Warum 40 % der KI-Agenten-Projekte scheitern – und wie es besser geht

SPEAKER_01

So klingt Wirtschaft. Zukunftsthemen für Unternehmen. Jeden Mittwoch sprechen wir mit EntscheiderInnen über die Herausforderungen und Trends in ihrer Branche. Mit jeder Menge Insights und neuen Denkanstößen. Aus der Wirtschaft für die Wirtschaft.

SPEAKER_02

Über 40 Prozent der Projekte mit agentischer KI werden bis 2027 wieder eingestampft. Das sagt eine Studie von Gartner. Die Folgen sind viel versenktes Geld, noch mehr Frust und ein wachsendes Misstrauen gegenüber KI -Projekten. Doch woran scheitert es? Ist es die Technik? Liegt es am Mindset? Oder daran, dass viele gar nicht wissen, was ein echter AI -Agent überhaupt ist? Nachgehakt! Ich bin Simone Nissen und mein Gast hat nicht nur den Durchblick, was KI -Agenten alles können, er hat auch täglich mit Unternehmen zu tun, die sich an deren Einführung versuchen. Er wird uns verraten, wie der Sprung vom Piloten zum Produktivsystem gelingen kann. Herzlich willkommen Rolf Löwisch, Head of AI bei IBM in der DACH -Region. Hallo Simone, vielen Dank für die Einladung. Wunderschöne Studie habt ihr hier. 40 Prozent der AI -Agenten -Projekte sind schon zum Scheitern verurteilt. Überrascht dich diese Zahl?

SPEAKER_00

Überrascht? Ehrlicherweise nicht. Ich glaube, es gibt ganz viele Studien dieser Art, die genau dieses Bild immer wieder zeigen. Wenn ich mir überlege, was ich so für Projekte sehe, auch bei uns im eigenen Haus, dann trifft das, glaube ich, ganz gut die Wirklichkeit.

SPEAKER_02

Lass uns zu Beginn nochmal so ein bisschen auseinanderdröseln, weil die Studie auch ergeben hat, vieles, was vermarktet wird als KI -Agent, ist eigentlich gar keiner. Wo ist jetzt nochmal der Unterschied zwischen AI -Agent und einem Assistant?

SPEAKER_00

Das, was ein Assistent ausmacht, ist, ich habe irgendwo so mein KI -Modell, mit dem ich am Schluss chatte, interagiere. Das heißt, ich stelle eine Frage und ich kriege eine Antwort. Dahinter ist das KI -Modell mit irgendwo noch vielleicht einem Dokumentenschatz, aber das ist so das typische Einsatzszenario eines Assistenten oder Chatbot. Dagegen ist der Agent, hat auch mit KI -Modellen zu tun, aber anstatt, dass ich mit der KI spreche und Fragen beantworte, macht es jetzt etwas. Das heißt, ich habe irgendetwas, was mit Autonomie, was mit Automatisierung zu tun hat und dann kann ich auch plötzlich ganz andere Produktivitäts- und Effizienz, Gewinne erzielen, weil ich eben tatsächlich Tätigkeiten automatisiere und autonom oder talautonom ablaufen lasse.

SPEAKER_02

Das heißt, wenn wir weg sind von diesem Fragestellen, Antworten, diese Gesprächsatmosphäre mit der KI, sind jetzt viele, viele weitere Szenarien möglich. Was sind denn zum Beispiel so Szenarien?

SPEAKER_00

Ich mache mal ein Beispiel und vielleicht erklärt das auch gut, wie man so von Assistenten zu Agenten kommt. Wir haben bei uns im eigenen Haus, also in EBM, haben wir im Bereich Personal uns sehr frühzeitig mit KI auseinandergesetzt. Da haben wir gesagt, okay, wir setzen jetzt jedem Mitarbeiter und Führungskraft einen Chatbot vor die Nase und wenn ich mit Personal in Interaktion gehen soll, dann muss ich dann natürlich an diesen Chatbot. Jetzt haben wir festgestellt, das ist nicht die Lösung und ich glaube, das beschreibt auch sehr gut das Bild, wo viele Unternehmen heute stehen, im Sinne von, das ist so der erste Pilot, der noch nicht erfolgreich gewesen ist und der dann auch noch kein ROI gezeigt hat und eigentlich nur zur Unzufriedenheit bei allen Beteiligten geführt hat. Und auf der anderen Seite haben wir gesagt, naja. Es gibt ja bestimmte Tätigkeiten, die immer wieder kommen und wenn eine Führungskraft kommt und sagt, ich muss jetzt einen Mitarbeiter versetzen, dann sind es am Schluss eigentlich irgendwie drei, vier Fragen, die zu beantworten sind. Wer ist denn der Mitarbeiter? Zu welchem Datum ist zu versetzen? Was ist die neue Führungskraft? Und eigentlich dann noch, ändert sich irgendwas anderes? Wenn ich das beantwortet habe, dann bin ich als Führungskraft eigentlich meine Tätigkeit durch. Ich habe alles erledigt und dann kann der automatisierte Chatbot, man könnte sagen auch der Agent, kann dann, weil er die Integration in die Backend-Systeme hat, kann dann diesen Prozess automatisiert durchführen. Und heute sind wir an dem Punkt, dass wir elf Millionen Transaktionen im Jahr darauf haben, und am Ende ist es für uns aber auch eine Win-Win-Situation, weil wir haben natürlich diesen großen Teil von Fragen, die so auch für den Personal, naja, ich führe jetzt die Führungskraft in betreuten Klicken durch ein Personalsystem, davon, das arbeite ich automatisiert ab, heißt für uns 40 Prozent Einsparungen im operativen HR -Bereich. Und das ist insofern auch ein wirtschaftlich super interessanter Case für uns gewesen.

