Laut einer neuen ISG-Studie sind Data Governance und organisatorische Veränderungen der Schlüssel zur Skalierung von KI-Agenten. Thapana_Studio – shutterstock.com In den letzten Jahren stand Generative KI (GenAI) oft im Fokus der IT-Entscheider, doch mit dem Aufkommen autonomer KI-Agenten (Agentic AI) soll sich ein fundamentaler Wandel abzeichnen. Trotz der hohen Erwartungen an die autonome Ausführung komplexer Funktionen durch agentenbasierte KI kann heute fast die Hälfte der agentenbasierten Produktionssysteme nur vordefinierte Aktionen auslösen. Dies geht aus dem aktuellen State of Agentic AI Market Report des Beratungsunternehmens ISG hervor. Der Bericht stützt sich auf Umfragen unter Endnutzern, Interviews mit Unternehmen und Gesprächen mit Anbietern. Zwischen Autonomie und Kontrolle Agentic AI soll ein technologischer Umbruch ähnlich der industriellen Revolution sein. Noch befindet sich die Technologie jedoch in der Entwicklung, viele Unternehmen müssen strukturelle Anpassungen vornehmen. Aktuell arbeiten nur 25 Prozent der Anwendungen völlig autonom, während 45 Prozent beratend eingesetzt werden. Die Studienautoren merken hier an, dass die richtige Balance zwischen Autonomie und menschlicher Kontrolle entscheidend sei. Agentische KI ist grundsätzlich eine nächste Entwicklungsstufe Generativer KI (GenAI) und erweitert deren Möglichkeiten. Während GenAI Informationen verarbeitet und zusammenfasst, handelt Agentic AI eigenständig, trifft Entscheidungen und verfolgt Ziele ohne direkte menschliche Anleitung. Einfache Agenten, messbarer Nutzen Der Markt für Agentic AI sei laut den Autoren derzeit allerdings noch fragmentiert. Über die Hälfte der nicht branchenspezifischen Anwendungen konzentriert sich auf IT. Marketing, Vertrieb und Finanzen machen jeweils rund zehn Prozent aus. Branchenspezifisch dominieren drei Sektoren: Banken, Finanzdienstleistungen und Versicherungen (BFSI), Einzelhandel sowie Fertigung Sie machen zusammen sieben von zehn Anwendungsfällen aus. Mit 43 Prozent der Applikationen sind die meisten Agentic-AI-Anwendungen noch relativ einfache, aufgabenorientierte Agenten, die aber bereits heute signifikanten Nutzen haben. Komplexere, zielorientierte Agenten, die zum Beispiel Transportwege unter Berücksichtigung von Sicherheit und Wartung optimieren, gewinnen jedoch an Bedeutung. Dabei ist nicht immer mehr Autonomie besser: In manchen Fällen reicht klassische Robotic Process Automation (RPA) aus, um Aufgaben effizient zu erledigen, so die Studie. Ohne KI-Kompetenz kein klarer Business Case Trotz des Potenzials stehen Unternehmen laut den Studienmachern vor erheblichen Hürden. Datenfragmentierung und mangelnde organisatorische Bereitschaft seien zentrale Probleme: Zwar engagieren 38 Prozent der befragten Firmen Dienstleister, um ihr Datenmanagement zu verbessern, doch kämpft mehr als die Hälfte weiterhin mit veralteten Datenstrukturen. Fehlende KI-Kompetenzen und unklare Business Cases erschweren die Umsetzung. Zudem müssen Unternehmen ihre Prozesse neu denken, ähnlich wie bei der Einführung von Offshoring vor einigen Jahren, so die Autoren. Für den Return on Investment (ROI) bei Agentic AI sei Datenmanagement entscheidend, so die Experten von ISG. Anbieter entwickeln deshalb intelligente Agenten, die Datenquellen überwachen, anreichern und verwalten, um die Grundlage für skalierbare Agentic-AI-Lösungen zu schaffen. Dies erfordere aber eine Neugestaltung der bestehenden Datenarchitektur, da Agentic AI Daten anders nutzt als herkömmliche Technologien, so die Studie. Von Kostensenkung zu Innovation Die Auguren kommen zu dem Schluss, dass die Ziele von Unternehmen bei Agentic AI über Effizienzsteigerung hinausgehen. Während der Fokus aktuell auf Kosteneinsparungen liege, werde in zwei bis drei Jahren verstärkt Wachstum und Innovation angestrebt. Agentic AI solle zudem nicht nur Prozesse automatisieren, sondern auch neue Geschäftsmodelle und Produkte ermöglichen. Anbieter würden sich bereits jetzt auf komplexe Multi-Agenten-Systeme vorbereiten. Diese müssten aber noch orchestriert werden, um vielfältige Aufgaben zu koordinieren.
Agentic AI: Für Unternehmen der nächste Schritt in der KI-Evolution?
