Agenten im Einsatz

Was KI-Agenten heute schon in Unternehmen verändern.

Wenn Agenten vom Werkzeug zur Betriebsschicht werden

Wenn Sie nur eine Minute haben

KI-Agenten verlassen die Seitenleiste. Sie rücken in den laufenden Betrieb vor. Dort bearbeiten sie Daten, koordinieren Wissensarbeit, stoßen Aktionen in Unternehmenssystemen an und übernehmen klar begrenzte Teile von Prozessen.

Die entscheidende Entwicklung dieser Woche ist deshalb nicht ein neues Modell. Es ist die entstehende Infrastruktur rund um Agenten: Unternehmenskontext, Berechtigungen, Kostenkontrolle, menschliche Freigaben und ein Schalter für den Ernstfall.

Geschäftsführer, Revenue Leader sowie Verantwortliche für IT, Daten und Sicherheit sollten jetzt aufmerksam werden. Denn wer Agenten nur als Produktivitätswerkzeug einzelner Mitarbeiter behandelt, unterschätzt die Veränderung. Es geht um eine neue operative Schicht zwischen Mensch, Daten und Prozess.

Wer diese Entwicklung ignoriert, verliert nicht nur Effizienz. Er überlässt die künftige Prozessarchitektur den Anbietern, den Fachbereichen oder dem Zufall.

Diese Entwicklungen sollten Sie nicht übersehen

LTM skaliert 1.500 ServiceNow-Agenten im eigenen Unternehmen

Was passiert ist

LTM setzt nach eigenen Angaben 1.500 KI-Agenten in Cybersecurity, HR, IT und Projektabwicklung ein. Im KI-Asset-Management soll die Effizienz um bis zu 80 Prozent steigen. Für Management-Prüfzyklen werden Verbesserungen von bis zu 87 Prozent genannt.

Warum das wichtig ist

1.500 Agenten sind kein Pilotprojekt mehr. Hier wird sichtbar, was Skalierung tatsächlich bedeutet: Unternehmen führen nicht einen Universalagenten ein. Sie verteilen viele digitale Rollen auf unterschiedliche Bereiche.

Damit verschiebt sich die Führungsfrage. Nicht mehr: Welches Tool kaufen wir? Sondern: Wer verantwortet welches Ensemble aus Agenten, Prozessen und menschlichen Entscheidungen?

Wo der Einsatz konkret wird

Die genannten Einsatzfelder reichen von Cybersecurity und IT bis zu HR, Projektabwicklung und Management-Prüfungen. Betroffen sind damit Prozesse, die viele Informationen, wiederkehrende Bewertungen und dokumentierte Übergaben enthalten.

Wer dadurch Hebel bekommt

Operations-Verantwortliche, CIOs und Leiter zentraler Funktionen bekommen einen Hebel, wenn sie wiederkehrende Arbeit in klar definierte Agentenrollen zerlegen können. Auch das Management profitiert, wenn Prüfungen schneller vorbereitet werden.

Wer jetzt unter Druck gerät

Unter Druck geraten Organisationen, die Agenten weiterhin als einzelne Assistenten betrachten. Bei dieser Größenordnung reichen lose Experimente nicht mehr. Jeder Agent braucht eine Aufgabe, einen Owner, eine Kennzahl und eine Grenze.

Snowflake verbindet autonome Arbeit mit zentraler Agenten-Governance

Was passiert ist

Snowflake hat mit CoCo und CoWork Always-on-Agenten vorgestellt, die wiederkehrende Daten- und Wissensarbeit im Hintergrund erledigen sollen. Business Ontology und Cortex AI Gateway kontrollieren dabei Kontext, Berechtigungen, Kosten und menschliche Freigaben.

Warum das wichtig ist

Der relevante Teil ist nicht, dass ein Bot Aufgaben bearbeitet. Relevant ist die Kontrollschicht dahinter. Autonomie wird erst unternehmenstauglich, wenn der Agent weiß, worauf er zugreifen darf, welcher Kontext gilt, was eine Aktion kosten darf und wann ein Mensch entscheiden muss.

