Weniger als 5% aller Unternehmensanwendungen hatten Anfang 2025 aufgabenspezifische KI-Agenten integriert. Bis Ende 2026 soll diese Zahl laut Gartner auf 40% steigen. Eine Verachtfachung in rund 18 Monaten. Keine Enterprise-Software-Kategorie hat sich jemals so schnell bewegt. Nicht Cloud-Migration. Nicht Mobile-First. Nicht SaaS selbst.
Gleichzeitig prognostiziert Gartner, dass über 40% der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, wegen steigender Kosten und unklarem Geschäftswert. Beide Prognosen stammen von derselben Analystenfirma. Beide sind vermutlich richtig. Die Frage ist nicht, ob KI-Agenten in Ihren Enterprise-Stack kommen. Sie sind bereits da. Die Frage ist, ob der “KI-Agent” Ihres Anbieters tatsächlich ein Agent ist oder nur ein Chatbot mit neuem Etikett.
Die Prognose im Detail
Anushree Verma, Senior Director Analyst bei Gartner, veröffentlichte die Prognose im August 2025 mit einer klaren Warnung: C-Level-Führungskräfte in Softwareunternehmen hätten drei bis sechs Monate Zeit, ihre Agentic-AI-Strategie festzulegen, oder riskierten, vom Wettbewerb überholt zu werden.
Gartner skizziert eine fünfstufige Evolutionsskala:
- 2025: Assistenten in jeder App (Copilots, Autovervollständigung, Zusammenfassungen)
- 2026: Aufgabenspezifische Agenten für mehrstufige Workflows
- 2027: Kollaborative Agenten innerhalb einzelner Anwendungen
- 2028: Anwendungsübergreifende Agenten-Ökosysteme mit Inter-Agenten-Kommunikation
- 2029: Fast die Hälfte aller Mitarbeiter geschult in Erstellung oder Management von KI-Agenten
Wir befinden uns aktuell im Übergang von Stufe eins zu Stufe zwei. Die “40% bis Jahresende”-Prognose bezieht sich spezifisch auf aufgabenspezifische Agenten, nicht auf allgemeine Assistenten. Diese Unterscheidung ist entscheidend. Ein Copilot, der E-Mail-Antworten vorschlägt, ist Stufe eins. Ein Agent, der eine komplette Rechnungsfreigabekette abarbeitet, Daten aus dem ERP zieht, Compliance-Regeln prüft und Ausnahmen an den richtigen Freigeber weiterleitet, ist Stufe zwei.
Die Umsatzperspektive
Im Best-Case-Szenario von Gartner könnte Agentic AI bis 2035 rund 30% des Umsatzes mit Unternehmensanwendungen ausmachen, über 450 Milliarden Dollar. IDC prognostiziert, dass Agentic AI die IT-Budgetexpansion dominieren wird, mit über 26% der weltweiten IT-Ausgaben und 1,3 Billionen Dollar bis 2029.
Für DACH-Unternehmen ist das besonders relevant: Der EU AI Act, der ab August 2026 vollständig in Kraft tritt, schafft einen regulatorischen Rahmen, den Gartners Prognose nicht berücksichtigt. Deutsche und österreichische Unternehmen müssen bei der Agentenintegration gleichzeitig Compliance-Anforderungen erfüllen, die in den USA keine Rolle spielen.
Welche Plattformen tatsächlich liefern
Nicht alle Anbieter sind gleich weit. Hier der Stand der großen Enterprise-Plattformen im Q1 2026:
Salesforce: Agentforce 360
Salesforce ist beim Produkt-Branding am weitesten. Agentforce 360 umfasst einen Agent-Builder, Agentforce Script (eine hybride deterministisch-LLM-Reasoning-Engine) und Agentforce Voice. Besonders interessant: Salesforce führte ein “Agentic Enterprise License Agreement” mit Festpreis-Verbrauchsmodell ein. Das signalisiert, dass Agenten genug Volumen verarbeiten sollen, dass das klassische Pro-Nutzer-Lizenzmodell nicht mehr funktioniert.
