Die ehrlichste Zahl des Jahres

Agentic AI ist das Buzzword der Saison, und die Zahlen dazu klingen beeindruckend, bis man sie zu Ende liest. Laut dem 2026 State of Agentic Orchestration and Automation Report von Camunda geben 71 Prozent der Unternehmen aus dem Banken-, Finanz- und Versicherungssektor an, KI-Agenten zu nutzen. Im selben Bericht steht die Zahl, die in keiner Vorstandspräsentation auftaucht: Nur 11 Prozent dieser Anwendungsfälle haben im letzten Jahr Produktionsreife erreicht.

71 gegen 11. Das ist keine Reifelücke, das ist ein Abgrund. Und die Befragten wissen es selbst: 73 Prozent räumen eine Lücke zwischen Vision und Realität beim Einsatz von KI-Agenten ein. Die Branche redet über autonome Agenten und betreibt Piloten.

Was die deutschen Zahlen dazu sagen

Der Befund deckt sich mit dem Blick auf den deutschen Markt. ibi research hat zum CIBI Innovationstag 2026 die Marktstimmung der Kreditinstitute analysiert, mit Agentic AI als Fokusthema. Das Ergebnis: 66 Prozent der Banken stufen die Technologie als strategisch geschäftskritisch ein, 71 Prozent sehen den Nutzen vor allem in Echtzeit-Kundeninformationen. Gleichzeitig attestiert ibi research, dass 61 Prozent der deutschen Institute das disruptive Potenzial unterschätzen.

Strategisch kritisch, aber unterschätzt, das klingt paradox, beschreibt aber präzise den Zustand vieler Häuser: Das Thema steht auf der Agenda, ohne dass jemand die Konsequenzen für Prozesse, Organisation und Verantwortung durchdacht hat. Produktiv eingesetzt wird Agentic AI laut ibi research vor allem im Kundenservice mit 73 Prozent und in der Kreditvergabe mit 61 Prozent. Genau dort, wo Prozesse dokumentenlastig, repetitiv und messbar sind.

Die drei Hürden, immer dieselben

Wo es hakt, ist gut dokumentiert. ibi research nennt als größte Hürden Regulierung und Governance mit 68 Prozent, Datenqualität mit 54 Prozent und veraltete IT-Legacy-Architekturen mit 44 Prozent. Bemerkenswert ist, was nicht auf der Liste steht: die Technologie selbst. Die Modelle sind gut genug. Die Organisation drumherum ist es nicht.

Das deckt sich mit dem, was wir in Projekten sehen. Der Agent, der im Demo-Notebook eine Kreditakte sauber zusammenfasst, ist in zwei Wochen gebaut. Der Weg von dort in den Produktivbetrieb, mit Berechtigungskonzept, Protokollierung, Eskalationslogik, Fachbereichsabnahme und Revisionssicherheit, dauert Monate. Nicht, weil er technisch schwer wäre, sondern weil ihn niemand verantwortet.

Das eigentliche Risiko: Agenten auf kaputten Prozessen

Die vielleicht wichtigste Zahl aus dem Camunda-Report ist eine Befürchtung: 50 Prozent der Befragten erwarten, dass unkontrollierte KI-Agenten Probleme bei schlecht implementierten Prozessen und Automatisierungen verschärfen. Diese Sorge ist berechtigt, und sie benennt das Kernproblem der ganzen Agentic-Welle.

Ein Agent automatisiert das, was er vorfindet. Liegt ein Prozess sauber definiert vor, mit klaren Eingaben, Regeln und Ausnahmen, beschleunigt der Agent ihn. Ist der Prozess ein gewachsenes Geflecht aus Excel-Zwischenschritten, Zuruf-Logik und stillschweigenden Konventionen, dann automatisiert der Agent das Chaos, nur schneller und ohne den Kollegen, der bisher die Fehler abgefangen hat. Agentic AI ist kein Ersatz für Prozessarbeit. Sie ist deren Belohnung.

