Microsoft möchte, dass wir eigene KI-Agenten bauen. Aber will das überhaupt jemand?

Was Microsoft sich vorstellt

Ein Vertriebsmitarbeiter baut seinen eigenen Agenten, der Kundendaten zusammenfasst und Gesprächsvorbereitungen erstellt. Eine Projektleiterin beschreibt, was sie braucht, und bekommt einen Agenten, der Statusberichte aus verschiedenen Quellen zusammenzieht. Keine Programmierkenntnisse nötig, keine Wartezeit auf die IT-Abteilung.

Microsoft nennt das „Ubiquitous Innovation". Die Demokratisierung der Softwareentwicklung.

Warum das attraktiv klingt

Die Idee trifft einen Nerv. Wie oft warten Fachabteilungen Monate auf einfache Tools, weil die IT-Abteilung überlastet ist? Die Versprechen sind verlockend:

• Fachabteilungen müssen nicht mehr auf die IT warten
• Individuelle Lösungen für individuelle Probleme
• Schnellere Umsetzung von Ideen
• Mitarbeiter, die ihre Arbeit am besten kennen, gestalten ihre eigenen Werkzeuge

Das Interesse ist da – die Umsetzung nicht

In Gesprächen mit IT-Verantwortlichen und Fachanwendern zeigt sich ein Muster. Die Neugier ist groß. Die meisten haben von KI-Agenten gehört und finden die Idee spannend. Aber wenn es konkret wird, kommt die Frage: „Wo fangen wir überhaupt an?"

Diese Frage bleibt oft unbeantwortet. Nicht weil es keine Antworten gäbe – sondern weil niemand im Unternehmen sie kennt.

Was im Weg steht

Die Hürden wiederholen sich:

• Unklare Anwendungsfälle. „Wir könnten doch mal was mit KI machen" ist kein Anwendungsfall. Ohne konkretes Problem kein brauchbarer Agent.
• Schlechte Datenqualität. Agenten sind nur so gut wie die Daten, auf die sie zugreifen. Wie oft haben Sie in SharePoint nach einer Datei gesucht – und drei Versionen in verschiedenen Ordnern gefunden? Genau das ist das Problem.
• Fehlende Abstimmung. Wenn der Vertrieb einen Agenten baut, der auf Kundendaten zugreift, muss die IT das wissen. Sonst entstehen Sicherheitslücken.
• Angst vor Kontrollverlust. Wer haftet, wenn ein Agent falsche Informationen liefert? Wer prüft die Ergebnisse? Diese Fragen sind oft nicht geklärt.

"Low-Code" ist nicht "No-Knowledge"

Nur weil jemand einen Agenten per Sprachbeschreibung erstellen kann, heißt das nicht, dass er es auch sinnvoll tun kann. Wer nicht versteht, welche Daten der Agent braucht, welche Prozesse er abbilden soll und welche Ausnahmen es gibt, wird scheitern.

Ein Beispiel: Eine Mitarbeiterin will einen Agenten, der Kundenanfragen beantwortet. Sie beschreibt das Ziel, der Agent wird erstellt. Aber sie hat nicht bedacht, dass manche Anfragen an den Vertrieb gehen müssen, andere an den Support – und wieder andere gar nicht beantwortet werden dürfen, weil sie rechtliche Implikationen haben. Der Agent macht Fehler. Die Mitarbeiterin ist frustriert. Das Projekt wird eingestellt.

Das Problem war nicht die Technologie. Das Problem war fehlendes Verständnis für den Prozess.

Die Gefahr des Wildwuchses

Wenn jeder Agenten bauen kann, wer behält dann den Überblick? In einem Unternehmen mit tausend Mitarbeitern könnten theoretisch tausend verschiedene Agenten entstehen. Jeder greift auf andere Daten zu, jeder macht etwas anderes, niemand weiß, was die anderen tun.

Das ist kein Produktivitätsgewinn. Das ist Chaos mit KI-Label.

Die Folgen ohne klare Regeln

• Sicherheitslücken durch unkontrollierten Datenzugriff
• Datenschutzverstöße, weil personenbezogene Daten verarbeitet werden
• Widersprüchliche Ergebnisse aus verschiedenen Agenten
• Kein Überblick, welche Agenten überhaupt existieren
• Niemand fühlt sich für Fehler verantwortlich

Nicht jeder will Entwickler sein

Viele Mitarbeiter wollen ihre Arbeit machen. Nicht mehr, nicht weniger. Sie wollen keine neuen Tools bauen. Sie wollen, dass die vorhandenen Tools schlicht funktionieren.

Die Erwartung, dass alle zu „Machern" werden, ignoriert diese Realität. Manche Menschen sind neugierig und experimentierfreudig. Andere haben weder die Zeit noch das Interesse, sich mit Agenten-Erstellung zu beschäftigen. Das ist keine Schwäche. Das ist Arbeitsteilung.

Wer seine Mitarbeiter dazu drängt, Agenten zu bauen, obwohl diese das nicht wollen, erzeugt Frust statt Fortschritt.

Wann eigene Agenten sinnvoll sind – und wann nicht

Nicht warten, aber auch nicht überstürzen

Die Werkzeuge reifen. Was heute getestet wird, wird in einem Jahr Alltag sein. Aber das heißt nicht, dass Unternehmen abwarten sollten. Die Grundlagen müssen jetzt geschaffen werden:

• Datenstrukturen aufräumen, damit Agenten saubere Informationen finden
• Klare Verantwortlichkeiten definieren für Erstellung, Prüfung und Abschaltung
• Regeln festlegen, bevor der erste Agent entsteht

Klein anfangen, lernen, dann skalieren

Der beste Einstieg ist ein konkretes Problem. Etwas, das heute Zeit kostet und sich klar beschreiben lässt. Daraus entsteht ein Pilotprojekt. Der Erfolg wird gemessen. Und erst wenn klar ist, dass der Agent einen echten Nutzen bringt, entstehen weitere.

Microsoft zeigt, wohin die Reise geht. Die Vision von Mitarbeitern, die ihre eigenen Agenten bauen, ist nicht unrealistisch. Aber sie setzt voraus, dass Unternehmen ihre Hausaufgaben machen.

Die meisten sind noch nicht so weit. Die Daten sind nicht bereit, die Prozesse nicht klar, die Verantwortlichkeiten nicht definiert. Das ist allerdings kein Versagen. Das ist der normale Stand der Dinge.

Die Frage ist nicht, ob Agenten kommen. Die Frage ist, ob Ihr Unternehmen bereit ist, wenn sie da sind. Wer heute anfängt, hat morgen einen Vorsprung. Wer wartet, hat später deutlich mehr zu tun.