Agentic AI, wenn Software selbst handelt

Die nächste Stufe der Künstlichen Intelligenz schreibt nicht mehr nur Antworten. Sie bucht Termine, schreibt Code, kauft ein, recherchiert. Im Frühjahr 2026 macht der Stanford AI Index klar: Der Sprung ist real, aber neun von zehn dieser Systeme schaffen es nie aus dem Test in den Alltag.

Vom Chatbot zum digitalen Mitarbeiter

Ein Chatbot antwortet. Ein Agent handelt. Das ist der ganze Unterschied, und gleichzeitig der größte Sprung, den Künstliche Intelligenz in den letzten Jahren gemacht hat. Wer einen Chatbot fragt: „Buch mir morgen einen Zahnarzttermin in der Nähe", bekommt eine Liste mit Praxen. Wer einen Agenten dasselbe fragt, bekommt einen bestätigten Termin im Kalender, einen Erinnerungs-Eintrag und eine Mail an die Praxis. Der Agent öffnet selbstständig Webseiten, ruft Schnittstellen auf, prüft das Ergebnis und korrigiert sich, wenn etwas schiefläuft.

Die Fachbezeichnung dafür lautet Agentic AI, auf Deutsch wörtlich: handlungsfähige Künstliche Intelligenz. Der Begriff hat sich 2025 in der Forschung etabliert und ist 2026 das prägendste Schlagwort der Branche. Anders als beim Hype um ChatGPT geht es diesmal nicht um Konversation, sondern um Aufträge, die ohne weiteres Zutun erledigt werden.

Der Sprung in einem Jahr

Wie schnell sich das entwickelt, zeigt ein Maßstab namens OSWorld. Forscher messen damit, wie zuverlässig ein KI-System Aufgaben am Computer eigenständig erledigt, Dateien öffnen, Formulare ausfüllen, mehrere Programme nacheinander bedienen. Im März 2025 schafften die besten Modelle rund zwölf Prozent dieser Aufgaben. Im März 2026 sind es 66,3 Prozent. Das ist nur noch sechs Prozentpunkte unter dem Niveau, das ein Mensch beim selben Test erreicht.

Stand 24. April 2026 führt das Modell Claude Mythos Preview die OSWorld-Bestenliste mit 79,6 Prozent an, und übertrifft damit erstmals einen geübten menschlichen Computernutzer in dieser Disziplin. Die Daten stammen aus dem Stanford AI Index 2026, dem jährlichen Standardwerk über den Stand der Künstlichen Intelligenz.

Was Agenten heute schon erledigen

Die konkreten Einsatzfelder sind weniger spektakulär als die Schlagzeilen, aber wirtschaftlich relevant. Im Büroalltag übernehmen Agenten Aufgaben, die früher Sachbearbeitern gehörten: Termine zwischen mehreren Personen abstimmen, Rechnungen prüfen und in die Buchhaltung einlesen, Lieferanten vergleichen und Bestellungen auslösen. In der Software-Entwicklung schreiben sie nicht mehr nur Code-Schnipsel, sondern ganze Funktionen, sie testen das Ergebnis, beheben Fehler und stellen die Änderung im Live-System bereit.

Wie groß die Welle ist, zeigt ein Open-Source-Projekt namens OpenClaw: ein freier Bauplan für persönliche KI-Agenten, der seit Anfang 2026 auf GitHub verfügbar ist. Das Projekt hat in wenigen Monaten über 364.000 Sterne gesammelt, die Auszeichnung, mit der Entwickler interessante Software markieren. Zum Vergleich: Der Linux-Kernel braucht für eine ähnliche Marke seit drei Jahrzehnten und ist erst bei rund 190.000. OpenClaw läuft auf jedem handelsüblichen Rechner und integriert sich in Messenger wie WhatsApp, Telegram und Slack.