Microsoft meldete, dass 160.000+ Organisationen in nur drei Monaten 400.000+ benutzerdefinierte Agenten über Copilot Studio erstellt haben. Das ist beeindruckende Masse, aber Masse ist nicht gleich Wertschöpfung. Ein
zeigt eine erhebliche Lücke zwischen Agent-Erstellung und produktivem Agent-Einsatz.SAP: Joule Studio
SAP brachte Joule Studio im Q1 2026 in die allgemeine Verfügbarkeit, mit domänenspezifischen Agenten für Finanzen, HR, Lieferkette und IT-Betrieb. Der entscheidende Unterschied: Joule-Agenten kommunizieren mit Microsoft Copilot über die A2A- und MCP-Protokolle und ermöglichen so plattformübergreifende Agentenkommunikation. Für Unternehmen, die sowohl SAP als auch Microsoft nutzen (also die meisten DAX-40-Konzerne), wiegt das schwerer als jedes einzelne Agenten-Feature.
ServiceNow und Workday
ServiceNow schloss im Januar 2026 eine mehrjährige Vereinbarung mit OpenAI, um Frontier-Modell-Fähigkeiten einzubetten, und wechselte zu verbrauchsbasierter Preisgestaltung für KI-Agenten. Workday startete Illuminate AI Agents für HR-Fallmanagement, Leistungsbeurteilungen und Finanzabschluss-Workflows.
Eine Forrester-TEI-Studie zu Dynamics 365 Customer Service AI-Agenten ergab 315% ROI und 14,7 Millionen Dollar Einsparungen über drei Jahre. ServiceNow berichtet von einer 52-prozentigen Zeitreduktion bei komplexen Kundenservice-Fällen.
Das Agent-Washing-Problem
Hier wird Gartners Prognose unbequem. Laut Gartners eigener Analyse sind nur etwa 130 der tausenden Anbieter, die Agentic-AI-Fähigkeiten beanspruchen, echt. Der Rest betreibt “Agent Washing”: bestehende Chatbots, RPA-Bots und einfache Automatisierungen werden als “KI-Agenten” umgelabelt, ohne echte autonome Reasoning-Fähigkeiten.
Für den DACH-Markt kommt ein weiteres Problem hinzu: Viele der “Agenten” in Enterprise-Software werden über US-Cloud-Dienste betrieben. Deutsche Unternehmen müssen hier DSGVO-Konformität sicherstellen, insbesondere wenn Agenten auf personenbezogene Daten in HR-, CRM- oder ERP-Systemen zugreifen. SAP hat hier mit der souveränen Cloud-Option einen Vorteil gegenüber rein US-basierten Anbietern.
Wie Sie Agent Washing erkennen
Ein echter aufgabenspezifischer KI-Agent muss folgendes können:
- Ein Ziel in Teilaufgaben zerlegen, ohne dass jeder Schritt explizit vorgegeben wird
- Werkzeuge nutzen (APIs, Datenbanken, Dateisysteme) basierend auf Reasoning, nicht auf fest codierten Regeln
- Ausnahmen behandeln, indem der Ansatz angepasst wird, statt an eine menschliche Warteschlange zu eskalieren
- Kontext aufrechterhalten über einen mehrstufigen Workflow, der Minuten oder Stunden dauert
Wenn der “Agent” Ihres Anbieters in Wirklichkeit ein Entscheidungsbaum mit LLM-generiertem Text an jedem Knotenpunkt ist, dann ist das Automatisierung mit besserem Copywriting. Es ist kein Agent. Die
unterscheiden sich grundlegend von dem, was Chatbots benötigen.Die Gegenprognose: 40% Projektabbrüche
Deloittes State of AI in the Enterprise 2026 liefert ernüchternde Zahlen: Enterprise-Investitionen in generative und Agentic AI liegen bei geschätzten 30-40 Milliarden Dollar, aber nur 5% der Organisationen haben diese Ausgaben in produktionsreife Deployments mit messbarem P&L-Effekt überführt. McKinsey bestätigt: Weniger als 10% haben Agentic AI im funktionalen Maßstab ausgerollt.
