Vom Traum zur Tat
Wie die agentische Transformation wirklich beginnt
Ein pragmatischer Weg vom konkreten Problem zum belastbaren agentischen System – ohne Big Bang, ohne Autonomie-Theater und ohne eine neue Transformationsbürokratie.
Die Vision ist jetzt groß genug
Wir haben in diesem Special ein weitreichendes Bild entwickelt.
Organisationen, in denen administrative Arbeit anders verteilt wird.
Systeme, die Wissen aus unterschiedlichen Quellen verbinden.
Agenten, die Aufgaben vorbereiten oder innerhalb definierter Grenzen handeln.
Menschen, die Richtung, Kontext, Urteil und Verantwortung übernehmen.
Governance, die nicht nur in Richtlinien steht, sondern im System wirksam wird.
Und Unternehmen, deren Entscheidungsarchitektur nicht vollständig von ihrem Organigramm abhängt.
Das klingt groß.
Vielleicht zu groß.
Denn genau hier beginnen Transformationsprogramme häufig falsch.
Mit einem Zielbild.
Mit einer Plattform.
Mit einem AI Center of Excellence.
Mit fünfzig Use Cases.
Mit einer neuen Governance-Struktur.
Mit einer dreijährigen Roadmap.
Und irgendwann mit einem Portfolio von Initiativen, deren ursprüngliches Problem kaum noch jemand erklären kann.
Die agentische Transformation sollte anders beginnen.
Nicht:
Wie werden wir eine agentische Organisation?
Sondern:
Wo verlieren wir heute unnötig Wirkung – und warum?
Der richtige Pilot beginnt mit einem echten Problem
Die Porzellanmanufaktur besitzt ein solches Problem.
Nicht:
„Wir möchten KI einsetzen.“
Sondern:
Ein kleiner Betrieb muss für einen europäischen Auftrag Verpackungsinformationen, Lieferantennachweise, reale Produkterfahrung und regulatorische Anforderungen zusammenbringen.
Die Informationen liegen verteilt.
Ein Teil fehlt.
Ein Teil ist veraltet.
Menschen verbringen Zeit mit Suchen, Nachfragen, Übertragen und Dokumentieren.
Gleichzeitig existiert ein realer Zielkonflikt:
Material reduzieren.
Produktschutz erhalten.
Kosten beherrschen.
Regulatorisch handlungsfähig bleiben.
Das ist ein guter Pilotkandidat.
Nicht weil er spektakulär ist.
Sondern weil er relevant und begrenzbar ist.
1. Problem verstehen
Der erste Schritt betrifft keine Technologie.
Wir beobachten den heutigen Vorgang.
Was löst ihn aus?
Welche Menschen sind beteiligt?
Welche Informationen werden verwendet?
Wo entstehen Wartezeiten?
Wo wird gesucht?
Wo werden Daten doppelt übertragen?
Welche Entscheidungen sind schwierig?
Welche Fehler treten auf?
Welche Ausnahmen gibt es?
Im Porzellanfall könnte die Diagnose zeigen:
Verpackungsinformationen liegen in mehreren Systemen.
Lieferantennachweise werden manuell verfolgt.
Die reale Verpackung stimmt teilweise nicht mit dokumentierten Daten überein.
Regulatorische Einordnungen müssen wiederholt recherchiert werden.
Erfahrungswissen ist kaum strukturiert.
Damit haben wir ein Problem beschrieben.
Noch keinen Agenten.
2. Bürokratie klassifizieren
Jetzt verwenden wir das Modell aus Teil 1.
Was müssen wir schützen?
Produktschutz.
Materialnachweise.
relevante regulatorische Dokumentation.
Nachvollziehbarkeit.
Verantwortung.
Was können wir automatisieren?
Dokumentensuche.
Nachweisabgleich.
Lieferantenanfragen.
Wiedervorlagen.
Datenzusammenführung.
Vorbereitung von Entscheidungsunterlagen.
Was sollte verschwinden?
Doppelte Datenerfassung.
überholte Formulare.
unnötige Übergaben.
Berichte ohne klaren Zweck.
Schützen → Automatisieren → Abschaffen
Dieser Schritt verhindert, dass wir historische Bürokratie nur schneller machen.
3. Wirkung definieren
Jetzt brauchen wir eine Hypothese.
Nicht:
Der Agent soll funktionieren.
Sondern zum Beispiel:
Wir wollen die menschliche Bearbeitungszeit für Verpackungs- und Nachweisprüfung deutlich reduzieren, Informationslücken früher erkennen und gleichzeitig Bruchquote und Compliance-Qualität mindestens stabil halten.
Das ist prüfbar.
Und es enthält einen wichtigen Punkt:
Effizienz allein reicht nicht.
Wenn ein schnellerer Prozess mehr Produktschäden erzeugt, ist er nicht besser.
