Jeder baut angeblich einen. Fast keiner weiß, welchen.

Bei der Agentisierung im Enterprise-Umfeld liegen Hype und Skepsis ausnahmsweise beide daneben – man muss nur trennen, wovon die Rede ist. Privat, auf Instagram und LinkedIn, gilt der Agent als Wochenend-Wunder, das angeblich ganze Abteilungen ersetzt. Im Unternehmensbetrieb ist er weder das eine noch ferne Science-Fiction: Er ist beides gleichzeitig – je nachdem, welche der drei Stufen gemeint ist. Genau diese Unterscheidung fehlt in fast jeder Diskussion.

Erst die Begriffe: Workflow oder Agent?

Zur Einordnung hilft eine Trennung, die auch KI-Anbieter selbst verwenden:

• Workflow: Sie orchestrieren feste Schritte, die ein Modell abarbeitet. Sie besitzen den Ablauf – vorhersehbar und prüfbar.
• Agent: Das Modell steuert den Ablauf selbst und entscheidet über Reihenfolge und Werkzeugeinsatz. Das Modell besitzt den Ablauf – flexibler, aber schwerer zu kontrollieren.

Stufe 1: Was Ihr Agent heute kann

Gemeint ist der Agent, den Sie als geübter KI-Nutzer selbst zusammenstellen – ohne eine Zeile Code. Das ist mehr, als die meisten glauben: No-Code-Agenten sind inzwischen fester Bestandteil von Systemen wie Microsoft 365 Copilot (Enterprise) und vergleichbaren Baukästen – der Schritt vom reinen Chatfenster zum Werkzeug, das eine Aufgabe übernimmt.

Stufe 2: Was Agenten wirklich können

Eine Stufe darüber arbeiten Systeme, die erfahrene AI Engineers bauen: mehrere Agenten, die sich Arbeit zuteilen, tief mit den Fach- und Backend-Systemen verbunden, mit Freigaben für alles Kritische. Das setzt Technik voraus – Anbindungen an bestehende Systeme, eine kontrollierte Entwicklungs- und Betriebsumgebung, durchgängiges Monitoring.

Stufe 3: Was Agenten nicht können

Die dritte Stufe ist die wichtigste – und die, über die am wenigsten gesprochen wird. Denn sie definiert, wo die Verantwortung bleibt.

Die Übersetzung fürs Unternehmen

Der teure Fehler ist nicht, keinen Agenten zu bauen. Der teure Fehler ist, eine Aufgabe auf der falschen Stufe anzusiedeln – Stufe-3-Verantwortung an Stufe-1-Werkzeuge zu delegieren oder ein Stufe-2-Projekt für ein Wochenendthema zu halten.

In der Praxis ist ohnehin selten eine ganze Stufe die Antwort, sondern der Prozess end-to-end: Entlang eines Ablaufs wechseln sich die Stufen ab. Genau hier setzt eine durchgängige Beratung an – nicht „ein Agent für alles“, sondern die richtige Stufe an der richtigen Stelle der Kette:

• 1 · Ein Agent bereitet vor. Er sammelt, sortiert, schlägt vor – das Volumen.
• 2 · Ein Mensch entscheidet. Die Weichenstellung, die Urteil braucht.
• 3 · Ein Agent führt weiter aus. Die Umsetzung der Entscheidung, wieder im Volumen.
• 4 · Ein Mensch drückt das Letzte. Die finale Freigabe – dort, wo die Haftung liegt.

Und über den ganzen Ablauf hinweg gelten drei Prüffragen:

• Stufe zuerst, Tool danach: Vor jeder Agenten-Idee steht die Einordnung – ist das eine delegierbare Fleißaufgabe (Stufe 1), ein integriertes Prozesssystem (Stufe 2) oder eine Urteilsfrage (Stufe 3)? Diese Sortierung ist die eigentliche Kompetenz, nicht das Bauen. Und oft reicht ein fester Workflow, wo ein „echter“ Agent verkauft wird – günstiger, vorhersehbarer, prüfbarer.
• Freigaben sind kein Beiwerk – zunehmend sind sie Pflicht: Sobald ein Agent Fachsysteme, Warenwirtschaft oder Kundenkommunikation berührt, gehört jeder kritische Schritt hinter eine menschliche Freigabe. Das ist nicht nur betriebliche Vorsicht: Der EU AI Act verlangt seit August 2025 Transparenz für allgemeine KI-Modelle und ab August 2026 für Hochrisiko-Anwendungen ausdrücklich menschliche Aufsicht, Risikomanagement und Protokollierung. Die menschliche Freigabe ist damit die Voraussetzung dafür, dass ein Agent überhaupt in den regulierten Betrieb darf.
• Vorsicht bei „Agentic“: Nicht überall, wo „agentisch“ draufsteht, steckt ein Agent drin – vieles ist umetikettiertes Bestandsprodukt („agent washing“). Erste Prüffrage bei jedem Angebot: Entscheidet das System selbst über Reihenfolge und Werkzeugeinsatz – oder ist es ein umbenannter Chatbot mit festem Ablauf?

