Agentic ist ein Eigenschaftswort, das als Hauptwort verkauft wurde, und der größte Teil der Verwirrung stammt aus diesem einen grammatischen Fehler.
Du kannst Agentic AI nicht kaufen, so wie du schnell nicht kaufen kannst. Schnell beschreibt ein Auto. Agentic beschreibt, wie viel ein System ohne dich entscheidet. Es ist ein Maß, und die nützliche Frage lautet nie, ob ein System agentisch ist. Sie lautet: wie agentisch, an welchen Stellen, und was passiert an diesen Stellen, wenn es danebenliegt.
Sobald du es so ansiehst, wird viel Anbietersprache lesbar. Und auch der Grund, warum ein guter Teil dieser Projekte schlecht ausgeht: Betriebe kaufen an einem Punkt der Skala und setzen ein, als hätten sie an einem anderen gekauft.
Das Wort kommt von Handlungsfähigkeit, und darum geht es#
Handlungsfähigkeit meint im Alltag die Fähigkeit, aus eigenem Antrieb zu handeln. Auf Software übertragen beschreibt sie Systeme, die ein Ziel verfolgen, indem sie ihre Handlungen selbst wählen, statt vorgeschriebene auszuführen.
Das ist ein echter Bruch mit sechzig Jahren Software. Klassische Software ist eine Anweisungsfolge: wenn dies, dann das, in einer Reihenfolge, die jemand geschrieben hat. Generative KI hat den Satz verlängert, aber nicht die Struktur. Sie produziert Text, Bilder und Code auf Anfrage. Bemerkenswerte Ausgabe, null Handlungsfähigkeit. Sie wartet.
Der agentische Umbruch ist nicht, dass das Modell klüger wurde. Es ist, dass wir angefangen haben, die Modellausgabe darüber bestimmen zu lassen, was das Programm als Nächstes tut, statt nur darüber, was es ausgibt. Das ist eine viel größere architektonische Änderung, als es klingt, und deshalb sind die betrieblichen Fragen so andere.
Es gibt eine saubere Art, den Unterschied zu fassen. Generative KI erzeugt Ausgaben. Agentic AI erzeugt Folgen. Eine falsche Ausgabe ist peinlich. Eine falsche Folge muss rückgängig gemacht werden, und jemand muss sie zuerst bemerken.
Der Regler hat sechs Stellungen#
Autonomie ist kein Schalter. In der Praxis gibt es sechs erkennbare Stellungen, und zu wissen, welche du vor dir hast, ist mehr wert als jeder Funktionsvergleich.
Null, feste Regeln. Tippt der Kunde "Rechnung", zeige das Rechnungsmenü. Kein Modell beteiligt. Betreibt immer noch die Hälfte der Telefonanlagen in Europa.
Eins, das Modell als Bauteil. Der Weg steht im Code fest, aber ein Modell erledigt eine Aufgabe darin. Diese Mail einsortieren. Dieses Dokument zusammenfassen. Diese fünf Felder herausziehen. Vorhersagbar, günstig und massiv unterschätzt. Der größte Teil des Werts, den KI in Betrieben heute wirklich hebt, sitzt hier.
Zwei, das Modell wählt innerhalb eines Zauns. Das System legt eine kleine Zahl zulässiger nächster Schritte vor und lässt das Modell wählen. An den Vertrieb, an den Support, an einen Menschen. Das Modell entscheidet, aber jeden Zweig hat vorher ein Mensch geprüft.
Drei, das Modell plant innerhalb von Grenzen. Hier darf es seine Schritte selbst ordnen und Werkzeuge in einer Reihenfolge nutzen, die niemand vorgeschrieben hat, aber innerhalb harter Grenzen: Schrittobergrenze, definierter Werkzeugsatz, Ausgabenlimit und eine Freigabe vor allem Unumkehrbaren. Hier leben die ernsthaften Produktionsagenten.
Vier, das Modell plant und handelt weitgehend unbeaufsichtigt. Echte Autonomie über einen abgegrenzten Bereich, Menschen prüfen Ergebnisse statt Handlungen. Selten, und nur dort angebracht, wo Irrtümer billig und rückholbar sind.
Fünf, offene Autonomie. Das System setzt sich eigene Ziele und beschafft sich eigene Fähigkeiten. Das existiert in keinem betrieblichen Einsatz, den ich gesehen habe, und wo es beworben wird, leistet die Vorführung sehr viel Arbeit.
