Es ist klüger, vorsichtig in agentische KI einzusteigen, als unüberlegt dem Trend hinterherzulaufen

Es ist leicht, das Gefühl zu haben, dass Ihr Unternehmen bei der Einführung agentischer KI zurückfällt. Der Hype ist intensiv und überzeugend, doch Sie müssen nicht übereilt handeln, solange Ihre Unternehmensanforderungen für eine Technologie noch nicht ausgereift sind. Unsere aktuelle Studie im 2025 State of AI Application Strategy Report zeigt, dass 37 % der Unternehmen keine formelle Strategie für agentische KI verfolgen und nur 5 % sie aktiv vorantreiben.

Es ist klug, den Hype kritisch zu hinterfragen und Ihre Investitionen während der Lern- und Experimentierphase behutsam zu steuern. Heute setzen wir bei KI-Agenten vor allem auf statische, KI-gestützte Chatbots, die vorab definierte Aufgaben ausführen, anstatt auf komplexe, autonome Agentensysteme, die dynamisch zusammenarbeiten, um Ziele zu erreichen und sich kontinuierlich verbessern.

Fünf Gründe, warum Unternehmen vorsichtig in agentenbasierte KI einsteigen sollten, statt blind der neuesten Entwicklung hinterherzujagen.

Agentische KI-Technologie entwickelt sich weiterhin schneller, als wir Lösungen erstellen können. Regelmäßig entstehen neue Fähigkeiten, Werkzeuge und Quellcodelibraries. Jetzt ist die Zeit fürs Prototyping, um Innovationen zu begleiten; für umfassende Unternehmenslösungen brauchen wir allerdings stabilere, langsamere Entwicklungen im System. Hier einige konkrete Beispiele:

• Agenten benötigen starke Denkfähigkeiten, um die komplexeren Probleme anzugehen, die zielgerichtetes autonomes Verhalten prägen. Wir nutzen dafür Modelle, deren Denkfähigkeit bisher nicht ausreicht, um Menschen zu ersetzen.
• Agenten brauchen ein besseres Gedächtnis, um komplexe Probleme effektiv zu lösen. Daher haben sich neue Gedächtnissysteme entwickelt, die jeweils einen besonderen Schwerpunkt setzen: semantisches Gedächtnis, episodisches Gedächtnis und prozedurales Gedächtnis, um nur einige zu nennen. Selbst in Modellen beginnen sich Gedächtnisfähigkeiten zu entfalten.
• APIs, mit denen Sie Anwendungen erstellen, erhalten bedeutende Funktionssprünge. Auf der Clientseite erweitern wir Browser, damit Sie KI leichter nutzen können. Auf der Serverseite hat OpenAI kürzlich mehrere Updates ihrer Responses API vorgestellt. Dazu zählen die Unterstützung des Model Context Protocol (MCP) und eine verbesserte Suche über mehrere Vektorspeicher hinweg.

Neue Standards entstehen kontinuierlich, während Entwickler und Experten die Interoperabilitätsbedürfnisse des Marktes lösen. Betrachten Sie MCP von Anthropic sowie das Agent2Agent-Protokoll (A2A) von Google. Das eine fokussiert die Verbindung zwischen Modellen und Ressourcen, das andere die Agentenkommunikation. Keiner erfüllt alle Anforderungen zur Interoperabilität agentenbasierter KI vollständig. Um diese Lücken zu schließen, rechnen wir damit, dass in den kommenden Monaten weitere Standards vorgestellt werden. Obwohl MCP und A2A bei Anbietern und Kunden an Unterstützung gewinnen, sollten Sie darauf warten, dass sich Standards stärker formalisieren, bevor Ihr Unternehmen sich darauf einlässt.

KI-Agenten werden entwickelt und eingesetzt. Erste Kennzahlen zeigen Erfolge, bewerten diese jedoch nur anhand von Umsatzsteigerungen (ohne Berücksichtigung der Kosten) oder dem Anteil der Anfragen, die Bots statt Menschen beantworten (was zwar bestätigt, dass Agenten bestimmte Aufgaben übernehmen können, jedoch keine vollständige Kostenbilanz liefert). Gesamtkosten der agentenbasierten KI:

• Eine vollständige Aufstellung aller Bestandteile, einschließlich Technologie, Anpassung und Einführung neuer Prozesse sowie Anforderungen an das Personal, etwa neue Kompetenzen in bestehenden Funktionen oder neue Aufgabenbereiche.
• Architekturrichtlinien und Komponentenarchitekturdiagramme, inklusive Netzwerktopologie und der Zusammenarbeit mit bestehender Infrastruktur und Diensten.
• Wir benennen Erfolgsmetriken anhand ihrer Auswirkung auf die Infrastruktur, etwa Leistung und Kapazität von Computing, Netzwerk und Speicher.

Um effektiv zu arbeiten, benötigen KI-gestützte Anwendungen sichere, hochwertige Daten. Ohne eine durchdachte Strategie für den Umgang mit Datensilos, unterschiedlichen Datenformaten und Datenaufbereitung werden Sie Probleme haben, agentenbasierte KI erfolgreich einzusetzen, da solche KI die Daten- und Sicherheitslücken eines Unternehmens verstärkt. Es geht dabei nicht nur darum, viele Agenten mit Maschinengeschwindigkeit im Netzwerk agieren zu lassen. Aktuell behandeln wir die Sicherheit von Agenten so, als wären sie menschliche Nutzer oder Geräte. Als Nutzer autorisieren Sie Agenten oft, ohne zu erkennen, wie umfassend sie Ihre Daten verwenden, verändern oder löschen können.

KI-gestützte Anwendungen benötigen eine umfassende Überwachung des gesamten Systems. Wenn Sie für Ihre Organisation noch keine überzeugende Full-Stack-Überwachung etabliert haben, fehlt Ihnen die Grundlage für eine eigenständige KI-Lösung, die auf volle Transparenz, störungsfreien Betrieb, schnelle Fehlerbehebung und verlässliche Steuerung angewiesen ist.

Beachten Sie diese fünf Gründe und setzen Sie auf Vorsicht statt auf den Hype um agentische KI. Wenn mehr als zwei davon echte Herausforderungen für Ihre Einführungsstrategie darstellen, könnte mehr Zeit der richtige Weg sein. In einem Markt, dessen Technologie-Stack und Standards noch in der Entwicklung sind, dessen Kosten sich noch nicht genau beziffern lassen und der hohe Unternehmensanforderungen wie umfassendes Datenmanagement und gezielte Beobachtbarkeit voraussetzt, ist es sinnvoll, bei agentischer KI behutsam vorzugehen. Die erste Nutzung einer agentischen KI-Lösung zeigt ohnehin nicht den Nutzen der Agenten für das Geschäft. Sie zeigt, dass die Infrastruktur bereitsteht. Eine schrittweise Einführung gibt Ihrem Unternehmen Zeit, Schwachstellen zu erkennen und zu beheben, bevor Sie zu tief einsteigen.

Für eine vertiefte Betrachtung der Bereitschaft zu agentischer KI lesen Sie unsere aktuellen Erkenntnisse in „Policy in Payload: Vorbereitung auf KI-Agentenarchitekturen.“