Agentic Enterprise: Vom KI-Nebenprojekt zur EBIT-Wirkung – wie ein Agentic-Ansatz den Unterschied macht

Die letzten Jahre zeigen, wie rapide sich künstliche Intelligenz in unseren Alltag eingeschleust hat. Sei es privat oder beruflich, KI ist kaum noch wegzudenken. In vielen Unternehmen gehört künstliche Intelligenz mittlerweile zum Alltag - zumindest auf dem Papier. Es gibt Pilotprojekte, erste Erfahrungen mit Chatbots, vielleicht auch ein paar generative KI-Use Cases im Marketing oder in der Softwareentwicklung. Gleichzeitig stellen viele Entscheiderinnen und Entscheider fest, dass sich diese Aktivitäten noch nicht spürbar im Ergebnis niederschlagen.

Während 2023 schon bereits 55% der befragten Unternehmen angaben, die neuesten Versionen von generativer KI zu nutzen, sind es im Jahre 2025 knapp 80%. Diese Erkenntnis gepaart mit der immensen Lernkurve macht deutlich: KI wird uns in der Zukunft begleiten. Trotz dieser Dynamik berichten rund 80 Prozent der Unternehmen, dass sie noch keine klare EBIT-Wirkung erkennen. Die Technologie ist da, die Nutzung steigt, aber der betriebswirtschaftliche Effekt bleibt aus. Wie passt das zusammen mit den Versprechen von Effizienzgewinnung, Kostensenkungen und neuen Umsatzpotenzialen?

adesso setzt genau hier an. Unser Blick richtet sich bewusst über punktuelle Einzelanwendungen hinaus. Statt sich auf kleine Use Cases mit fraglichem Business Impact zu beschränken, verstehen wir KI als integralen Bestandteil des gesamten Unternehmens. Unser Ziel ist ein Agentic Enterprise, in dem KI-Agenten nicht nur assistieren, sondern als feste Mitglieder der Wertschöpfungskette eingeplant und produktiv eingesetzt werden.

Das Thema Agentic Enterprise ist branchen- und systemübergreifend relevant. adesso begleitet Unternehmen dabei, KI-Agenten passgenau in ihre bestehenden Strukturen zu integrieren und produktiv einzusetzen. Dieser Beitrag richtet den Blick exemplarisch auf die CRM-Plattformlandschaft wie Salesforce. Insbesondere in bestehenden Salesforce-Umgebungen wie dem klassischen CRM, der Service Cloud oder der Data Cloud ist das Potenzial für den Einsatz autonomer Agenten enorm, da hier bereits wertvolle Kunden- und Prozessdaten gebündelt sind.

Vom KI-Pilot zum Agentic Enterprise

Viele mittelständische Unternehmen haben den ersten Schritt getan: KI wird getestet, erste Anwendungsfälle werden ausprobiert. Häufig bleibt es jedoch bei isolierten Initiativen, die weder strategisch eingebettet noch technisch sauber integriert sind.

Die Folgen sind immer ähnlich: Es entstehen spannende Prototypen, aber keine skalierbaren Lösungen. Es wird viel über KI gesprochen, aber wenig davon zahlt messbar auf operative Kennzahlen oder das Ergebnis ein.

Im Beratungsalltag beobachten wir drei übergeordnete Dimensionen mit wiederkehrenden Gründen, warum KI auf Unternehmensebene unter ihren Möglichkeiten bleibt.

1. Strategie: Fragmentierung statt Verankerung

KI wird als Nebenprojekt behandelt. Ein Blick auf die wenigen Unternehmen, die bereits heute von einem signifikanten Return on Investment durch KI berichten, zeigt eine Gemeinsamkeit. KI ist dort Teil einer klaren Unternehmensstrategie und kein Nebenprojekt oder eine Spielwiese einzelner Teams. In vielen mittelständischen Unternehmen läuft es allerdings anders:

• KI-Initiativen starten als Innovationsprojekte „nebenher“.
• Verantwortlichkeiten sind unklar, Budgets fragmentiert.
• Pilotprojekte schaffen den Sprung in den operativen Bereich nicht und dienen als Proof of Concept, dass weitere Anstrengungen vergebens sind.
• Unkontrollierter Agenten-Wildwuchs (Agent sprawl): Verschiedene Abteilungen bauen oder beschaffen isoliert eigene Agenten ohne zentrale Leitlinien oder Abstimmung.
• Fehlender Headless-Ansatz: Die genutzten KI-Lösungen sind starr an einzelne Oberflächen gekoppelt, statt als flexibel integrierbare Services (Headless) prozessübergreifend bereitgestellt zu werden.

