Agentische KI: Das nächste Billionen-Dollar‑Effizienz‑Spiel

Von LLMs zu KI‑Agenten

Die Leistungsfähigkeit von KI hat unsere Wahrnehmung der Fähigkeit künstlicher Systeme, mit Menschen zu interagieren, grundlegend verändert – vor allem dank der fast menschlichen Sprache von LLMs (Large Language Models) wie ChatGPT.

Schon mit diesem Leistungsniveau kann KI Aufgaben wie Übersetzungen, Datensuche, Programmierung usw. unterstützen oder sogar Menschen ersetzen. Ein neues Level der KI‑Fähigkeit wird jedoch durch KI‑Agenten erschlossen. Die Kernidee von KI‑Agenten besteht darin, KIs zu schaffen, die eigenständig in einer gegebenen Umgebung agieren können. Das ermöglicht ihnen, eigenständig zu handeln, ohne ständige Bestätigung oder Aufsicht.

Damit übernehmen sie sehr unterschiedliche praktische Rollen im Vergleich zu generativen KIs wie LLMs oder Bildgeneratoren, die meist nur auf von Menschen erstellte Eingaben reagieren.

In diesem Kontext kann „Umgebung“ sowohl konkrete Situationen in der realen Welt bedeuten – etwa ein Auto auf der Straße für einen selbstfahrenden Agenten – als auch einen vollständig virtuellen „Ort“, wie eine bestimmte Software‑Suite oder digitale Schnittstelle.

Dies ist der Schritt, in dem KI vom „Chatten“ zum „Handeln“ übergeht. Im Gegensatz zu allgemeinen LLMs haben KI‑Agenten oft einen begrenzteren und engeren Anwendungsbereich. Das hilft ihnen, effizienter und vertrauenswürdiger autonome Entscheidungen zu treffen, während eine generalistische KI leichter unerwartete Abschweifungen machen könnte.

KI‑Agenten sind der nächste Schritt, KI nützlich zu machen, um die Effizienz zahlloser Prozesse zu steigern.

KI‑Agenten erklärt

Wischen zum Scrollen →

Sind KI‑Agenten ein neuer Durchbruch oder eine Evolution?

Diese Merkmale heben KI‑Agenten einen Schritt über frühere KI‑Tools wie Assistenten und Bots, dank proaktiverer Fähigkeiten, größerer Autonomie und der Fähigkeit, komplexe, mehrstufige Aufgaben zu bewältigen.

Wie eine echte Intelligenz können sie sich selbst weiterentwickeln: Sie lernen aus Erfahrung, passen ihr Verhalten anhand von Feedback an und verbessern kontinuierlich ihre Leistungsfähigkeit im Laufe der Zeit.

Während Bots und KI‑Assistenten also nur Teile der Aufgaben eines KI‑Agenten erfüllen können, unterscheiden sich Agenten durch Autonomie, proaktiven Ansatz und ein hohes Maß an Komplexität – sie nähern sich damit stark einem menschlichen Arbeiter, zumindest für die spezifische Aufgabe, für die sie trainiert wurden.

Wie autonome KI‑Agenten branchenübergreifend skalieren

Das moderne Leben ist voller repetitiver Aufgaben, die für einfache Automatisierungsskripte zu komplex, für Menschen aber zu mühsam sind. Das macht KI‑Agenten besonders relevant für stark wiederholende, urteilbasierte Workflows – vom Durchführen eines Kunden‑Fehlerbehebungs‑Algorithmus bis zum Fahren von Lastwagen auf der Autobahn.

Im Gegensatz zu Menschen können solche KI‑Agenten rund um die Uhr arbeiten und sofort skalieren, ohne zusätzlichen Aufwand.

Es gibt zahlreiche Wege, das erreichte Niveau der KI‑Fähigkeiten zu klassifizieren. Insgesamt vergleichen Metriken die Leistungsfähigkeit von KI mit der allgemeinen Bevölkerung. Die neuesten KI‑Agenten erreichen in spezifischen, engen Domänen die Fähigkeiten von 50‑90 % der Bevölkerung.

