20. November 2025

„𝟳𝟬 % 𝗼𝗳 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜 𝘀𝗼𝗹𝘂𝘁𝗶𝗼𝗻𝘀 𝗮𝗿𝗲 𝗻𝗼𝘁 𝗮𝗰𝘁𝘂𝗮𝗹𝗹𝘆 𝗔𝗴𝗲𝗻𝘁𝘀.“

Lese ich immer wieder, aber ist das so? Und was bedeutet das eigentlich?

Agent Washing statt echter Agenten
 

Gartner warnt explizit vor „Agent Washing“, viele Anbieter labeln klassische Chatbots, RPA-Workflows oder einfache LLM-Assistenten als „Agentic AI“, obwohl ihnen echte Autonomie fehlt. In einer Marktanalyse schätzt Gartner, dass nur rund 130 von mehreren tausend „Agentic AI“-Anbietern tatsächlich substanzielle agentische Fähigkeiten haben.

Parallel dazu zeigt eine Gartner-Umfrage: Nur 15 % der IT-Application-Leader denken überhaupt darüber nach, vollautonome Agenten (ohne laufende menschliche Aufsicht) zu pilotieren oder zu deployen. Die große Masse arbeitet also nicht mit „Open-World-Superagenten“, sondern mit begrenzten, stark eingebetteten Use Cases.

Adoption ja, aber meist weit weg von echter Autonomie
 

McKinsey berichtet, dass 62 % der Unternehmen zumindest mit AI-Agents experimentieren, die wenigsten haben sie aber in der Breite skaliert.  PwC findet in einer aktuellen Agent-Survey, dass 88 % der Executives ihre AI-Budgets explizit wegen agentischer AI erhöhen wollen, der Hype ist also real! Gleichzeitig definieren IBM, Gartner & andere „Agentic AI“ sehr klar: Ziel-getriebene Systeme mit eigener Planung, Tool-Use, Feedback-Loops und Orchestrierung, mehr als nur ein LLM-Call in einem Workflow.

Wenn man diese Definition ernst nimmt, sind viele Produkte, die sich heute „AI Agent“ nennen, in Wahrheit:

• Agentic Workflows mit Human-in-the-Loop mit begrenzter Autonomie, oder
• Stark geskriptete „Agenten“, bei denen die eigentliche Logik im Orchestrierungslayer steckt (State-Machines, BPM, Temporal, n8n etc.) und das LLM nur Teile der Ausführung übernimmt.

Warum Full Autonomy (noch) die Ausnahme ist
 

Technisch ringen wir immer noch mit Halluzinationen, Fehlerfortpflanzung über lange Task-Ketten, Sicherheits- und Compliance-Themen. Analysten wie Gartner prognostizieren, dass über 40 % der Agentic-AI-Projekte bis 2027 wieder eingestellt werden, u.a. wegen unrealistischer Erwartungen und fehlender Governance.

Deshalb gilt für viele reale Use Cases heute:

• Autonomie wo sinnvoll messbar
• Klare Guardrails, Observability & Control
• Explizite Trennung zwischen Agent-Logik und Orchestrierung

Was heißt das für Produkt- und Tech-Teams?
 

Wenn du gerade „AI Agent“ auf deine Roadmap schreibst, lohnt sich eine kurze Reality-Check-Frage: Baue ich wirklich einen Agenten oder „nur“ einen besseren, AI-unterstützten Workflow?

Beides kann enormen Mehrwert bringen. Entscheidend ist, dass wir die Begriffe sauber benutzen und unsere Architektur, Governance und Erwartungen daran ausrichten.

Experten mit Struktur und auf Augenhöhe

finden Sie bei der F&P Executive Solutions AG.