Was verändert sich, wenn KI nicht mehr nur antwortet, sondern handelt?
Tino Mager, KI Experte und Cloud Solution Architect, Deutsche Telekom MMS: KI ist der neue Kollege. Nehmen wir die Logistik. Ein Fahrer fotografiert ein Lieferdokument. Der KI-Agent erkennt die Angaben, prüft Adresse und Vollständigkeit, überträgt die Daten in das ERP-System und stößt den nächsten Schritt im Prozess an. Der Vorgang wandert nicht mehr für manuelle Eingaben von Schreibtisch zu Schreibtisch. Die Menschen können sich auf unklare oder fehlerhafte Fälle konzentrieren.
KI ist in den Firmen angekommen: Laut Eurostat nutzte in der EU 2025 bereits jedes fünfte Unternehmen ab zehn Beschäftigten künstliche Intelligenz. Bitkom hat aktuelle Zahlen für Deutschland: 41 Prozent der Unternehmen ab 20 Beschäftigten nutzen inzwischen KI, weitere 48 Prozent planen oder diskutieren den Einsatz. Die Experimentierphase geht zu Ende. Jetzt muss KI zeigen, welchen konkreten Nutzen sie für Prozesse, Beschäftigte und Kunden liefert. Mit der Studie „Der ROI-Kompass für KI im Mittelstand“ haben Telekom MMS und mind digital Zahlen erhoben sowie Erkenntnisse von 100 Vorreitern zu Reifegrad, Investitionslogik und messbarem Erfolg gesammelt.
Sven Giesselbach, CTO AI & Data T-Systems International: Der nächste Entwicklungsschritt in Unternehmen führt zu KI-Agenten, die klar begrenzte Aufgaben selbstständig erledigen. Die Studie zeigt: 91 Prozent der untersuchten Vorreiter nutzen Wissensassistenten, 83 Prozent setzen auf automatisierte Dokumentenerstellung und Textarbeit.
Mit KI-Agenten entsteht eine neue Verantwortung. Eine ungenaue Antwort eines Chatbots ist ärgerlich. Bei einem KI-Agenten in Produktion, Logistik, Energie oder Transport kann ein Fehler eine Anlage stoppen, eine Lieferung verzögern oder ein Sicherheitsrisiko auslösen. Heikel wird es, wenn ein KI-Agent unkontrolliert eine Bestellung auslöst, Stammdaten verändert oder auf sensible Informationen zugreift. Der Maßstab für KI-Agenten darf nicht das technisch Machbare sein, sondern der konkrete Nutzen bei beherrschbarem Risiko.
Die Telekom stellt mit der T-AI Agent Platform und dem T-AI Agentic Hub zwei Angebote vor. Warum braucht es zwei Plattformen?
Tino Mager: Weil Unternehmen an unterschiedlichen Punkten starten. Viele mittelständische Kunden wollen ein konkretes Problem lösen: zu viele manuelle E-Mails, wiederkehrende Serviceanfragen oder Daten, die Beschäftigte mühsam zwischen Systemen übertragen. Sie wollen mit einem überschaubaren Prozess beginnen, schnell Nutzen sehen und den KI-Agenten schrittweise erweitern. Sie können mit einem vorkonfigurierten Agenten starten, vorhandene Workflows selbst anpassen oder gemeinsam mit uns einen individuellen Agenten entwickeln. Mit planbaren Paketpreisen.
Sven Giesselbach: In Organisationen, in denen immer größere Teile von Prozessen über Agenten laufen, entstehen dagegen KI-Agenten häufig dezentral in verschiedenen Fachbereichen. Einer basiert vielleicht auf n8n, andere auf LangGraph, CrewAI oder AutoGen. Sie „verstehen“ einander nicht, nutzen unterschiedliche Sprachmodelle und haben unterschiedliche Autonomiegrade. Der T-AI Agentic Hub führt KI-Agenten unterschiedlicher Hersteller und technischer Frameworks auf einer gemeinsamen Betriebsplattform zusammen. Dabei ist er der zentrale Kontrollpunkt für die Einhaltung von Vorgaben und Kosten. Er ist das Operating System für Agenten.
Tino Mager: Vereinfacht gesagt, die T-AI Agent Platform automatisiert klar definierte Geschäftsprozesse. Der T-AI Agentic Hub koordiniert ganze Agentenlandschaften – von festen Workflows bis zu Agenten, die Aufgaben selbstständig planen und verteilen. Die T-AI Platform bringt Prozesse zur Ausführung, der T-AI Agentic Hub hält ihr Zusammenspiel unter Kontrolle. Der Unterschied liegt damit weniger in der Technologie als in Komplexität, Risiko und organisatorischer Ausgangslage.
Welches konkrete Problem löst die T-AI-Agent Platform für ein Unternehmen?
Tino Mager: Wir sehen die Herausforderung in der Praxis, die Idee zum funktionierenden Geschäftsprozess zu machen. Welche Aufgabe kostet heute Zeit? Welcher Vorgang lässt sich zuverlässig automatisieren?