4. Die Arbeit neu schneiden
Jetzt zerlegen wir den Prozess.
Nicht nach heutigen Abteilungen.
Sondern nach Arbeitsarten.
Suchen
Welche Dokumente und Daten sind relevant?
Strukturieren
Welche Information gehört zu welcher Verpackung?
Prüfen
Sind Versionen, Nachweise und Angaben vollständig?
Interpretieren
Was bedeutet eine regulatorische Anforderung für diesen Vorgang?
Entscheiden
Welche Verpackung oder Rolle wird akzeptiert?
Handeln
Lieferanten kontaktieren, Daten aktualisieren, Workflow starten.
Dokumentieren
Was wurde getan, warum und durch wen?
Dann ordnen wir zu:
klassische Software
deterministische Automatisierung
Agent
Mensch
Nicht jede Aufgabe benötigt ein Sprachmodell.
Das ist wichtig.
Eine deterministische Aufgabe sollte deterministisch bleiben, wenn das die bessere Lösung ist.
5. Wissen inventarisieren
Teil 2 hat gezeigt:
Agentik scheitert nicht selten vor dem ersten Prompt.
Welche Quellen braucht der Vorgang?
Welche davon existieren?
Welche sind zuverlässig?
Welche fehlen?
Im Porzellanfall beginnt der Pilot möglicherweise mit einer ernüchternden Erkenntnis:
Die Datenbasis ist nicht fertig.
Gut.
Dann ist genau das Teil des Piloten.
Die Manufaktur erstellt keinen gigantischen Unternehmens-Knowledge-Graph.
Sie beginnt mit:
Produkten.
Verpackungen.
Materialkomponenten.
Lieferanten.
Nachweisen.
Versionen.
wenigen autorisierten regulatorischen Quellen.
So entsteht genug Wissensstruktur für diesen einen Vorgang.
So klein wie möglich. So vollständig wie nötig.
6. Die menschlichen Funktionen festlegen
Jetzt wird Teil 3 operational.
Wer besitzt:
Richtung?
Wer definiert, welche Ziele und Grenzwerte gelten?
Kontext?
Wer besitzt relevantes Erfahrungswissen?
Urteil?
Wer wägt Zielkonflikte ab?
Verantwortung?
Wer darf den Vorgang verbindlich entscheiden?
Im Porzellanfall beispielsweise:
Der Verpackungsmeister verantwortet fachliche Verpackungsentscheidungen.
Qualität definiert zulässige Testkriterien.
Regulatorische Grenzfälle gehen an eine fachlich zuständige Stelle.
Die Geschäftsführung entscheidet nur bei definierten strategischen oder wirtschaftlichen Schwellen.
Damit wird Human Oversight konkret.
7. Handlungskorridor definieren
Jetzt wird für jede Agentenaktion bestimmt, was erlaubt ist.
Stufe 1 – Informieren
Dokumente finden.
Quellen anzeigen.
Status zusammenstellen.
Stufe 2 – Vorbereiten
Alternativen berechnen.
Entscheidungsvorlagen erzeugen.
Stufe 3 – Begrenzt handeln
Fehlende Lieferantendokumente anfordern.
Wiedervorlagen setzen.
definierte Daten aktualisieren.
Stufe 4 – Kritische Handlung vorbereiten
Neue Verpackungsfreigabe vorbereiten.
Regulatorische Grenzfälle zur Entscheidung eskalieren.
Nicht:
„Wir lassen den Agenten erstmal alles machen und bauen später Governance.“
Der Handlungskorridor gehört in den Entwurf.
8. Entscheidungsarchitektur klären
Jetzt kommt Teil 5.
Wer darf entscheiden, wenn Ziele kollidieren?
Die kleinere Verpackung reduziert Material.
Marek sieht Bruchrisiko.
Der Einkauf sieht Kosten.
Der Vertrieb sieht Termin und Kundenanforderung.
Ein Agent sieht Szenarien.
Wer besitzt das Entscheidungsrecht?
Ein guter Pilot beantwortet diese Frage ausdrücklich.
Beispielsweise:
Marek darf Varianten zum Test freigeben.
Qualität entscheidet über definierte Freigabekriterien.
Einkauf darf innerhalb eines Kostenkorridors alternative Materialien wählen.
Bei Überschreitung bestimmter Schwellen wird eskaliert.
Damit entsteht ein realer Entscheidungsraum.
Nicht bloß ein Workflow.
9. Minimal bauen
Jetzt erst bauen wir.
Nicht vorher.
Vielleicht benötigt der Pilot:
eine Verbindung zum ERP,
einen kleinen strukturierten Verpackungsbestand,
Dokumentenretrieval,
einen Agenten,
eine Mail-Schnittstelle,
einen Freigabeschritt,
Logging.
Mehr nicht.
Kein Multi-Agent-Schwarm.