Warum der Kostendruck das Thema erzwingt

Aussitzen ist trotzdem keine Option, und das liegt an der Budgetlage. Die ibi-Analyse zeigt: Der Kostendruck für 2026 und 2027 steigt massiv, reine Kostenkontrolle muss der notwendigen Transformation weichen. Die IT-Prioritäten der Banken liegen mit 68 Prozent auf Sicherheit, Resilienz und Regulatorik, dicht gefolgt von Daten, Analytics und KI mit 66 Prozent.

Übersetzt heißt das: Die Effizienzgewinne, die in den nächsten zwei Jahren erwartet werden, sind in vielen Häusern bereits in Planungen eingepreist, bevor die zugrunde liegenden Systeme produktiv sind. Wer 2027 liefern will, muss 2026 den Weg vom Piloten in die Produktion gehen. Die Camunda-Daten zeigen, dass die Investitionsbereitschaft da ist: 79 Prozent planen, ihre Automatisierungsausgaben zu erhöhen, mit im Schnitt 20 Prozent höheren Budgets in den nächsten zwei Jahren. Geld ist nicht der Engpass. Produktionsreife ist es.

Was Produktionsreife konkret bedeutet

Der Unterschied zwischen Pilot und Produktion lässt sich an fünf Fragen festmachen. Erstens: Wer trägt die fachliche Verantwortung für die Ergebnisse des Agenten, mit Namen, nicht mit Gremium? Zweitens: Was passiert bei Unsicherheit, gibt es eine definierte Übergabe an einen Menschen, mit Schwellenwerten statt Bauchgefühl? Drittens: Ist jede Entscheidung des Agenten nachvollziehbar protokolliert, so dass Revision und Aufsicht sie rekonstruieren können?

Viertens: Ist der Agent in die bestehende Prozesslandschaft integriert, also in Kernbanksystem, Workflow und Berechtigungen, statt daneben zu laufen? Fünftens: Gibt es definierte Kennzahlen, an denen der Betrieb gemessen wird, Durchlaufzeit, Fehlerquote, Eingriffsquote? Häuser, die alle fünf Fragen beantworten können, haben Agenten in Produktion. Häuser, die bei Frage eins ins Stocken geraten, haben Demos.

Orchestrierung schlägt Einzelagent

Der Camunda-Report trägt das Wort Orchestration nicht zufällig im Titel. Der reife Einsatz von Agenten ist keine Sammlung von Einzellösungen, sondern ein orchestrierter Prozess, in dem deterministische Schritte, regelbasierte Prüfungen und KI-Agenten ineinandergreifen, mit dem Menschen an definierten Kontrollpunkten. Der Agent ist ein Baustein im Prozess, nicht der Prozess selbst.

Diese Architekturentscheidung hat handfeste Governance-Vorteile. Ein orchestrierter Prozess hat einen Prozesseigner, ein Prozessmodell und Messpunkte. Genau die Strukturen, die Aufsicht und Revision sehen wollen, und genau die Strukturen, die laut ibi research mit 68 Prozent die größte Hürde darstellen. Wer Orchestrierung von Anfang an mitdenkt, löst das Governance-Problem als Nebeneffekt der Architektur.

Der realistische Einstieg für mittlere Institute

Für Sparkassen, Genossenschaftsbanken und mittelgroße Institute stellt sich die Frage anders als für Großbanken mit eigenen KI-Teams. Der realistische Weg beginnt nicht mit der Plattformentscheidung, sondern mit einem einzigen Prozess, der drei Kriterien erfüllt: hohes Volumen, klare Regeln, messbarer Schmerz. Die Posteingangsverarbeitung in der Marktfolge, die Vollständigkeitsprüfung von Kreditunterlagen, die Vorqualifizierung von Serviceanfragen.

Dieser eine Prozess wird vollständig durchgezogen: vom Ist-Prozess über die Soll-Definition bis zum produktiven Betrieb mit Kennzahlen. Nicht als Leuchtturm für die Pressemitteilung, sondern als Blaupause für den zweiten und dritten Prozess. Die 11 Prozent aus der Camunda-Studie, die Produktionsreife erreicht haben, sind nicht klüger als der Rest. Sie haben früher angefangen, kleiner geschnitten und konsequenter zu Ende gebaut.