Der ehrliche Stand des Felds 2026 ist: Fast alles, was in Produktion funktioniert, sitzt auf Stufe eins, zwei und drei, und fast alles, was beworben wird, ist in der Sprache von Stufe vier beschrieben.
Diese Diskrepanz ist nicht immer Unehrlichkeit. Stufe drei mit einer guten Freigabe ist wirklich nützlich und klingt langweilig. Stufe vier klingt nach Zukunft. Marketingabteilungen wählen entsprechend.
Gartner hat nachgezählt#
Dazu gibt es eine Zahl, und sie ist deutlicher als die meisten Analystenbefunde.
Als Gartner den Markt der Anbieter untersuchte, die agentische Fähigkeiten behaupten, kam die Firma zu dem Schluss, dass von tausenden dieser Anbieter ungefähr 130 etwas bauten, das den Begriff rechtfertigt. Alle anderen hatten bestehende Produkte umetikettiert. Gartner prägte dafür den Begriff Agent Washing, zusammen mit der Prognose, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden, getrieben von steigenden Kosten, unklarem Geschäftsnutzen und unzureichenden Risikokontrollen.
Die Arbeit des Project NANDA am MIT vom August 2025 zeigte aus anderer Richtung auf dieselbe Wand: 95 Prozent der Pilotprojekte mit generativer KI wiesen zu dem Zeitpunkt keinen messbaren Ergebnisbeitrag auf. Die Technik funktionierte. Die Projekte nicht.
Beide Befunde sagen dasselbe. Es sind keine Leistungsversagen. Es ist das Versäumnis, die gekaufte Autonomiestufe an die Autonomiestufe anzupassen, die der Prozess tatsächlich verkraften kann.
Die eine Frage, die es klärt#
Wenn ein Anbieter sagt, sein System sei agentisch, klärt eine einzige Frage das schneller als jede Vorführung:
Kann das System bei zweimal identischer Eingabe zwei verschiedene Wege nehmen, und wer erfährt davon, wenn es den falschen wählt?
Die erste Hälfte prüft, ob das Modell wirklich entscheidet. Lautet die Antwort nein, steht der Weg fest und du siehst einen Workflow mit einem Modell darin. Das ist ein völlig gutes Produkt. Es ist kein agentisches, und es sollte keine agentischen Preise tragen.
Die zweite Hälfte ist die wichtigere, und auf sie kommt die vage Antwort. "Es gibt ein Dashboard" ist keine Antwort. "Das Team schaut wöchentlich drauf" ist auch keine, wenn der Agent dienstags Gutschriften auslösen kann. Eine echte Antwort benennt die Handlungsklasse, die Person und die Reaktionszeit. Gutschriften über 200 Euro gehen vor der Ausführung an die Schichtleitung. Alles, was einen Vertrag berührt, geht immer an einen benannten Menschen. Alles andere wird protokolliert und täglich stichprobenartig geprüft.
Ein Anbieter, der das beantworten kann, hat über den Betrieb nachgedacht. Einer, der es nicht kann, hat eine Demo gebaut.
Warum weniger Autonomie meist der bessere Kauf ist#
Es hält sich die Annahme, mehr Autonomie sei fortgeschrittener und damit besser. Im Einsatz ist eher das Gegenteil der Fall.
Anthropics Engineering-Leitlinie dazu ist ungewöhnlich direkt für ein Unternehmen, das Modelle verkauft. Die Empfehlung lautet, die einfachste funktionierende Lösung zu suchen und Komplexität nur zu erhöhen, wenn sie das Ergebnis nachweislich verbessert, weil agentische Systeme Latenz und Kosten gegen Aufgabenleistung tauschen. Das ist ein Anbieter, der dir rät, weniger von dem zu kaufen, was er verkauft. Das ist bemerkenswert.
Die praktischen Gründe stapeln sich schnell. Jeder Autonomiegrad vervielfacht die Zahl der Wege durch das System, und jeder Weg ist einer, den du nicht vollständig testen kannst. Er erhöht die Kosten, denn Entscheiden ist teuer, und ein System, das pro Aufgabe zwölfmal entscheidet, kostet zwölf Entscheidungen. Er macht Fehler schwerer auffindbar, weil der Fehler in einer Abfolge sitzt statt in einem Schritt. Und er verschiebt die Beweislast: Auf Stufe eins kannst du zeigen, was das System tun wird, auf Stufe vier nur noch, was es getan hat.
