Unternehmen betreiben im Schnitt 12 KI-Agenten, und die Hälfte davon kann nicht miteinander kommunizieren. Das ist das zentrale Ergebnis des Salesforce Connectivity Benchmark Report 2026, basierend auf Interviews mit 1.050 IT-Führungskräften in neun Ländern, darunter 100 in Deutschland. Der Report macht eines deutlich: Das Nadelöhr bei Enterprise-KI ist nicht mehr der Bau von Agenten. Es ist deren Vernetzung.
Multi-Agent-Systeme sollen bis 2027 um 67% wachsen. Doch 50% der heutigen Agenten laufen in isolierten Silos, 27% der Unternehmens-APIs sind ohne Governance, und nur 54% der Organisationen verfügen über ein zentrales Steuerungsframework für ihre KI-Agenten. Deutsche Unternehmen liegen mit durchschnittlich 10 Agenten etwas unter dem globalen Schnitt, rechnen aber mit einem Wachstum von 80% innerhalb von zwei Jahren.
Die Zahlen: 12 Agenten, 957 Apps und ein Koordinationsproblem
Der Connectivity Benchmark ist Salesforces 11. jährlicher Report, erstellt in Zusammenarbeit mit Vanson Bourne und Deloitte Digital. Die Befragung lief zwischen Oktober und November 2025 in den USA, Großbritannien, Frankreich, den Niederlanden, Deutschland, Australien, Hongkong, Japan und Singapur.
Die Kernbefunde:
- 83% der Organisationen geben an, dass die meisten oder alle Teams KI-Agenten einsetzen
- Unternehmen betreiben im Schnitt 12 KI-Agenten, bis 2027 sollen es rund 20 werden
- 50% dieser Agenten arbeiten in Silos, getrennt voneinander und von zentralen Geschäftssystemen
- 86% der IT-Führungskräfte befürchten, dass Agenten ohne ordentliche Integration mehr Komplexität als Nutzen bringen
- Das durchschnittliche Unternehmen betreibt 957 Anwendungen, nur 27% sind per API verbunden
Die letzte Zahl erklärt alles andere. Man kann 12 Agenten nicht über 957 Anwendungen orchestrieren, wenn drei Viertel dieser Anwendungen keine API-Integration haben. Die Agenten funktionieren. Die Infrastruktur nicht.
Ein reguliertes Medizintechnikunternehmen stand innerhalb eines Jahres bei über 900 in Silos gebauten Agenten. Das ist kein Einzelfall. Es ist das, was passiert, wenn Agent-Erstellung schneller wächst als Governance.
Protokoll-Adoption: Schneller als erwartet, aber ungleichmäßig
Der Report liefert einige der ersten Großdaten zur Enterprise-Adoption von Agent-Kommunikationsprotokollen:
- 40% der Befragten nutzen Agent-to-Agent (A2A) Protokolle
- 39% nutzen das Model Context Protocol (MCP)
- 68% finden es schwierig, mit neuen Agent-Standards Schritt zu halten
Die A2A- und MCP-Zahlen liegen höher als die meisten Branchenbeobachter erwartet haben. Aber dass 68% Schwierigkeiten haben, mit den Standards mitzuhalten, deutet darauf hin, dass die Adoption oft reaktiv statt strategisch verläuft. Organisationen führen Protokolle ein, weil ihre Anbieter sie pushen, nicht weil sie einen durchdachten Interoperabilitätsplan haben.
Das Silo-Problem ist kein reines Technik-Problem
Die naheliegende Lesart von “50% der Agenten laufen in Silos” ist: Unternehmen brauchen bessere Integrations-Middleware. Das stimmt teilweise. Aber die SalesforceDevops.net-Analyse des Reports geht weiter: Das schwierigste Problem ist nicht Verbindung. Es ist Kontext.
Agenten können APIs aufrufen. Sie können Nachrichten an andere Agenten senden. Was sie nicht zuverlässig können: verstehen, was ein anderer Agent meint. Wenn ein Kundenservice-Agent ein Ticket an einen Billing-Agenten eskaliert, erhält der Billing-Agent ein Datenpaket, keinen Geschäftskontext. Er kennt die Ticket-ID und die Kunden-ID. Er weiß nicht, dass dieser Kunde diese Woche schon dreimal angerufen hat, dass er einen Alttarif nutzt, oder dass der Service-Agent bereits eine Teilgutschrift angeboten hat.
