das Folgeproblem. Mehr als die Hälfte der Unternehmen berichtet laut Forrester von “Agentic Sprawl”, also einem unkontrollierten Wildwuchs an Agenten, der selbst nach Einführung von Governance-Frameworks bestehen bleibt. Eine unabhängige Erhebung des Low-Code-Anbieters OutSystems untermauert das: 94 Prozent der dort Befragten äußern Sorge vor genau diesem Wildwuchs (Quelle: businesswire.com). Zwei verschiedene Studien, zwei verschiedene Methoden, dasselbe Muster: Es ist leicht, irgendwo im Unternehmen einen KI-Agenten zu starten. Es ist schwer, viele davon sicher und nachvollziehbar zu betreiben. In Forresters Security-Befragung nannten 49 Prozent der Sicherheitsverantwortlichen agentische KI als konkrete Sorge.
Der Unterschied zwischen Demo und Betrieb
Die Botschaft hinter den Zahlen ist für kleinere Betriebe sogar deutlicher als für Konzerne. Eine Software-Demo ist darauf ausgelegt, gut auszusehen. Sie nutzt saubere Beispieldaten, einen vorbereiteten Ablauf und blendet die Ausnahmen aus, die im Alltag zwei Drittel der Arbeit ausmachen. Die typische Tanzschule mit ihrem gewachsenen Kursbelegungssystem, der Pflegedienst mit seiner Dokumentationspflicht oder der Handwerksbetrieb mit Angeboten aus drei verschiedenen Programmen: Genau dort, an den realen Prozessen und Schnittstellen, entscheidet sich, ob ein KI-Agent Arbeit abnimmt oder neue Arbeit schafft. Eine Standardlösung von der Stange kennt diese Prozesse nicht.
Was das für Unternehmen bedeutet
Die praktische Lehre ist unbequem, aber günstig: Fangen Sie nicht mit dem Tool an, sondern mit einem einzigen, klar abgegrenzten Vorgang, der heute Zeit frisst. Eingehende Angebotsanfragen vorsortieren, Rechnungen aus E-Mails ziehen, Termine bestätigen. Definieren Sie vorher, woran Sie Erfolg messen (gesparte Stunden pro Woche, weniger Rückfragen), und benennen Sie eine Person, die das Ergebnis verantwortet. Was im Demo-Termin glänzt, ist zweitrangig. Entscheidend ist, ob die Lösung an Ihre vorhandenen Daten und Abläufe andockt.
Genau hier scheitern generische SaaS-Angebote am häufigsten: Sie lösen ein Problem im Allgemeinen, nicht Ihres im Konkreten. Der Unterschied zwischen einem Schein-Pilotprojekt und einem produktiven Helfer liegt fast immer in der sauberen Anbindung an die bestehenden Systeme, datenschutzkonform und nah an den echten Prozessen. Wer diese Integration ernst nimmt und klein, aber vollständig zu Ende baut, statt viele halbe Piloten zu starten, kommt aus dem Fegefeuer heraus. Eine durchdachte KI-Automation, die zu den vorhandenen Prozessen passt, schlägt zehn beeindruckende Demos, die nie in Betrieb gehen.
Quellen