Drei Fassungen desselben Problems auf drei Stufen machen das deutlicher als die Theorie.
Ein Betrieb bekommt 400 Bewerbungen im Monat. Auf Stufe eins zieht ein Modell Qualifikationen und Erfahrung in ein strukturiertes Formular, und ein Mensch liest das Formular. Schnell, günstig, nachvollziehbar, und die Personalerin entscheidet weiterhin. Auf Stufe drei liest ein Agent jede Bewerbung, gleicht sie mit der Stelle ab, zieht das öffentliche Profil heran und erstellt eine begründete Rangliste. Nützlicher, teurer, und jetzt braucht es eine Prüfung auf Verzerrung, weil die Rangfolge eine Entscheidung mit rechtlichem Gewicht ist. Auf Stufe vier lädt der Agent selbst zu Gesprächen ein. Nach EU-Regeln ist das eine Hochrisiko-Anwendung im Beschäftigungskontext, und allein der Compliance-Aufwand verändert die Wirtschaftlichkeit des ganzen Projekts.
Dieselbe Aufgabe. Drei völlig verschiedene Produkte. Nur eines davon ist für einen bestimmten Betrieb richtig, und meistens ist es nicht das autonomste.
Wo die EU ihre eigene Linie zieht#
Es gibt eine rechtliche Dimension, die sich am 2. August 2026 geändert hat, und sie gilt unabhängig davon, ob du dein System für agentisch hältst.
An diesem Tag sind die Transparenzpflichten aus Artikel 50 der KI-Verordnung in Kraft getreten. Wo eine Person mit einem KI-System interagiert, muss das offengelegt werden. Synthetische Inhalte müssen gekennzeichnet werden. Diese Pflichten wurden vom Digital Omnibus nicht verschoben, anders als andere Teile der Verordnung.
Gegen den Autonomieregler gelesen ist das ein Boden, keine Decke. Du brauchst keine Erlaubnis, um einen Agenten zu betreiben. Aber die Person am anderen Ende muss wissen, dass sie mit einem spricht. Praktisch schließt das genau einen Produktentwurf aus, den manche Anbieter weiterhin bewerben: den Agenten, der sich als menschliche Mitarbeiterin mit Namen ausgibt. Was immer man davon als Marketingidee hält, in der EU hat es jetzt eine rechtliche Antwort.
Die Fassung, die ich tatsächlich empfehlen würde#
Müsste ich das für einen Betrieb, der über einen Kauf entscheidet, auf drei Sätze eindampfen, wären es diese.
Kauf die niedrigste Autonomiestufe, die dein Problem löst, denn jede Stufe darüber kostet dich Geld und Prüfbarkeit. Setz die menschliche Freigabe vor die Handlungen, die du nicht zurückdrehen kannst, nicht vor alle, denn eine Freigabe vor jeder Handlung ist bloß ein langsamerer Angestellter. Und sorg dafür, dass nach der Übergabe jemand zuständig ist, denn ein Agent, den niemand beobachtet, ist so lange richtig, bis sich der Prozess ändert, und danach monatelang still falsch.
So bauen wir sie. Eine Aufgabe, bei der das Urteil der Engpass ist, ein kleiner Werkzeugsatz, harte Grenzen für die Schleife, eine Freigabe vor allem Unumkehrbaren und Tests gegen echte Fälle aus der Historie des Kunden statt gegen ausgedachte. Das meiste, was wir ausliefern, sitzt mit Absicht auf Stufe zwei oder drei. Unser eigener Betrieb läuft auf so gebauten Agenten, die täglich recherchieren, überwachen und vorbereiten, und das ist der Maßstab, der sich für jeden Anbieter lohnt: Frag, ob er das Ding, das er dir verkauft, selbst betreibt.
Das Wort agentisch wird weiter verwässert, weil Wörter, an denen Budgets hängen, das immer werden. Der Regler nicht. In jedem System gibt es einen Punkt, an dem entweder dein Code oder das Modell entscheidet, und genau zu wissen, wo dieser Punkt sitzt, ist die ganze Disziplin. Wenn du herausfinden willst, wo er für einen konkreten Prozess in deinem Betrieb sitzen sollte, genau da fängt unsere Arbeit an Agenten an.
