Wo bleibt die Revolution der agentenbasierten KI?
Realität, Hindernisse und Risiken hinter dem Hype
Die Vision einer agentenbasierten Zukunft ist spannend, hat sich jedoch noch nicht verwirklicht. Was ist der Grund für diese Verzögerung, fragt Alan Reed, Leiter für Technologieinnovation bei bet365?
Seit einiger Zeit spricht die Technologiebranche so, als stünde die agentische KI kurz davor, die Art und Weise, wie Arbeit erledigt wird, grundlegend zu verändern. Uns wurden autonome Arbeitsabläufe versprochen, Agenten, die Systeme miteinander verbinden können, Softwarefabriken, die Absichten in funktionierenden Code umsetzen können, und digitale Mitarbeiter, die ganze Prozessabschnitte übernehmen können.
Es ist eine spannende Vision. Doch in den meisten Unternehmen ist diese Revolution noch nicht eingetreten.
KI ist allgegenwärtig, doch ein Großteil davon wird nach wie vor als Assistent eingesetzt. Sie hilft Menschen beim Schreiben, Zusammenfassen, Suchen, Programmieren, Analysieren und schnellerem Arbeiten. Das ist nützlich, aber nicht revolutionär. Sie wirkt sich nach wie vor weitgehend auf die Ebene der individuellen Produktivität aus.
Der größere Wandel tritt ein, wenn KI sich von der Unterstützung bei der Erledigung einer Aufgabe hinbewegt und autonom die Verantwortung für einen Teil oder den gesamten Prozess übernimmt. Das ist der agentische Sprung. Hier wird es auch deutlich komplizierter.
Dan Shapiro hat diese Entwicklung in seinem Artikel The Five Levels: from Spicy Autocomplete to the Dark Factorygut erfasst. Die Richtung ist klar: von promptgesteuerter Unterstützung hin zu vollständig autonomen SDLCs.
Für mich ist die wichtigste Erkenntnis aus Dans Artikel folgende: Je größer die Autonomie, desto wichtiger wird es zu verstehen, wo die Kontrolle tatsächlich liegt.
Deshalb hat die agentische Revolution auf Unternehmensebene noch nicht Einzug gehalten. Nicht, weil die Technologie überbewertet wäre oder die Chancen gering wären, sondern weil der Übergang von der Unterstützung zur Autonomie kein einfaches Upgrade ist.
Er verändert grundlegend das Risikoprofil, das Kontrollmodell und die Beziehung zwischen Menschen, Systemen und Entscheidungen.
Warum die Revolution noch nicht eingetroffen ist
Komplexe Organisationen funktionieren nicht allein durch Informationen. Sie basieren auf Kontext, Urteilsvermögen, Geschichte und Vertrauen. Agente-basierte KI ist daher ebenso sehr eine Frage des Betriebsmodells wie eine wirtschaftliche Frage.
Bei traditioneller Software sind die Kosten an vorhersehbare Nutzungsmuster gebunden. Bei agente-basierter KI werden die Kosten unvorhersehbar, da ein Agent Schlussfolgerungen zieht, sucht, Tools aufruft, in Sackgassen gerät und es erneut versucht.
Dadurch verschiebt sich auch der Schwerpunkt des operativen Aufwands. KI verlagert die menschliche Last vom Schreiben von Code hin zu dessen Überprüfung. Entwickler werden zu Prüfern, die fragen: „Ist es das, was wir beabsichtigt haben, ist es sicher, funktioniert es und sollte es live gehen?“
Die Kosten und der Arbeitsaufwand verschwinden nicht unbedingt. Der Engpass verlagert sich lediglich. Deshalb ist der erste Vorteil agentischer KI oft die Latenzzeit, nicht die Arbeitsersparnis. Die Arbeit geht schneller voran. Teams gewinnen Zeit zurück. Aber die Menschen, die den Prozess, die Daten und das Risiko verstehen, werden wichtiger, nicht weniger wichtig.
Das Risiko konkurrierender Antworten und der unzuverlässige Erzähler
Je näher Agenten an operative Entscheidungsprozesse rücken, desto entscheidender wird Konsistenz.
