Agentische KI: Anwendungsfälle, die den Umsatz steigern

Das Jahr 2025 markiert einen Wendepunkt bei der Einführung von KI. Dabei geht es nicht nur um intelligentere Algorithmen, sondern um den nächsten Schritt hin zu autonomen, agentenbasierten Systemen, die in der Lage sind, selbstständig zu denken, zu handeln und zusammenzuarbeiten.

Laut unserer Marktstudie zu Daten & KI aus dem Jahr 2025 nutzt fast die Hälfte der Unternehmen generative KI-Assistenten oder entwickelt sie gerade, und für viele sind KI-Agenten eine strategische Priorität. Aber welche Anwendungsfälle sorgen für Umsatz? Und wie kann man erfolgreiche Unternehmen nachahmen? In diesem Beitrag gehen wir auf der Grundlage der Ergebnisse unseres Data & AI Monitor in die Tiefe!

Was macht KI "agentenhaft"?

Zunächst einige Definitionen. Was ist ein Agent? Es gibt drei wichtige Eigenschaften, die sie auszeichnen:

Wie können Sie bei der Implementierung von Agenten erfolgreich sein? Naiverweise würde man denken, dass die Technik eine große Rolle spielt: Schließlich sind diese Agenten komplexe Softwaresysteme, die reagieren und mit einer chaotischen Realität umgehen müssen.

Das mag zwar immer noch eine Rolle spielen, aber unser Data & AI Monitor zeigt, dass Unternehmen, die verstehen, wo und wie sie KI einsetzen und sie mit einer starken Strategie verbinden, eher erfolgreich sein werden.

Hochwirksame agenturische KI-Anwendungsfälle

Finanzielle Compliance

Unser Bericht hebt hervor, dass die Finanzdienstleister bei der Einführung von KI-Agenten führend sind: 40 % der Unternehmen haben sie bereits eingeführt.

Und wir hätten es erwarten können: Eine starke Governance, qualitativ hochwertige Daten und die großen Auswirkungen, die Automatisierung und KI auf Finanzprozesse haben können, sind die Hauptfaktoren für eine schnellere Einführung von KI in Finanzdienstleistungen.

Laut einer Studie von McKinsey & Company ist die Finanzkriminalität ein Bankensektor, in dem der Nutzen von agentenbasierter KI am größten ist. KYC-Module (Know-your-Customer) und AML-Aktivitäten (Anti-Money-Laundering) erfordern viele manuelle, sich wiederholende Aufgaben, bei denen große Datenmengen und unterschiedliche Systeme durchforstet werden müssen. Agenten können mit ihrer autonomen Entscheidungsfindung, ihrer kontextabhängigen Anpassungsfähigkeit und ihrer mehrstufigen Ausführung einen Großteil der Arbeit automatisieren und den Spezialisten für Finanzkriminalität nur die Qualitätssicherung und Eskalationswege überlassen.

Es überrascht nicht, dass unser Bericht hervorhebt, dass Unternehmen KI-Systemen vertrauen müssen, um die Vorteile in solch sensiblen Bereichen nutzen zu können - die Erinnerung an eine Dreiviertelmilliarde Dollar Strafe für eine europäische Bank, die es versäumt hat, KYC-Prozesse zu implementieren, ist immer noch lebendig - und die Priorität der Erklärbarkeit und Protokollierung der Entscheidungen des Agenten bleibt eine Priorität für die Einführung.

KYC und AML sind nicht die einzigen Fälle von agentenbasierter KI im Finanzbereich, die große Auswirkungen haben. Kürzlich hat eine multinationale Bank eine agentengestützte KI-Lösung eingesetzt, die die Kundenzufriedenheit erhöht und die Ablenkung durch den Kundensupport um bis zu 20 % reduziert hat. Wie bei der Finanzkriminalität erwies sich das Verständnis des Agentenverhaltens als entscheidender Faktor für den Erfolg.

