IT-IZ

4. November 2026 · KI & Automatisierung

KI-Agenten: Warum 99 % im Testlabor hängen bleiben

In fast jedem Unternehmen, das in den letzten zwei Jahren etwas mit KI gemacht hat, gibt es dieses eine Projekt: Es lief gut, alle waren beeindruckt, es gab sogar eine Präsentation in der Geschäftsführung — und dann ist es nie über den Testzugang hinausgekommen. Nicht gescheitert, nicht abgebrochen. Einfach liegen geblieben.

Zwei Veröffentlichungen vom 2. November 2026 zeigen, dass das kein Einzelfall ist, sondern der Normalzustand. Die eine ist eine Studie zum Stand von KI-Agenten in Unternehmen, die andere der Fahrplan der Bundesregierung, die den Rückstand aufholen will. Zusammengelesen ergeben sie eine recht klare Handlungsanweisung — und die hat weniger mit Technik zu tun, als die meisten erwarten.

Die Zahl, die weh tut: ein Prozent

Lünendonk & Hossenfelder haben gemeinsam mit Sopra Steria 180 Entscheider aus dem gehobenen Mittelstand und aus Konzernen im deutschsprachigen Raum befragt. Das Ergebnis zum Reifegrad von KI-Agenten im Unternehmen: 58 Prozent stecken noch in ersten Pilotprojekten, weitere 18 Prozent sind in der Erkundungsphase. 19 Prozent setzen Agenten produktiv ein, allerdings punktuell in einzelnen Aufgabenbereichen.

Durchgängig, also über mehrere zentrale Geschäftsabläufe hinweg, arbeiten KI-Agenten bei einem Prozent der befragten Unternehmen.

Die zweite Zahl ist noch aussagekräftiger, weil sie die Durchfallquote beschreibt: Von den Unternehmen, die dazu Angaben gemacht haben, bringen 66 Prozent weniger als ein Viertel ihrer KI-Pilotprojekte in den Regelbetrieb. Drei von vier Prototypen landen also in der Schublade — bei Unternehmen, die ausdrücklich an das Thema glauben. 96 Prozent der Befragten erwarten von KI Effizienzgewinne und Kostensenkungen, 90 Prozent mehr Flexibilität und Tempo. An der Motivation liegt es nicht.

Eine Einordnung ist hier fair: Befragt wurden größere Unternehmen mit eigener IT-Abteilung und eigenen Budgets. Für einen Betrieb mit 30 Mitarbeitenden sind diese Quoten nicht besser, sondern eher schlechter — die Gründe sind aber dieselben.

Woran es tatsächlich scheitert

Die Studie nennt vier Hürden, und keine davon ist “die KI ist nicht gut genug”: fehlende technische Voraussetzungen und Datenanbindungen, Bedenken bei Sicherheit und Datenschutz, zu wenig Fachpersonal — und zu viele KI-Projekte, die unkoordiniert nebeneinander laufen.

Der letzte Punkt ist der unterschätzte. Wenn in der Buchhaltung jemand mit einem Tool Rechnungen vorsortiert, im Vertrieb jemand anders Angebotstexte schreiben lässt und die Geschäftsführung parallel über eine Chatbot-Lösung nachdenkt, entstehen drei kleine Erfolge und kein einziger Prozess, der danach anders läuft. Jedes Projekt hat seine eigene Datenquelle, seine eigene Freigabelogik und seinen eigenen Verantwortlichen. Für den Sprung in den Regelbetrieb fehlt dann genau das, was ein Pilot nie brauchte: eine Antwort auf die Frage, was passiert, wenn das Ding sich irrt.

Ein Pilotprojekt darf scheitern, ohne dass es jemandem schadet — das ist sein Zweck. Ein Prozess im Regelbetrieb darf das nicht. Dieser Unterschied ist keine technische Hürde, sondern eine organisatorische, und er lässt sich nicht nachträglich durch ein besseres Modell lösen.

Der überraschende Befund: Regeln beschleunigen

Interessant an der Studie ist, welche Unternehmen es über die Testphase hinaus schaffen. Es sind nicht die mit den größten Budgets oder den neuesten Modellen, sondern die mit funktionierender Governance, guter Datenqualität und geklärter Compliance.