Kein unternehmensweiter Data Lake.
Kein vollständiges AI Operating Model.
Kein Transformationsprogramm.
Der Pilot soll beweisen, dass die Arbeitsarchitektur funktioniert.
Nicht, dass das Unternehmen möglichst viel Technologie installieren kann.
10. Grenzen testen
Klassische Tests prüfen häufig den Happy Path.
Die Bestellung kommt.
Daten sind vorhanden.
Agent antwortet korrekt.
Erledigt.
Für agentische Systeme reicht das nicht.
Wir testen bewusst:
Was passiert, wenn ein Dokument fehlt?
Was passiert bei zwei widersprüchlichen Quellen?
Was passiert mit einer alten Version?
Was passiert, wenn der Lieferant den falschen Nachweis schickt?
Was passiert, wenn eine Aktion außerhalb des Handlungskorridors angefordert wird?
Was passiert, wenn der Agent keine belastbare Antwort findet?
Was passiert bei manipulativem Inhalt in einem Dokument?
Was passiert, wenn die Schnittstelle ausfällt?
Ein agentischer Pilot muss nicht nur zeigen:
Das System kann handeln.
Er muss zeigen:
Das System kann kontrolliert nicht handeln.
11. Real pilotieren
Jetzt kommt die Verpackungsvariante.
Der Agent analysiert die vorhandenen Daten.
Er schlägt PORZ-M vor.
Marek widerspricht.
Das System berechnet PORZ-M2.
Marek gibt einen Test frei.
Zwanzig Sets werden verpackt.
Zwei Tassen werden beschädigt.
Damit ist die Variante nicht gut genug.
Sie wird nicht skaliert.
Ist der Pilot gescheitert?
Nein.
Der Pilot hat gezeigt:
Der Agent kann eine sinnvolle Alternative erzeugen.
Menschliches Erfahrungswissen ergänzt relevante Information.
Der Freigabemechanismus funktioniert.
Der Test erkennt einen realen Fehler.
Die Organisation skaliert die schlechte Lösung nicht.
Das ist wertvolles Lernen.
Ein Pilot, der eine schlechte Idee stoppt, kann erfolgreicher sein als einer, der nur einen schönen Demo-Flow produziert.
12. Wirkung messen
Der Pilot braucht wenige, aber sinnvolle Kennzahlen.
Zeit
Wie lange dauert es vom Auftrag bis zur belastbaren Einordnung?
menschlicher Aufwand
Wie viele Stunden müssen Produktion, Einkauf, Vertrieb oder Verwaltung investieren?
Wissensqualität
Wie hoch ist der Anteil aktueller und eindeutig zugeordneter Nachweise?
Prozessqualität
Wie früh werden fehlende oder widersprüchliche Informationen erkannt?
Produktschutz
Wie entwickelt sich die Bruch- und Reklamationsquote?
Wirtschaftlichkeit
Wie entwickeln sich Verpackungs-, Transport- und Prozesskosten?
Override Rate
Wie häufig widersprechen Menschen einer Agentenempfehlung?
Und warum?
Diese letzte Kennzahl ist besonders interessant.
Eine hohe Rate kann schlechte Agentenqualität zeigen.
Eine Rate von null ist aber nicht automatisch perfekt.
Vielleicht prüft niemand mehr ernsthaft.
13. Den Menschen mitmessen
Damit kommt eine weitere Messdimension hinzu.
Automatisierung kann kurzfristig effizient sein und langfristig Kompetenz zerstören.
Deshalb sollten Pilotreviews auch fragen:
Können die verantwortlichen Menschen die Systementscheidung noch nachvollziehen?
Können sie einen Fehler erkennen?
Verstehen sie die Quellen?
Wissen sie, wann sie widersprechen müssen?
Werden wichtige Fachfähigkeiten noch angewendet?
Das ist schwerer zu messen als Durchlaufzeit.
Aber nicht weniger wichtig.
14. Lernen stabilisieren
Erst nach mehreren realen Vorgängen beginnt Skalierung.
Was war wiederverwendbar?
Berechtigungen?
Retrieval-Muster?
Audit-Logging?
Eskalationsmechanismen?
Evaluation?
Lieferantenkommunikation?
Entscheidungsvorlagen?
Dann werden aus Einzelentscheidungen Muster.
Aus Mustern Standards.
Aus Standards möglicherweise eine Plattform.
Die Reihenfolge ist entscheidend.
Nicht:
Sondern:
Use Case → Muster → Wiederverwendung → Plattform
Ein Operating Model entsteht später
Viele Organisationen wollen früh ein AI Operating Model definieren.
Rollen.
Boards.
Standards.
Architektur.
Governance.
Prozesse.
Das kann sinnvoll sein.
Aber zu frühe Zentralisierung erzeugt leicht neue Transformationsbürokratie.