Das ist die semantische Kontextlücke. Unternehmen haben keine “Semantic Layer”, die Bedeutung harmonisiert, Identitäten auflöst und Berechtigungen durchsetzt, bevor Agenten handeln. Ohne diese Schicht werden Multi-Agent-Systeme zu besseren API-Ketten, bei denen jeder Agent von vorne anfängt.
Warum die Governance nur halb steht
Nur 54% der Organisationen haben ein zentrales Governance-Framework für KI-Agenten. Die anderen 46% steuern ihre Agenten über Team-Richtlinien, informelle Absprachen oder gar nicht.
Die Governance-Lücke hat konkrete Folgen:
- 27% der APIs sind ohne Governance: Niemand erfasst, wer sie aufruft, wie oft und mit welchen Berechtigungen. Wenn ein Agent fünf API-Calls hintereinander macht, reicht ein unkontrollierter Endpunkt, um den gesamten Workflow unprüfbar zu machen.
- Schatten-KI-Risiko: Ohne zentrale Entdeckungsmechanismen starten Teams Agenten, die vorhandene duplizieren oder auf Daten zugreifen, die sie nicht sehen sollten. Für deutsche Unternehmen, die unter der DSGVO und dem EU AI Act arbeiten, ist das ein Compliance-Risiko mit erheblichen Bußgeldern.
- 96% der IT-Führungskräfte stimmen zu, dass der Erfolg von KI-Agenten von nahtloser Integration über alle Systeme abhängt. Nur ein Bruchteil hat das erreicht.
Deutschland: 10 Agenten, 80% Wachstum, besondere Herausforderungen
Der Report enthält spezifische Daten für Deutschland, basierend auf 100 befragten IT-Führungskräften. Deutsche Unternehmen betreiben im Schnitt 10 KI-Agenten, zwei weniger als der globale Durchschnitt, erwarten aber ein Wachstum von 80% innerhalb von zwei Jahren. Das wäre schneller als der globale Schnitt von 67%.
Dazu passt der KI-Index Mittelstand 2026 von Salesforce: Die KI-Nutzung im deutschen Mittelstand ist um 54% gestiegen, der Einsatz von KI-Agenten hat sich fast verdoppelt. Die Adoption beschleunigt sich, aber die Infrastruktur wächst nicht mit.
Für DACH-Unternehmen kommt ein regulatorischer Faktor hinzu. Bis August 2026 müssen Hochrisiko-KI-Systeme unter dem EU AI Act vollständige Datenherkunftsnachweise, Human-in-the-Loop-Checkpoints und Risikoeinstufungen vorweisen. Wer 73% seiner Anwendungen nicht integriert hat, kann keine Datenherkunft nachweisen. Compliance erfordert Integration, und Integration erfordert Infrastruktur, die die meisten Unternehmen noch nicht haben.
Salesforces Antwort: MuleSoft Agent Fabric
Salesforce veröffentlicht diese Daten nicht aus akademischem Interesse. Der Connectivity Report ist auch ein Argument für MuleSoft Agent Fabric, ihre Plattform zur Entdeckung, Vernetzung und Steuerung von Agenten über Herstellergrenzen hinweg.
Das Januar-2026-Release von Agent Fabric führte Agent Scanners ein, die automatisch Agenten über Salesforce Agentforce, Amazon Bedrock, Google Vertex AI und Microsoft Copilot Studio entdecken. Die These: Man kann Agenten nicht steuern, die man nicht kennt.
Die Plattform unterstützt sowohl MCP- als auch A2A-Protokolle und positioniert MuleSoft als Integrationsschicht zwischen Agenten, unabhängig davon, welcher Anbieter sie gebaut hat. MuleSofts Blog beschreibt das als “Betriebssystem für das agentenbasierte Unternehmen.”
Ob man das Produktangebot kauft oder nicht: Das architektonische Argument ist stichhaltig. Multi-Agent-Systeme brauchen eine Koordinationsschicht, die folgendes abdeckt:
- Discovery: Welche Agenten existieren, was sie tun und wer sie verantwortet
- Identitätsweitergabe: Wenn Agent A Agent B aufruft, muss das nachgelagerte System die Berechtigungen des ursprünglichen Nutzers kennen
- Semantischer Kontext: Geteilte Geschäftsbedeutung, die mit den Daten wandert, nicht nur die Daten selbst
- Audit-Trails: Vollständige Nachvollziehbarkeit, welcher Agent was, wann und warum getan hat
Das sind echte Anforderungen, egal ob man sie mit MuleSoft, einem Wettbewerber oder einer Eigenentwicklung löst.