Autonome Kundendienstlösung

Mitarbeiter des Kundensupports verbringen die meiste Zeit mit sich wiederholenden, grundlegenden Problemen wie dem Zurücksetzen von Passwörtern oder der Auftragsverfolgung. Kein Wunder, dass Chatbots schon seit Jahren eingesetzt werden, um einen Teil davon zu automatisieren. Doch immer, wenn ein Kunde über die starren Skripte hinausging, musste der Chat an einen Menschen weitergeleitet werden, nur um das Passwort auf "Welcome97" zurückzusetzen (das vorherige war in Wirklichkeit "Welcome96", konnte also nicht wieder verwendet werden. Sicherheit, stellen Sie sich vor!) und dabei die Zeit aller Beteiligten zu verschwenden.

Es ist kein Wunder, dass große Sprachmodelle mit ihrer überragenden Fähigkeit, herauszufinden, was wir meinen, immer häufiger bei Kundendienstmitarbeitern eingesetzt werden. Diese Agenten verfügen über Tools, mit denen sie auf die Einkäufe der Kunden, frühere Tickets, Wissensdatenbanken und die berüchtigte Funktion zum Zurücksetzen von Passwörtern zugreifen können - so können sie uns viel länger autonom bedienen, bevor sie uns an einen Mitarbeiter weiterleiten.

Ich habe diese Fähigkeit neulich am eigenen Leib erfahren. Vor fast zwei Jahren habe ich eine kabelgebundene Ring-Türklingel gekauft. Gerade als die Garantiezeit ablief, reagierte die Klingel nicht mehr. Ring.com war so freundlich, mir eine neue Klingel zu schicken, aber sie schickten mir zwei E-Mails mit zwei verschiedenen Versandetiketten für die Rücksendung der alten Klingel. Ich zuckte mit den Schultern, wählte einen aus, druckte ihn aus und schickte ihn ab.

Zwei Wochen später erhielt ich eine E-Mail von Ring.com, in der stand, dass sie meine defekte Klingel immer noch nicht erhalten hatten (ich dachte, dass das unbenutzte Versandetikett irgendwelche Alarme auslöste). Ich rief also die Website auf, öffnete den Chat, und dort wartete ein KI-Agent auf mich. Und ich wusste, dass es sich um einen Agenten handelte, denn er hatte die Fähigkeit, Anrufe zu tätigen und eigenständig Entscheidungen zu treffen. Nachdem ich ihm die Situation erklärt hatte, sagte er mir, dass ich mir keine Sorgen machen müsse und dass er die Situation in meiner Akte vermerken würde.

Zwei Wochen vergingen, und bumm, eine weitere E-Mail von Ring.com. Sie hatten die Klingel immer noch nicht erhalten. Diesmal brachte mich der Chat zu einer hilfsbereiten Person, die die Notiz des Agenten las und mir versicherte, dass die E-Mails irgendwann aufhören würden. Daraus entnahm ich, dass der Agent zwar die Entscheidung getroffen und die Notiz geschrieben hatte, aber offenbar keinen Zugriff auf das Alarmsystem hatte, das diese E-Mails auslöste. Vielleicht sollten Sie das bei der nächsten Version hinzufügen?

Alles in allem war ich von den Fähigkeiten des Agenten wirklich beeindruckt, aber Ring.com ist in der Minderheit: Unser Bericht zeigt, dass nur 35 % der erfolgreichen KI-Implementierungen in Kerngeschäftsprozesse wie CRM und Helpdesk-Systeme integriert sind. Auch wenn sie in der Minderheit sind, so sind sie doch nicht die Einzigen. Eine unserer Fallstudien zeigt, wie Agentic AI einem globalen Kreuzfahrtunternehmen geholfen hat, die betriebliche Effizienz zu steigern und verpasste Kontaktmöglichkeiten um 80 % zu reduzieren.

Warum die meisten agentenbasierten KI-Implementierungen scheitern

Trotz dieser Erfolge enthüllt der Data & AI Monitor 2025 die harte Wahrheit darüber, warum Agentic AI scheitert: Unternehmen brauchen eine Anleitung, wo und wie sie KI einsetzen sollen. Tatsächlich haben mehr als 50% der Befragten diese Frage neutral oder negativ beantwortet.

