Ein KI-Agent ist kein Feature – es ist eine Identität, die man steuern muss
Gartner rechnet damit, dass bis Ende 2026 rund 40% der Unternehmensanwendungen eingebettete KI-Agenten haben werden – gegenüber unter 5% ein Jahr zuvor. Auch die Fähigkeitsfrage ist entschieden: Der Erfolg von Agenten bei realitätsnahen Benchmarks sprang laut Stanford HAI binnen eines Jahres von 20% auf 77%. Nach jedem Maßstab dessen, was Agenten heute können, ist das kein Experiment mehr.
Die Zahl, die mehr Sorgen machen sollte
Gartner rechnet außerdem damit, dass mehr als 40% der Agentic-AI-Projekte bis 2027 eingestellt werden. Nicht verzögert – eingestellt. Und laut Deloitte verfügen Anfang 2026 nur 21% der Unternehmen über ein ausgereiftes Governance-Modell für Agenten. Der Salesforce 2026 Connectivity Benchmark fand heraus, dass ein durchschnittliches Unternehmen bereits rund 12 KI-Agenten betreibt – etwa die Hälfte davon völlig unkoordiniert untereinander. Die Fähigkeit wurde schneller ausgeliefert, als irgendjemand das Gerüst gebaut hat, um sie sicher zu betreiben.
Warum „mehr Agenten hinzufügen" nicht das Problem löst
Der Reflex, wenn ein Agent unterdurchschnittlich abschneidet, ist, einen weiteren hinzuzufügen – einen Spezialisten für diese Aufgabe, einen Supervisor für jene. Aber ein Dutzend unkoordinierter Agenten scheitert nicht, weil ein einzelner Agent unfähig wäre. Sie scheitern, weil niemand grundlegende Fragen zum Gesamtsystem beantworten kann: Welcher Agent hat diese Aktion ausgeführt, unter wessen Autorität, mit Zugriff auf was, und wer gibt grünes Licht, bevor etwas Teures oder Unumkehrbares passiert? Das ist kein Modell-Problem. Es ist ein Identitäts- und Zugriffsproblem – dieselbe Art, die jedes Unternehmen für menschliche Mitarbeiter längst gelöst hat und dann nie auf die nicht-menschlichen Akteure ausgeweitet hat, die inzwischen daneben laufen.
Was Governance hier tatsächlich bedeutet
Drei Dinge, keines davon exotisch: Zugriffskontrolle, die pro Agent abgegrenzt ist statt eines gemeinsamen Credentials für alles, worauf ein Agent zugreifen könnte; Logging, das erfasst, welcher Agent was getan hat – nicht nur, dass „das System" etwas getan hat; und Human-in-the-Loop-Prüfpunkte bei genau den Aktionen, bei denen eine Fehlentscheidung teuer genug ist, um eine zu rechtfertigen. Nichts davon braucht ein besseres Modell. Es braucht, jeden Agenten als Identität mit einer Berechtigungsgrenze zu behandeln – so, wie man eine neue Mitarbeiterin einarbeiten würde, nicht wie ein Feature-Flag, das man einschaltet.
Wo sich das in unserer Arbeitsweise zeigt
Deshalb liegt das bei Development, nicht beim Modelltraining. Eine Governance-Schicht für Agenten ist Systemdesign – Zugriffskontrolle, Audit-Logging, Deployment-Architektur – gebaut um Agenten, die ein Kunde bereits hat oder gerade einführt, nach derselben Disziplin wie die Phase „Analysieren und planen", mit der jedes Development-Projekt beginnt: erfassen, was existiert, festlegen, wer wofür verantwortlich ist, bevor dem System irgendetwas Neues hinzugefügt wird.
Die Agenten sind bereits fähig genug, um relevant zu sein. Ob diese Fähigkeit den Kontakt mit einer echten Organisation übersteht, hängt davon ab, ob jemand die Governance-Schicht vor dem Rollout verantwortet – nicht erst, nachdem der erste Vorfall es unausweichlich macht.