EU-KI-Kapitel: Agentische KI wächst in Firmen

Hintergrund

OpenAI hat Mitte Oktober 2026 eine Analyse veröffentlicht, die beschreibt, wie agentische KI in Unternehmen der Europäischen Union Verbreitung findet. Der Titel nennt Agenten das nächste Kapitel der KI in der EU. Die Kernaussagen sind zwei: Erstens wächst die Nutzung sowohl in Großunternehmen als auch in kleinen und mittleren Betrieben. Sie ist damit kein Experiment weniger Vorreiter mehr. Zweitens bleibt der größte Teil der Nutzung bislang oberflächlich. Wer Agenten tiefer in Geschäftsprozesse einbettet, könnte deutlich mehr Wert freisetzen.

Die öffentliche Zusammenfassung nennt keine Adoptionsraten. Dieser Beitrag trifft deshalb keine quantitative Aussage zur Geschwindigkeit des Wachstums. Er beschreibt nur die Richtung des Trends und ihre Bedeutung. Da OpenAI die Analyse selbst verfasst hat, sollten Leser sie als Branchensicht mit eigenem Interesse einordnen und nicht als neutrale Statistik.

Auf der längeren Zeitachse nutzten EU-Unternehmen zuerst Chatbots und Textassistenten. Danach verbanden sie große Sprachmodelle mit internen Wissensdatenbanken. Die aktuelle Stufe lässt Modelle selbstständig Werkzeuge aufrufen und mehrstufige Aufgaben erledigen.

Tiefenanalyse

Was unterscheidet agentische KI in EU-Unternehmen von einem Chat-Assistenten? Ein Chat-Assistent arbeitet in einzelnen Frage-Antwort-Schritten. Das Modell liefert Text, und ein Mensch urteilt und handelt. Ein agentisches KI-System arbeitet dagegen auf ein Ziel hin. Es zerlegt die Aufgabe in Schritte und ruft Werkzeuge wie Suche, Datenbanken und Schnittstellen von Unternehmenssoftware auf. Aus Zwischenergebnissen korrigiert es seinen Plan und liefert am Ende ein Ergebnis oder führt eine Aktion aus.

Damit verschiebt sich die Quelle des Nutzens. Frühere Gewinne entstanden durch schnelleres Schreiben und Recherchieren einzelner Personen, und sie zeigten sich selten in der Bilanz. Ein Agent übernimmt dagegen einen Abschnitt eines Prozesses, etwa die Verteilung von Support-Tickets, den Abgleich von Einkaufsbelegen, die Erstprüfung von Verträgen oder die Nachverfolgung von Vertriebskontakten. Eingespart wird ein ganzer Block Arbeitszeit, den ein Unternehmen pro Prozess zählen kann. Für kleine und mittlere Betriebe ist das besonders wichtig. Sie haben kein eigenes Automatisierungsteam, und klassische Projekte zur Prozessautomatisierung sind teuer und langwierig. Ein Agent, der Aufgaben in natürlicher Sprache entgegennimmt, senkt diese Hürde. Mit der tieferen Nutzung, die die Analyse nennt, ist wohl dieser Schritt gemeint: vom Helfer für einzelne Beschäftigte hin zum Umbau von Prozessen. Tiefere Nutzung bringt jedoch auch neue Pflichten. Unternehmen müssen Berechtigungsgrenzen festlegen, Rückabwicklung nach Fehlern vorsehen, Protokolle führen und das Modellverhalten fortlaufend testen. Das ist weit aufwendiger als der Kauf eines Chat-Werkzeugs.

Branchenwirkung

Der Trend betrifft mehrere Gruppen zugleich. Zuerst sind Modell- und Plattformanbieter betroffen. OpenAI legt mit der Analyse Marktdaten vor und baut zugleich eine Erzählung für die eigenen Unternehmensprodukte und Agenten-Werkzeuge auf. Konkurrenten werden ihre Stärken beim Werkzeugaufruf, bei der Stabilität langer Aufgaben und bei unternehmensweiten Kontrollen betonen.

Als Nächstes folgen europäische Softwarehäuser und Beratungen. Wer Agenten an ERP-, CRM- und Dokumentensysteme anbindet, braucht viel Integrationsarbeit und Prozessanalyse. Integratoren, die lokale Sprachen, Branchenregeln und Altsysteme kennen, erhalten Chancen. Sie geraten aber auch unter Druck von großen Plattformen, die fertige Lösungen direkt verkaufen. Die dritte Gruppe sind kleine und mittlere Unternehmen. Sie sind zahlreich und reagieren empfindlich auf Preis und Bedienbarkeit. Das Wachstum zeigt, dass die Werkzeuge leicht genug zugänglich sind. Ob der Sprung zur tiefen Nutzung gelingt, hängt davon ab, ob jemand Fachwissen in verlässliche Agenten-Abläufe übersetzen kann. Der vierte Faktor ist die Regulierung. Der EU AI Act staffelt Pflichten nach Risiko, und die DSGVO regelt den Umgang mit personenbezogenen Daten. Ein Agent kann auf solche Daten zugreifen und Handlungen auslösen, die Kunden betreffen. Unternehmen müssen daher klären, wer für das Ergebnis haftet, wie sie es Nutzern erklären und wo die Daten liegen. Die Compliance-Kosten bremsen manche Firmen. Sie begünstigen aber auch Anbieter mit transparenten Protokollen, Prüffunktionen und Optionen zur Datenhaltung in der EU.

Ausblick

Mehrere Signale verdienen Aufmerksamkeit. Das erste ist die Nutzungstiefe. Zu beobachten ist, ob Firmen von Pilotprojekten in den Produktivbetrieb wechseln, ob der Anteil der von Agenten bearbeiteten Prozesse steigt und ob belastbare Zahlen zum Ertrag vorliegen, nicht nur zur Zahl der Nutzer. Das zweite Signal sind Zuverlässigkeit und Kosten. In mehrstufigen Aufgaben können sich Fehler aufsummieren. Verschlingen Bewertung, Überwachung und menschliche Kontrolle mehr, als die Automatisierung spart, verlangsamt sich die Ausbreitung. Verbesserungen bei Stabilität und Preismodellen der Anbieter zeigen, wohin die Entwicklung geht.

Das dritte Signal sind Regeln und Durchsetzung. Wenn die Pflichten des AI Act schrittweise greifen, ziehen Leitlinien, Normen und erste Verfahren zu autonomen Systemen die tatsächlichen Grenzen für Agenten. Das vierte ist die Interoperabilität. Können Agenten verschiedener Hersteller über gemeinsame Werkzeugschnittstellen zusammenarbeiten, vermeiden Firmen die Bindung an einen einzigen Anbieter. Für eine EU, der digitale Souveränität wichtig ist, ist dieser Punkt heikel. Das fünfte Signal betrifft Menschen und Organisation. Den Unterschied macht womöglich, wer zuerst Rollen und Freigabeprozesse neu gestaltet, damit Beschäftigte sich auf Urteil und Ausnahmen konzentrieren. Die Einführung agentischer KI in der EU hat begonnen. Die nächste Prüfung lautet, wie viele Unternehmen Agenten ihre Kernprozesse anvertrauen und belegen können, dass dies sicher und wirtschaftlich ist.