Der Mensch im Prozess: Kontrollpunkt statt Flaschenhals

Eine Designfrage entscheidet über Akzeptanz und Aufsichtsfähigkeit zugleich: Wo steht der Mensch im agentischen Prozess? Die naive Antwort, überall, macht den Agenten wertlos, weil jede Automatisierung durch eine manuelle Freigabe wieder eingefangen wird. Die fahrlässige Antwort, nirgends, scheitert an Regulatorik und Risikoappetit. Die tragfähige Antwort sind definierte Kontrollpunkte mit Schwellenwertlogik.

Konkret: Der Agent arbeitet autonom, solange seine Konfidenz über einem definierten Wert liegt und der Vorgang innerhalb definierter Parameter bleibt, etwa Betragsgrenzen, Kundensegmente, Dokumenttypen. Außerhalb dieser Korridore eskaliert er an einen Menschen, und zwar mit dem vollständigen Arbeitsstand, nicht mit einer Fehlermeldung. Diese Logik lässt sich über die Zeit kalibrieren: Mit wachsender gemessener Qualität weiten sich die Korridore, dokumentiert und begründet. So entsteht ein Automatisierungsgrad, der mit dem Vertrauen mitwächst, statt ihm vorauszulaufen.

Make, Buy oder Verbund: die Plattformfrage richtig stellen

Für mittlere Institute stellt sich zwangsläufig die Frage nach dem Bezugsweg: eigene Orchestrierung aufbauen, eine Plattform einkaufen oder auf Verbundlösungen warten. Die ehrliche Antwort lautet: Die Plattformfrage ist nachgelagert, die Prozessfrage ist primär. Ein sauber definierter Soll-Prozess mit klaren Kontrollpunkten lässt sich auf nahezu jeder Orchestrierungstechnologie umsetzen. Ein undefinierter Prozess scheitert auf jeder.

Trotzdem gibt es Leitplanken für die Technologieentscheidung: Offene Standards und Austauschbarkeit der Modellanbieter schützen vor Abhängigkeiten, eine saubere Trennung von Prozesslogik und Modellaufrufen hält die Architektur wartbar, und die Protokollierungsfähigkeit jedes Einzelschritts ist nicht verhandelbar. Verbundlösungen sind dort die richtige Wahl, wo sie existieren und passen, sie entbinden aber nicht von der eigenen Prozessdefinition, denn die zentrale Plattform kennt die Abläufe des einzelnen Hauses nicht.

Die Personalfrage, die niemand zuerst stellt

Jede Agentendiskussion landet irgendwann bei der Frage nach den Arbeitsplätzen, meist zu spät und meist defensiv. Dabei ist die Personalwirkung in der Marktfolge und im Service längst keine Verdrängungsgeschichte, sondern eine Entlastungsgeschichte: Die Institute, die heute automatisieren, tun es überwiegend, weil sie offene Stellen nicht besetzt bekommen und Wissensträger in den Ruhestand verabschieden. Der Agent ersetzt selten eine Person, er ersetzt die Stunden, die niemand mehr leisten kann.

Das verändert die Kommunikationsaufgabe. Wer Agenten als Kostensenkungsprogramm einführt, erzeugt Widerstand, der jedes Projekt verlangsamt. Wer sie als Antwort auf reale Überlast einführt, mit den betroffenen Teams als Mitgestaltern der Eskalationslogik, bekommt die wertvollste Ressource des Projekts geschenkt: Mitarbeitende, die dem System seine Fehler zeigen, statt sie zu sammeln. Die Eingriffsquote sinkt in solchen Projekten messbar schneller, weil das Feedback fließt.

Wirtschaftlichkeit ohne Schönrechnen

Ein Grund für die Produktionslücke liegt auch in der Art, wie Business Cases gebaut werden. Viele Pilotrechnungen kalkulieren mit den Kosten des Piloten und den Erträgen der Vollautomatisierung, eine Mischung, die jede Skalierungsentscheidung später blamiert. Ehrlich gerechnet enthält der Produktionsfall die Integrationskosten in die Kernsysteme, den laufenden Betrieb inklusive Monitoring, die Schulung der Fachbereiche und die Governance-Arbeit, die mit jedem produktiven System wächst.