SPEAKER_02

Ich entnehme jetzt eurer, sag ich mal, persönlichen Geschichte, dass vielleicht diese Zahl, dass 40 Prozent der Projekte scheitern werden, gar nicht so schlimm ist, wie sie sich anhört. Weil wenn ich das jetzt bei euch sehe, okay, der Pilot ist gescheitert, aber damit habt ihr Learnings gehabt, um dann in eine Phase einzutreten, die wirklich dauerhaft was bringen kann.

SPEAKER_00

Absolut. Man darf es durchaus so als eine Learning Journey verstehen. Ja, das stimmt. Das stimmt. Ich würde auch die These aufstellen, vieles von dem, was man heute, also Assistenten oder ersten Pilotprojekten gesehen hat, dahinter stehen ja gute Ideen. Und vieles davon ist bei Unternehmen auch deshalb einfach noch nicht zum Erfolg gekommen, weil dieser sehr spezifische Use Case eigentlich in sich vielleicht interessant war, aber er bringt in sich alleine noch nicht diesen Return on Investment, noch nicht den Mehrwert, dass es Sinn macht, den Autark alleine so bestehen zu lassen. Aber ich sehe halt in Unternehmen, dass ich ganz viele von diesen Assistenten habe, die eben singulär kleine Teilaufgaben lösen, kleine Fragestellungen beantworten. Und deshalb ist so ein großes Trendthema, was sich innerhalb von Agentik jetzt auch etabliert, wir nennen das dann Multi -Agent Orchestrations unter dem Aspekt, ich muss eigentlich nicht in diesen kleinen Silos denken, also irgendwie ich kann jetzt eine Aufgabe in meinem CRM -System lösen und eine Aufgabe kann ich in meiner Marketing -Datenbank lösen und irgendwie noch ich kann E -Mails generieren, sondern ich muss in so übergreifenden, letztendlich Prozessen könnte man sagen oder man könnte auch sagen so diese Aufgaben, die halt dann der Vertriebsmitarbeiter vielleicht tätigen muss, wenn er eben in der Marketing -Datenbank nachschaut, naja, was ist denn gerade so die Kampagne und da hat er vielleicht irgendeine Art von Chat -Interface, was ihm da hilft, die richtigen Kampagnen für seine Kunden zu finden. Gleichzeitig habe ich dann noch irgendwo dieses CRM -System, wo ich dann die richtigen Ansprechpartner bei Kunden finden möchte und dann diese E -Mail -Generierung. Wenn ich das in einen orchestrierten Agenten zusammenbringe, dann entsteht daraus für den Vertriebsmitarbeiter, das ist natürlich ein riesen Wert.

SPEAKER_02

Im Optimalfall ist es ja so, dass unsere Zuhörenden jetzt diese Folge hören und einen kleinen Vorteil dadurch haben, dass sie vielleicht Fehler nicht mehr machen müssen. Hast du es vielleicht, kannst du es noch einfacher formulieren? Was ist der Gedanke, der mich vielleicht diese Ausprobierphase überspringen lässt?

SPEAKER_00

Ich muss genau gucken, wo ist jetzt, wo generiere ich am Schluss wirklich einen Wert? Und dann würde ich durchaus sagen, okay, lass uns mal davon lösen, irgendwie über Modelle oder über Hersteller oder über irgendwie Applikationen zu denken. Wir sollten in den Abläufen, die ich im Unternehmen habe, denken. Und das geht meistens quer und integriert auch verschiedene Applikationen. Was für mich dann heißt, ich muss eine ganze Reihe von Dingen damit natürlich auch möglich machen, damit ich solch eine Querschnittsfunktion habe. Weil dann rede ich eben nicht mehr über diesen einen Assistenten, der in einer Welt oder in einer Applikation oder auf einen Hersteller oder vielleicht ist es auch ein Agent, der in einem CRM -System beheimatet ist, sondern ich muss dann übergreifend denken. Das heißt, wenn ich das schaffe, dann komme ich in diesen Bereich, wo sich dann Agenten für ein Unternehmen auch wirklich interessant werden.

