Während sich die Debatte über Agentic AI derzeit vor allem um leistungsfähigere Modelle und immer autonomere Anwendungen dreht, liegt der eigentliche Engpass in vielen Unternehmen an einer anderen Stelle: in den eigenen Prozessen. KI-Agenten können Aufgaben beschleunigen und Abläufe koordinieren. Sie können jedoch nicht ausgleichen, was organisatorisch ungeklärt, technisch fragmentiert oder zwischen Abteilungen widersprüchlich geregelt ist. Ein Fachbeitrag von Mark Holenstein, CEO von Emporix
Im Marketing wird dieser Widerspruch besonders sichtbar. Unternehmen investieren in Systeme, die Kampagnen planen, auswählen, Inhalte personalisieren oder Maßnahmen eigenständig ausspielen sollen. Gleichzeitig liegen Kundendaten im CRM, Produktinformationen im PIM, Preise und Verfügbarkeiten im ERP, Freigaben in E-Mails und Kampagnenwissen in den Köpfen einzelner Mitarbeiter. Der Agent soll autonom handeln, muss sich seine Entscheidungsgrundlage aber aus einer Landschaft zusammensuchen, die dafür nie gebaut wurde.
Das Ergebnis ist nicht zwangsläufig ein besserer Prozess. Oft werden bestehende Schwächen nur schneller durch das System geleitet.
Digitale Oberfläche, manueller Unterbau
Viele Unternehmen überschätzen ihren digitalen Reifegrad. Eine Studie unter 500 deutschen B2B-Unternehmen zeigt: 85,9 Prozent der Verkaufsprozesse beginnen digital. Vollständig automatisierte Abläufe über Systemgrenzen hinweg erreichen jedoch nur 2,4 Prozent. Fast 60 Prozent der Unternehmen wickeln weiterhin mehr als ein Viertel ihrer Prozesse manuell ab.
Für das Marketing ist dieser Unterschied entscheidend. Ein Marketing-Automation-System oder ein KI-gestützter Content-Prozess sagt wenig darüber aus, ob der gesamte Ablauf funktioniert. Sind aktuelle Produktdaten verfügbar? Sind beworbene Angebote lieferbar? Gelten Preis- und Rabattlogiken in allen Kanälen? Ist definiert, welche Aussage freigegeben werden darf? Und können Reaktionen aus dem Markt ohne manuelle Übergaben an Vertrieb oder Operations weiterverarbeitet werden?
Fehlt diese Durchgängigkeit, produziert KI nur neue Abstimmungsschleifen. Der Agent erstellt schneller Varianten, Empfehlungen oder Kampagnenvorschläge. Ob diese operativ belastbar sind, muss weiterhin ein Mensch prüfen.
KI macht organisatorische Brüche sichtbar
Viele KI-Projekte überzeugen im Piloten und verlieren im Alltag an Wirkung. Ein Pilot arbeitet mit einem abgegrenzten Datensatz, einer definierten Aufgabe und wenigen Beteiligten. Im laufenden Betrieb trifft das System dagegen auf Ausnahmen, widersprüchliche Zuständigkeiten und nicht synchronisierte Datenstände.
Laut Studie nennen 47,9 Prozent der befragten Unternehmen die Abstimmung zwischen Vertrieb, IT und Operations als größten Zeitfresser. 91,9 Prozent berichten von Verzögerungen in der abteilungsübergreifenden Zusammenarbeit. Agentic AI legt solche Reibungen erst offen.
Viele vermeintliche KI-Probleme sind in Wahrheit ungeklärte Geschäftsfragen. Welches System enthält die verbindliche Produktinformation? Wer entscheidet bei widersprüchlichen Daten? Welche Regeln gelten für Preis, Verfügbarkeit, Marke und Compliance? Welche Ausnahmen darf ein Agent selbst behandeln, und wann muss er eskalieren?
Solange diese Fragen nicht beantwortet sind, bleibt Autonomie eine Oberfläche. Die eigentliche Entscheidung findet weiterhin außerhalb des Systems statt.
Warum Unternehmen am falschen Ende investieren
Trotzdem fließt ein großer Teil der Budgets zunächst in Modelle und Anwendungen. 69,9 Prozent der befragten Unternehmen planen, vorrangig in KI und Automatisierung zu investieren. Nur 33,1 Prozent priorisieren die Modernisierung ihrer Systemstrukturen.
Diese Reihenfolge ist riskant. Wer Agenten auf fragmentierte Daten, manuelle Freigaben und getrennte Prozesse setzt, automatisiert nicht das Geschäft, sondern dessen Bruchstellen. Im besten Fall bleibt der Nutzen begrenzt. Im schlechteren Fall skaliert das Unternehmen Fehler, widersprüchliche Kundenansprache oder operative Versprechen, die sich nicht einlösen lassen.
Die zentrale Frage vor einem Agentic-AI-Projekt sollte deshalb nicht lauten: Welches Modell kann diese Aufgabe übernehmen? Sie sollte lauten: Ist der zugrunde liegende Prozess überhaupt entscheidungsfähig?
Dafür müssen drei Voraussetzungen erfüllt sein. Erstens brauchen Agenten Zugriff auf aktuelle, verbindliche und maschinenlesbare Informationen. Zweitens müssen Regeln, Freigaben und Eskalationswege explizit definiert sein. Drittens darf der Prozess nicht an Abteilungs- oder Systemgrenzen enden. Ein Marketingagent kann nur sinnvoll handeln, wenn seine Entscheidung auch in Vertrieb, Einkauf, Service und Operations anschlussfähig ist.
Der größte Wandel ist organisatorisch
Agentic AI verändert damit auch die Rolle des Marketings. Marketing kann nicht nur für Kommunikation und Kampagnen verantwortlich sein, wenn autonome Systeme direkt auf Angebote, Nachfrage, Preise, Verfügbarkeiten und Kundeninteraktionen zugreifen. Die Qualität des Marketings hängt dann unmittelbar von Prozessen außerhalb des Marketings ab.
Umgekehrt haben Marketingentscheidungen schneller operative Folgen. Ein Agent erkennt Nachfrage, passt Zielgruppen an oder priorisiert ein Angebot. Einkauf und Operations müssen darauf reagieren können. Vertrieb und Service brauchen denselben Informationsstand. Aus einer Kampagnenentscheidung wird eine unternehmensweite Prozessentscheidung.
Der größte Wandel durch Agentic AI liegt deshalb weniger in einzelnen KI-Anwendungen als in der Zusammenarbeit zwischen Marketing, Vertrieb, Einkauf, IT und Operations. Unternehmen müssen gemeinsame Datenquellen, verbindliche Regeln und klare Verantwortlichkeiten schaffen. Denn nachhaltiger Nutzen entsteht erst dann, wenn Daten und Prozesse über Abteilungs- und Systemgrenzen hinweg zusammengeführt werden. Genau darauf basiert Autonomous Commerce: KI-Agenten können Geschäftsprozesse nur dann weitgehend eigenständig steuern, wenn sie auf einer integrierten Daten- und Prozesslandschaft arbeiten.
Der Autor: Mark Holenstein ist CEO von Emporix, dem Anbieter einer cloud-nativen Plattform für Autonomous Commerce. Mit seiner über 20-jährigen Erfahrung in den Bereichen Commerce, CRM und digitale Transformation verbindet er tiefes Technologie-Know-how mit einer internationalen Management-Expertise. Berufliche Stationen zuvor waren u.a. IntegrityNext, Akeneo, Appway, Modum und SAP.
