Obwohl sich KI schnell weiterentwickelt hat, sind viele Organisationen nicht im gleichen Tempo nachgezogen. Den meisten Führungskräften, mit denen wir sprechen, mangelt es nicht an Ideen, Proof-of-Concepts oder Anbieter-Demos. Die Herausforderung besteht darin, KI in etwas Reproduzierbares zu überführen: in eine Fähigkeit, der man vertrauen kann, die sich skalieren und steuern lässt, ohne neue Risiken oder Engpässe zu schaffen.
Diese Lücke bildet den Ausgangspunkt für dieses Gespräch zwischen Romano Roth, Prof. Dr. Oliver Gassmann und der Moderatorin Prof. Dr. Naomi Haefner. Sie beleuchten, was agentische KI für Unternehmen tatsächlich bedeutet, wo sie heute bereits funktioniert und was Organisationen verändern müssen, bevor sie sie skalieren können.
Die Diskussion macht eine produktive Spannung sichtbar: Oliver, der sich auf seinen Forschungsartikel “The Non-Human Enterprise” stützt, treibt die Idee vollständig autonomer, agentengetriebener Organisationen als radikales Gedankenexperiment voran. Romano hingegen argumentiert, dass reale Unternehmen sozio-technische Systeme sind, die menschliche Steuerung, Feedback-Schleifen und kontinuierliche Anpassung benötigen. Wo sie übereinstimmen, ist ebenso aufschlussreich wie die Punkte, in denen sie unterschiedlicher Meinung sind.
Lernen Sie die Referenten kennen#
Romano Roth ist Global Chief of Cybernetic Transformation und Partner bei Zühlke. Er gestaltet die globale Strategie von Zühlke für cybernetische Transformation, Platform Engineering und KI-Integration.
Prof. Dr. Oliver Gassmann ist Professor für Technologiemanagement an der Universität St. Gallen sowie Vice Chairman und Partner bei Zühlke. Er bringt umfassende Expertise im Innovationsmanagement und in der Führung mit, die erforderlich ist, um Transformation nachhaltig zu verankern.
Prof. Dr. Naomi Haefner ist Assistenzprofessorin für Technologiemanagement an der Universität St. Gallen. Sie erforscht, wie aufkommende Technologien Organisationen, Entscheidungsfindung und Managementpraktiken verändern.
Das agentische Unternehmen: ein radikales Gedankenexperiment#
Oliver definiert das agentische Unternehmen als die ultimative Vision einer vollständig automatisierten Organisation: KI-Agenten mit klar beschriebenen Zielen und Werkzeugen, die planen, ausführen und zusammenarbeiten, ähnlich wie die „Dark Factories", die wir bereits in der Fertigung sehen. Er treibt diese Idee bewusst auf die Spitze: „Wenn wir eine globale Versicherungsgesellschaft auf der grünen Wiese mit nur fünf Menschen entwerfen würden, wie würde sie aussehen?"
Romano setzt den Gegenpunkt. Während man ein agentisches Unternehmen vielleicht für einen Online-Shop aufbauen könnte, der schwarze Socken verkauft, ist ein globaler Versicherungsanbieter eine ganz andere Größenordnung. Reale Unternehmen sind komplexe sozio-technische Systeme mit Feedback-Schleifen, regulatorischen Vorgaben und menschlichem Urteilsvermögen im Kern. Die heutigen KI-Agenten bewältigen zuverlässig fünf bis sieben Schritte autonom, danach muss ein Mensch eingreifen.
Diese Spannung zwischen radikaler Automatisierung als Gedankenexperiment und einer pragmatischen, menschlich geführten Transformation zieht sich durch die gesamte Diskussion, und macht ihren besonderen Wert aus.
Wo KI-Agenten heute Mehrwert schaffen#
Oliver teilt ein überzeugendes Beispiel aus der Telekommunikationsbranche. Autonome Netzwerkagenten überwachen Funkzugangsnetze und reagieren in Echtzeit auf ungeplante Ereignisse, ein Festival, einen Stau, eine Demonstration.
Dieser innovative Ansatz führt dazu, dass das, wofür zuvor ein Team von Ingenieuren eine Stunde benötigte, nun autonom in acht Minuten und mit besserer Performance geschieht.
