Enterprise AI Maturity Index KI-Agenten: Wie aus diesen eine Autonomous Workforce wird

Anbieter zum Thema

ServiceNow

CADFEM Germany GmbH

d.velop AG

Esker Software Entwicklungs-und Vertrieb

Viele Unternehmen nutzen bereits KI-Agenten, sind allerdings noch weit entfernt von vernetzten Abläufen. Doch erst dadurch wird ein messbarer Nutzen geschaffen. Im folgenden Beitrag wird erklärt, was Führungskräfte jetzt organisatorisch ändern müssen.

Deutsche Unternehmen investieren so viel wie nie in künstliche Intelligenz – und arbeiten trotzdem oft noch genauso wie zuvor. Der aktuelle Enterprise AI Maturity Index von ServiceNow und ThoughtLab zeigt: Innerhalb eines Jahres stiegen die KI-Ausgaben hierzulande um 118 Prozent. Warum verändert sich die Arbeit trotz dieser Investitionen bislang so wenig? Der Grund für die geringe Wirkung ist, dass Unternehmen zwar neue Tools wie KI-Agenten einführen, ihre Prozesse jedoch unangetastet lassen.

Der Blick auf den Arbeitsalltag fällt daher nüchtern aus: Meistens dienen KI-Agenten als persönliche Assistenten. Sie fassen Texte zusammen, suchen nach Informationen oder erstellen erste Analysen. Nur 16 Prozent der befragten Unternehmen in Deutschland verbinden damit Arbeitsprozesse über mehrere Unternehmensbereiche hinweg. Für eine leistungsfähige Autonomous Workforce sind drei Voraussetzungen entscheidend: durchgängige Prozesse mit klarer Verantwortung, vernetzte Daten und Systeme sowie feste Regeln für die Zusammenarbeit zwischen Menschen und KI-Agenten.

KI ist angekommen – autonome Arbeit noch nicht

Doch wann wird aus einzelnen KI-Agenten eine Autonomous Workforce? Sobald spezialisierte digitale Akteure ihre Aufgaben aufeinander abstimmen und gemeinsam mit den Mitarbeitenden einen vollständigen Prozess bearbeiten – vom ersten Anliegen bis zum Ergebnis.

Ein Beispiel aus dem internen Service verdeutlicht den Unterschied. Ein persönlicher Assistent kann eine Anfrage zusammenfassen oder eine passende Richtlinie finden. Er geht dem Mitarbeiter also unterstützend zur Hand. In einem autonomen Ablauf jedoch übernimmt ein Agent die Anfrage und ordnet sie zu. Ein zweiter prüft Daten, Regeln und Berechtigungen. Ein weiterer führt die nötige Handlung aus oder stößt sie im richtigen System an.

Autonomie bedeutet dabei nicht, dass der Mensch aus dem Prozess verschwindet. Er greift ein, wenn ein Fall besondere Erfahrung, Empathie oder eine verantwortungsvolle Entscheidung erfordert. Diese Art von Arbeitsteilung und die eigenständige Bearbeitung von Aufgaben durch KI-Agenten, ist in deutschen Unternehmen aktuell noch kaum verbreitet.

KI-Agenten: Autonome Workflows brauchen neue Strukturen

Je mehr Schritte KI selbstständig übernimmt, desto stärker stößt sie jedoch an die Grenzen bestehender Organisationen. Denn ein durchgängiger Ablauf lässt sich nur steuern, wenn Agenten auf die erforderlichen Daten und Systeme zugreifen können. Der Enterprise AI Maturity Index zeigt zwei zentrale Schwachstellen auf:

• 72 Prozent der befragten Führungskräfte in Deutschland nennen unzureichende Datenqualität, fehlenden Zugriff oder mangelhaftes Datenmanagement als Hürde.
• Nur 15 Prozent der Unternehmen haben ihre fragmentierten Altsysteme durch eine gemeinsame Plattform ersetzt.

Unter diesen Bedingungen können KI-Agenten einzelne Aufgaben erledigen. Einen Prozess über mehrere Systeme und Abteilungen hinweg können sie jedoch kaum zuverlässig steuern. Autonome Workflows brauchen deshalb eine eindeutige Verantwortung vom Eingang bis zum Ergebnis.

Damit verändern sich auch etablierte Rollen. Prozessverantwortliche müssen künftig über Abteilungsgrenzen hinweg zusammenarbeiten. Gemeinsam mit IT, Datenschutz und Risikomanagement legen sie Datenzugriffe, Regeln und Eskalationswege fest. Entscheidend ist, ob ein Unternehmen seine Prozesse, Systeme und Verantwortlichkeiten auf das Zusammenspiel dieser Elemente ausrichtet. Erst dann entsteht aus einzelnen digitalen Helfern eine Autonomous Workforce, die die Leistung des gesamten Unternehmens verbessert.

Wie viel Kontrolle erfordert autonome KI

Diese neue Arbeitsteilung erfordert ein verbindliches Governance-Modell. Unternehmen müssen prüfen können, ob KI-Agenten die vereinbarten Regeln einhalten und zuverlässige Ergebnisse liefern. Hinzukommt, dass Entscheidungen dokumentiert und Ergebnisse regelmäßig getestet werden müssen – nur so können etwaige Abweichungen früh erkannt werden. Zudem muss eindeutig feststehen, wer einen autonomen Ablauf stoppen oder korrigieren kann.

Bei sensiblen Daten oder schwer rückgängig zu machenden Entscheidungen sollte die Freigabe durch einen Menschen erforderlich sein. Viele Unternehmen stehen hier noch am Anfang. Laut dem Enterprise AI Maturity Index verfügen in Deutschland nur 16 Prozent über etablierte Prüf-, Audit- und Risikoverfahren für KI. Dabei schafft Governance erst die Voraussetzung, um autonome Workflows sicher auf weitere Prozesse und Bereiche zu expandieren.