Der Engpass ist nicht das KI-Modell. Es ist die
: Observability, Evaluation, Testing und die Integrationsschicht, die Agenten mit Legacy-Systemen verbindet.Was das für Ihren Tech-Stack bedeutet
Wenn Sie 2026 Enterprise-Software evaluieren, liefert Gartners Prognose einen konkreten Rahmen für die Anbieterbewertung:
Stellen Sie Ihren Anbietern drei Fragen:
Was kann der Agent ohne menschliches Eingreifen tun? Wenn die Antwort “einen Entwurf für menschliche Überprüfung erstellen” lautet, ist das ein Copilot, kein Agent. Copilots sind Stufe eins. Sie sollten nicht Agenten-Preise für Copilot-Fähigkeiten bezahlen.
Wie interagiert der Agent mit Ihren anderen Systemen? Achten Sie auf MCP- (Model Context Protocol) oder A2A-Protokollunterstützung (Agent-to-Agent). Agenten, die nur innerhalb eines einzelnen Anwendungssilos funktionieren, stoßen schnell an Grenzen.
Was passiert, wenn der Agent scheitert? Jeder Agent wird scheitern. Die Frage ist, ob er kontrolliert versagt (an einen Menschen mit vollständigem Kontext eskaliert) oder unkontrolliert (still eine falsche Entscheidung trifft oder die Aufgabe fallen lässt).
Der Preismodell-Wandel
PwCs AI Agent Survey zeigt: 88% der Führungskräfte planen, ihre KI-Budgets wegen Agentic AI zu erhöhen, aber nur 12% der CEOs sehen tatsächlich Erträge. Diese Lücke wird sich schließen, sobald verbrauchsbasierte Modelle Anbieter zwingen, messbaren Wert zu liefern statt Shelfware zu lizenzieren.
Für den deutschen Mittelstand bedeutet das: Warten ist keine Option, aber blindes Kaufen auch nicht. Beginnen Sie mit einem klar abgegrenzten Use Case in einem System, das Ihr Unternehmen bereits nutzt, etwa SAP Joule für Finanzprozesse oder Dynamics 365 für Kundenservice. Messen Sie den ROI nach 90 Tagen. Erst dann skalieren.
Häufig gestellte Fragen
Was prognostiziert Gartner für KI-Agenten in Unternehmensanwendungen bis 2026?
Gartner sagt voraus, dass 40% der Unternehmensanwendungen bis Ende 2026 aufgabenspezifische KI-Agenten eingebettet haben werden, gegenüber weniger als 5% in 2025. Das entspricht einer Verachtfachung in rund 18 Monaten.
Welche Enterprise-Plattformen haben bereits KI-Agenten integriert?
Stand Q1 2026 haben Salesforce (Agentforce 360), Microsoft (Copilot Studio mit über 400.000 benutzerdefinierten Agenten), SAP (Joule Studio), ServiceNow (OpenAI-gestützte Agenten) und Workday (Illuminate AI Agents) produktionsreife KI-Agenten-Fähigkeiten in ihren Plattformen.
Was ist Agent Washing bei Enterprise-KI?
Agent Washing bezeichnet die Praxis, bestehende Chatbots, RPA-Bots oder einfache Automatisierungen als KI-Agenten umzulabeln, ohne echte autonome Reasoning-Fähigkeiten. Gartner schätzt, dass nur etwa 130 der tausenden Anbieter mit Agentic-AI-Ansprüchen tatsächlich echte Agenten liefern.
Welcher Prozentsatz der Agentic-AI-Projekte wird scheitern?
Gartner prognostiziert, dass über 40% der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, aufgrund steigender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen. Laut Deloitte haben nur 5% der Organisationen ihre Investitionen in produktionsreife Deployments mit messbarem P&L-Effekt überführt.
Wie sollten deutsche Unternehmen KI-Agenten-Fähigkeiten ihrer Software-Anbieter bewerten?
Stellen Sie drei Fragen: Was kann der Agent ohne menschliches Eingreifen? Wie kommuniziert der Agent mit anderen Systemen (achten Sie auf MCP- oder A2A-Protokollunterstützung)? Was passiert bei Fehlern? Zusätzlich müssen DACH-Unternehmen DSGVO-Konformität und EU-AI-Act-Anforderungen bei der Agentenbewertung berücksichtigen.