SPEAKER_02

Und du hattest gerade angesprochen, so orchestrierte Agenten, was braucht es dafür an Technik? Wie muss man sich das vorstellen?

SPEAKER_00

Also ich brauche auf der einen Seite natürlich einen Agenten-Orchestrator, der die Fähigkeit hat, mit verschiedenen Agenten zu interagieren. Das heißt, es muss irgendwo ein flexibles, offenes, agentische Plattform sein. Dazu brauche ich aber auch, damit ich überhaupt am Schluss dann, ich sag mal, diese Interaktion in Backend -Systemen, habe, brauche ich auch einen Fundus oder letztendlich eine ganze Reihe von Schnittstellen, die eigentlich in meine Standard -Business -Applikation existieren. Deshalb haben wir auch sozusagen aus dem, was wir an eigenen Erfahrungen im Haus gemacht haben, haben wir das auch in ein Produkt gefasst und haben diese ganzen Schnittstellen, die wir über die Zeit entwickelt haben, zum Beispiel in das Workday, in das SuccessFactors, in unser Salesforce, wir nutzen auch viel im Einkauf, auch in Coupa, das ist so ein Vertragsmanagement -System und, und, und, die man halt dann einfach als Katalog zur Verfügung hat. Und wenn ich das dann zusammenziehen kann, dann kann ich eben sehr schnell auch Agenten bauen, die wirklich einen Prozess abbilden, die wirklich eine Aufgabe, eine Problemstellung lösen und dabei wirklich Arbeit tätigen, weil sie eben genau diese Fähigkeit haben, direkt in die Standard -Applikation hineinzugreifen und damit wirklich auch etwas zu tun in meinem Unternehmen und nicht eben einfach nur Antworten zu liefern. Ja. Was für uns auch so ein wichtiger Hebel inzwischen ist, ist, dass wir insbesondere die Thematik Low -Code, also dass ich letztendlich eigentlich, ich klicke mehr, als dass ich, also ich ziehe mir sozusagen die Dinge zusammen, als dass ich wirklich irgendwie anfangen muss, da Code zu schreiben, also es einfach zu machen und es auch dadurch schnell zu machen, das sind glaube ich ganz wichtige Erfolgshebel, auf die ich auch achten sollte, wenn ich jetzt als Unternehmen beginnen möchte, dann sollte ich das im Hinterkopf haben, dass ich da frühzeitig mir auch eine Plattform schaffe, über die auch entsprechend das auf einem Unternehmen, das Level ermöglicht und mir diese Integration gibt.

SPEAKER_02

Je selbstständiger so eine KI ist, desto mehr muss ja irgendwo dann doch gezügelt werden. Wie muss man sich das vorstellen, wie kann man das implementieren?

SPEAKER_00

Das hat ganz viele Facetten, also auf der einen Seite schauen wir uns sozusagen so ein bisschen in Risikoklassen an, was passiert eigentlich innerhalb dieser KI und davon abhängig, was sind so Dinge, die wir dann auch überwachen wollen, hat viel damit zu tun, dass wir auch diesen ganzen Entwicklungszyklus automatisiert dokumentieren, dass ich dann auch eine Nachverfolgung habe, das ist insbesondere, wenn ich so dann an EYI zum Beispiel denke, aber natürlich auch, dass ich Agenten überwache im Sinne von wirklich in Produktion zu monitoren und dann aber auch die Fähigkeit habe, wirklich in, wir sagen dann Tracing, also wirklich zu schauen, warum hat der Agent an der Stelle jetzt, was hat er eigentlich gemacht, dass er eben auch einem Betriebsrat mal zeigen kann, was passiert eigentlich in der KI und was passiert dann und wenn ich Transparenz schaffe, schaffe ich darüber auch Vertrauen.

SPEAKER_02

Ja, du hast mit sehr vielen Unternehmen in der DACH -Region zu tun. Hast du auch was aus deinem Arbeitsalltag, wo du uns von erzählen kannst, was passiert? Was ist das, was so richtig schief gegangen ist?

