Strategie24. September 202612 Min.

KI-Agenten im DACH-Mittelstand: Pilotprojekte selten produktiv

Eine aktuelle Lünendonk-Studie zeigt: 80 Prozent der Unternehmen im DACH-Raum stecken beim Einsatz von KI-Agenten in der Pilotphase fest. Der Sprung in den produktiven Betrieb gelingt nur selten, was eine erhebliche Skal

Kapitel H Research Team

Kapitel H

# KI-Agenten im DACH-Mittelstand: Pilotprojekte selten produktiv

Die Künstliche Intelligenz (KI) prägt zunehmend die Diskussionen in der deutschsprachigen Arbeitswelt. Insbesondere der Bereich der sogenannten KI-Agenten, also autonom agierender Systeme, verspricht eine Revolutionierung von Geschäftsprozessen. Die Realität im DACH-Raum zeigt jedoch ein Spannungsfeld zwischen hohem Potenzial und erheblichen Umsetzungshürden. Eine brandaktuelle Lünendonk-Studie offenbart: 80 Prozent der Unternehmen stecken beim Einsatz von KI-Agenten weiterhin in der Pilot- und Testphase. Der Sprung in den produktiven Betrieb gelingt nur selten. Diese Erkenntnis, gewonnen aus der Befragung von 180 CIOs, IT-Bereichsleitern und Fachbereichsverantwortlichen aus dem gehobenen Mittelstand und Konzernen der DACH-Region, weist auf eine deutliche „Skalierungslücke“ hin, die ein zentrales Problem der KI-Implementierung darstellt.

Für den Mittelstand im DACH-Raum ist diese Analyse von grosser Bedeutung. Sie liefert konkrete Einblicke in die Herausforderungen und zeigt, wo Unternehmen ansetzen müssen, um aus vielversprechenden Experimenten echten Geschäftsnutzen zu generieren. Es geht darum, nicht nur zu testen, sondern nachhaltig zu transformieren.

Die Skalierungslücke verstehen: Warum KI-Agenten im Pilotmodus verharren

Autonome KI-Agenten gelten als die nächste Evolutionsstufe der künstlichen Intelligenz. Sie sollen nicht nur assistieren, sondern Aufgaben eigenständig planen, Entscheidungen treffen und Handlungen ausführen können. Doch trotz dieses Potenzials bleibt ihr produktiver Einsatz gering. Die Lünendonk-Studie liefert dazu ernüchternde Zahlen: Lediglich 19 Prozent der befragten Unternehmen setzen KI-Agenten bereits in einzelnen Aufgabenbereichen ein. Eine durchgängige Ende-zu-Ende-Integration in mehrere Kernprozesse haben sogar nur ein Prozent der Unternehmen erreicht. Die anfängliche Euphorie über die Möglichkeiten von KI trifft hier auf eine ernüchternde Implementierungsrealität. Dies ist ein klares Zeichen dafür, dass die technologischen Versprechen oft noch nicht in die praktische Anwendung überführt werden können.

Besonders alarmierend ist die Feststellung, dass 66 Prozent der Unternehmen angeben, dass weniger als ein Viertel ihrer bisherigen KI-Pilotprojekte den Sprung in den produktiven Einsatz geschafft hat. Dies bedeutet, dass zwei Drittel der Pilotprojekte entweder scheitern oder auf halbem Weg stecken bleiben. Die Gründe für diese Skalierungslücke sind vielschichtig und reichen von technischen bis zu organisatorischen Herausforderungen. Oft fehlen geeignete technologische Voraussetzungen, moderne Integrationsschichten und eine ausreichende Datenanbindung. Sicherheits- und Datenschutzbedenken spielen ebenfalls eine Rolle, ebenso wie ein Mangel an qualifiziertem Personal für Umsetzung, Betrieb und Weiterentwicklung. Diese Faktoren hemmen die Unternehmen im DACH-Raum erheblich bei der Transformation von der Testphase zum messbaren Geschäftsnutzen.

Es reicht nicht aus, Technologie einzukaufen. Es muss ein Umfeld geschaffen werden, in dem diese Technologie effektiv wirken kann. Dies erfordert eine ganzheitliche Betrachtung der IT-Landschaft, der Datenstrategie und der menschlichen Ressourcen. Ohne eine solche Betrachtung bleiben KI-Agenten teure Experimente ohne nachhaltigen Wert.

