Vorstände großer Konzerne haben 2026 in nahezu jedem Geschäftsbereich KI-Agenten im Einsatz oder in der Pilotphase, von der Vertriebsunterstützung über den Service bis in die Produktionssteuerung hinein. Studien von Gartner und Forrester zeigen jedoch, dass nur etwa fünfzehn Prozent dieser Agenten in DAX-40-Konzernen den Sprung in den belastbaren Regelbetrieb schaffen, während die übrigen entweder im Pilotstatus verharren oder still abgeschaltet werden. Die Technologie ist nicht das Hindernis. Frameworks wie CrewAI, LangGraph oder das OpenAI Agents SDK erlauben es, innerhalb weniger Stunden einen funktionierenden Agenten zu bauen, der eine konkrete Aufgabe sauber abwickelt. Der Engpass ist das fehlende Betriebsmodell, das eine institutionelle Heimat für den Agenten schafft und seine Pflege über den Lebenszyklus absichert. Der vorliegende Beitrag erläutert, warum das Operating Model die eigentliche Investitionsentscheidung darstellt und welche Konsequenzen daraus für die Steuerung auf Vorstandsebene folgen, wenn KI dauerhaft Wirkung entfalten soll.
Strategie ersetzt kein Operating Model
Viele Konzerne beginnen mit einer Agentenstrategie, in der definiert wird, welche Prozesse profitieren, welche Use Cases sich anbieten und welche Agenten gebaut werden sollen. Das ist notwendig, aber nicht hinreichend. Sobald der erste Agent in Produktion geht, treffen die strategischen Annahmen auf operative Realität. Es stellt sich die Frage, wer den Agenten überwacht, wer für seine Entscheidungen haftet, wer im Fehlerfall entscheidet, wie neue Versionen eingespielt werden und wie Logs geprüft werden. Diese Fragen werden im Strategiepapier nicht beantwortet, sondern erst im Operating Model. Wer sie nicht beantwortet, vergibt einen Agenten an niemanden und bezahlt ihn aus dem Innovationsbudget bis zum stillen Ende.
Ohne Operating Model landet jeder Agent früher oder später im Schubladenstatus, weil sich niemand institutionell für ihn verantwortet fühlt. Diese Lücke wird auf C-Level unterschätzt, weil sie in der Pilotphase nicht sichtbar wird. Erst beim Übergang in den Regelbetrieb zeigt sich, ob ein Agent in der Linie eine Heimat findet oder zu einem freistehenden Projekt verkümmert. Aus Sicht der Kapitalallokation ist das Operating Model damit nicht ein technisches Nebenprodukt, sondern die eigentliche strategische Investitionsentscheidung. Wer die Frage des Betriebs nicht vor dem Bau klärt, verschwendet Mittel und nimmt Risiken in Kauf, die später nicht mehr beherrschbar sind. Diese Disziplin gehört auf die Vorstandsagenda.
Die fünf Bausteine im Überblick
Ein tragfähiges Operating Model für KI-Agenten besteht aus fünf Bausteinen, die jeder für sich notwendig und in Summe hinreichend sind. Erstens ein Rollenmodell, das eindeutig definiert, wer Agent-Owner, wer Quality-Lead und wer Incident-Owner ist und welcher Vorstand die Gesamtverantwortung trägt. Zweitens eine Entscheidungsmatrix, die festlegt, welche Aktionen vollautomatisch laufen dürfen und welche eine menschliche Freigabe erfordern. Diese beiden Bausteine entscheiden über die Geschwindigkeit, mit der ein Agent Wirkung entfalten kann, und gleichzeitig über das Risiko, das die Organisation aktiv übernimmt. Sie sind die Grundlage jeder weiteren Diskussion über Skalierung.
Drittens ein Monitoring- und Evaluations-Framework, das nicht nur Verfügbarkeit misst, sondern auch Output-Qualität, Drift und Nutzerzufriedenheit über den gesamten Lebenszyklus. Viertens ein Änderungsprozess für Prompts, Werkzeuge und Modelle, der Versionsstände nachvollziehbar macht und externen Prüfern standhält. Fünftens ein Eskalations- und Rollback-Pfad für den Fall, dass ein Agent kritische Fehler produziert. Diese drei Bausteine sichern die institutionelle Lernfähigkeit ab, die KI-Agenten von klassischer Software unterscheidet. Wer hier abkürzt, baut Agenten, die in der zweiten Welle nicht mehr funktionieren und in der dritten nicht mehr versichert werden können. Disziplin in diesen fünf Punkten ist nicht optional.
Der Unterschied zur klassischen IT-Steuerung
Klassische IT-Betriebsmodelle reichen für Agenten nicht aus. Der Grund liegt in der nicht-deterministischen Natur von LLMs: Zwei Agenten mit identischem Prompt können in derselben Situation unterschiedlich entscheiden. Das macht klassische Testpyramiden wirkungslos und verschiebt den Fokus vom Pre-Production-Test auf kontinuierliches Production-Monitoring mit menschlicher Stichprobe. Diese Verschiebung verändert die Rollen von Quality Assurance, IT-Betrieb und Compliance grundlegend. Sie ist kein technisches Detail, sondern eine strukturelle Konsequenz, die der Vorstand verstanden haben muss, bevor das erste Investitionsvolumen freigegeben wird.