Wo der Einsatz konkret wird

Realistischer werden dauerhaft laufende Daten- und Wissensprozesse. Der Agent wartet nicht auf jeden einzelnen Prompt. Er arbeitet im Hintergrund und bindet Menschen an definierten Freigabepunkten ein.

Wer dadurch Hebel bekommt

Daten-, Analyse- und Wissensteams können wiederkehrende Arbeit aus der manuellen Bearbeitung lösen. Governance-Verantwortliche gewinnen zugleich die Möglichkeit, Kontrolle nicht nachträglich aufzusetzen, sondern in den Arbeitsfluss einzubauen.

Wer jetzt unter Druck gerät

Unter Druck gerät die Vorstellung, ein leistungsfähiges Modell reiche aus. Ohne verständlichen Geschäftskontext, saubere Rechte und klare Freigaben bleibt Autonomie ein Risiko. Datenplattformen werden damit zu Agentenplattformen. Das verändert auch den Wettbewerb um die zentrale Unternehmensinfrastruktur.

Google erweitert die Agentic Data Cloud für unternehmensweite Agenten

Was passiert ist

Google verbindet Agenten mit Daten über mehrere Clouds hinweg und führt eine selbstlernende Kontextanreicherung ein. Aus eigenen Tests berichtet Google von nahezu vierfacher Genauigkeit, bis zu 75 Prozent weniger Tokenverbrauch und bis zu 33 Prozent geringerer Latenz.

Warum das wichtig ist

Agenten scheitern im Unternehmen selten am schönen Dialog. Sie scheitern am fehlenden Kontext. Wenn relevante Daten über mehrere Umgebungen verteilt sind, braucht der Agent eine belastbare Verbindung zwischen Information, Bedeutung und Handlung.

Die genannten Testergebnisse sind Anbieterangaben. Die Richtung ist dennoch klar: Kontextqualität wird zu einem wirtschaftlichen Faktor. Sie beeinflusst Genauigkeit, Geschwindigkeit und laufende Kosten.

Wo der Einsatz konkret wird

Unternehmensweite Agenten können realistischer werden, wenn sie nicht an einer einzelnen Datenquelle enden. Das betrifft Analyse, Recherche und weitere Abläufe, bei denen Informationen aus verteilten Systemen zusammengeführt werden müssen.

Wer dadurch Hebel bekommt

Unternehmen mit verteilten Datenlandschaften bekommen eine Perspektive, Agenten über Systemgrenzen hinweg einzusetzen. Datenarchitekten gewinnen dabei an strategischer Bedeutung: Sie bauen nicht nur Datenzugänge. Sie bauen den Arbeitskontext digitaler Kollegen.

Wer jetzt unter Druck gerät

Unter Druck geraten isolierte KI-Piloten, die mit exportierten Dateien und manuell zusammengestellten Wissensbeständen arbeiten. Das kann für einen Test reichen. Für unternehmensweite Prozesse reicht es nicht.

CrowdStrike führt einen Kill Switch für KI-Agenten ein

Was passiert ist

Falcon Guardian soll autorisierten Menschen erlauben, auffällige Agenten zu stoppen, ihren Neustart zu blockieren und den Netzwerkzugriff zu unterbrechen. Die Eingriffe werden protokolliert.

Warum das wichtig ist

Ein Kill Switch ist kein dramatisches Zusatzfeature. Er ist ein Reifezeichen. Sobald Agenten selbstständig handeln und Systeme verbinden, reicht Beobachtung nicht mehr. Unternehmen brauchen eine technisch durchsetzbare Möglichkeit, Autonomie zu entziehen.

Wo der Einsatz konkret wird

Der Mechanismus greift dort, wo Agenten Netzwerkzugriff besitzen, weiterlaufen können und bei auffälligem Verhalten gestoppt werden müssen. Protokollierte Eingriffe schaffen zugleich eine Grundlage für Nachvollziehbarkeit.