Strategische Investitionen für echte KI-Transformation

Trotz der genannten Herausforderungen erkennen Unternehmen das enorme Potenzial von „Agentic AI“. Die Studie zeigt auf, dass für eine erfolgreiche KI-Transformation das Fundament gelegt werden muss. Entsprechend investieren die befragten Unternehmen gezielt in bestimmte Bereiche, um die Skalierungslücke zu schliessen und von Pilotprojekten zu produktiven Anwendungen zu gelangen:

* Datenqualität und -integration: 98 Prozent der Unternehmen planen in den kommenden zwei Jahren starke Investitionen in die Verbesserung und Integration ihrer Daten. Dies ist ein kritischer Schritt, da hochwertige und zugängliche Daten die Basis für effektive KI-Anwendungen bilden. Ohne saubere, konsistente und gut integrierte Daten sind KI-Agenten nicht in der Lage, zuverlässige Entscheidungen zu treffen oder Prozesse effizient zu steuern. Die Qualität der Ergebnisse einer KI ist direkt proportional zur Qualität der Daten, mit denen sie trainiert und betrieben wird.

* Orchestrierungsplattformen und IT-Infrastruktur: 94 Prozent investieren in diesen Bereich. Dies unterstreicht das Bewusstsein, dass eine robuste und flexible IT-Architektur unerlässlich ist, um komplexe KI-Systeme zu unterstützen und zu orchestrieren. KI-Agenten sind keine Insellösungen. Sie müssen in bestehende Systemlandschaften integriert werden, Prozesse übergreifend steuern und mit verschiedenen Datenquellen kommunizieren können. Dies erfordert moderne Integrationsschichten, APIs und eine skalierbare Infrastruktur, die den steigenden Anforderungen an Rechenleistung und Datenverarbeitung gerecht wird.

* Digital Enablement (Schulungen und Change Management): Für 87 Prozent der Unternehmen stehen Schulungen und professionelles Change Management im Fokus. Dies ist besonders wichtig, da der erfolgreiche Einsatz von KI nicht nur eine technische, sondern auch eine organisatorische und kulturelle Transformation erfordert. Mitarbeiter müssen befähigt werden, mit neuen KI-gestützten Tools umzugehen, neue Arbeitsweisen zu adaptieren und Ängste vor dem Jobverlust abzubauen. Eine Investition in die Fähigkeiten der Belegschaft ist eine Investition in die Zukunft des Unternehmens.

* KI-Compliance: Ebenfalls 87 Prozent der Unternehmen konzentrieren sich auf KI-Compliance. Dies verdeutlicht die wachsende Bedeutung regulatorischer Anforderungen, wie sie beispielsweise der EU AI Act und das revidierte Schweizer Datenschutzgesetz (revDSG) mit sich bringen. Unternehmen müssen sicherstellen, dass ihre KI-Anwendungen transparent, fair und datenschutzkonform sind. Die Einhaltung dieser Vorschriften ist nicht nur eine rechtliche Notwendigkeit, sondern auch ein wichtiger Faktor für das Vertrauen von Kunden und Mitarbeitenden in die Technologie.

Interessanterweise erwarten 73 Prozent der Unternehmen keine Ablösung bestehender Anwendungen durch KI-Agenten. Stattdessen sollen diese vorhandene Systeme ergänzen und komplette Prozessketten orchestrieren. Dies setzt offene Schnittstellen und ereignisgesteuerte Architekturen voraus und treibt somit die IT-Modernisierung voran. Es geht also nicht um das Ersetzen, sondern um das intelligente Erweitern und Optimieren.

Der Faktor Mensch: Kompetenzen als Schlüssel zum Erfolg

Die Einführung von KI ist zu einem grossen Teil eine Frage der menschlichen Fähigkeiten und der Bereitschaft zur Veränderung. Eine Studie des Stifterverbandes vom 22. September 2026 ergab, dass die grössten Kompetenzlücken in deutschen Unternehmen derzeit bei KI- und technologiebezogenen Fähigkeiten wahrgenommen werden. Über 80 Prozent der befragten Führungskräfte bewerten Future Skills als wichtig für die Wettbewerbsfähigkeit ihres Unternehmens. Neben Data Science & Analytics (26,3 Prozent) werden Change Management & AI (25,5 Prozent) als zentrale Fähigkeiten genannt, um den Wandel durch KI in Organisationen zu gestalten.

Dies zeigt, dass Technologieverständnis allein nicht ausreicht. Vielmehr werden Personen gesucht, die den Einsatz neuer Technologien im Unternehmen gestalten können. Unternehmen müssen ihre Beschäftigten nicht nur auf Veränderungen vorbereiten, sondern sie dazu befähigen, diese selbst mitzugestalten. Dies beinhaltet die Schulung von Mitarbeitenden auf allen Ebenen, von grundlegenden KI-Kenntnissen für alle bis hin zu spezialisierten Power-User-Pfaden für Teams in HR, Analytics oder Controlling. Auch Führungskräfte benötigen spezifische Trainings, um den KI-Einsatz strategisch zu steuern und die Transformation erfolgreich zu leiten.