Beide Sprecher bezeichnen solche Anwendungsfälle als „agentische Inseln": klar abgegrenzte, gut verstandene Domänen, in denen Automatisierung eindeutige und messbare Vorteile liefert. Die Herausforderung besteht darin, diese Inseln zu durchgängigen End-to-End-Wertströmen zu verbinden.
Warum die meisten KI-Initiativen enttäuschen#
Beide Sprecher sind sehr direkt, warum so viele Organisationen scheitern: Sie setzen KI einfach auf bestehende Prozesse drauf und erwarten dann magische Ergebnisse.
Romanos Diagnose ist treffend: Der aktuelle Fokus auf generative KI-Tools (welcher Anbieter, welches LLM) lenkt von der eigentlichen Arbeit ab. „Geht weg vom Tool selbst. Denkt daran, Prozesse und Engpässe zu identifizieren." Seine empfohlene Methode ist Value Stream Mapping, eine Technik aus dem Toyota-Produktionssystem. Das bedeutet: jeden Schritt abbilden, Prozesszeit, Durchlaufzeit und Fertigstellungsgrad analysieren, und erst dann den Soll-Zustand entwerfen. Manchmal beinhaltet dieser Soll-Zustand nicht einmal KI.
Oliver ergänzt eine strukturelle Beobachtung: Die meisten europäischen Unternehmen denken noch immer in Strategiezyklen aus der Hardware-Ära. In der Automobilindustrie plant man rund um „SOP minus drei", also drei Jahre vor Produktionsstart. Doch KI-Frameworks verändern sich alle drei bis vier Monate, und die Inferenzkosten sinken pro Jahr um das 900-Fache. Strategie als starrer Plan muss durch den Aufbau strategischer Flexibilität ersetzt werden.
Ein Framework zur Entscheidung, was transformiert werden soll#
Romano nutzt bei der Beratung von Unternehmen ein praxisnahes Zwei-Achsen-Framework:
Daraus entstehen vier Quadranten, die Teams dabei helfen, ihre aktuelle Arbeit einzuordnen und zu entscheiden, wohin sie sich entwickeln wollen. Das eigentliche Denken dahinter, jeden Prozessschritt zu prüfen und zu entscheiden, ob man ihn verändert, automatisiert oder beibehält, haben die meisten Organisationen bislang noch nicht geleistet. Ohne diese Vorarbeit ist KI nur eine teure Ergänzung zu einem kaputten Prozess.
Zentrale Erkenntnisse aus dem Gespräch#
Ein durchgängiges Thema ist, dass KI Urteilsvermögen und Ausführung verbessern kann, fehlende Klarheit jedoch nicht ersetzt. Wenn Ziele nicht klar definiert sind, Verantwortlichkeiten unklar bleiben oder Teams nicht den nötigen Handlungsspielraum haben, kann KI allein das nicht beheben.
Romano verdeutlicht das mit einer warnenden Geschichte: Ein Bachelorstudent lieferte ausgefeilte, KI-generierte Folien zum Kubernetes-Zertifikatsmanagement, konnte jedoch keine der Lösungen erklären, und auch nicht, warum eine auf der anderen aufbaute. „Nutzt KI, absolut, aber ihr müsst die Arbeit selbst verantworten. Ihr müsst sie verstehen", sagt Romano. Das ist eine Führungsaufgabe: sicherzustellen, dass Menschen Verantwortung für KI-generierte Ergebnisse übernehmen.
Oliver bringt es klar auf den Punkt: „Beginnt mit der Strategie, die Technologie kommt an zweiter Stelle." Bevor man in die Technologie einsteigt, müssen mehrere Fragen geklärt werden, zum Beispiel: Wo differenzieren wir uns? Wie ist unsere Positionierung aus Kundensicht?
KI ist der zweite oder dritte Schritt, aber niemals der erste. Oliver ergänzt zwei weitere Voraussetzungen: Silos aufbrechen und funktionsübergreifende Teams bilden (weil End-to-End-Lösungen das erfordern) sowie echte KI-Kompetenz aufbauen (nicht nur Copilot ausrollen und Logins zählen).