Wer dadurch Hebel bekommt

Security-Teams und autorisierte Verantwortliche bekommen eine klare Interventionsmöglichkeit. Das kann Fachbereichen mehr Handlungsspielraum geben, weil Grenzen nicht nur in Richtlinien stehen, sondern technisch abgesichert werden.

Wer jetzt unter Druck gerät

Unter Druck geraten Unternehmen, die Agenten aktivieren, ohne Abschaltung, Eskalation und Wiederanlauf zu definieren. Wer keinen Not-Aus plant, hat keine Governance. Er hat Hoffnung.

Was das für den Einsatz von KI-Agenten bedeutet

Die Plattformlogik wird sichtbar: Agenten brauchen drei Schichten. Erstens Zugriff auf Daten und Geschäftskontext. Zweitens die Fähigkeit, Arbeit selbstständig auszuführen. Drittens Kontrolle über Rechte, Kosten, Freigaben und Abschaltung.

Damit werden vor allem Prozesse agentenfähig, die wiederkehrend, informationsintensiv und über klare Entscheidungspunkte strukturiert sind. Cybersecurity, HR, IT, Projektabwicklung, Datenarbeit und Management-Prüfungen sind keine zufällige Auswahl. Dort existieren viele Übergaben, Prüfungen und dokumentierbare Regeln.

Agenten sind deshalb mehr als ein weiteres KI-Tool. Ein Tool wartet. Ein Agent handelt. Genau dadurch verschieben sich Verantwortlichkeiten: Fachbereiche definieren Ziele und Grenzen. Datenverantwortliche liefern Kontext. Security kontrolliert Zugriffe. Menschen übernehmen Freigaben und Ausnahmen.

Den Vorsprung bekommen nicht zwingend die Unternehmen mit den meisten Agenten. Ihn bekommen jene, die Rollen, Daten und Eskalationen sauberer gestalten als andere.

Achten Sie auf diese Signale in Ihrem Unternehmen

• Signal 1: Sie zählen Agenten, aber niemand kann deren konkrete Rollen, Owner und Grenzen benennen.
• Signal 2: Sie testen Modelle, obwohl der notwendige Geschäftskontext weiterhin über Dateien, Clouds und Köpfe verteilt ist.
• Signal 3: Sie sprechen über autonome Workflows, haben aber keine menschlichen Freigabepunkte definiert.
• Signal 4: Ihr Sicherheitskonzept überwacht Agenten, kann sie aber nicht zuverlässig stoppen, isolieren und am Neustart hindern.
• Signal 5: Sie versprechen Skalierung, ohne Berechtigungen, Kostenkontrolle und Prozessverantwortung gemeinsam zu gestalten.

Der strategische Schritt der Woche

Wenn ich diese Woche ein Unternehmen beim Einsatz von KI-Agenten beraten würde, wäre mein Vorschlag:

Wählen Sie einen echten End-to-End-Workflow aus Daten-, Wissens- oder Prüfarbeit. Nicht die attraktivste Demo. Den teuersten wiederkehrenden Engpass.

Zeichnen Sie anschließend fünf Dinge auf einer Seite ein: Ziel, Datenzugriff, erlaubte Aktionen, menschliche Freigabe und Not-Aus. Benennen Sie einen fachlichen Owner und eine Wirkungskennzahl. Erst danach wählen Sie Plattform und Agent.

Das klingt klein. Es ist der Unterschied zwischen einem Tool-Test und einer belastbaren Betriebsarchitektur.

Schlussgedanke

KI-Agenten werden zur Führungsaufgabe, sobald sie nicht mehr nur antworten, sondern handeln. Dann geht es um Mandate, Entscheidungsrechte und Grenzen. Das ist Systemdesign. Und es ist Organisationsdesign.

Die nächste Phase gewinnt nicht, wer den eindrucksvollsten Agenten vorführt. Sie gewinnt, wer digitale Arbeit so klar organisiert, dass Autonomie nützlich, messbar und abschaltbar bleibt.

All the best
Tim Cortinovis