Multi-Agent, Software, die in Teams arbeitet

Die nächste Stufe sind keine einzelnen Agenten mehr, sondern Teams. Ein Recherche-Agent sammelt Informationen, ein Schreib-Agent fasst sie zusammen, ein Prüf-Agent kontrolliert die Quellen und ein Veröffentlichungs-Agent stellt das Ergebnis ins Redaktionssystem. Das Marktforschungsunternehmen Gartner schätzt, dass bis Ende 2026 rund 40 Prozent aller großen Geschäftsanwendungen solche aufgabenspezifischen Agenten eingebaut haben werden, etwa in Buchhaltungssoftware, Personalsystemen oder Vertriebsplattformen.

Damit verändert sich die Frage, was Software überhaupt ist. Bisher war ein Programm ein Werkzeug, das ein Mensch bedient. Ein Multi-Agent-System ist eher ein digitaler Kollege, der eigene Entscheidungen trifft. Wer haftet, wenn ein Agent eine Bestellung falsch auslöst, ist eine offene Rechtsfrage, auf europäischer wie auf deutscher Ebene.

Der wunde Punkt: Pilot bleibt Pilot

So beeindruckend die Benchmarks sind, die zweite Hälfte der Geschichte erzählt der Stanford AI Index ebenfalls: 89 Prozent der KI-Agenten in Unternehmen erreichen nie den produktiven Einsatz. Pro Pilotprojekt fließen zwischen 150.000 und 800.000 US-Dollar, mit null Rendite, wenn das Projekt nicht aus dem Testbetrieb kommt. Über alle Geschäftsfunktionen hinweg liegt der Anteil tatsächlich produktiver Agenten weiter im einstelligen Prozentbereich.

Und der Druck wächst nach vorne. Die Marktforscher von Gartner prognostizieren, dass bis Ende 2027 sogar mehr als 40 Prozent aller laufenden Agentic-AI-Projekte wieder gestoppt werden, wegen explodierender Kosten, unklarer Geschäftslogik oder unzureichender Risiko-Kontrolle. Hinzu kommt: Die leistungsfähigsten Agenten verbrauchen ein Vielfaches an Rechenleistung und Strom im Vergleich zu einfachen Chatbots. In Deutschland mit seinen hohen Industriestrompreisen ist das kein Nebenaspekt, sondern ein harter Kostenfaktor.

Die Gründe für die Pilot-Stagnation sind nicht technisch, sondern organisatorisch: Sicherheitsbedenken, fehlendes Vertrauen in autonom getroffene Entscheidungen, ungeklärte Haftungsfragen, Datenschutzanforderungen und schlicht überforderte Belegschaften. Das ist kein Widerspruch zum Benchmark-Sprung. Es ist die zweite Hälfte derselben Geschichte: Die Technologie kann es. Die Organisationen sind noch nicht so weit. Wer Agenten in den Alltag bringen will, muss Prozesse umbauen, Verantwortlichkeiten neu definieren und Fehler einkalkulieren. Das dauert.

Frühwarnung am US-Arbeitsmarkt

Wie sich Agenten auf Beschäftigung auswirken, lässt sich heute noch nicht in deutschen Statistiken ablesen, die sind zu langsam. Aber eine Studie aus den USA gibt einen ersten klaren Befund. Die Forscher Erik Brynjolfsson, Bharat Chandar und Ruyu Chen haben am Stanford Digital Economy Lab im Oktober 2025 die Studie „Canaries in the Coal Mine?" veröffentlicht. Sie werteten Lohndaten des US-Anbieters ADP aus, anonyme Datensätze von Millionen Beschäftigten.

Das Ergebnis: Junge Erwachsene zwischen 22 und 25 Jahren in den am stärksten KI-exponierten Berufen verloren zwischen Oktober 2022 und Juli 2025 rund 13 Prozent ihrer Stellen. Bei Software-Entwicklern und im Kundenservice in dieser Altersgruppe waren es zusammen ungefähr 20 Prozent. Beschäftigte zwischen 35 und 49 Jahren wuchsen im selben Zeitraum dagegen um sechs bis neun Prozent.

Das Muster ist eindeutig: Erfahrung schützt, Berufseinsteiger trifft die Verschiebung zuerst. Die Studie nennt das im Titel den Kanarienvogel im Bergwerk, das Frühwarnsignal vor einer größeren Veränderung. Für Deutschland, wo der Fachkräftemangel die Diskussion bisher dominiert, ist diese Lesart neu: Es geht nicht nur darum, ob es genug junge Kräfte gibt, sondern ob die klassischen Einstiegsjobs in fünf Jahren überhaupt noch existieren.