Die T-AI Agent Platform verbindet n8n-basierte Workflow-Automatisierung mit KI-Modellen und Funktionen wie Sprache und IT-Sicherheit und bietet Standard-Agenten, einen Agenten-Baukasten und individuelle Agenten. Über die grafische Oberfläche von n8n können beispielsweise vorgefertigte Workflow-Templates an das vorhandene Mail-, CRM- oder ERP-System angepasst werden. Betrieb, Security, Nutzer- und Rechtemanagement, Lifecycle-Management, Monitoring, Billing und Support sind Teil der Plattform. Die Telekom MMS bietet Unterstützung bei der Auswahl des Prozesses und der Integration in die IT-Landschaft des Betriebs.
Ein guter erster KI-Agent hat eine klar begrenzte Aufgabe. Sein Ergebnis lässt sich überprüfen. Und das Unternehmen kann erkennen, ob Aufwand, Bearbeitungszeit oder auch -Fehler sinken.
Ab welchem Punkt reicht eine einzelne Workflow-Lösung nicht mehr aus?
Sven Giesselbach: Ein KI-Agent im Kundenservice lässt sich meist noch klar einem Prozess und einem Team zuordnen. Anders sieht es aus, wenn parallel KI-Agenten im IT-Betrieb, in der Finanzanalyse und im Risikomanagement oder in der Lieferkette arbeiten und dabei auf unterschiedliche Daten und Unternehmenssysteme zugreifen.
Mit zunehmendem Handlungsspielraum müssen deshalb Identitäten, Rechte, Nachvollziehbarkeit, Cybersecurity und menschliche Freigaben von Anfang an mitgedacht werden. Kontrolle kommt nicht nachträglich dazu. Erst dann lässt sich ihr Einsatz verlässlich ausbauen.
Dazu kommt: Wenn KI-Agenten Aufgaben selbst planen, verteilen und mit anderen Agenten oder Systemen zusammenarbeiten, müssen Unternehmen ihre Prozesse neu denken: Welche wiederverwendbaren Bausteine können prozessübergreifend genutzt werden? Wie viel Eigenständigkeit ist sinnvoll und wo eignet sich eher ein fester Workflow? Der T-AI Agentic Hub legt für beide Ansätze einen entsprechenden Rahmen. Er verbindet Agenten über Systemgrenzen hinweg, macht sichtbar, welcher KI-Agent welches Modell nutzt, auf welche Systeme er zugreifen darf und welche Aktionen er ausgeführt hat. Daten bleiben in den Quellsystemen, der Zugriff erfolgt über kontrollierte Schnittstellen, Aktivitäten bleiben nachvollziehbar, testbar und über Rollen- und Rechtekonzepte steuerbar. Für bestimmte Nutzer oder Modelle lassen sich zudem Kostenlimits vorsehen.
Verschiedene Modelle? Das hieße, Unternehmen müssen für jedes KI-Modell einen eigenen Vertrag abschließen?
Sven Giesselbach: Nein. Der T-AI Agentic Hub nutzt unter anderem die AI Foundation Services. Das ist der Marktplatz für KI von T-Systems. Unternehmen erhalten so Zugang zu vielen KI-Modellen über einen Anbieter, eine technische Schnittstelle und eine gebündelte Abrechnung – statt separater Verträge und Integrationen mit jedem einzelnen Modellanbieter. Die Nutzung wird dabei verbrauchsabhängig abgerechnet.
Tino Mager: Die T-AI Agent Platform greift auch auf die AI Foundation Services zu. Der praktische Vorteil liegt in der Wahlfreiheit. Ein Unternehmen kann für Geschwindigkeit, Kosten, Qualität oder Schutzbedarf jeweils eine passende Entscheidung treffen.
Sven Giesselbach: Du sprichst hier das Thema Souveränität, an, Tino. Diese Wahlfreiheit ist ein wichtiger Aspekt von Souveränität. Erinnern wir uns, im Juni verpflichtete die US-Regierung das KI-Unternehmen Anthropic vorübergehend dazu, seine neuesten KI-Modelle für Ausländer zu sperren. Eine https://www.ifo.de/pressemitteilung/2026-08-11/unternehmen-technische-abhaengigkeit-von-usa zeigt, dass knapp neun von zehn deutschen Unternehmen digitale Produkte US-amerikanischer Anbieter nutzen. 31 Prozent sehen sich stark von ihnen abhängig. Souveränität heißt, dass ein Unternehmen seine Abhängigkeiten kennt, Alternativen besitzt und im Ernstfall wechseln oder eingreifen kann.