Das ist auf den ersten Blick kontraintuitiv. Interne Regelwerke und Datenschutzanforderungen gelten im Mittelstand meist als das, was Innovation ausbremst. Der Befund ist das Gegenteil: KI-Governance ist nicht die Bremse, sondern die Voraussetzung dafür, dass ein Pilot überhaupt eine Chance hat, produktiv zu werden. Wer vorher nicht entschieden hat, auf welche Daten ein Agent zugreifen darf, kann ihn hinterher nicht freischalten — unabhängig davon, wie gut er funktioniert.

Sopra-Steria-Experte Martin Stolberg führt die Stockungen auf drei ungeklärte Fragen zurück, und die lassen sich eins zu eins als Checkliste verwenden:

  1. Welche Daten darf der Agent nutzen? Nicht theoretisch, sondern konkret: welcher Ordner, welches System, welche Kundendaten.
  2. Welche Entscheidungen darf er allein treffen? Und ab welchem Betrag, welcher Tragweite oder welcher Unsicherheit muss ein Mensch gegenzeichnen?
  3. Wer prüft die Ergebnisse? Namentlich, mit einem festen Rhythmus — nicht “das Team schaut mal drauf”.

Wer diese drei Fragen vor dem Pilotprojekt beantwortet, baut einen Prototyp, der anschließend in Betrieb gehen kann. Wer sie danach beantworten muss, baut eine Demo.

Warum die nächsten Monate zählen

Am selben 2. November hat die KI-Taskforce der Bundesregierung ihren Bericht “Deutschland als KI-Nation 2030” vorgelegt: 18 ressortübergreifende Maßnahmen, das Ziel einer souveränen KI-Nation bis 2030 und die Einschätzung, dass die nächsten zwölf bis achtzehn Monate über die Weichenstellung entscheiden.

Für Unternehmen steht dort eine konkrete Zielzahl: Bis 2030 sollen mindestens 55 Prozent der kleinen und mittleren Unternehmen KI-Technologien einsetzen, bei Großunternehmen 80 Prozent. Ob das politische Ziel erreicht wird, ist offen — Kritik gibt es vor allem daran, dass der Finanzbedarf im Bericht nicht benannt wird.

Praktisch relevant ist daran etwas anderes: Programme, Förderungen und Beratungsangebote orientieren sich an solchen Zielmarken. Wer in den nächsten anderthalb Jahren einen klar umrissenen, dokumentierten KI-Prozess im Haus hat, wird davon leichter profitieren als jemand, der dann noch zwischen fünf Tools sucht.

Fazit: Ein Prozess statt fünf Prototypen

Die Studie liest sich wie ein Dämpfer, enthält aber eine gute Nachricht. Wenn 99 Prozent der Unternehmen KI-Agenten nicht durchgängig im Einsatz haben, ist der Vorsprung noch zu holen — und zwar nicht mit mehr Technik, sondern mit mehr Klarheit.

Die Empfehlung ist entsprechend unspektakulär: Wählen Sie einen Prozess, der heute messbar Zeit kostet. Beantworten Sie die drei Fragen zu Daten, Entscheidungsbefugnis und Prüfung schriftlich, bevor Sie ein Tool auswählen. Definieren Sie vorher, woran Sie nach acht Wochen erkennen, dass es funktioniert hat. Und schalten Sie die anderen vier Ideen so lange bewusst auf Warteposition — ein fertiger Prozess ist mehr wert als fünf beeindruckende Demos.

Genau an dieser Vorstufe arbeiten wir bei IT-iz mit Unternehmen aus der Region Hannover: welcher Ablauf sich wirklich lohnt, welche Daten dafür angebunden werden müssen und wo der ehrliche Rat lautet, es zu lassen. Mehr dazu auf unserer Seite zur Software- & Prozessoptimierung; wenn die Regeln selbst der Knackpunkt sind, hilft ein KI-Inventar und eine interne KI-Richtlinie als erster Schritt.