Gartner erwartet, dass bis Ende 2026 rund 40 Prozent der Unternehmensanwendungen KI-Agenten enthalten. Dieselbe Quelle sagt voraus, dass Unternehmen über 40 Prozent ihrer Agentic-AI-Projekte bis Ende 2027 wieder einstellen. McKinsey liefert eine dritte 40, diesmal für Konzerne, die Agenten skalieren. Dreimal 40, dreimal eine andere Aussage.
Ich hab die Studien für diesen Artikel durchgearbeitet, weil mich EPU und KMU in der DACH-Region in meiner Beratung ständig fragen, ob sie jetzt auf Agenten umsteigen müssen. Mein Eindruck: Die Zahlen widersprechen sich nicht, sie messen verschiedene Dinge. Wer das vermischt, entscheidet über Budgets anhand einer Überschrift. Du erfährst, was jede Zahl wirklich zählt, woran Agenten im Betrieb hängenbleiben und was Du daraus für Deinen Betrieb machst. Schauen wir mal, was hinter den Prozenten steckt.
Bei jeder Studie zu KI-Agenten frage ich zuerst, was gezählt wurde: Apps mit Agenten-Funktion, Firmen mit Pilotprojekt oder Firmen mit einem Agenten im Echtbetrieb. Das sind drei verschiedene Zahlen, und zwischen ihnen liegen Welten.
Alex Januschewsky, KI-Berater und Trainer
- Agentic AI
- KI-Systeme, die ein Ziel bekommen, Zwischenschritte selbst planen und Werkzeuge wie Mail, Browser oder CRM bedienen. Ein Chatbot antwortet, ein Agent handelt.
- Pilot und Produktion
- Im Pilot läuft ein Agent begrenzt und unter Aufsicht. In der Produktion arbeitet er mit echten Daten, echten Kunden und echten Folgen.
- Agent Washing
- Hersteller etikettieren Chatbots oder klassische Automatisierung als Agenten, obwohl nichts eigenständig handelt.
- Human-in-the-loop
- Ein Mensch gibt jede folgenreiche Aktion frei.
Was behaupten Gartner und McKinsey eigentlich?
Gartner hat im Sommer 2025 prognostiziert, dass 40 Prozent der Unternehmensanwendungen bis Ende 2026 aufgabenspezifische Agenten enthalten, nach unter fünf Prozent im Jahr 2025. Ob das stimmt, wissen wir in knapp drei Monaten. Schon im Juni 2025 hatte Analystin Anushree Verma in der Gartner-Pressemitteilung zu Agentic-AI-Projekten vorhergesagt, dass Unternehmen über 40 Prozent dieser Projekte bis Ende 2027 streichen, weil die Kosten steigen, der Geschäftswert unklar bleibt und Risikokontrollen fehlen. Die meisten Projekte seien frühe Experimente, die der Hype antreibt und die oft am falschen Problem ansetzen. Dazu kommt Agent Washing: Gartner schätzt, dass nur rund 130 der tausenden Anbieter, die sich als Agenten-Anbieter bezeichnen, tatsächlich Agenten liefern.
Der State-of-AI-Report 2026 von McKinsey stützt sich auf 1.719 Befragte, die zwischen 4. Mai und 8. Juni 2026 antworteten. 40 Prozent der Befragten aus Organisationen mit über einer Milliarde Dollar Umsatz skalieren Agenten in mindestens einer Funktion, nach 27 Prozent im Vorjahr. Bei kleineren Organisationen sind es unverändert 22 Prozent. Gleichzeitig sehen nur 37 Prozent einen positiven Beitrag der KI zum EBIT, praktisch derselbe Wert wie 2025, obwohl mehr Firmen skalieren. Rund sechs Prozent zählt McKinsey zu den High Performern.
Warum passen die Zahlen nicht zusammen?
Weil jede Zahl eine andere Frage beantwortet:
| Quelle | Was gezählt wird | Wert |
|---|---|---|
| Gartner (Prognose) | Unternehmensanwendungen mit Agenten-Funktion | 40 % bis Ende 2026 |
| McKinsey 2026 | Befragte aus Konzernen, die Agenten in mindestens einer Funktion skalieren | 40 % |
| Deloitte Tech Trends 2026 | Organisationen mit Agenten in der Produktion (neben 38 % im Pilot) | 11 % |
| Umfrage unter 650 Technologieverantwortlichen, März 2026 | Agent organisationsweit im Betrieb skaliert (78 % haben mindestens einen Pilot) | 14 % |
Gartner zählt, was Hersteller in ihre Software einbauen. Das misst das Angebot, nicht die Nutzung. Das ist meine Einschätzung, Gartner schreibt es so nicht. McKinsey fragt nach Selbstauskunft, und „skaliert in einer Funktion“ kann ein Coding-Agent in der IT-Abteilung sein: Rund zwei von zehn Organisationen skalieren solche Agenten, bei den großen sind es 31 Prozent. Deloitte und die Umfrage unter den 650 Leuten zählen Echtbetrieb, und dort sieht die Welt nüchterner aus.