Der Realitätscheck

Dass Agenten sich durchsetzen und dass viele Projekte scheitern, ist kein Widerspruch – es ist dieselbe Botschaft aus zwei Richtungen. Der Stanford AI Index 2026 bringt es auf den Punkt: 88 Prozent der Organisationen nutzen KI in mindestens einem Bereich, aber weniger als 10 Prozent haben sie in irgendeinem Bereich vollständig skaliert; 74 Prozent nennen Ungenauigkeit als größtes Risiko. Die Fähigkeit ist da – die betriebliche Reife oft nicht. In Deutschland zeigt sich dasselbe Gefälle nach Größe: Laut Bitkom setzen über 60 Prozent der Unternehmen mit mehr als 500 Beschäftigten KI ein, der Mittelstand zieht nach, aber noch nicht auf Augenhöhe. Der Unterschied zwischen einem produktiven Agenten und einem teuren Piloten liegt selten am Modell. Er liegt an Datenqualität, Prozessnähe, Freigaben und der Frage, ob jemand im Haus die drei Stufen auseinanderhalten kann.

Next Steps – je nach Ihrer Ausgangslage.

Was Sie diese Woche konkret tun können:

• 01 · Sofort: Eine Aufgabe einer Stufe zuordnen. Nehmen Sie eine wiederkehrende Aufgabe, bei der jemand im Team „das sollte doch ein Agent können“ gesagt hat. Ordnen Sie sie einer der drei Stufen zu – und benennen Sie, welcher Teil zwingend beim Menschen bleibt.
• 02 · Diese Woche: Einen Stufe-1-Agenten bauen. Lassen Sie eine geübte Person einen delegierten Assistenten ohne Code aufsetzen – etwa für Postfach-Vorsortierung oder Rechercheaufträge. Ziel ist die Erfahrung „delegieren statt prompten“, nicht das perfekte System.
• 03 · Dieses Quartal: Freigabepunkte definieren. Für die zwei bis drei kritischsten Prozesse festlegen, an welchen Stellen ein Agent nie ohne menschliche Freigabe handeln darf – bevor ein Stufe-2-Projekt startet, nicht danach. Das deckt zugleich die Aufsichtspflichten des EU AI Act ab.
• 04 · Vor jedem Einkauf: Den „Agent-washing“-Test. Bei jedem Anbieter, der „agentisch“ verspricht, konkret fragen: Was entscheidet das System selbst, und was ist ein fester Ablauf? Wer das nicht sauber beantwortet, verkauft vermutlich einen umbenannten Chatbot.

Drei Fragen für die nächste Führungsrunde – selten sauber beantwortet.

• 01 Bei unseren aktuellen Agenten-Ideen: Wissen wir jeweils, ob es eine Stufe-1-Fleißaufgabe, ein Stufe-2-Projekt oder eine Stufe-3-Urteilsfrage ist?
• 02 An welchen Stellen dürfte ein Agent in unseren Prozessen niemals ohne menschliche Freigabe handeln – und ist das irgendwo festgehalten?
• 03 Woran würden wir merken, dass ein Agent selbstbewusst, aber falsch liegt – bevor es ein Kunde oder ein Prüfer merkt?

Quellen, kurz kommentiert

Wenn Sie das Thema selbst weiterverfolgen wollen – ohne LinkedIn-Hot-Takes:

• Stanford HAI: „AI Index Report 2026“. Die belastbare Standortbestimmung: Agenten technisch zunehmend reif, Unternehmen aber selten produktiv skaliert – und Ungenauigkeit als meistgenanntes Risiko. hai.stanford.edu
• MIT: „A better method for identifying overconfident large language models“ (März 2026). Warum die Selbstsicherheit eines Modells kein Beleg für Richtigkeit ist – und warum Übereinstimmung mehrerer Modelle das bessere Signal ist. eecs.mit.edu
• MIT (Project NANDA): „The GenAI Divide – State of AI in Business 2025“. Die nüchterne Gegenzahl zum Hype: 95 % der GenAI-Piloten ohne messbaren Ergebnisbeitrag, und der Befund, dass Zukauf und Partnerschaft den Eigenbau deutlich schlagen. nanda.media.mit.edu
• Anthropic: „Building Effective Agents“. Die klarste öffentliche Unterscheidung von Workflow und Agent – mit dem seltenen Rat, im Zweifel gar keinen Agenten zu bauen. Technisch, aber ohne Vertriebslärm. anthropic.com

Für die deutsche und regulatorische Einordnung: die Bitkom-Studie „Künstliche Intelligenz in Deutschland 2026“ (KI-Einsatz von 17 auf 41 %, Agenten als schnellster Wachstumsbereich, Gefälle zum Mittelstand) und der Zeitplan des EU AI Act (menschliche Aufsicht für Hochrisiko-Systeme ab August 2026).

Für den laufenden Überblick lohnen sich einordnende statt bloß meldende Newsletter – etwa The Batch (DeepLearning.AI) und Import AI (Policy-Fokus). Beide trennen Substanz von Ankündigung, statt jede Demo zur Revolution zu erklären.