Explainable AI, der Vertrauens-Anker

Damit Agenten Verantwortung übernehmen können, müssen ihre Entscheidungen nachvollziehbar sein. Wenn ein Agent einen Vertrag absagt, einen Lieferanten wechselt oder eine Diagnose vorschlägt, muss klar sein: Warum? Auf welcher Datenbasis? Mit welcher Sicherheit? Dieses Forschungsfeld heißt Explainable AI, kurz XAI. 2026 entstehen erste Frameworks, die Agenten zwingen, ihre Entscheidungen in Worten zu erklären, nicht in Code.

Gartner prognostiziert, dass bis 2028 rund die Hälfte der Investitionen in große Sprachmodelle in Beobachtbarkeit und Erklärbarkeit fließt. Die Begründung: Ohne Vertrauen keine Skalierung. Ein Agent, der nicht erklären kann, was er tut, wird kein deutscher Mittelständler in seine Lieferkette einbauen.

Was bedeutet das für Deutschland?

Drei Folgen sind bereits absehbar, und es gibt erste deutsche Antworten, die nicht untergehen sollten. Erstens beim Wettbewerb: US-amerikanische und chinesische Unternehmen integrieren Agenten in ihre Produkte, von der Buchhaltung bis zum Lieferketten-Management. Wer abwartet, verliert Effizienz-Vorsprünge. Aber: Das DFKI in Kaiserslautern testet bereits Agenten in der Industrie 4.0, Wartung, Qualitätssicherung und Materiallogistik in Fabrikhallen. Aleph Alpha in Heidelberg arbeitet mit Partnern aus dem Mittelstand an souveränen, datenschutzkonformen Agenten-Lösungen, die Daten nicht in die USA senden müssen, ein zentrales Argument für viele Familienunternehmen. SAP integriert mit dem Assistenten Joule eigene Agentic-AI-Funktionen in seine Geschäftssoftware. Das ist nicht der Spitzenplatz, aber es ist ein Anfang mit eigenem Profil, souverän, datenschutzfest, mittelstandstauglich.

Zweitens bei der Bildung: Wenn Berufseinsteiger zuerst betroffen sind, müssen Schulen, Berufsschulen und Universitäten Antworten finden, bevor die nächsten Jahrgänge fertig werden. Es geht weniger um „programmieren lernen" als um die Frage, welche Aufgaben in Verwaltung, Recht, Medizin oder Journalismus in fünf Jahren noch dieselbe Form haben.

Drittens bei der Regulierung: Der EU AI Act greift bei Hochrisiko-Anwendungen. Aber die Frage, wer haftet, wenn ein Agent eine Bestellung falsch auslöst oder einen Vertrag fehlerhaft abschließt, ist ungeklärt. Die Bundesnetzagentur hat die Marktaufsicht übernommen, das Bundeswirtschaftsministerium arbeitet an Leitlinien, Stand April 2026 noch nicht öffentlich. Wer in Deutschland heute einen Agenten produktiv einsetzt, bewegt sich in einer Grauzone.

Für deutsche Unternehmen heißt das: 2026 ist nicht das Jahr des Abwartens, sondern des kontrollierten Experiments. Wer jetzt mit einem kleinen, klar abgegrenzten Anwendungsfall startet, Rechnungsprüfung, interne Recherche, einfache Buchhaltungsschritte, und dabei auf Erklärbarkeit besteht, hat 2027 einen Vorsprung gegenüber Konkurrenten, die noch warten. Agentic AI ist kein Trend, der wieder verschwindet. Aber wer die Pilot-zu-Produktion-Lücke ignoriert, baut auf zu viel Versprechen und zu wenig Substanz. Der Index von 2027 wird zeigen, ob die Lücke schmaler geworden ist, und ob Deutschland mit seinen souveränen Anbietern Boden gutmacht.

Alle Beiträge aus dem April 2026 · Zum KI-Radar, alle Monate