Interview: Von GenAI zu Agentic AI – Was 2026 den Unterschied macht

Sarina Hermann

GenAI kann einen erheblichen Produktivitätsschub bringen. Häufig bleibt es aber bei punktuellen Sprüngen: ein schneller Text, eine kompakte Zusammenfassung, ein guter Entwurf. Business-Impact entsteht erst, wenn solche Einzelergebnisse in Prozesse eingebettet sind. Und da sehen wir eine große Lücke: Organisationen haben häufig ein Zielbild, doch die Umsetzung bleibt fragmentiert.

Sarina Hermann

GenAI ist in vielen Fällen reaktiv: Ich frage etwas und bekomme ein Ergebnis. Agentic AI ist hingegen zielorientiert: Das System arbeitet auf eine Lösung hin, kann Teilaufgaben planen, Entscheidungen vorbereiten und – innerhalb definierter Leitplanken – auch Aktionen auslösen. Bedeutet: Wir reden nicht mehr nur über Content oder Antworten, sondern über Prozessschritte, die in Systemen stattfinden: Tickets klassifizieren, Bestellungen prüfen, Inhalte ausspielen, Daten anreichern, Workflows anstoßen.

Sarina Hermann

Autonomie funktioniert nur, wenn das Fundament stimmt. Ein Agent führt am Ende das aus, was Prozesse, Daten und Regeln hergeben. Wenn Prozesse unklar sind oder die Datenqualität schwankt, automatisiert man keine Erfolgsereignisse, sondern potenziell nur Chaos. In den Gesprächen mit unseren Kunden merken wir häufig, dass Prozesse noch nicht den erforderlichen Reifegrad haben, um agentenbasierte Orchestrierung sauber umzusetzen. Und ohne qualitativ hochwertige Daten und klare Prozesse bleibt der Erfolg von KI begrenzt.

Sarina Hermann

Besonders häufig höre ich drei Klassiker. Erstens: „Wir brauchen nur das richtige Modell.“ Tatsächlich braucht es allerdings ein Zusammenspiel aus Datenzugriff, Rollenmodell, Sicherheitskonzept und Monitoring. An zweiter Stelle: „Wir starten mal mit einem Agenten – der Rest ergibt sich.“ Agentic AI ist selten ein Einzelsystem. Es geht vielmehr um die Orchestrierung spezialisierter Agenten, die zusammenspielen und sauber in bestehende Plattformen integriert werden müssen. Und drittens: „Governance kommt später.“ In Wahrheit gehören mangelnde Transparenz, Compliance-Bedenken und fehlende Kontrollmechanismen zu den größten Bremsen. In unserem Digital Excellence Outlook 2026, den wir gemeinsam mit dem Handelsblatt Research Institute veröffentlicht haben, wird Governance als eine der Top-Herausforderungen für einen nachhaltigen KI-Einsatz genannt. Wer dieses Thema nicht von Beginn an adressiert, bleibt in Piloten stecken.

Sarina Hermann

In den Fachbereichen braucht es vor allem ein klares Bild vom Nutzen: Wo können wir Zeit sparen? Wie steigern wir Conversion? Was verbessert unsere Servicequalität? Aus Sicht der IT sind Sicherheit, Kontrolle und Skalierbarkeit entscheidend – durch saubere Integrationen, Berechtigungen und Nachvollziehbarkeit. Vor allem aber gilt es zu klären, welche Entscheidungen AI Agents treffen dürfen – und welche nicht. Was aus unserer Erfahrung oft hilft: nicht mit der Technologiefrage starten, sondern mit einem klaren Prozessziel. Dann lässt sich konkret prüfen, welche Agenten-Fähigkeiten nötig sind – und welche Daten, Systeme und Regeln dafür bereitstehen müssen.

Sarina Hermann

Wir verstehen uns als Partner, der die Brücke baut: von der Strategie und der Identifizierung sinnvoller AI-Use-Cases über den Aufbau eines soliden Daten- und Prozessfundaments bis hin zu Implementierung, Governance und Change Management. Es braucht einen bewussten Wendepunkt, inklusive Schulungen der Mitarbeitenden, Infrastrukturanpassung und Datenaufbereitung. Wir helfen Unternehmen dabei, den Pfad reiner GenAI-Experimente zu verlassen und echte KI-Reife zu erlangen.