Was das für die KI-Strategie bedeutet
Die Daten des Connectivity Reports führen zu drei praktischen Schlussfolgerungen für Teams, die ihre 2026/2027-Agent-Strategie planen.
1. Inventur vor dem nächsten Agenten
Der Report zeigt: Organisationen wissen oft nicht, wie viele Agenten sie haben. Bevor Agent Nummer 13 deployt wird, sollte ein Discovery-Scan laufen. Jeden Agenten erfassen, seine Datenquellen, seine API-Abhängigkeiten und seinen Governance-Status. Das Medizintechnikunternehmen mit 900 ungeregelten Agenten ist die warnende Geschichte.
2. API-First ist nicht verhandelbar
94% der IT-Führungskräfte in der Befragung stimmen zu, dass KI-Agenten eine stärker API-getriebene IT-Architektur erfordern. Bei 73% nicht angebundener Unternehmensanwendungen ist das eine mehrjährige Infrastrukturinvestition, kein Schnellfix. Priorität haben die APIs für die Systeme, die die wertvollsten Agenten am dringendsten brauchen.
3. Kontext schlägt Konnektivität
Agenten zum Datenaustausch zu bringen ist Pflichtprogramm. Das schwierigere Problem, und das, was über den Erfolg von Multi-Agent-Systemen entscheidet, ist geteilter Geschäftskontext. Eine Kunden-Kontextschicht, die bei jeder Agent-Interaktion mitreist, wird wichtiger als der nächste Integrationsconnector.
Häufig gestellte Fragen
Wie viele KI-Agenten betreibt ein durchschnittliches Unternehmen 2026?
Laut Salesforces Connectivity Benchmark Report 2026 betreibt das durchschnittliche Unternehmen 12 KI-Agenten. Deutsche Unternehmen liegen bei 10. Diese Zahlen sollen bis 2027 um 67% (global) bzw. 80% (Deutschland) wachsen, was bedeutet, dass Unternehmen bald 20 oder mehr Agenten koordinieren müssen.
Wie viele KI-Agenten arbeiten in isolierten Silos?
Der Salesforce Report zeigt, dass 50% der Enterprise-KI-Agenten in isolierten Silos arbeiten, getrennt von anderen Agenten und zentralen Geschäftssystemen. Das führt zu redundanten Automatisierungen und Schatten-KI-Risiken. Nur 54% der Organisationen haben ein zentrales Governance-Framework für ihre KI-Agenten.
Wie verbreitet sind A2A- und MCP-Protokolle in Unternehmen?
40% der befragten IT-Führungskräfte nutzen Agent-to-Agent (A2A) Protokolle und 39% das Model Context Protocol (MCP). Die Adoption liegt höher als erwartet, aber 68% berichten von Schwierigkeiten, mit den neuen Standards Schritt zu halten. Oft treibt der Anbieter die Adoption, nicht eine durchdachte Interoperabilitätsstrategie.
Was ist MuleSoft Agent Fabric?
MuleSoft Agent Fabric ist Salesforces Plattform zur Entdeckung, Vernetzung und Steuerung von KI-Agenten über verschiedene Anbieter hinweg. Die Agent Scanners finden automatisch Agenten in Salesforce Agentforce, Amazon Bedrock, Google Vertex AI und Microsoft Copilot Studio. Die Plattform unterstützt MCP- und A2A-Protokolle und positioniert sich als Koordinationsschicht für Multi-Vendor-Agent-Umgebungen.
Welche besonderen Herausforderungen haben deutsche Unternehmen bei der KI-Agent-Adoption?
Deutsche Unternehmen betreiben mit 10 Agenten etwas weniger als der globale Schnitt von 12, erwarten aber 80% Wachstum innerhalb von zwei Jahren. Die zusätzliche Herausforderung: Unter DSGVO und EU AI Act müssen bis August 2026 Hochrisiko-KI-Systeme vollständige Datennachverfolgung, Human-in-the-Loop-Prüfpunkte und Risikoeinstufungen vorweisen. Bei 73% nicht integrierter Anwendungen ist Compliance-Nachweis kaum möglich.