Wenn sie also nicht wissen, wo und wie sie KI einsetzen sollen, was bauen sie dann? Es gibt zwei mögliche Wege: Sie tun gar nichts, oder sie bauen Lösungen auf der Suche nach Problemen. Dies ist ein typisches Merkmal von Unternehmen, die das Geschäft nicht in den Mittelpunkt stellen, sondern KI aus einem technischen Blickwinkel heraus vorantreiben.

Diese Themen ziehen sich wie ein roter Faden durch die Umfrage. Die wichtigsten organisatorischen Elemente für den KI-Erfolg sind das Stakeholder-Management und das Storytelling, die eng damit zusammenhängen, das Geschäft bei der Entwicklung von KI-Systemen in den Mittelpunkt zu stellen.

Darüber hinaus stellen wir fest, dass nur wenige Unternehmen über eine klare KI-Strategie verfügen. Den übrigen fehlt es an einer klaren Planung, einer starken Governance, der Bereitschaft der Mitarbeiter und einer disziplinierten Messung.

Letzteres ist besonders problematisch: Nur 33 % der Unternehmen geben an, dass sie den tatsächlichen geschäftlichen Nutzen von KI verfolgen. Das war für mich schockierend und wahrscheinlich einer der Hauptgründe dafür, dass Unternehmen nicht über ein Pilotprojekt oder einen Proof-of-Concept hinauskommen: Die Skalierung eines KI-Systems kann kostspielig sein - vor allem, wenn es in betriebliche Prozesse integriert wird - und ohne einen klaren Nutzen gibt es keinen Business Case dafür.

Wie Sie mit Agentic AI erfolgreich sind

Der Weg zum Erfolg ist dann einfach, erfordert aber viel Arbeit und das Rezept finden Sie im vorherigen Abschnitt:

Auch die technologische Seite bringt einige Zutaten in das Rezept ein. Die wichtigsten Elemente sind:

Das ist natürlich nicht alles. Vor allem im Umgang mit Agenten sind klar definierte Entscheidungsgrenzen - die festlegen, wie weit die Agenten bei ihren Entscheidungen gehen können und was sie selbständig tun können - und die Definition, wann ein menschliches Eingreifen erforderlich ist, eine Voraussetzung für den erfolgreichen Einsatz von Agenten.

Die KI-Umsatzchance durch Agenten

Nicht alle Unternehmen nutzen die Chancen, die ihnen die agentenbasierte KI bietet, aufgrund der oben genannten Herausforderungen. Obwohl die Lösung einfach ist, fehlt es diesen Unternehmen an Antrieb und Führung, um eine gut durchdachte Strategie umzusetzen. Und das ist keine Überraschung. Eine Strategie legt nicht nur die Investitionen fest, sondern auch die erwarteten Erträge. Und da die meisten Unternehmen keine Ahnung haben, wo und wie sie KI einsetzen sollen, wissen sie auch nicht, was sie in Bezug auf den ROI erwarten können.

Eine einfache Lösung besteht daher darin, sich auf bewährte Umsatztreiber (Vertrieb, Lieferkette, Produkt) zu konzentrieren und gleichzeitig häufige Fallstricke zu vermeiden - wie hier und in unserem Data & AI Monitor beschrieben -, um agenturgestützte KI von einem Schlagwort in einen gut geölten Gewinnmotor zu verwandeln.

Experimente und Pilotprojekte können eine gute Möglichkeit sein, den Wein zu probieren, bevor man die Flasche kauft. Der Erfolg liegt jedoch einen Schritt weiter, nämlich dann, wenn Unternehmen ihre KI-Systeme in großem Umfang einsetzen, sie in die Organisation einbetten und sie auf ihre Geschäftsziele ausrichten. Eine starke Führung wird ein Wegweiser sein, um diese Probleme zu überwinden und eine echte KI-Einführung zu erreichen.