Der Punkt der KI-Kompetenz ist sehr praxisnah: Oliver beobachtet, dass Führungskräfte sich über hohe Nutzungszahlen freuen, die tatsächliche Anwendung jedoch oft oberflächlich bleibt. Echte Produktivitätsgewinne erfordern ein Verständnis dafür, was KI kann und was nicht, und die Messung von Ergebnissen statt nur von Aktivität.
Wenn Systeme vom Unterstützen zum Handeln übergehen, darf Vertrauen kein nachträglicher Gedanke sein. Es braucht klare Grenzen: Was die KI entscheiden darf, was eskaliert werden muss, was protokolliert wird und wie man Drift erkennt.
Statt mehrjähriger Programme setzen beide Referenten auf kurze, gut instrumentierte Feedback-Schleifen. Das ist der Kern des Cybernetic-Enterprise-Ansatzes.
„Ihr müsst zu einem Unternehmen werden, das wahrnimmt, lernt und sich kontinuierlich anpasst. Ein-, Zwei- oder Fünfjahrespläne funktionieren nicht mehr." - Romano Roth
Oliver stimmt zu und formuliert es neu: Das Ziel ist ein datengetriebenes Unternehmen. Gleichzeitig bleibt er realistisch: Viele „AI-first"-Initiativen werden schnell zu Datenintegrationsprojekten, weil die Daten schlicht nicht in der richtigen Qualität vorhanden sind.
Von Menschen geführt, KI-gestützt#
Oliver beziffert das Tempo des Wandels: Selbst wenn man nur von einer moderaten Verzehnfachung der KI-Fähigkeiten pro Jahr ausgeht, entspricht das einer 10.000-fachen Verbesserung in vier Jahren. Für jedes Unternehmen, das in einem Fünfjahreshorizont denkt, sind die Auswirkungen enorm. „Wir werden radikal neue Lösungen sehen, sogar solche, die wir uns heute noch nicht vorstellen können", sagt er.
Romanos Vision für die nahe Zukunft ist ebenso kühn: KI wird direkt auf Daten arbeiten und Middleware, APIs sowie klassische Benutzeroberflächen überflüssig machen. Die Interaktion wird konversationell erfolgen (durch Tippen oder Sprechen), und die KI wird unmittelbar auf den Daten operieren. „Das ganze Thema Benutzeroberflächen, Apps, Middleware, all das wird verschwinden."
Beide Referenten vergleichen diesen Moment mit den 1990er-Jahren, als niemand die spätere App-Ökonomie vorhergesehen hat. Der Möglichkeitsraum ist real, aber ebenso die Disruption, insbesondere für Berufseinsteigerinnen und -einsteiger, die neu in den Arbeitsmarkt kommen.
Was als Nächstes zu tun ist#
Den Wertstrom abbilden. Wählen Sie einen durchgängigen End-to-End-Prozess. Nutzen Sie Value Stream Mapping, um Engpässe zu identifizieren: Prozesszeit, Durchlaufzeit, Fertigstellungsgrad und Korrekturschleifen. Entwerfen Sie den zukünftigen Soll-Zustand. KI kann Teil der Lösung sein, muss es aber nicht. Beginnen Sie mit Effizienzgewinnen und gehen Sie erst dann zur Customer Journey über, wenn sich der Ansatz bewährt hat.
Vertrauensgrenzen setzen. Definieren Sie klare Entscheidungsgrenzen, Eskalationswege, Monitoring und Rollback-Mechanismen. Das Telekom-Beispiel zeigt, dass ein Guardian-Agent essenzielle Infrastruktur ist, kein optionales Zusatzmodul.
Die Plattform aufbauen. Standardisieren Sie Muster für sicheren Datenzugriff, Modellintegration, Deployment und Observability. Bauen Sie Governance direkt in die KI-Plattform ein, damit Teams schnell vorankommen können, ohne Vertrauen zu gefährden. Genau das unterscheidet Unternehmen, die skalieren, von denen, die nur Demos anhäufen.
KI-Mehrwert entsteht nicht durch das Ausrollen von Modellen. Er entsteht durch die Gestaltung einer Organisation, die in Echtzeit lernen und liefern kann, mit den richtigen Feedback-Schleifen, Fundamenten und Governance-Strukturen.
Dieser Artikel wurde ursprünglich auf Zühlke Insights veröffentlicht.