Laut einer neuen ISG-Studie sind Data Governance und organisatorische Veränderungen der Schlüssel zur Skalierung von KI-Agenten. Thapana_Studio – shutterstock.com In den letzten Jahren stand Generative KI (GenAI) oft im Fokus der IT-Entscheider, doch mit dem Aufkommen autonomer KI-Agenten (Agentic AI) soll sich ein fundamentaler Wandel abzeichnen. Trotz der hohen Erwartungen an die autonome Ausführung komplexer Funktionen durch agentenbasierte KI kann heute fast die Hälfte der agentenbasierten Produktionssysteme nur vordefinierte Aktionen auslösen. Dies geht aus dem aktuellen State of Agentic AI Market Report des Beratungsunternehmens ISG hervor. Der Bericht stützt sich auf Umfragen unter Endnutzern, Interviews mit Unternehmen und Gesprächen mit Anbietern. Zwischen Autonomie und Kontrolle Agentic AI soll ein technologischer Umbruch ähnlich der industriellen Revolution sein. Noch befindet sich die Technologie jedoch in der Entwicklung, viele Unternehmen müssen strukturelle Anpassungen vornehmen. Aktuell arbeiten nur 25 Prozent der Anwendungen völlig autonom, während 45 Prozent beratend eingesetzt werden. Die Studienautoren merken hier an, dass die richtige Balance zwischen Autonomie und menschlicher Kontrolle entscheidend sei. Agentische KI ist grundsätzlich eine nächste Entwicklungsstufe Generativer KI (GenAI) und erweitert deren Möglichkeiten. Während GenAI Informationen verarbeitet und zusammenfasst, handelt Agentic AI eigenständig, trifft Entscheidungen und verfolgt Ziele ohne direkte menschliche Anleitung. Einfache Agenten, messbarer Nutzen Der Markt für Agentic AI sei laut den Autoren derzeit allerdings noch fragmentiert. Über die Hälfte der nicht branchenspezifischen Anwendungen konzentriert sich auf IT. Marketing, Vertrieb und Finanzen machen jeweils rund zehn Prozent aus. Branchenspezifisch dominieren drei Sektoren: Banken, Finanzdienstleistungen und Versicherungen (BFSI), Einzelhandel sowie Fertigung Sie machen zusammen sieben von zehn Anwendungsfällen aus. Mit 43 Prozent der Applikationen sind die meisten Agentic-AI-Anwendungen noch relativ einfache, aufgabenorientierte Agenten, die aber bereits heute signifikanten Nutzen haben. Komplexere, zielorientierte Agenten, die zum Beispiel Transportwege unter Berücksichtigung von Sicherheit und Wartung optimieren, gewinnen jedoch an Bedeutung. Dabei ist nicht immer mehr Autonomie besser: In manchen Fällen reicht klassische Robotic Process Automation (RPA) aus, um Aufgaben effizient zu erledigen, so die Studie. Ohne KI-Kompetenz kein klarer Business Case Trotz des Potenzials stehen Unternehmen laut den Studienmachern vor erheblichen Hürden. Datenfragmentierung und mangelnde organisatorische Bereitschaft seien zentrale Probleme: Zwar engagieren 38 Prozent der befragten Firmen Dienstleister, um ihr Datenmanagement zu verbessern, doch kämpft mehr als die Hälfte weiterhin mit veralteten Datenstrukturen. Fehlende KI-Kompetenzen und unklare Business Cases erschweren die Umsetzung. Zudem müssen Unternehmen ihre Prozesse neu denken, ähnlich wie bei der Einführung von Offshoring vor einigen Jahren, so die Autoren. Für den Return on Investment (ROI) bei Agentic AI sei Datenmanagement entscheidend, so die Experten von ISG. Anbieter entwickeln deshalb intelligente Agenten, die Datenquellen überwachen, anreichern und verwalten, um die Grundlage für skalierbare Agentic-AI-Lösungen zu schaffen. Dies erfordere aber eine Neugestaltung der bestehenden Datenarchitektur, da Agentic AI Daten anders nutzt als herkömmliche Technologien, so die Studie. Von Kostensenkung zu Innovation Die Auguren kommen zu dem Schluss, dass die Ziele von Unternehmen bei Agentic AI über Effizienzsteigerung hinausgehen. Während der Fokus aktuell auf Kosteneinsparungen liege, werde in zwei bis drei Jahren verstärkt Wachstum und Innovation angestrebt. Agentic AI solle zudem nicht nur Prozesse automatisieren, sondern auch neue Geschäftsmodelle und Produkte ermöglichen. Anbieter würden sich bereits jetzt auf komplexe Multi-Agenten-Systeme vorbereiten. Diese müssten aber noch orchestriert werden, um vielfältige Aufgaben zu koordinieren.