Selbst bei Verwendung desselben Modells können die Ergebnisse variieren, wenn sich die Eingabeaufforderung, die Abfragesequenz oder der Kontext ändert. Dies stellt ein erhebliches Risiko dar, wenn Agenten geprüfte Geschäftsprozesse oder Arbeitsabläufe unterstützen.
Das gleiche Problem gilt für Code. Es wird oft angenommen, dass Agenten eine Codebasis lesen und daraus ableiten können, was ein System tun soll. Doch eine Codebasis ist keine perfekte Aufzeichnung der Absicht. Sie zeigt, was ein System derzeit tut, nicht was das Unternehmen ursprünglich gefordert hat oder welche Teile historische Kompromisse und alte Fehler enthalten.
Wenn ein Agent Code als absolute Quelle der Wahrheit ohne den umgebenden geschäftlichen Kontext behandelt, arbeitet er mit einem unzuverlässigen Erzähler. Komplexität wird reproduziert und automatisiert.
Die eigentliche Gefahr ist nicht eine Science-Fiction-artige Übernahme durch KI, sondern Fragmentierung. Verschiedene Teams, die unterschiedliche Agenten für unterschiedliche Zwecke entwickeln und dabei nicht aufeinander abgestimmte Modelle, Eingabeaufforderungen, Datenquellen und Berechtigungen verwenden, werden gemeinsam eine KI-Landschaft schaffen, die niemand vollständig versteht.
Das ist keine Transformation. Es ist Fragmentierung mit einer besseren Benutzeroberfläche.
Governance ohne Einschränkungen
Teams brauchen Freiheit zum Experimentieren, aber der Live-Zugriff auf den Betrieb sollte niemals die Standardeinstellung sein.
Live-Zugriff verändert das Risikoprofil. Ein Agent kann Datensätze aktualisieren, Status ändern und Druck auf Transaktionssysteme ausüben, die nie für automatisierte Interaktion ausgelegt waren. Wenn es um Analyse, Zusammenfassung oder Qualitätssicherung geht, ist ein kuratierter Snapshot möglicherweise sicherer als direkter Systemzugriff.
Observability ist hier entscheidend. Ein interessantes Beispiel stammt von Lovable, wo Agenten eskalieren können, wenn sie nicht weiterkommen: zunächst an einen anderen Agenten, dann in einen Slack-Kanal, wo ein Mensch helfen kann.
Das zeigt sowohl die Stärke als auch die Grenzen des Modells. Der Agent kann weiterarbeiten, verschiedene Wege ausprobieren und Hilfe suchen. Aber jemand muss dennoch verstehen, warum er nicht weiterkommt und ob der Weg, den er einschlagen will, akzeptabel ist.
In einem Fall identifizierte ein Agent etwas, das er für einen Fehler in Open-Source-Software hielt, und machte sich daran, diesen zu beheben. Technisch gesehen mag das logisch gewesen sein. Operativ und ethisch warf dies jedoch weitaus größere Fragen auf.
Agenten sind darauf ausgelegt, Fortschritte zu erzielen. Doch in der Wirtschaft ist Fortschritt nicht immer gleichbedeutend mit der richtigen Entscheidung. Manchmal besteht die richtige Antwort darin, anzuhalten, nachzufragen oder nichts zu tun.
Warum die Revolution stattfinden wird
Trotz dieser Risiken wird die agentische Revolution stattfinden, weil der Gewinn zu groß ist.
Die meisten Organisationen werden durch die mittlere Arbeitsebene gebremst, die zwischen Menschen, Systemen und Prozessschritten stattfindet: Übergaben, Aktualisierungen, Abstimmungen, Überprüfungen, Qualitätssicherung und Wirkungsanalysen.
Genau hier wird agentische KI wirklich interessant. Die Chance liegt nicht nur in der individuellen Effizienz. Es geht um die organisatorische Effektivität.
Wir sehen bereits erste architektonische Anzeichen für diesen Wandel. Spotify hat mit Anthropic über die agentische Entwicklung gesprochen, einschließlich der Weiterentwicklung von Backstage von einem auf Menschen ausgerichteten Entwicklerportal zu einer agentenorientierten Plattform.