Zwischen 11 und 40 Prozent liegt also eine Treppe, kein Widerspruch: Angebot, Pilot, Skalierung in einer Funktion, Betrieb im ganzen Unternehmen. Das Bild hinkt leicht, weil nicht jeder Betrieb jede Stufe braucht, aber es trifft den Kern. Eine Einschränkung noch: Etliche dieser Umfragen kommen von Firmen, die Infrastruktur für Agenten verkaufen. Ich lese sie deshalb als Richtung, nicht als Messwert.
Woran scheitern KI-Agenten zwischen Pilot und Produktion?
Am häufigsten an der Anbindung. In einer Umfrage des Anbieters Arcade nennen 46 Prozent der Unternehmen die Verbindung zu bestehenden Systemen als größte Hürde. Das passt zu dem, was mehrere Praxisanalysen beschreiben: Im Pilot läuft der Agent mit ausgesuchten Daten, simulierten Schnittstellen und einem einzigen Testnutzer. In der Produktion trifft er auf Altsysteme, unvollständige Einträge und Kunden, die sich nicht ans Drehbuch halten.
Dazu kommt das Geld. Gartner nennt steigende Kosten und unklaren Nutzen als zwei der drei Gründe für abgebrochene Projekte. Und McKinsey zeigt, dass der EBIT-Beitrag trotz mehr Skalierung stagniert. Wer Technologie kauft, aber den Ablauf dahinter nicht ändert, sieht keine Produktivität. Das ist der Kern meines Artikels über die KI-Produktivitätslüge, und die McKinsey-Zahlen bestätigen ihn.
Der dritte Punkt kommt in Studien kaum vor: Wer verantwortet, was der Agent tut? Ich bin mir da nicht ganz sicher, aber mein Eindruck ist, dass kleine Betriebe diese Frage erst stellen, wenn etwas passiert ist. Was dahintersteckt, wenn ein Agent mit eigenen Zugängen arbeitet, hab ich im Artikel über Haftung und Loop Engineering beschrieben.
Was heißt das für EPU und KMU?
Ich schätze, dass in meiner Beratung rund fünf Prozent der Fälle wirklich einen autonomen Agenten brauchen. Das ist Erfahrung, keine Studie. Warum ich die übrigen 95 Prozent lieber mit einem gut geführten Chatbot löse, steht im Artikel, warum Du wahrscheinlich keinen KI-Agenten brauchst.
Die fünf Prozent haben drei Merkmale: Der Ablauf wiederholt sich, er besteht aus vielen Teilschritten, und Daten müssen laufend geprüft werden. Für meine Mail-Triage hab ich selbst einen Agenten aufgesetzt. Er sortiert, priorisiert und legt mir Antwortentwürfe vor, abschicken muss ich sie selbst. Meinen Mailaufwand hat das deutlich mehr als halbiert. Bei WPVibe, mit dem ich WordPress-Seiten bearbeite, arbeitet die KI zuerst in einer Entwurfskopie. Ich schau mir die Vorschau an, erst nach meiner Freigabe geht etwas live, und vor Eingriffen auf einer Live-Seite liegt ein Backup bereit. Das ist Human-in-the-loop in der Praxis, und das macht Sinn, weil ich so jeden Schritt kontrolliere, der Folgen hat.
Noch etwas, das viele überspringen: Artikel 4 des EU AI Act, die Pflicht zur KI-Kompetenz, gilt seit Februar 2025. Der Digital Omnibus, seit 27. Juli 2026 in Kraft, hat die Hochrisiko-Fristen auf Dezember 2027 und August 2028 verschoben, die Kompetenzpflicht aber nicht gekippt. Er schreibt kein bestimmtes Niveau mehr vor, Dein Team musst Du trotzdem schulen. Was das für Einzelunternehmen konkret heißt, hab ich im Artikel zum Digital Omnibus für EPU aufgeschrieben.
Welche vier Fragen stellst Du vor dem Pilotprojekt?
- Welche Entscheidung trifft der Agent allein, und welche legt er mir zur Freigabe vor?
- Auf welche Systeme greift er zu, und darf er dort nur lesen oder auch schreiben?
- Woran messe ich nach vier Wochen, ob es sich lohnt, in Stunden oder in Euro?
- Wer in meinem Betrieb verantwortet das Ergebnis, wenn der Agent Mist baut?
Wenn Du eine dieser Fragen nicht beantworten kannst, fehlt Dir nicht der Agent, sondern die Beschreibung des Ablaufs.
Häufige Fragen zu Agentic AI im Unternehmen
Was Du diese Woche tun kannst
Nimm einen Ablauf, den Du schon hundertmal von Hand erledigt hast, und bilde ihn zuerst mit einem Chatbot ab. Klappt das, hast Du einen Kandidaten für einen Agenten. Klappt es nicht, hätte Dir der Agent nur schneller dieselben Fehler geliefert. Ob Gartners 40 Prozent bis Ende Dezember stimmen, ist für Deinen Betrieb ziemlich egal. Entscheidend ist, ob Dein Ablauf klar genug beschrieben ist. Du kannst warten, bis sich die Zahlen angleichen. Oder Du beschreibst heute Deinen Ablauf.
