Warum KI-Agenten im Pilot stecken bleiben — und was Linienverantwortung daran ändert

Bis zu 79 % der Unternehmen sagen, sie hätten KI-Agenten eingeführt. Produktiv betreiben sie nur 11 %. Diese Zahl ist mir in den letzten Monaten so oft begegnet, dass sie kein Zufall mehr ist — sie ist ein Muster.

Die meisten Operator, mit denen ich arbeite, lesen diese Lücke falsch. Sie hören "nur jeder Neunte schafft den Echtbetrieb" und denken: Das Modell war noch nicht gut genug, wir warten auf die nächste Version. Das ist bequem, aber falsch.

Die Pilotprojekte scheitern nicht an Modellqualität. Sie scheitern daran, dass niemand sie führt. 48 % der Unternehmen betreiben ihre Agenten in isolierten Silos, nicht in durchgängigen Prozessen. Und bis zu 95 % der Deployments liefern in Produktion keinen messbaren Wert. Das ist keine Technologiegeschichte. Das ist eine Organisationsgeschichte.

Der Unterschied zwischen einem beeindruckenden Prototyp und einem Agenten, der montags um neun tatsächlich Arbeit übernimmt, liegt fast nie im Code. Er liegt darin, wem das Ding gehört.

Hier passiert das immer wieder: Das Innovationsteam baut einen Agenten, der in der Demo glänzt. Er fasst Threads zusammen, entwirft Antworten, zieht Daten aus dem CRM. Der Vorstand ist begeistert. Dann passiert — nichts.

Weil das Innovationsteam keine operative Verantwortung trägt. Wenn der Agent einen Fehler macht, fühlt sich keine Führungskraft dafür zuständig. Ich nenne das das Schuld-Vakuum: Es gibt niemanden, der mit den Ergebnissen leben muss, also gibt es auch niemanden, der das Risiko eingeht, ihm echte Aufgaben zu übergeben.

Dazu kommt der Anreiz. Innovationsteams werden für Neuartiges belohnt, für Sichtbarkeit, für das nächste Strategie-Deck. Nicht dafür, dass im Vertrieb 40 Stunden pro Woche Routine wegfallen. Sie wählen Use Cases nach technischem Reiz, nicht nach messbarem Geschäftswert. Das Ergebnis sind Piloten, die imponieren und irrelevant sind.

Und sie sitzen weit weg von den Nutzern. Ein Agent, der ohne den Vertriebsleiter neben HubSpot gebaut wurde, fühlt sich für das Team wie eine Fremdkörper-Pflicht an, nicht wie Unterstützung. Ohne diese Rückkopplung gibt es keine Iteration. Ohne Iteration gibt es kein Skalieren. Der Pilot stirbt leise.

Wenn der Ops-Lead, der GM oder die Bereichsleitung den Agenten besitzt, ändert sich die Physik des Projekts.

Die Use-Case-Auswahl wird brutal pragmatisch. Kein "das wäre technisch spannend", sondern: Welche repetitive, hochvolumige Aufgabe frisst uns gerade die Zeit? Das ist die Frage, die zu ROI führt. Erfolg wird in Geschäftsergebnissen definiert — eingesparte Stunden, weniger Fehler, schnellere Durchlaufzeit — nicht in technischer Eleganz.

Und der Agent bekommt einen Verantwortlichen. Eine Führungskraft mit Namen, die genau weiß, was der Agent darf, wo seine Entscheidungsgrenze liegt und an wen er eskaliert. Kritische Aktionen — eine Zahlungsfreigabe in Stripe, eine Kundenmail nach außen — brauchen menschliche Bestätigung. Das ist kein Misstrauen, das ist der Mechanismus, der Vertrauen überhaupt erst aufbaut.

Die Unternehmen, die hier vorne sind — Intuit, Uber, State Farm —, haben ihre Agenten nicht ins Labor gestellt. Sie haben sie tief in CRM, ERP und Ticketsysteme eingebunden, mit Bereichsverantwortlichen, die die Leistung überwachen. Der Mittelstand hat dabei einen unterschätzten Vorteil: kurze Entscheidungswege. Eine Geschäftsführerin kann ein Deployment morgens freigeben, mittags beobachten und nachmittags nachjustieren — ohne sich durch eine Governance-Plattform zu kämpfen, die mehr kostet als der Nutzen wert ist.

Das ist der mentale Sprung, der den Unterschied macht. Hör auf, den Agenten als Tool zu behandeln. Behandle ihn wie eine Neueinstellung im Team.

Eine neue Person in einer operativen Rolle bekommt drei Dinge am ersten Tag: eine klare Aufgabe, eine Kennzahl, an der ihr Erfolg gemessen wird, und einen Vorgesetzten, an den sie eskaliert, wenn sie nicht weiterkommt. Genau das fehlt fast jedem gescheiterten KI-Piloten.

Konkret heißt das: Der Agent, der eingehende Leads in Pipedrive qualifiziert, hat eine Zielzahl — etwa Reaktionszeit unter zwei Stunden, Datenvollständigkeit über 90 %. Er hat einen Eskalationsweg — bei Unsicherheit landet der Lead im Slack-Kanal des zuständigen AE, nicht im Nichts. Und er hat eine Abnahme: Das Vertriebsteam, das mit seinen Ergebnissen lebt, sagt nach zwei Wochen, ob es weiter so läuft oder nicht.

Wir bauen Moments genau in dieser Logik. Es sitzt auf E-Mail, Kalender, Kontakten und Dokumenten und arbeitet die Threads ab, die sonst durchrutschen — aber es entscheidet nicht im Verborgenen. Der Operator sieht, was vorbereitet wurde, gibt frei oder korrigiert. Das ist der Human-in-the-Loop, der aus einem netten Experiment einen verlässlichen Mitarbeiter macht. Ein Chief of Staff, der ohne Abnahme handelt, ist kein Chief of Staff. Er ist ein Risiko.

Wenn du KI-Agenten in Produktion bringen willst, fang nicht beim Modell an. Fang bei der Eigentümerschaft an.

Such einen Prozess, der eng umrissen ist und wehtut. Nicht den ambitioniertesten — den lästigsten. Die manuelle Nachverfolgung von Angeboten, die in Outlook versanden. Das Triagieren von Support-Tickets, bevor sie ins Linear-Board wandern. Das Aktualisieren von Deal-Stages in HubSpot nach jedem Call. Etwas, das ein klares Vorher und Nachher hat.

Dann gib es einer Person aus dem Fachbereich, nicht aus dem Innovationsteam. Jemandem, der mit dem Ergebnis lebt. Definiere die eine Kennzahl. Definiere, wann der Agent einen Menschen fragen muss. Lass das Team nach zwei Wochen urteilen.

Klein anfangen, schnell skalieren — aber nur entlang von bewiesenem Vertrauen, nicht entlang von Demo-Begeisterung. Die Firmen, die 2026 mit Agenten gewinnen, haben nicht die fortschrittlichsten Prototypen. Sie haben die klarsten Verantwortungslinien.

Die Modelle sind gut genug. Die Frage ist, ob du bereit bist, einen Agenten zu führen wie jemanden, den du eingestellt hast.