EUs nächstes KI-Kapitel: Agentische KI

Hintergrund

Am 14. Oktober 2026 hat OpenAI eine neue Analyse zur Verbreitung agentischer KI in der Europäischen Union veröffentlicht. Sie enthält zwei zentrale Aussagen. Erstens wächst die Nutzung, und zwar sowohl in Großunternehmen als auch in deutlich kleineren Betrieben. Zweitens bleibt vieles an der heutigen Anwendung oberflächlich. In mehreren Bereichen könnte mehr Wert entstehen, wenn Unternehmen Agenten tiefer in ihre Abläufe einbinden.

Die Quelle verlangt einen klaren Vorbehalt. Ein Anbieter von Modellen hat die Analyse selbst verfasst und damit auch Daten und Blickwinkel gewählt. Leser sollten sie als interessengeleitete Branchenbeobachtung lesen und nicht als neutrale Erhebung. Dennoch ist das eigene EU-Kapitel ein Signal: Die Erzählung des Marktes verschiebt sich von Chat-Assistenten hin zu Agenten, die Aufgaben zerlegen, Werkzeuge aufrufen und mehrstufige Abläufe abschließen.

Was ist agentische KI, und worin unterscheidet sie sich von dialogorientierter KI? Dialogorientierte KI beantwortet Fragen. Ihr Nutzen hängt davon ab, ob ein Mensch die Antwort in seine Arbeit übernimmt. Agentische KI erhält ein Ziel und Berechtigungen. Sie liest Dokumente, fragt Systeme ab, ruft Schnittstellen auf, entwirft und übermittelt Ergebnisse und reagiert auf Rückmeldungen. Ihr Wert liegt darin, wie viel eines Prozesses sie übernimmt, nicht in der Qualität einer einzelnen Antwort.

Tiefenanalyse

Daraus erklärt sich, warum der Bericht die Nutzungstiefe betont. Ein Unternehmen, das einen Agenten nur zum Glätten von E-Mails einsetzt, und eines, das Kundentickets, Kontenabstimmungen und die Erstprüfung von Verträgen an Agenten übergibt, zählen beide als Anwender. Der geschaffene Wert liegt aber in völlig verschiedenen Größenordnungen. Die bloße Zahl der Anwender sagt deshalb wenig aus.

Auch das Geschäftsmodell folgt daraus. Chat-Produkte, die pro Arbeitsplatz verkauft werden, wachsen nur so schnell wie die Belegschaft. Agenten, die nach Aufgaben, Aufrufen oder Ergebnissen abgerechnet werden, wachsen mit dem Arbeitsvolumen des Kunden. Für den Anbieter hebt das die Umsatzobergrenze. Zugleich steigen die Wechselkosten, denn ein um einen Agenten herum neu gestalteter Prozess lässt sich nur teuer auf einen anderen Anbieter umstellen.

Der technische Engpass liegt nicht im Modell selbst. Er liegt in Konnektoren, Rechteverwaltung, Prüfprotokollen und Rückfallwegen für den Fall, dass ein Agent scheitert. Unternehmen müssen wissen, was der Agent getan hat, auf welcher Grundlage und wer bei einem Fehler haftet. Solche Ingenieursdetails entscheiden oft eher über den Produktivstart als Benchmark-Werte.

Branchenwirkung

Im EU-Umfeld kommen drei Besonderheiten hinzu. Die erste ist das Gewicht kleiner und mittlerer Unternehmen bei Beschäftigung und Wertschöpfung. Ihnen fehlen große Datenteams, und individuelle Entwicklung können sie sich selten leisten. Sie greifen daher eher zu fertigen Agentenprodukten. Für Plattformanbieter ist das eine Chance. Für lokale Softwarehäuser und Integratoren bedeutet es Druck: Wenn ein allgemeiner Agent in Finanzen, Kundendienst und Einkauf einzieht, wandert der Wert der manuellen Einführungsarbeit zur Plattform.

Die zweite Besonderheit ist die Regulierung. Der EU AI Act legt Pflichten nach Risikostufen fest, und die Datenschutzregeln begrenzen den Umgang mit personenbezogenen Daten. Agenten lesen und verarbeiten Informationen über Systemgrenzen hinweg. Sie berühren daher Datenminimierung, Erklärbarkeit und menschliche Aufsicht häufiger als ein Chat-Werkzeug. Käufer fragen zuerst, wo die Daten liegen, wie lange Protokolle bleiben und welche Entscheidungen ein Mensch bestätigen muss. Anbieter, die diese Antworten als Produktfunktion liefern, gewinnen in Europa einen Vorteil.

Die dritte Besonderheit ist der Wettbewerb. US-Modellanbieter, europäische Modell- und Cloud-Anbieter und große Hersteller von Unternehmenssoftware kämpfen um denselben Einstiegspunkt. Die Analyse von OpenAI stützt das eigene Wachstum in Europa. Sie liefert außerdem der Politik eine Produktivitätsgeschichte, die in Regulierungsgesprächen helfen kann. Große Firmen müssen zwischen Eigenbau, Plattformkauf und Mischformen wählen. Kleinere müssen günstig starten und dabei die Bindung an einen einzelnen Anbieter vermeiden.

Ausblick

Vier Signale verdienen Aufmerksamkeit. Das erste sind überprüfbare Daten. Legt OpenAI Methode und Stichprobe offen, können Außenstehende beurteilen, ob das Wachstum echte Prozessablösung zeigt oder nur mehr Testkonten. Das zweite ist, wo die tiefe Nutzung landet. Finanzabläufe, Kundendienst, Softwareentwicklung sowie rechtliche und Compliance-Prüfungen sind standardisiert und arbeiten mit strukturierten Daten. Dort dürften zuerst skalierte Fälle entstehen. Entscheidungen mit hohem Risiko unterliegen engeren Grenzen.

Das dritte Signal sind Regulierung und Standards. Konkretere EU-Vorgaben zu Haftung, Prüfpflichten und grenzüberschreitendem Datenfluss würden das Tempo der Einführung bestimmen. Sie entscheiden auch, ob lokale Anbieter Compliance als Waffe gegen ausländische Konzerne nutzen können. Das vierte Signal ist die Preisgestaltung. Wird die Abrechnung nach Aufgabe oder Ergebnis üblich, wandern Budgets vom Softwarekauf zum dienstleistungsartigen Einkauf, und die Kostenprüfung ändert sich mit.

Die Geschichte der Agenten in der EU steht erst am Übergang vom Pilotbetrieb zur Skalierung. Die Trennlinie verläuft nicht dort, wie viele Firmen einen Agenten ausprobieren. Sie verläuft dort, wie viele ihre Prozesse neu gestalten, klare Verantwortungsgrenzen akzeptieren und Agenten Arbeit mit echten Folgen übergeben. Gewinnen werden jene, die Verlässlichkeit, Governance und Integration solide aufbauen, nicht nur jene mit dem stärksten Modell.