Diese „Level 2‑3“ KI‑Agenten gelten als Mittel­punkt im KI‑Fortschritt und als erster Schritt zu AGI (Artificial General Intelligence).

Die aufkommende Architektur besteht darin, viele spezialisierte KI‑Agenten zu bauen, die jeweils eine bestimmte Aufgabe auf einem Niveau erledigen, das dem eines menschlichen Arbeiters entspricht. Für komplexere Workflows wird eine Reihe von KI‑Agenten nacheinander agieren und zusammenarbeiten, um die größere Aufgabe zu bewältigen, indem sie sie in kleinere Teilaufgaben zerlegen.

Kundenspezifische Agenten, die intern mit Hilfe von KI‑Plattformen entwickelt werden, werden ebenfalls häufiger auftreten, da Coding‑Agenten die Komplexität der Entwicklung von Unternehmens‑Apps reduzieren.

Effizienz von KI und Menschen gleichzeitig steigern

Ein weiterer Vorteil von KI‑Agenten gegenüber allgemeineren KIs ist die Effizienz. Während sie in einer Aufgabe brillieren, werden sie nicht durch überflüssige Fähigkeiten belastet.

Beispielsweise könnte ein dedizierter KI‑Agent ein Auto wie ein Mensch fahren, ohne über die übrigen menschlichen Fähigkeiten zum Denken zu verfügen. Er könnte „Straßen verstehen“, würde aber keine guten Gespräche führen, keine Bilder aus Eingaben erzeugen oder große Datenbanken handhaben.

Daher benötigt das Modell weniger Speicher und Rechenleistung. Das reduziert wiederum die Hardware‑Anforderungen und den Energieverbrauch für die Ausführung seiner Aufgabe.

Wie viel Autonomie?

Die größere Autonomie von KI‑Agenten ist ihre größte Stärke, kann aber zugleich ein Hindernis für die Akzeptanz darstellen.

Selbst ein hochkompetenter und zuverlässiger KI‑Agent könnte nicht vollständig vertraut werden, Entscheidungen zu treffen, die erhebliche Auswirkungen in der realen Welt haben. Es ist eine Sache, einen verbesserten Chatbot für den Kundendienst einzusetzen; es ist eine andere, ihn die Gehaltsabrechnung für tausende Mitarbeitende erledigen zu lassen.

Wahrscheinlich wird das parallele Wachstum der Qualität von KI‑Entscheidungen und die zunehmende Vertrautheit damit Behörden mehr Spielraum für KI‑Entscheidungen geben. Das wirft jedoch interessante rechtliche und ethische Fragen zur Verantwortung von KI‑Handlungen auf.

Ein klares rechtliches Rahmenwerk muss definiert werden. Zum Beispiel: Wenn ein selbstfahrendes Auto einen Unfall verursacht, ist dann der Anbieter des KI‑Agents verantwortlich? Mit zunehmender Autonomie wirken Entscheidungen auf reale Menschen und erzeugen kostspielige Haftungsfragen.

Dies schließt auch das Thema Missbrauch ein, etwa Identitätsdiebstahl oder automatisierten Betrug. Das sind gesetzgeberische Fragen, doch technischer Fortschritt überholt häufig die Regulierung.

Die Zukunft der KI‑Agenten

Können KI‑Agenten zu engen Generalisten werden?

Wie bereits erklärt, sind frühe KI‑Agenten eng gefasst, um effizient und vertrauenswürdig zu sein. Höher entwickelte KI‑Agenten werden jedoch ein Verständnis von Kontext, ein Gedächtnis vergangener Entscheidungen und Kontinuität in Aufgaben benötigen.

Zunächst könnte dies mit Hilfe eines Menschen geschehen, der eher zum „Dirigenten“ der agentischen KIs wird, anstatt die Aufgabe selbst zu erledigen. Natürlich ist das endgültige Ziel, menschliche Arbeit vollständig zu eliminieren, um die Effizienz zu steigern.