SPEAKER_00

Es ist schwieriger, also ich glaube, das ist, das zeichnet die KI aus. Es ist schwierig, ein Negativbeispiel zu finden, wo man sagt, nein, es gibt nicht wenigstens irgendwie eine Art von Learning und das ist auch das, was ich meinen Kunden auch sage. Es gibt tatsächlich im KI -Umfeld, wo wir wirklich, und die Welt dreht sich ja so schnell, wie lange ist es her, dass wir nur über KI -Modelle gesprochen haben und nur über Prompt -Engineering, jetzt haben wir lange über Assistenten gesprochen, jetzt reden wir über Agenten. Es geht ja unglaublich schnell, das heißt auch, es gibt, und das sind alles Lernerfahrungen, die ich Schritt für Schritt mache und insofern gibt es auf jeden Fall irgendwo auch diesen First -Mover -Vorteil. Jemand, der frühzeitig anfängt und diese Lernerfahrung durchläuft, hat auf jeden Fall einen Vorsprung gegenüber jemandem, der diese Lernerfahrung nicht gemacht hat. Denn wer jetzt nicht anfängt, der hat kaum Chancen, diesen Rückschritt in den nächsten Jahren zu machen.

SPEAKER_02

Warum genau ist das so? Weil theoretisch könnte man sich ja dann einfach angucken, was hat die Konkurrenz gemacht, was schief ging und dann sieht man, okay, jetzt hat die Konkurrenz was gefunden, dann mache ich dasselbe.

SPEAKER_00

Ja, weil die Konkurrenz bislang ja gelernt hat, wie sie das im eigenen Unternehmenskontext, in den eigenen Prozessen, mit dem eigenen Wettbewerbsvorteil umsetzen konnte, besser umsetzen konnte und da muss ich als Unternehmen, in meinem eigenen Unternehmen, muss ich dann da erstmal hin. Und es ist auch eine Frage, wie möchte ich am Schluss eigentlich diese Zukunft führen? Will ich für mich selbst gestalten oder warte ich darauf, dass diese Zukunft um mich herum irgendwo gestaltet wird? Weil, wo mit Unternehmen natürlich auch zu tun haben, sie werden jetzt plötzlich ganz viele Assistenten und Agenten zwangsläufig bekommen. Ich kann ja heute kein Office -Produkt mehr installieren, ohne dass ich plötzlich einen Agenten habe, ob ich den brauche oder nicht, ich zahle ihn mit. Da werden ja ganz viele Agenten kommen und dann ist noch die Frage, will ich dann dadurch meinen Prozess und meinen Unternehmensalltag eigentlich fremdbestimmt generieren lassen? Oder will ich nicht lieber sehr viel mitnehmen? Oder will ich mehr souverän sein und will ich selbst die Zukunft meines Unternehmens gestalten? Denn ich glaube, was auch zur Wahrheit gehört, meine Mitarbeiter werden irgendwann mal, und sei es dann so eine Art Shadow -AI, irgendwann früher oder später doch KI -Produkte benutzen, ob ich das jetzt möchte oder nicht. Und dann bin ich in diesem Modus, dass ich es eben nicht mehr kontrolliere. Insofern, ich glaube, es gibt diesen First -Mover -Effekt und es hat sicherlich sehr viel Sinn darin, das selbst zu kontrollieren, selbst die Strategie zu definieren, selbst zu definieren, was ich möchte. Und ich glaube, das ist ein sehr guter Weg für Unternehmer und dabei ganz souverän unterwegs zu sein.

SPEAKER_01

Und jetzt der Gedanke zum Mitnehmen.

SPEAKER_02

Wir kommen jetzt langsam zum Ende unserer Folge. Was würdest du sagen, was sollten die Zuhörenden unbedingt mitnehmen?

SPEAKER_00

KI -Agenten sind wirklich keine Raketenwissenschaft mehr. Und es gibt diesen First -Mover -Advantage. Insofern, fangt schnell an zu lernen. Bleibt dabei pragmatisch. Sucht euch Prozesse in eurem Unternehmen, die euch wirklich Wert bringen, wo ihr selber auch souverän definiert, was ihr erreichen wollt und dann startet schnell mit KI -Agenten. Aber die gerade vielleicht auch in Querschnittsfunktionen viele Dinge reusen können, die andere Unternehmen auch schon gelernt haben. Und dann davon ausgehend können wir mit KI -Agenten ganz tolle Werte erzielen.

SPEAKER_02

Ja, wunderbar. Vielen Dank für diese Eindrücke. Und euch liebe Zuhörenden, es wäre super, wenn ihr auch nächste Woche wieder dabei seid. Und solltet ihr Fragen zu diesem Thema haben, dann schickt uns gerne eine Nachricht über LinkedIn oder kommentiert bei Spotify oder Apple Podcasts.

SPEAKER_01

So klingt Wirtschaft. Haben Sie Fragen, Kritik oder Anmerkungen? Dann schreiben Sie uns gerne an podcast@handelsblattgroup.com. Gefällt Ihnen, was Sie hören? Dann bewerten Sie uns gerne auf Spotify oder Apple Podcasts.

_Dieser Podcast ist kein Produkt der Handelsblatt-Redaktion. Für den Inhalt sind die Interviewpartner*innen und die Handelsblatt Media Group Solutions verantwortlich._