Es ist kritisch zu hinterfragen: Wie viele KI-Projekte im Unternehmen oder Umfeld sind wirklich im Tagesgeschäft angekommen? Solange KI als experimentelles Nebenprojekt behandelt wird, bleibt der Effekt auf das Kerngeschäft überschaubar. Erst wenn KI strategisch verankert wird, mit klaren Zielen, Verantwortlichkeiten und Ressourcen, entsteht ein Hebel, der sich bemerkbar macht.

Singuläre Anwendungsfälle statt wiederverwendbarer KI-Bausteine. Ein häufiges Muster im größeren Mittelstand ist die Entwicklung von isolierten KI-Anwendungsfällen in einzelnen Bereichen. Der Kundenservice erprobt KI-gestützte Antworten auf Standardanfragen. Der Vertrieb nutzt ein Tool zur Bewertung von Leads. Die Personalabteilung testet automatisierte Kandidaten-Vorselektionen. Jeder dieser Schritte für sich ist sinnvoll. Problematisch wird es, wenn die Lösungen ausschließlich als Einzelprojekte gedacht werden und keine übergreifende Perspektive auf wiederverwendbare Bausteine existiert. In der Praxis führt das zu folgenden Effekten:

• Es entstehen parallele KI-Lösungen mit ähnlichen Funktionen. So wird zum Beispiel in verschiedenen Abteilungen getrennt an Textgenerierung, Klassifikation oder Dokumentenverarbeitung gearbeitet, obwohl ein gemeinsamer Service ausreichen würde.
• Die Kosten steigen unnötig, weil jede Abteilung ihre eigene Lösung beschafft, betreibt und pflegt. Skaleneffekte und Synergien bleiben ungenutzt.

Das Ergebnis ist häufig enttäuschend: KI-Projekte werden als interessant, aber nicht durchschlagend wahrgenommen. Die Ursache liegt jedoch weniger in der Technologie, sondern eher in der fehlenden Integration und der mangelnden Wiederverwendbarkeit der eingesetzten Komponenten. Ein moderner, agentischer Ansatz setzt genau hier an. Statt isolierte Einzellösungen aufzubauen, werden plattformartige Strukturen geschaffen, in denen KI-Funktionen und Agenten mehrfach genutzt und über Agent-zu-Agent-Kommunikation über Abteilungen, Standorte und Prozesse hinweg vernetzt werden können.

2. System: Starre Architekturen blockieren das Handeln

Gewachsene, komplexe Systemlandschaften bremsen KI aus. Neben der Strategie ist die technologische Infrastruktur eine der größten Hürden. Die Realität in gewachsenen, erfolgreichen Mittelstandsunternehmen sieht oft so aus:

• Historisch gewachsene Anwendungslandschaften.
• Unterschiedliche Schnittstellen und Datenflüsse, die kaum noch jemand ganz überblickt.
• Integrationsprobleme zwischen Fachverfahren, CRM, ERP und Speziallösungen
• Abhängigkeit von einzelnen Schlüsselpersonen.
• Hoher manueller Aufwand (in Schnittstellenprozessen).
• Unterschiedliche Sicherheitsniveaus und unvollständige Dokumentation.
• Datenschutz, der nur mit großem Aufwand oder gar nicht sauber abbildbar ist.

Das ist kein Ausnahmezustand, sondern der Alltag vieler Unternehmen. Für KI, insbesondere für autonome oder teilautonome Agenten, ist das ein massives Hindernis. Für einen agentischen KI-Ansatz ist ein stabiles, integriertes technisches Fundament entscheidend. Plattformen wie Salesforce bilden hierbei oft die zentrale Basis. Denn KI-Agenten müssen zuverlässig auf Systeme zugreifen, Informationen verarbeiten und Aktionen auslösen können. Ohne ein solches Grundgerüst bleibt KI ein Insellösungsthema und erreicht die operativen Kernprozesse nicht in der nötigen Tiefe.

