Wer in den letzten Monaten IT-Branchenmedien gelesen oder IT-Fachkonferenzen besucht hat, den verfolgte das Buzzword „Agentic AI“ auf Schritt und Tritt.

Kein Wunder. Liefern herkömmliche KI-Modelle zur Anomalieerkennung im Lager oder zur Predictive Maintenance in der Produktion, die in Geschäftsanwendungen wie SAP eingebunden sind, eine Analyse, eine Prognose oder einen Vorschlag, bedeutet agentische KI einen Paradigmenwechsel.

Dr. Andreas Schaffry, freiberuflicher IT-Fachjournalist: „Die zentrale Hürde für den Erfolg und somit den ROI agentischer KI-Initiativen liegt dabei weniger in der Technologie als in der Einbettung und Orchestrierung von KI-Agenten.“
(Foto: A. Schaffry)

Sie markiert den Übergang von einer bislang reaktiven zu einer proaktiven Automatisierung, da sie fähig ist „Aufgaben zu definieren und eigenständig umzusetzen“, wie Gartner-Analysten diesen Sprung beschreiben.

Agentische KI soll bis 2028 in Unternehmen mindestens 15 Prozent der täglichen Entscheidungen autonom treffen und bis dahin in einem Drittel aller Geschäftslösungen integriert sein, prognostiziert Gartner weiter.

SAP Joule: Vom Copiloten zur agentischen Plattform

Der Walldorfer IT-Konzern SAP hat mit Joule einen generativen KI-Copiloten in sein Cloud-Portfolio eingebettet und baut diesen Schritt für Schritt zu einer agentischen KI-Plattform aus, um komplexe End-to-end-Prozesse eigenständig auszuführen. Ende 2025 waren laut SAP rund 40 solcher Joule-KI-Agenten verfügbar, deren Anzahl laufend erweitert wird.

Ein Joule-Agent für etwa erkennt automatisch Zahlungsstreitigkeiten bei unbezahlten Rechnungen und, stößt einen mehrstufigen Klärungsprozess an, analysiert den Streitfall, validiert Details und schlägt eine Lösung vor, ohne dass ein Sachbearbeiter den Prozess manuell anstoßen müsste.

Daneben gibt es einen Agenten, der periodengerechte Abgrenzungen im Finanzwesen automatisiert, und einen HR-Agenten, der Urlaubsanträge prüft, länderspezifische Richtlinien abgleicht und Auswirkungen auf die Personalplanung berechnet.

Oder einen Beschaffungsagenten, der Lieferverzögerungen vorhersagt, alternative Lieferwege analysiert, passende Zulieferer vorschlägt und selbstständig Bestellanforderungen erstellt, entlastet Mitarbeitende von Routinetätigkeiten.

Wo Mehrwert entsteht und wo die Grenzen liegen

Das größte ROI-Potenzial durch den Einsatz von Joule-KI-Agenten liegt, wenn man offizielle SAP-Aussagen grob zusammenfasst, in der Automatisierung komplexer Arbeitsabläufe, in der Produktivitätssteigerung und in der Bereitstellung kontextbezogener Einblicke in SAP-Applikationen.

Laut einer Studie, für die Oxford Economics im Auftrag von SAP, erwarten deutsche Unternehmen, dass der durch den Einsatz agentischer KI erzielte ROI von derzeit 17 Prozent bis 2027 auf 31 Prozent steigen soll. 77 Prozent gehen davon aus, dass sich ihre KI-Investitionen in weniger als drei Jahren amortisieren.

Doch die Erfahrung zeigt: Der messbare Geschäftswert agentischer KI fällt häufig gering aus, wenn sie isoliert und nicht orchestriert eingesetzt wird, Prozesse schlecht dokumentiert, Daten inkonsistent sowie Sicherheits-, Compliance- und Change-Aspekte unzureichend mitgedacht sind.

Die Gartner-Analysten warnen, dass bis Ende 2027 über 40 Prozent der Agentic-AI-Projekte wegen hoher Kosten, unklarem Geschäftswert oder unzureichender Risikokontrolle abgebrochen werden.

Governance als entscheidender Erfolgsfaktor

Die zentrale Hürde für den Erfolg und somit den ROI agentischer KI-Initiativen liegt dabei weniger in der Technologie als in der Einbettung und Orchestrierung von KI-Agenten in End-Prozesse und in einer klar definierten KI-Governance.

In diesem Kontext sind daher Fragestellungen wie „Wer ist verantwortlich, wenn ein Agent eine fehlerhafte Buchung vornimmt oder einen Lieferanten ohne Freigabe kontaktiert?“ oder „Wie können wir Entscheidungen nachvollziehen und auditieren?“ nicht theoretischer Natur, sondern aus Compliance- und Revisionssicht unverzichtbar.

Beim Einsatz agentischer KI ist der Mensch als Human-in-the-Loop, der KI-Agenten führt, Ziele festlegt und die Entscheidungshoheit hat, stets mitzudenken.
(BILD: KI generiert)

Das bedeutet: Beim Einsatz agentischer KI ist der Mensch als Human-in-the-Loop, der KI-Agenten führt, Ziele festlegt und die Entscheidungshoheit hat, stets mitzudenken.

Eigenen Angaben nach trägt SAP dieser Anforderung Rechnung, denn Human-in-the-Loop-Mechanismen im Joule-Studio in SAP Build standardmäßig verankert seien. Ein Agent schließt einen Arbeitsschritt nur dann ab, wenn der zuständige Mitarbeiter diesen bestätigt.

Unternehmen, die individuelle Agenten für spezielle Geschäftsanforderungen konfigurieren, können den Autonomiegrad erhöhen, müssten aber ihren Governance-Rahmen entsprechend anpassen.

Voraussetzungen für eine erfolgreiche
Agentic AI

Für IT- und Business-Entscheider ergibt sich daraus eine klare Handlungslogik. Zunächst braucht es eine prozessuale Inventur, um herauszufinden, welche Abläufe so gut strukturiert und dokumentiert sind, dass sie automatisiert werden können, wo einheitliche Stammdaten fehlen und welche Ausnahmen so häufig auftreten, dass ein Agent sie kennen müsste.

Parallel dazu lohnt es sich, den SAP-Produktfahrplan für Joule im Blick zu haben, da Quartal für Quartal neue Agenten hinzukommen. Wer sein Datenmanagement frühzeitig optimiert und Prozesse dokumentiert, kann diese Agenten nutzen, sobald sie verfügbar sind.

Allen voran braucht eine agentischer Automatisierung eine klare Zielvision. Der Einstieg sollt am besten über wenige, auf kritische End-to-End-Prozesse fokussierte Leuchtturmprojekte erfolgen, die sich auf Basis von KPIs systematisch iterieren und skalieren lassen.

Ebenso wichtig ist die Verankerung auf C-Level-Ebene als strategisches Transformationsprojekt, flankiert durch aktives Changemanagement und einer gezielte Weiterqualifizierung der KI-, Daten- und Prozesskompetenz von Mitarbeitenden.

Dann wird agentische KI zum echten Wettbewerbsvorteil und nicht zu einer neuen Komplexitätsfalle.

Autor: Dr. Andreas Schaffry, freiberuflicher IT-Fachjournalist