Beispielsweise muss eine KI, die in einem Krankenhaus Diagnosen stellt, medizinische Bilder analysieren, Text‑ oder Sprachbeschreibungen von Symptomen verstehen, Testergebnisse und Patientenhistorie integrieren und relevante wissenschaftliche Literatur finden – alles gleichzeitig. Sie muss diese Daten intelligent kombinieren.

Finanzanwendungen

Einige Branchen sind skeptisch, Menschen aus dem Entscheidungsprozess zu entfernen, insbesondere Fertigung oder Gesundheitswesen, wo Fehler tödlich sein können. Eine Branche jedoch nimmt KI‑Agenten begeistert an: das Finanzwesen.

Der Großteil der Finanzwelt nutzt bereits hohe Automatisierungsgrade, von Handelssystemen bis zur Betrugserkennung. FinTechs sind noch offener für agentische KI, da ihr Geschäftsmodell auf der Automatisierung finanzieller Effizienz beruht. Verbesserte Effizienz in einer Branche, die Billionen bewegt, kann schnell zu profitabler Margenerweiterung führen.

Beispielsweise kann ein Agent die zeitintensive Aufgabe der Abstimmung (Abgleich von Kontoauszügen, Tabellen und Hauptbüchern) übernehmen. Mittelständische Unternehmen können über 300 Stunden pro Jahr allein für die Bankabstimmung aufwenden. Während Tabellenkalkulationen Teile davon automatisieren können, sind sie spröde. Agentische KI bietet höhere Flexibilität und Reasoning‑Fähigkeiten, um Ausnahmen und unstrukturierte Daten zu verarbeiten.

Investieren in agentische KI

ServiceNow

ServiceNow (NOW ) ist eine 2003 gegründete Cloud‑Computing‑Plattform, die sich der Erstellung und Verwaltung automatisierter Geschäfts‑Workflows widmet. Aus einer etablierten Basis von Business‑Automation‑Kunden hat das Unternehmen vollständig auf agentische KI umgestellt.

Es ermöglicht Unternehmen, seine KI‑Agenten zu nutzen, sie anzupassen oder neue von Grund auf mit Low‑Code und „Vibe Coding“ (eine KI schreibt Code basierend auf menschlichen Eingaben) zu erstellen.

Der Hauptverkaufs­punkt von ServiceNow ist, dass es nicht an eine bestimmte KI‑Technologie „gebunden“ ist und sich in die bestehenden digitalen Werkzeuge und Workflows von Unternehmen integrieren lässt. Zudem bietet es eine zuverlässige Schnittstelle, um die Verwaltung einer wachsenden Anzahl von KI‑Agenten zu zentralisieren.

KI‑Governance wird neu definiert, mit einem zentralen Hub zur Verwaltung, Überwachung und Optimierung von KI‑Agenten – egal ob native oder Drittanbieter‑Agenten. Und im Gegensatz zu geschlossenen Ökosystemen ist ServiceNow LLM‑agnostisch und tief integriert mit NVIDIA (NVDA ), den Hyperscalern und einem florierenden KI‑Ökosystem – wodurch Unternehmen die volle Kontrolle erhalten, ihre KI‑Strategie zukunftssicher zu machen.

Der Fokus dieser Agenten liegt darauf, die Margen von Unternehmen zu verbessern, indem sie effizienter werden – IT‑Aufgaben automatisieren, HR vereinfachen, Routine‑Kundenanfragen bearbeiten und die Anwendungsentwicklung beschleunigen.

Das über 20‑jährige Unternehmen wächst weiterhin rasant, mit mehr als 20 % Jahres‑zu‑Jahres‑Umsatzwachstum Ende 2025. Bemerkenswert ist, dass bestehende Kundengruppen ihre Nutzung konsequent steigern, was zu einem wachsenden ACV (Annual Contract Value) führt. Die Verlängerungsraten bleiben beständig im Bereich von 95 %‑97 %, was die Einnahmen hochgradig vorhersehbar macht.

Das Unternehmen hat solide operative Margen und freien Cashflow erzielt, was seine relativ niedrigen Kosten im Vergleich zu den wiederkehrenden Einnahmen widerspiegelt.

Neueste ServiceNow (NOW) Aktiennachrichten und Entwicklungen