Kein ganzheitlicher GenAI-Ansatz. Es braucht einen ganzheitlichen Ansatz der generativen KI (GenAI) in Kombination mit Verfahren, wie Retrieval-Augmented Generation (RAG). Der Kernpunkt dabei ist, dass die KI nicht nur auf ihr internes Modellwissen zurückgreift, sondern aktiv auf dein spezifisches Unternehmenswissen und deine Daten zugreifen kann. Dafür braucht es eine Wissens- und Datenbasis, die so gestaltet ist, dass:

• relevante Informationen aus verschiedenen Systemen zusammengeführt werden.
• Zugriffe klar geregelt und nach Rollen, Berechtigungen und Freigabestufen gesteuert werden.
• KI-Agenten in der Lage sind, Informationen gezielt zu suchen, zu verarbeiten und darauf basierend Aktionen auszulösen.

Auf dieser Grundlage entsteht ein Agentic Enterprise. In einem solchen Unternehmen sind KI-Agenten nicht nur Beobachter oder Assistenten am Rand. Sie werden zu aktiven Akteuren in den Prozessen mit einem klaren Auftrag, um dadurch spürbaren geschäftlichen Impact zu erzeugen.

3. Daten: Die unvollständige Basis

Unzureichende Datenqualität als unsichtbarer Kostentreiber. Eigentlich ist klar: Gute Entscheidungen brauchen gute Daten. Gerade bei Kundendaten, Produktions-, Service- oder Prozessdaten ist die Qualität entscheidend.

In der Praxis zeigt sich allerdings immer wieder, dass die tatsächliche Datenqualität nicht dem Anspruch entspricht. Typische Muster sind:

• Kunden- oder Stammdaten sind unvollständig, veraltet oder in verschiedenen Systemen unterschiedlich gepflegt.
• Prozessdaten werden nicht einheitlich erfasst, sodass Abläufe nur teilweise nachvollzogen und analysiert werden können.
• Es existieren Datensilos, in denen einzelne Abteilungen wichtige Informationen eigenständig verwalten, ohne dass ein unternehmensweiter Zugriff möglich ist.

Für klassische Reporting- oder Analysevorhaben ist das bereits problematisch. Für autonom agierende KI-Agenten ist es jedoch ein echter Showstopper. Ein Agent, der beispielsweise Kundenanfragen priorisieren, Vertriebschancen bewerten oder Serviceeinsätze planen soll, benötigt verlässliche, aktuelle und konsistente Informationen. Daten sind die Grundlage für jede sinnvolle Nutzung von KI und Datensilos müssen systematisch abgebaut werden. Auch hier bietet Salesforce mit einer modernen Architektur, welche auf die Nutzung von Agenten ausgelegt ist, den entscheidenden Hebel. So lassen sich beispielsweise mit der Data Cloud Datensilos in Echtzeit auflösen, um autonomen Agenten eine konsistente und verlässliche 360-Grad-Sicht als Handlungsgrundlage bereitzustellen.

Agentic Labs: KI-Potenziale systematisch erschließen

Alle genannten Punkte sind Muster, die wir in vielen mittelständischen Unternehmen täglich sehen. Wer diese Stellschrauben kennt und gezielt adressiert, kann sich einen klaren Vorsprung erarbeiten. Dazu gehören eine klare strategische Verankerung, eine tragfähige System- und Datenbasis, wiederverwendbare Bausteine statt Insellösungen und ein ganzheitlicher, agentischer Ansatz, der vom reinen Zusammenfassen zum aktiven Handeln übergeht.

Genau hier setzen unsere adesso Agentic Enterprise Labs an. Diese starten mit einem unverbindlichen Erstgespräch, in dem wir die individuellen Herausforderungen, Ziele und Rahmenbedingungen des Unternehmens gemeinsam besprechen. In einem fokussierten, zwei- bis dreitägigen Workshop-Format bringen wir das Management, die Fachbereiche und die IT mit unseren Spezialisten für Salesforce an einen Tisch. Das Ergebnis ist keine theoretische Machbarkeitsstudie, sondern eine klar priorisierte Umsetzungs-Roadmap mit messbarem Business Impact.

Fazit

Der Weg von ersten KI-Piloten zu einem messbaren Geschäftsnutzen erfordert eine klare strategische Verankerung, integrierte Systemlandschaften und eine verlässliche Datenbasis. Das Konzept des Agentic Enterprise bietet dafür einen ganzheitlichen Rahmen: KI-Agenten werden nicht nur zum Zusammenfassen von Informationen eingesetzt, sondern unterstützen aktiv bei Entscheidungen und stoßen konkrete Handlungen in Unternehmensprozessen an.