Nicht jedes Modell muss zwangsläufig aus Deutschland kommen. Modelle unterscheiden sich in ihrer Leistung, in den Preisen und haben verschiedene Souveränitätsstufen. Es lässt sich festlegen, auf welcher Infrastruktur die Modelle betrieben werden sollen, zum Beispiel in der eigenen IT-Umgebung, auf souveräner Infrastruktur wie der T Cloud oder beim Hyperscaler. Der T-AI Agentic Hub wertet je nach Schutzbedarf der Daten aus, auf welcher Umgebung Daten gemäß den Unternehmensvorgaben verarbeitet werden dürfen. Innerhalb eines Agentensystems lassen sich so verschiedene Modelle kombinieren, je nach Schutzbedarf, Kosten und Leistungsfähigkeit auch eigene der Unternehmen. Der T-AI Agent Hub kann sich an die Betriebs- und Souveränitätsanforderungen eines Konzerns oder einer Behörde anpassen.
Thema Souveränität: IT und Compliance wollen Kontrolle, die Fachbereiche schnelle Ergebnisse. Wie mit dem Konflikt umgehen?
Tino Mager: Wer nur auf Tempo schaut, riskiert einen Pilot, der zwar funktioniert, aber später nicht skaliert werden kann. Wer jeden ersten Anwendungsfall wie eine konzernweite Hochrisiko-Anwendung behandelt, verhindert praktische Erfahrungen.
Ich erkläre es gerne mit einem überschaubaren Anwendungsfall, am besten mit wiederkehrenden Mustern. Dafür lassen sich Erfolgskriterien, Schnittstellen und Regeln definieren. So kann ein Unternehmen schnell Erfahrungen sammeln, ohne die notwendigen Spielregeln mit der Governance auf später zu verschieben. Viele KI-Projekte bleiben stecken, weil genau diese Voraussetzungen erst zu spät betrachtet werden.
Sven Giesselbach: Governance sollte nicht als Bremse verstanden werden. Richtig umgesetzt schafft sie erst die Voraussetzung für Skalierung. Solange ein Pilot von einem kleinen Team betreut wird, lassen sich viele Fragen noch manuell klären. Sobald Dutzende KI-Agenten in verschiedenen Bereichen arbeiten, funktioniert das nicht mehr. Dann braucht jeder KI-Agent eine eindeutige Identität, klar definierte Rechte, protokollierte Aktionen und Grenzen, die er nicht überschreiten darf.
Das Ziel ist nicht möglichst viel Kontrolle an jeder Stelle. Das Ziel ist das richtige Maß an Kontrolle für die jeweilige Aktion.
Wer trägt die Verantwortung, wenn ein Agent einen Fehler macht?
Sven Giesselbach: Die Verantwortung lässt sich nicht an den KI-Agenten delegieren. Das einsetzende Unternehmen muss festlegen, welche Aufgaben automatisiert werden dürfen und welche Kontrollen erforderlich sind.
Deshalb braucht es mehrere Schutzebenen. Im T-AI Agentic Hub ist vorgesehen, KI-Agenten vor ihrer Freigabe durch Menschen zu testen und Security- sowie Compliance-Vorgaben einzubeziehen. Der T-AI Agentic Hub stuft Aktionen der Agenten nach ihrem Risiko ein und legt fest, wann ein Mensch eingreifen muss. Besonders kritische Aktionen können so konfiguriert werden, dass sie immer durch Menschen freigegeben werden müssen. Darüber hinaus lassen sich Kosten- und Nutzungslimits verankern.
Tino Mager: Entscheidend ist die Gestaltung des konkreten Prozesses. Ein KI-Agent kann beispielsweise eine Entscheidung vorbereiten, während ein Mensch sie bestätigt. Bei einer risikoarmen Routine kann der KI-Agent den Vorgang selbst abschließen. Wir sollten nicht fragen, ob KI-Agenten grundsätzlich autonom arbeiten dürfen, sondern wie autonom im jeweiligen Prozess.
Was sollten Unternehmen jetzt konkret entscheiden?
Tino Mager: Unternehmen sollten mit dem Anwendungsfall beginnen, nicht mit der Technologie: Wo entsteht heute unnötiger Aufwand, und lässt sich der Nutzen einer Automatisierung messen? Dabei gibt es keinen vorgeschriebenen Weg. Manche Unternehmen starten mit einem einzelnen Geschäftsprozess, andere brauchen aufgrund ihrer Komplexität oder Regulierung von Beginn an eine zentrale Steuerung. Die beiden Angebote schließen sich nicht aus. Workflows aus der Platform können in eine größere Hub-Umgebung eingebunden werden.
Sven Giesselbach: Und sie sollten früh klären, welche Kontrolle der jeweilige Anwendungsfall braucht: Welche Entscheidungen darf der KI-Agent treffen? Auf welche Daten und Systeme darf er zugreifen? Auf welcher Infrastruktur soll der Agent betrieben werden? Und wann muss ein Mensch eingreifen?
Tino Mager: Nicht die leistungsfähigste KI entscheidet über den Erfolg eines Unternehmens. Entscheidend ist, ob es sie in reale Wertschöpfung übersetzen, sicher skalieren und verantwortlich steuern kann.
