Vertikale KI-Agenten kaufen? Meist nicht, die Idee schon

Sollen wir einen vertikalen KI-Agenten kaufen? Die meisten kleinen und mittleren Unternehmen werden diesen Kauf nie vor sich haben, und wer meint, er stehe davor, sieht meist auf eine Funktion in Software, für die er schon bezahlt.

„Vertikaler KI-Agent“ ist ein Etikett für Analysten und Investoren. Es sortiert Anbieter auf einer Landkarte. Es beschreibt keine Entscheidung, die eine Betriebsleitung am Montag treffen muss. Die Entscheidungen des Käufers sind kleiner und schwerer: Welche Aufgabe darf ein Agent ausführen, was darf er ohne Rückfrage tun, und wer antwortet, wenn er falsch liegt? Das Etikett verdeckt alle drei.

Die Analystenprognosen deuten an, wo die Agenten ankommen werden. Gartner prognostiziert, dass bis Ende 2026 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, nach unter 5 % im Jahr 2025. Nach unserer Lesart kommen die Agenten damit überwiegend in Produkten an, die Sie schon nutzen, als Funktion. Eine Funktion, die mit dem nächsten Update kommt, kauft niemand eigens ein.

Die Kategorie lohnt also keinen Einkauf. Der Gedanke darin lohnt sich: Ein Agent arbeitet besser mit enger Befugnis über eine einzige Aufgabe.

Sehen Sie sich an, was die Umfragen tragen und was nicht. McKinseys State-of-AI-Umfrage vom November 2025 fand 62 % der Organisationen, die mit Agenten mindestens experimentieren, und 23 %, die irgendwo im Unternehmen ein agentisches System skalieren, in einem einzelnen Geschäftsbereich jedoch nicht mehr als 10 %. Deloittes Bericht State of AI in the Enterprise 2026 fand 21 % der Organisationen mit einem ausgereiften Governance-Modell für autonome Agenten. Diese Zahlen zeigen, wie wenige Unternehmen Agenten im großen Maßstab zum Laufen gebracht haben. Sie sagen nicht, dass enge Agenten breite schlagen, und keine uns bekannte Umfrage prüft das. Unser Plädoyer für einen engen Zuschnitt ist ein Argument aus der Art, wie Agenten scheitern. Wiegen Sie es als Argument.

Hier ist es. Einem Allzweck-Agenten muss man für jede Aufgabe, die er berühren könnte, sagen, was „richtig“ heißt: wie Ihr Unternehmen einen Rabatt freigibt, was als doppelter Lieferant gilt, wann eine Rückerstattung eine zweite Unterschrift braucht. Dieses Wissen steckt in Ihren Abläufen, Freigabeketten und Daten, und das Modell hat davon nichts. Jeder Fall, den die Anweisungen nicht vorgesehen haben, holt einen Menschen zurück, und ein Mensch, der den ganzen Tag eingreift, ist ein Pilot, der die Produktion nie erreicht. Ein Agent, der auf eine Aufgabe zugeschnitten ist, kodiert ein einziges Regelwerk und antwortet einer einzigen Verantwortung. Die Integration wird kleiner, die Governance wird kleiner, und wenn er irrt, hat der Schaden eine Grenze. Wenn nur eine von fünf Organisationen eine ausgereifte Governance hat, ist ein kleiner Radius eine praktische Absicherung.

Was braucht ein enger Agent? Eine Grenze seiner Befugnis, die er benennen kann: die Handlungen, die er allein ausführt, und die, die er eskaliert. Lässt sich das nicht in einem Satz sagen, ist der Zuschnitt noch zu weit. Ein führendes System, das er richtig liest und schreibt, denn ein Agent, der gut schlussfolgert und schlechte Daten in Ihre Buchhaltung bucht, hat das Problem größer gemacht, weshalb das ERP darunter mehr zählt als das Modell darüber. Und eine Verantwortung außerhalb der IT, die sich die Entscheidungen der letzten Woche ansehen und sagen kann, ob sie richtig waren. Gartner erwartet, dass bis Ende 2027 mehr als 40 % der Projekte mit agentischer KI eingestellt werden, und nennt unter den Ursachen unklaren geschäftlichen Nutzen und unzureichende Risikokontrollen. Ein Projekt ohne Verantwortung hat beides nicht.

Schreiben Sie die Stellenbeschreibung, bevor Sie sich ein Produkt ansehen. Lassen Sie „ein KI-Agent für das Finanzwesen“ weg. Nehmen Sie eine wiederkehrende Aufgabe, für die es schon eine Regel und eine zuständige Person gibt: jede Lieferantenrechnung der zugehörigen Bestellung zuordnen und Abweichungen an die Leitung der Kreditorenbuchhaltung senden, zum Beispiel, oder eingehende Support-Tickets nach Kategorie sortieren und alle markieren, in denen eine Rückerstattung vorkommt. Beides zeigt die richtige Größe und ist keine Einkaufsliste.

Lassen Sie die enge Fassung ein volles Quartal laufen, mit dem Agenten als Vorschlagendem und einem Menschen als Freigebendem. Zählen Sie, was er richtig und was er falsch gemacht hat. Weiten Sie seine Befugnis erst aus, wenn dieses Protokoll es hergibt, was Sie zugleich davor bewahrt, denselben Agenten zweimal zu bauen, ein Fehler, den warum Einführungen agentischer KI scheitern behandelt.

Bietet Ihnen ein Anbieter doch einen „vertikalen Agenten“ an, lassen Sie den Kategorienamen weg. Fragen Sie, was er ohne Rückfrage tun darf. Fragen Sie dann, wo sein Protokoll liegt.

Die KI-Leistungen von ThinqHub sind auf einen Arbeitsablauf zugeschnitten, und zwar innerhalb Ihres bestehenden ERP. Wenn Sie abwägen, wo ein erster Agent anfangen soll, sprechen Sie mit uns über den Arbeitsablauf, den er verantworten soll.