Die Ausgaben der Unternehmen für agentenbasierte KI steigen rasant, doch die Klarheit hinkt hinterher

Laut der jüngsten US AI Pulse Survey von EY fließen die Unternehmensbudgets branchenübergreifend in Projekte mit agentenbasierter KI, doch die meisten Entscheidungsträger wissen immer noch nicht, was sie da eigentlich kaufen.

Der Begriff wird inflationär verwendet und auf alles angewendet, was auch nur entfernt an generative KI erinnert. Führungskräfte geben Millionenbeträge frei, ohne wirklich zu verstehen, was diese Systeme leisten. Das führt zu einer erheblichen Diskrepanz zwischen cash und tatsächlichen Fähigkeiten.

Jeder fünfte der befragten Führungskräfte gab an, dass sein Unternehmen bereits über 10 Millionen Dollar in KI, und fast ein Drittel plant, im nächsten Jahr dasselbe zu tun.

Dan Diasio, globaler KI-Leiter bei EY, zeigte sich nicht überrascht. „Agentische KI sorgt für Aufsehen, und viele Marktteilnehmer wollen davon profitieren“, sagte er. „Wir beobachten ein unglaubliches Rebranding von allem, was mit generativer KI zu tun hat und als ‚agentische KI‘ präsentiert wird.“

Das Problem? Die meisten Systeme, die Unternehmen als „agentisch“ bezeichnen, funktionieren immer noch wie ein Assistent. Man gibt etwas ein, und es wird etwas ausgegeben. Es schlägt vielleicht einen nächsten Schritt vor oder automatisiert administrative Aufgaben, aber es arbeitet nichtdent. Dan sagte, echte Agenten wüssten, wann eine Aufgabe erledigt werden müsse, verstünden den Kontext und erledigten jeden Schritt, ohne dazu aufgefordert zu werden.

Führungskräfte geben mehr aus, nehmen weniger auf

Trotz der gestiegenen Ausgaben schreitet die Implementierung nur schleppend voran. Lediglich 14 % der befragten Führungskräfte gaben an, dass ihr Unternehmen agentenbasierte KI vollständig eingeführt hat . Alle anderen stecken noch in der Pilotphase fest. Laut Dan liegt diese Diskrepanz daran, dass die Unternehmen nicht auf die Anforderungen vorbereitet sind.

„Dazu gehört, über fundiertes, qualitativ hochwertiges Wissen zu verfügen, um diese Systeme zu steuern, und ein klares Verständnis dafür zu haben, wie Unternehmen den massiven Wandel zwischen dem Ist- und dem Soll-Zustand bewältigen.“ Anders ausgedrückt: Ohne Grundlage keine Umsetzung.

Trotz der Erfolge früherer KI-Projekte zögern die meisten Unternehmen, weiterzumachen. Laut Dan ist es die Mischung aus technischer Schwäche und Veränderungsresistenz, die die Entwicklung bremst. „Diese Kombination schafft zwar ein Klima der Unsicherheit, bietet Unternehmen aber gleichzeitig einen klaren Fahrplan“, sagte er. Dieser Fahrplan? Zuerst die internen Probleme lösen. Andernfalls sind es nur weitere teure Pilotprojekte, die im Sande verlaufen.

Deepankar Mathur, stellvertretender Direktor bei Searce, sagte, die Idee einer flächendeckenden Einführung sei mittlerweile ziemlich sinnlos. „Es ist, als versuche man, ein sich ständig bewegendes Ziel zu treffen“, so Mathur.

Die Entwicklung agentenbasierter KI kennt keinen einzelnen Einführungszeitpunkt. Vielmehr geht es um ständige Verbesserungen. Ichdent, was automatisiert werden muss, entscheide, was am wichtigsten ist, nutze die besten verfügbaren Werkzeuge und optimiere sie dann umgehend. „Dieser Verbesserungszyklus ist kein temporäres Projekt, sondern eine permanente operative Notwendigkeit“, sagte er.

Führungskräfte defiRollen, sichern Systeme und erschließen Teams

Dan erklärte, dass man Angst und Verwirrung vermeiden könne, indem man die Zusammenarbeit von KI und Mensch als echte Partnerschaft betrachte. Es müsse klar definiert werden, wer welche Aufgaben übernimmt. „Das bedeutet, eine Strategie zu entwickeln, die festlegt, welche Aufgaben die KI übernimmt und welche Rollen die Menschen dabei spielen“, sagte er. Dadurch würden Zweifel beseitigt und die Mitarbeiter könnten mit den Werkzeugen arbeiten, anstatt gegen sie.

Das funktioniert aber nur, wenn die KI mit Daten arbeiten kann. „Arbeiten werden durch Know-how und Erfahrung erledigt, Informationen, die oft nur im Kopf der Arbeiter existieren“, sagte Dan. Solches Wissen ist nicht in einer Datenbank gespeichert. Es muss erfasst und strukturiert werden. Agentische Systeme benötigen dies, um intelligente Entscheidungen zu treffen. Ohne Input kein Output.

Und dann ist da noch die Cybersicherheit. Dan erklärte, dass mehr Agenten im Produktiveinsatz auch mehr Sicherheitslücken bedeuten. „Wir erhalten immer mehr Meldungen über die Cyberrisiken vieler Agenten“, sagte er. Das bedeutet, dass Unternehmen von Anfang an KI-basierte Cybersicherheitspläne entwickeln müssen. Es gilt, Regeln für Datennutzung, Datenschutz, Ethik und menschliches Eingreifen festzulegen. „Indem Führungskräfte diese Governance-Fragen proaktiv angehen, können sie ein vertrauenswürdiges und transparentes System aufbauen“, sagte er.

Deepankar plädierte außerdem dafür, Teams direkten Zugriff auf KI-Tools zu ermöglichen. Er sagte, man müsse kein Ingenieur mehr sein, um etwas Nützliches zu entwickeln. „Die Hürden für die KI-Implementierung sind deutlich gesunken“, sagte er. Sich auf Lenkungsausschüsse oder zentrale KI-Gremien zu verlassen, bremse den Prozess jedoch nur aus. „Echter Fortschritt erfordert Führungskräfte, die diese breite Anwendung aktiv fördern und ermöglichen.“

Er sagte, die fortschrittlichsten Unternehmen würden interne KI-Kompetenzzentren einrichten. Dabei handele es sich nicht um riesige Abteilungen, sondern um kleine Expertenteams, die in verschiedene Geschäftsbereiche integriert würden, diese schulten und sie befähigten, eigene KI-gestützte Arbeitsabläufe zu entwickeln. „Die erfolgreichsten Unternehmen bauen kleine, hochkarätige Teams von KI-Spezialisten auf“, sagte er.