Agentic AI: Für Unternehmen der nächste Schritt in der KI-Evolution? Laut einer neuen ISG-Studie sind Data Governance und organisatorische Veränderungen der Schlüssel zur Skalierung von KI-Agenten. Thapana_Studio – shutterstock.com In den letzten Jahren stand Generative KI (GenAI) oft im Fokus der IT-Entscheider, doch mit dem Aufkommen autonomer KI-Agenten (Agentic AI) soll sich ein fundamentaler Wandel abzeichnen. Trotz der hohen Erwartungen an die autonome Ausführung komplexer Funktionen durch agentenbasierte KI kann heute fast die Hälfte der agentenbasierten Produktionssysteme nur vordefinierte Aktionen auslösen. Dies geht aus dem aktuellen State of Agentic AI Market Report des Beratungsunternehmens ISG hervor. Der Bericht stützt sich auf Umfragen unter Endnutzern, Interviews mit Unternehmen und Gesprächen mit Anbietern. Zwischen Autonomie und Kontrolle Agentic AI soll ein technologischer Umbruch ähnlich der industriellen Revolution sein. Noch befindet sich die Technologie jedoch in der Entwicklung, viele Unternehmen müssen strukturelle Anpassungen vornehmen. Aktuell arbeiten nur 25 Prozent der Anwendungen völlig autonom, während 45 Prozent beratend eingesetzt werden. Die Studienautoren merken hier an, dass die richtige Balance zwischen Autonomie und menschlicher Kontrolle entscheidend sei. Agentische KI ist grundsätzlich eine nächste Entwicklungsstufe Generativer KI (GenAI) und erweitert deren Möglichkeiten. Während GenAI Informationen verarbeitet und zusammenfasst, handelt Agentic AI eigenständig, trifft Entscheidungen und verfolgt Ziele ohne direkte menschliche Anleitung. Einfache Agenten, messbarer Nutzen Der Markt für Agentic AI sei laut den Autoren derzeit allerdings noch fragmentiert. Über die Hälfte der nicht branchenspezifischen Anwendungen konzentriert sich auf IT. Marketing, Vertrieb und Finanzen machen jeweils rund zehn Prozent aus. Branchenspezifisch dominieren drei Sektoren: Banken, Finanzdienstleistungen und Versicherungen (BFSI), Einzelhandel sowie Fertigung Sie machen zusammen sieben von zehn Anwendungsfällen aus. Mit 43 Prozent der Applikationen sind die meisten Agentic-AI-Anwendungen noch relativ einfache, aufgabenorientierte Agenten, die aber bereits heute signifikanten Nutzen haben. Komplexere, zielorientierte Agenten, die zum Beispiel Transportwege unter Berücksichtigung von Sicherheit und Wartung optimieren, gewinnen jedoch an Bedeutung. Dabei ist nicht immer mehr Autonomie besser: In manchen Fällen reicht klassische Robotic Process Automation (RPA) aus, um Aufgaben effizient zu erledigen, so die Studie. Ohne KI-Kompetenz kein klarer Business Case Trotz des Potenzials stehen Unternehmen laut den Studienmachern vor erheblichen Hürden. Datenfragmentierung und mangelnde organisatorische Bereitschaft seien zentrale Probleme: Zwar engagieren 38 Prozent der befragten Firmen Dienstleister, um ihr Datenmanagement zu verbessern, doch kämpft mehr als die Hälfte weiterhin mit veralteten Datenstrukturen. Fehlende KI-Kompetenzen und unklare Business Cases erschweren die Umsetzung. Zudem müssen Unternehmen ihre Prozesse neu denken, ähnlich wie bei der Einführung von Offshoring vor einigen Jahren, so die Autoren. Für den Return on Investment (ROI) bei Agentic AI sei Datenmanagement entscheidend, so die Experten von ISG. Anbieter entwickeln deshalb intelligente Agenten, die Datenquellen überwachen, anreichern und verwalten, um die Grundlage für skalierbare Agentic-AI-Lösungen zu schaffen. Dies erfordere aber eine Neugestaltung der bestehenden Datenarchitektur, da Agentic AI Daten anders nutzt als herkömmliche Technologien, so die Studie. Von Kostensenkung zu Innovation Die Auguren kommen zu dem Schluss, dass die Ziele von Unternehmen bei Agentic AI über Effizienzsteigerung hinausgehen. Während der Fokus aktuell auf Kosteneinsparungen liege, werde in zwei bis drei Jahren verstärkt Wachstum und Innovation angestrebt. Agentic AI solle zudem nicht nur Prozesse automatisieren, sondern auch neue Geschäftsmodelle und Produkte ermöglichen. Anbieter würden sich bereits jetzt auf komplexe Multi-Agenten-Systeme vorbereiten. Diese müssten aber noch orchestriert werden, um vielfältige Aufgaben zu koordinieren.