Effektives Change Management ist somit kein

Häufige Fragen

Was sind KI-Agenten und wie unterscheiden sie sich von herkömmlicher KI?

KI-Agenten sind autonome Systeme, die in der Lage sind, Aufgaben eigenständig zu planen, Entscheidungen zu treffen und Handlungen auszuführen. Im Gegensatz zu herkömmlicher, oft regelbasierter oder assistierender KI, können Agenten komplexere, mehrstufige Prozesse ohne ständige menschliche Intervention steuern. Sie agieren proaktiver und selbstständiger, was sie zur nächsten Evolutionsstufe der künstlichen Intelligenz macht.

Warum scheitern so viele KI-Pilotprojekte an der Skalierung?

Die Lünendonk-Studie zeigt, dass viele KI-Pilotprojekte aufgrund einer Kombination von Faktoren nicht in den produktiven Einsatz gelangen. Dazu gehören fehlende technologische Voraussetzungen, unzureichende Datenqualität und -integration, mangelnde moderne Integrationsschichten, Sicherheits- und Datenschutzbedenken sowie ein deutlicher Mangel an qualifiziertem Personal für Implementierung, Betrieb und Weiterentwicklung. Die Hürden liegen oft nicht nur in der Technologie selbst, sondern in der Fähigkeit, diese ganzheitlich in die bestehende Unternehmenslandschaft zu integrieren.

Welche Rolle spielen Datenqualität und IT-Infrastruktur für den erfolgreichen KI-Einsatz?

Datenqualität und eine robuste IT-Infrastruktur sind das Fundament für erfolgreiche KI-Anwendungen. Hochwertige, saubere und gut integrierte Daten sind essenziell für die Trainings- und Betriebsphasen von KI-Agenten, da die Qualität der Ergebnisse direkt von den verwendeten Daten abhängt. Eine flexible und skalierbare IT-Infrastruktur mit modernen Orchestrierungsplattformen und offenen Schnittstellen ist notwendig, um die komplexen KI-Systeme zu unterstützen, sie in bestehende Prozesse zu integrieren und ihren steigenden Anforderungen an Rechenleistung und Datenverarbeitung gerecht zu werden. Ohne dieses Fundament bleiben KI-Projekte isolierte Experimente.

Wie wichtig ist Change Management bei der Einführung von KI in Unternehmen?

Change Management ist ein entscheidender Erfolgsfaktor bei der KI-Einführung. Der Einsatz von KI erfordert nicht nur eine technische, sondern auch eine organisatorische und kulturelle Transformation. Mitarbeitende müssen für den Umgang mit neuen Tools geschult, neue Arbeitsweisen adaptiert und Ängste vor Jobverlust abgebaut werden. Effektives Change Management stellt sicher, dass die Belegschaft befähigt wird, den Wandel mitzugestalten, die neuen Technologien akzeptiert und deren Potenzial voll ausgeschöpft werden kann. Es ist eine Investition in die Fähigkeiten und die Akzeptanz innerhalb der Organisation.

Welche rechtlichen Aspekte müssen Unternehmen bei KI im DACH-Raum beachten?

Im DACH-Raum müssen Unternehmen sowohl europäische als auch nationale Regelungen beachten. Der EU AI Act, der bis 2026 vollständig in Kraft tritt, setzt umfassende Regeln für Hochrisiko-KI-Systeme und Transparenzpflichten. In der Schweiz ist das revidierte Datenschutzgesetz (revDSG) direkt auf KI-gestützte Datenbearbeitungen anwendbar und erfordert Transparenz, Verzeichnis der Bearbeitungstätigkeiten und Datenschutz-Folgenabschätzungen bei hohem Risiko. Unternehmen müssen zudem die Debatte um den 'Daten-Omnibus' im EU-Digitalrecht verfolgen, der die Nutzung personenbezogener Daten für KI-Training beeinflussen könnte. Compliance ist nicht nur eine Pflicht, sondern auch ein Faktor für Vertrauen und Wettbewerbsfähigkeit.

Bereit für Ihre KI-Transformation?

Lassen Sie uns in einem unverbindlichen Erstgespräch herausfinden, wie wir Ihr Unternehmen unterstützen können.

Erstgespräch vereinbaren →