Ein besserer Weg kann sein:
Zuerst zwei oder drei echte Use Cases.
Dann beobachten:
Welche Rollen werden wiederholt gebraucht?
Welche Kontrollmechanismen?
Welche Infrastruktur?
Welche Skills?
Welche Freigaben?
Welche gemeinsamen Komponenten?
Aus dieser Erfahrung entsteht ein Operating Model, das reale Arbeit unterstützt.
Nicht eines, das auf Präsentationsfolien vollständig aussieht.
Skalierung bedeutet nicht mehr Agenten
Das ist eine wichtige Korrektur.
Wenn ein Pilot erfolgreich ist, lautet die nächste Frage nicht:
Wo können wir noch zehn Agenten einsetzen?
Sondern:
Welche Fähigkeit haben wir gerade aufgebaut, die wir wiederverwenden können?
Vielleicht ist es:
kontrolliertes Retrieval.
Dokumentenprovenienz.
Human Oversight.
eine Eskalationslogik.
eine Tool-Berechtigungsarchitektur.
ein Bewertungsverfahren.
ein Wissensmodell.
Der organisatorische Wert steckt oft in diesen Mustern.
Nicht in der Zahl der Agenten.
Der Pilot als Organisationsdiagnostik
Vielleicht ist das die wichtigste Funktion eines guten agentischen Piloten.
Er testet nicht nur Technologie.
Er macht sichtbar:
welches Wissen fehlt,
welche Prozesse keinen Zweck mehr haben,
welche Verantwortlichkeiten unklar sind,
wo Fachkompetenz sitzt,
wo Entscheidungsrechte fehlen,
wo Governance nur auf Papier existiert,
wo Teams von schlechten Schnittstellen abhängig sind.
Ein agentischer Pilot ist deshalb auch ein Organisationsdiagnostikum.
Manchmal liegt die wichtigste Erkenntnis am Ende darin:
Wir brauchen hier gar keinen Agenten.
Oder:
Der Prozess muss zuerst verschwinden.
Oder:
Unsere Datenqualität reicht nicht.
Oder:
Die Entscheidung ist organisatorisch überhaupt nicht geklärt.
Das sind gute Ergebnisse.
Ein pragmatischer Transformationspfad
Damit lässt sich der Weg zusammenfassen:
- Problem verstehen
- Bürokratie klassifizieren
- Wirkung definieren
- Arbeit neu schneiden
- Wissen inventarisieren
- menschliche Funktionen festlegen
- Handlungskorridor definieren
- Entscheidungsarchitektur klären
- minimal bauen
- Grenzen testen
- real pilotieren
- Wirkung messen
- Lernen stabilisieren
- Muster skalieren
Das ist kein Wasserfallmodell.
In der Realität springen Organisationen zurück.
Der Pilot zeigt eine Datenlücke.
Dann geht es zurück zum Wissen.
Ein Test zeigt eine unklare Verantwortung.
Zurück zur Entscheidungsarchitektur.
Ein Agent eskaliert zu häufig.
Zurück zum Handlungskorridor.
Genau diese Schleifen sind Lernen.
Die agentische Transformation beginnt klein
Die Vision einer agentischen Organisation ist groß.
Ihre Umsetzung sollte es zunächst nicht sein.
Ein konkreter Vorgang.
Eine reale Zielgröße.
Ein kontrollierter Wissensraum.
Ein Agent.
Wenige Werkzeuge.
Klare Rechte.
Reale Menschen.
Echte Fehler.
Messbare Wirkung.
Das reicht.
Ciferecigo Perspektive Der beste Pilot ist nicht der spektakulärste. Er ist der kleinste relevante Prozess, an dem die Organisation das gesamte System lernen kann.
Wenn daraus Wirkung entsteht, kann die Organisation weitergehen.
Nicht weil Agentik zum Selbstzweck geworden ist.
Sondern weil sie gelernt hat, Arbeit, Wissen, Handlungsmacht und Verantwortung anders miteinander zu verbinden.
Und genau an diesem Punkt verlassen wir die einzelne Organisation.
Denn selbst die beste Entscheidungsarchitektur existiert nicht im luftleeren Raum.
Sie hängt von Modellen, Cloud, Datenräumen, Standards, Regulierung und technologischen Abhängigkeiten ab.
Damit wird aus einer Unternehmensfrage eine europäische Frage.
Weiter im Special
Teil 7 – Europas Weg zwischen Datenschutz und Datenmacht
Was bedeutet Handlungsfähigkeit auf einem Kontinent, der nicht nur Regeln für KI setzen, sondern auch reale technologische Wahlmöglichkeiten schaffen muss?
Lassen Sie uns Ihre agentische Organisation gestalten.
Von der Analyse der Zeitfresser bis zum kontrollierten KI-Agenten im Team.
Projektanfragen