Anthropics „Claude Code Routines“ weisen in dieselbe Richtung und ermöglichen es, gespeicherte Eingabeaufforderungen, Repositorys und Konnektoren automatisch nach Zeitplan, per API-Aufruf oder als Reaktion auf GitHub-Ereignisse auszuführen.
Dadurch wandelt sich KI von etwas, das eine Person aktiv anfordert, zu etwas, das so konfiguriert ist, dass es im Hintergrund weiterarbeitet. Doch je nützlicher diese Systeme werden, desto wichtiger ist es, ihre Umgebung, Berechtigungen, Auslöser und Eskalationswege zu definieren.
Schaffen Sie den Agenten die richtige Arbeitsumgebung
Wenn man über die richtige Arbeitsumgebung für Agenten nachdenkt, kommt einem eine Analogie aus dem Spitzensport in den Sinn.
Moderne Teams verfügen über außergewöhnlich große Mengen an Echtzeitdaten, doch der Wert liegt in der Filterung der Signale: zu wissen, was zu ignorieren, was zu eskalieren und worauf zu reagieren ist. Anstatt ganze menschliche Arbeitsabläufe zu ersetzen, ist es besser, die richtigen Punkte darin zu unterstützen, sei es durch Unterstützung bei der Analyse, Überprüfung der Arbeit oder Vorbereitung der Grundlagen vor einer Entscheidung.
Agenten sind nur so nützlich wie die Informationen, auf die sie sicher zugreifen können. Wenn sie mit unübersichtlichen Daten konfrontiert werden, automatisieren sie dieses Durcheinander. Anstatt jeden Agenten durch Jira, Git, Confluence und SharePoint streifen zu lassen, sollten Unternehmen kuratierte, domänenspezifische Wissensumgebungen schaffen.
Dies gibt den Agenten den richtigen Kontext in der richtigen Form mit den richtigen Einschränkungen und regelt dann, wie sie ihn nutzen.
Dies verändert den menschlichen Faktor grundlegend. Die für die Verwaltung von Live-Agenten erforderlichen Fähigkeiten erfordern eine Mischung aus lokalem Geschäftswissen, Verständnis für KI und Datenkompetenz. Die Menschen, von denen Unternehmen annehmen, dass sie sie ersetzen können, sind oft genau diejenigen, die sie am dringendsten benötigen.
Sie sind es, die die Ausnahmen kennen, verstehen, wo die Daten Schwachstellen aufweisen, und erkennen, wenn etwas technisch korrekt, aber wirtschaftlich falsch ist. Ihr Wissen ist der ultimative Rahmen für Autonomie.
Neue Werkzeuge erfordern neues Denken
Wo also bleibt die Revolution der Agenten?
Sie kommt. Aber sie kommt nicht als einzelner dramatischer Moment. Sie kommt durch Entscheidungen, die Unternehmen gerade jetzt in Bezug auf Daten, Zugriff, Autonomie, Governance, Infrastruktur und Vertrauen treffen. Deshalb ist der aktuelle Hype sowohl verständlich als auch gefährlich.
Verständlich, weil agentische KI tatsächlich verändern kann, wie Arbeit erledigt wird; gefährlich, weil Unternehmen Aktivität mit Fortschritt verwechseln können. Mehr Agenten bedeuten nicht automatisch mehr Intelligenz. Mehr Automatisierung bedeutet nicht automatisch mehr Kontrolle. Mehr Zugriff bedeutet nicht automatisch bessere Ergebnisse.
Agentische KI wird ein großer Schritt nach vorne sein. Aber sie wird keine Organisationen belohnen, die alte Denkweisen auf neue Werkzeuge anwenden.
Ging es bei der alten Denkweise darum, Prozesse fest in Systeme zu programmieren, besteht die neue Versuchung darin, diese Prozesse in Agenten zu verlagern und anzunehmen, die Komplexität sei verschwunden. Das ist sie nicht. Sie hat sich lediglich verlagert.
Die agentische Revolution wird nicht dadurch definiert, wie viel Autonomie Organisationen schaffen können. Sie wird dadurch definiert, wie viel Autonomie sie sicher verstehen, steuern und vertrauen können.