85% der Unternehmen verwenden agentische KI auf einer Datenbasis, die noch nicht bereit ist

Die Herausforderung bei KI-Agenten besteht nicht darin, dass sie Fehler machen. Es geht darum, dass sie im gesamten Unternehmen denselben Fehler machen können, und zwar sofort und in großem Umfang.

Unternehmen warten nicht auf agentische KI. Sie befindet sich bereits in der Produktion, und die Agenten arbeiten branchenübergreifend in realen Geschäftsabläufen. Aber die meisten Unternehmen bauen auf einem Fundament auf, das das nicht tragen kann. Gartner Schätzungen zufolge werden bis 2027 mehr als 40% der KI-Projekte auf Agentenbasis abgesagt werden, was häufig darauf zurückzuführen ist, dass Unternehmen zu schnell auf Anwendungsfälle umgestiegen sind, die ihre Daten und Infrastruktur nicht zuverlässig unterstützen konnten.

Unsere neueste Studie, der „Agentic AI Readiness Index 2026“, quantifiziert die Lücke. Fast 60% der Unternehmen geben an, Millionen in agentische KI zu investieren, und 41% setzen sie bereits in der Produktion ein. Auf die Frage, was sie zurückhält, stehen Datenqualität und Herkunft mit 42% ganz oben auf der Liste, gefolgt von Souveränität und Einhaltung gesetzlicher Vorschriften mit 39% sowie Sicherheit und Datenschutz mit 39% Talent, Strategie und Fähigkeiten haben alle einen niedrigeren Rang.

Zusammengenommen fehlt es 85 Prozent an der Datenbasis, die erforderlich ist, um agentische KI in großem Maßstab zu unterstützen, und das zeigt sich in ihren Ergebnissen.

[CTA_MODULE]

Das ist kein Modellproblem. Es ist ein Datenproblem.

Nur 15 Prozent der Unternehmen geben an, dass sie vollständig vorbereitet auf agentische KI Heute und unter diesen Unternehmen geben fast alle (98%) an, dass sie stark auf den ROI von Agentic AI vertrauen. Bei den Unternehmen, die am wenigsten vorbereitet sind, sinkt diese Zahl auf 16%.

Die Unternehmen, die durch agentische KI einen hohen ROI erzielen, operieren unterschiedlich. Unternehmen, die gut vorbereitet sind, haben vier Dinge im Griff:

• Automatisierte Datenbewegung, die Informationen auf dem neuesten Stand hält
• Herkunft, die zeigt, woher die Daten stammen und wie sie sich verändert haben
• Interoperabilität, die es ermöglicht, Daten zwischen Systemen zu übertragen, ohne gefangen zu werden
• Governance, die definiert, worauf Agenten zugreifen können, was sie tun können und wo menschliche Überprüfung immer noch wichtig ist.

Das Ergebnis ist eine zentrale, verwaltete Grundlage, auf der Daten im gesamten Unternehmen konsistent, rückverfolgbar und vertrauenswürdig sind.

Agenten fangen nicht, was die Leute fangen

Die Leute überprüfen Dashboards, fragen nach Zahlen und bemerken, wenn etwas nicht stimmt. Agenten machen das nicht. Sie operieren in jedem Kontext, den sie haben. Wenn ein System autonom läuft, macht es keine Pause, um die Daten abzufragen; es liest, was da ist, und reagiert stattdessen darauf.

Ein Agent, der auf Daten von geringer Qualität oder schlecht verwalteter Daten basiert, verbessert sich im Laufe der Zeit nicht; er trifft einfach schneller falsche Entscheidungen. Was früher kleine Fehler waren — eine fehlerhafte Integration, ein fehlendes Feld, eine widersprüchliche Definition — werden zu systemweiten Ausfällen.

Die eigentliche Frage ist also, ob die Datenbasis, die ihnen zugrunde liegt, den autonomen Betrieb in großem Maßstab unterstützen kann. Für 85% der Unternehmen ist das nicht möglich.

Was sich an der Open Data Infrastructure ändert

Ein Offene Dateninfrastruktur bringt Daten aus isolierten Anwendungen in eine Governed Data Lake Foundation, eine zentrale Informationsquelle, in der strukturierte und unstrukturierte Daten in großem Umfang gespeichert werden. Von dort aus können Daten konsistent definiert, verknüpft und über nachgelagerte Rechen- und KI-Systeme im gesamten Unternehmen abgerufen werden. Agenten und Analysten arbeiten auf der Grundlage derselben vollständigen, aktuellen und vertrauenswürdigen Sicht auf das Unternehmen. Daten werden durch das System übertragen, ohne dass sie sich über mehrere Warehouses hinweg duplizieren und ohne auf fragile Verbindungen angewiesen zu sein, die unter Druck kaputt gehen.

Regierungsführung ist ein zentraler Bestandteil davon. Agenten benötigen Zugriff auf Daten, aber sie brauchen auch klare Grenzen dafür, was sie sehen können, was sie tun können und welche Entscheidungen von Menschen überprüft werden müssen. Das ist nicht nur ein Compliance-Problem. Es wird zu einer Teilnahmebedingung. Fünfundsechzig Prozent der Unternehmen geben an, dass sie Anbieter, die die Anforderungen an Unternehmensführung und Souveränität nicht erfüllen können, entweder stark einschränken oder gänzlich blockieren würden. Sobald die Agenten in die Produktion übergehen, wird die Steuerung zur Steuerungsebene, die festlegt, wo autonome Systeme überhaupt betrieben werden dürfen. Open Data Infrastructure definiert diese Grenzen einmal und setzt sie dann systemübergreifend durch Agenten können zuverlässig arbeiten, anstatt zu raten.

Ohne diese Grundlage bietet KI jede Menge Mehrwert. Individuelle Anwendungsfälle funktionieren, und einige Prozesse werden schneller. Aber es skaliert nicht und es ändert nichts an der Art und Weise, wie das Unternehmen läuft. Mit einer offenen Dateninfrastruktur wird KI Teil des Betriebsmodells und nicht nur zu einer darüber liegenden Produktivitätsebene.

Die Unternehmen, die das Beste aus agentischer KI herausholen, sind diejenigen, die die Datenbasis dafür geschaffen haben. Das unterscheidet die Unternehmen, die einen starken ROI erzielen, von denen, die noch darauf warten.

[CTA_MODULE]