Trotzdem rechnen sich die richtigen Fälle deutlich, wenn man die richtige Bezugsgröße wählt: nicht eingesparte Stellen, sondern Durchlaufzeit, Stückkosten pro Vorgang und die Kapazität, die für wertschöpfende Arbeit frei wird. Ein Marktfolge-Prozess, dessen Durchlaufzeit von Tagen auf Stunden fällt, verändert nebenbei das Kundenerlebnis und die Wettbewerbsposition im Kreditgeschäft, ein Effekt, der in keiner Stellenrechnung auftaucht und trotzdem der wertvollste ist.

Sicherheit und Berechtigungen: das unterschätzte Arbeitspaket

Agenten handeln in Systemen, und damit erben sie das Berechtigungsthema in verschärfter Form. Ein Agent, der Kreditakten liest, Bestandsdaten abfragt und Ergebnisse ins Kernbanksystem schreibt, braucht technische Identitäten mit minimalen Rechten, sauber getrennt nach Funktion, mit nachvollziehbarer Protokollierung jeder Aktion. Das Prinzip ist aus der klassischen IT bekannt, die Konsequenz ist neu: Jeder Agent ist ein Mitarbeiter ohne Arbeitsvertrag, und die Frage, was er darf, gehört vor die Produktivsetzung, nicht in die erste Revision.

Dazu kommt der Schutz vor manipulierten Eingaben. Systeme, die Dokumente von außen verarbeiten, müssen damit rechnen, dass diese Dokumente Anweisungen enthalten, die das Modell beeinflussen sollen. Die Antwort ist architektonisch: enge Aufgabenzuschnitte pro Agent, Validierung der Ausgaben gegen erwartete Formate und kritische Aktionen grundsätzlich hinter deterministischen Prüfungen. Wer das von Beginn an einbaut, erspart sich die Nachrüstung unter Aufsichtsdruck.

Die Rolle der Daten, ehrlich betrachtet

Datenqualität steht in der ibi-Analyse mit 54 Prozent als zweitgrößte Hürde, und das verdient eine Differenzierung, weil daraus oft die falsche Konsequenz gezogen wird. Die verbreitete Reaktion lautet: erst die Daten in Ordnung bringen, dann automatisieren. In dieser Reihenfolge wird selten etwas fertig, weil Datenqualität ein Zustand ist, den man nie vollständig erreicht, und das Warten darauf ist eine elegante Form des Aufschiebens.

Die pragmatische Alternative dreht die Logik um: Der erste Anwendungsfall wird so gewählt, dass er mit der vorhandenen Datenqualität funktioniert, und die Automatisierung selbst legt die Datenprobleme offen, die wirklich relevant sind. Ein Agent, der an unsauberen Daten scheitert, zeigt präzise, welche Felder, welche Quellen, welche Formate das Problem sind, viel präziser als jedes Daten-Audit auf der grünen Wiese. Datenqualität wird so zum Nebenprodukt der Automatisierung, statt zu ihrer Vorbedingung.

Was 2026 entscheidet

Die Lücke zwischen 71 und 11 Prozent wird sich schließen, die Frage ist nur, für wen. Institute, die in diesem Jahr den ersten Agenten-Prozess sauber in Produktion bringen, bauen Erfahrung auf, die sich nicht zukaufen lässt: Wie verhält sich der Agent unter Last, wo greifen Mitarbeitende ein, welche Kennzahlen tragen. Institute, die weiter pilotieren, werden 2027 dieselben Folien zeigen wie heute, nur mit neuen Logos.

Sotica begleitet genau diesen Weg: von der Auswahl des ersten Prozesses über die Soll-Architektur bis zum produktiven Betrieb, mit jambit als Implementierungspartner. Wer wissen will, welcher Prozess im eigenen Haus der richtige Startpunkt ist, klärt das in einer Potenzialanalyse, bevor das nächste Pilotbudget verbrannt ist.