Konzerne, die diesen Unterschied früh verstehen, bauen Betriebsmodelle, die auch den zwanzigsten Agenten noch tragen. Konzerne, die ihn nicht verstehen, bleiben bei Einzelprojekten stehen, die in der Organisation nicht skalieren und bei jeder neuen regulatorischen Anforderung neu verhandelt werden müssen. Diese strukturelle Entscheidung wirkt unmittelbar auf das Risikoprofil, weil sie über die Beherrschbarkeit der KI-Landschaft in zwölf Monaten entscheidet. Aus Sicht der Kapitalallokation ist sie damit eine der teuersten Entscheidungen, die ein Vorstand 2026 treffen kann, und sie wird meist getroffen, ohne dass sie als solche wahrgenommen wird.
Wirkung auf Governance und Wettbewerbsposition
Wer das Operating Model als strategische Investition behandelt, schafft die Grundlage für eine Agenten-Plattform statt einer Agenten-Sammlung. Drei bis fünf Agenten pro Quartal in den Regelbetrieb zu überführen ist mit einem soliden Betriebsmodell realistisch. Ohne Betriebsmodell bleibt es bei ein bis zwei pro Jahr, häufig mit der zusätzlichen Belastung eines schleichenden Vertrauensverlusts. Diese Differenz wirkt sich auf die Wettbewerbsposition aus, weil agentenbasierte Prozesse in Vertrieb, Service und Operations zur Quelle messbarer Margenunterschiede werden. Der Vorstand, der das Operating Model früh aufbaut, sichert damit nicht nur Compliance, sondern strategische Geschwindigkeit.
Aus Sicht des Aufsichtsrats ist das Operating Model die Voraussetzung dafür, dass KI-Investitionen überprüfbar werden und in die übliche Berichterstattung des Konzerns einfließen können. Es liefert Berichtsformate, definiert Verantwortlichkeiten und macht den Lebenszyklus eines Agenten dokumentierbar, von der Idee über den produktiven Einsatz bis zur kontrollierten Außerbetriebnahme. Diese Eigenschaften erfüllen die Anforderungen des EU AI Act an Hochrisiko-Systeme und erlauben gleichzeitig eine Steuerung über mehrere Geschäftsbereiche hinweg. Wer hier strukturiert vorgeht, vermeidet doppelte Initiativen, reduziert Compliance-Risiken und gewinnt an Glaubwürdigkeit gegenüber externen Prüfern und Investoren. Diese Eigenschaften erhöhen den institutionellen Wert der KI-Programme deutlich gegenüber unkoordinierten Pilotaktivitäten und werden in der Bewertung durch Analysten und Aufsichtsbehörden zunehmend zum Maßstab.
Fazit und Empfehlung
KI-Agenten werden nicht durch bessere Modelle skaliert, sondern durch ein konsequent gebautes Operating Model, das Verantwortung, Messbarkeit und Wiederholbarkeit zugleich sichert. Es ist die eigentliche Investitionsentscheidung, die ein Vorstand 2026 zu treffen hat, weil sie über Geschwindigkeit, Risiko und Skalierungsfähigkeit der gesamten KI-Landschaft im Konzern entscheidet. Für die nächsten neunzig Tage empfehlen wir drei Schritte. Erstens die Benennung eines C-Level-Sponsors mit klarer Verantwortung für das Betriebsmodell und einer direkten Berichtslinie an den Vorstand. Zweitens die Definition der fünf Bausteine Rollenmodell, Entscheidungsmatrix, Monitoring, Änderungsprozess und Rollback-Pfad für die erste Welle, einschließlich der dafür notwendigen Werkzeuge. Drittens die Festlegung eines Berichtsformats für den Aufsichtsrat, das den Lebenszyklus jedes Agenten transparent macht und an die übliche Quartalsberichterstattung anschließt.
ECODYNAMICS unterstützt Konzerne beim Aufbau dieses Operating Models von der Rollendefinition über die Monitoring-Architektur bis zur regulatorischen Anschlussfähigkeit. Wir bringen die Methodik, die Werkzeuge und die Erfahrung aus mehreren Konzernprogrammen mit, übergeben aber von Anfang an das Eigentum an die Linienorganisation. Unsere Lieferfähigkeit zeigt sich in einer Verkürzung der Time-to-Production auf drei Monate und einer signifikanten Erhöhung der erfolgreichen Übergaben in den Regelbetrieb. Wenn Sie KI-Agenten von der Pilotphase in die belastbare Wertschöpfung überführen wollen, sind wir der richtige Partner. Sprechen Sie uns an.