Achtzig Prozent melden einen messbaren Effekt. Einundvierzig Prozent haben nach zwölf Monaten einen positiven ROI. Neunzehn Prozent bekommen ihn nie.
Die drei Zahlen stammen aus derselben Gartner-Erhebung zu agentischer KI, und sie beschreiben denselben Rollout. Zwischen der ersten und der zweiten Zahl liegt kein Modellproblem. Dort liegt eine Organisationsfrage, die niemand gestellt hat.
Gartner setzt noch eine Zahl daneben, die unbequemer ist als die anderen. Über vierzig Prozent der agentischen Projekte gelten bis 2027 als abbruchgefährdet. Nur einundzwanzig Prozent der Anwender haben ein reifes Governance-Modell. Zweiundfünfzig Prozent nennen Datenqualität als größten Blocker. Das sind keine Startschwierigkeiten. Das ist ein Muster.
Der Agent funktioniert. Das ist nicht die Frage.
Ein Beispiel aus dem Bau, weil es dort besonders sauber zu sehen ist. Kaufman Lynn, ein Bauunternehmen aus Florida, hat auf der Procore-Plattform einen eigenen KI-Agenten gebaut. Er zieht Daten aus knapp zwölf internen Systemen zusammen und erzeugt daraus den monatlichen Baufortschrittsbericht. Tim Bonczek, Executive Vice President, beschreibt das Ergebnis nüchtern: was sechs bis acht Stunden gedauert habe, sei jetzt in Minuten fertig.
Das ist ein Faktor jenseits von fünfzig. Es ist außerdem die Sorte Zahl, mit der Beratungsangebote gerne aufmachen.
Nur hat der Fall eine Pointe, die selten mitzitiert wird. Kaufman Lynn hat den Agenten selbst gebaut. Ohne Berater, auf einer Plattform, die das Unternehmen ohnehin lizenziert hatte. Die Arbeit, für die es angeblich einen Dienstleister braucht, war an einem Nachmittag erledigt, weil die zwölf Systeme sauber genug waren.
Wer aus diesem Fall ableitet, dass Firmen Hilfe beim Agentenbau brauchen, hat ihn falsch herum gelesen. Er zeigt das Gegenteil. Der Bau des Agenten ist der billige Teil geworden.
Wo die vierzig Prozent tatsächlich sterben
Die interessantere Erklärung liefert eine Studie, die mit KI-Agenten auf den ersten Blick nichts zu tun hat. Das Institut für Mittelstandsforschung Bonn hat im März 2026 untersucht, ob KI den Fachkräftemangel im Mittelstand mindert. Die Antwort hängt nicht an der Technik, sondern an der Einsatzart.
Heute nutzen Unternehmen KI überwiegend substitutiv. Einzelne Tätigkeiten werden übernommen, Beschäftigte entlastet, Stellen nicht abgebaut. Das ist die Kaufman-Lynn-Variante, und sie funktioniert. Perspektivisch, so das IfM, verschiebt sich der Einsatz ins Komplementäre: Tätigkeitsprofile verändern sich dauerhaft, und mit ihnen die Qualifikationsanforderungen. Weil genau diese Qualifikationen heute nicht ausreichend am Arbeitsmarkt verfügbar sind, kann derselbe Schritt den Fachkräftemangel verschärfen.
Legen Sie diese beiden Befunde übereinander. Gartner sagt, vier von zehn agentischen Projekten werden abgebrochen. Das IfM sagt, die Veränderung hat zwei Phasen, und die zweite bringt neue Anforderungen mit, für die kein Plan existiert. Das ist nicht zweimal derselbe Satz. Es ist dieselbe Klippe, einmal von der Projektseite und einmal von der Personalseite beschrieben.
Der Agent scheitert nicht am Modell. Er scheitert daran, dass die Organisation nur die erste Hälfte der Veränderung geplant hat.
Die erste Hälfte ist Entlastung. Sie ist sichtbar, sie ist schnell, sie hat eine Zahl. Die zweite Hälfte ist die Revision von Tätigkeitsprofilen, die Frage, wer welche Entscheidung künftig trifft, und die Weiterbildung, die daraus folgt. Sie ist langsam, sie hat keine hübsche Kennzahl, und sie steht in keinem Pilotbudget.
Konkret sieht das so aus. Der Bericht, der früher acht Stunden brauchte, war nicht nur Arbeit. Er war auch der Anlass, bei dem jemand die Zahlen aus zwölf Systemen tatsächlich angesehen hat. Fällt die Arbeit weg, fällt der Anlass mit weg, wenn niemand ihn neu ansetzt. Die Kontrolle wandert dann stillschweigend von der Person zum Modell, ohne dass das je entschieden wurde.
Genau an dieser Stelle entsteht die Governance-Frage, die Gartner bei nur einundzwanzig Prozent der Anwender beantwortet findet. Sie klingt nach Compliance, ist aber operativ: Wer schaut noch hin, und woran merkt diese Person, dass etwas nicht stimmt. Wird sie nicht beantwortet, läuft der Agent weiter und erzeugt Ausgaben, denen niemand mehr widerspricht. Das hält eine Weile gut. Dann kippt es auf einmal, und der Rollout wird abgebrochen, ohne dass ein einzelner Fehler benennbar wäre.
Deloittes 84 Prozent sind kein Nebensatz
Deloitte hat im März 2026 gemessen, dass 84 Prozent der Unternehmen ihre Rollen und Prozesse nicht an KI angepasst haben. Diese Zahl wird meist als Beleg für Trägheit gelesen. Das greift zu kurz.
84 Prozent haben die zweite Hälfte nicht angefasst. Gartner findet, dass gut 40 Prozent der Projekte scheitern. Wenn die Anpassung von Rollen und Prozessen die Bedingung dafür wäre, dass ein Agent im Betrieb überlebt, müssten diese beiden Zahlen zusammenhängen. Sie tun es vermutlich, und der Zusammenhang ist eine Ursache, keine Korrelation.
Der deutsche Mittelstand macht die Sache greifbarer. Die DIHK zählt für 2026 rund 41 Prozent aktive KI-Nutzung über alle Unternehmensgrößen, im Mittelstand aber nur 20 Prozent. Gleichzeitig hat der Mittelstand sein KI-Budget auf 0,35 Prozent des Umsatzes gesenkt, von 0,41 Prozent im Vorjahr. Wer daraus Zurückhaltung liest, verwechselt Ursache und Wirkung. Ein Budget wird nicht gekürzt, weil das Thema unwichtig geworden wäre. Es wird gekürzt, weil die letzte Runde nichts eingebracht hat, was in der Bilanz auftaucht.
Die ehrliche Gegenrechnung
Zwei Einwände gehören an diese Stelle, nicht ans Ende.
Erstens: Der Kaufman-Lynn-Fall spielt in den USA, auf einer Plattform mit hoher Datenreife, in einem Unternehmen mit eigener IT. Ein deutscher Mittelständler mit 60 Beschäftigten und drei gewachsenen Systemen hat diesen Nachmittag nicht. Die substitutive Phase ist dort nicht billig, sondern der eigentliche Aufwand. Der Fall taugt als Referenzmuster, nicht als Versprechen.
Zweitens: Die Prognose des IfM ist eine Prognose. Der komplementäre Einsatz ist heute nicht flächendeckend beobachtbar, sondern die erwartete Fortsetzung eines Trends. Baker Tilly findet, dass 61 Prozent der Entscheider einen durch KI verschärften Fachkräftemangel erwarten, aber eine Erwartung ist kein Befund. Was das IfM liefert, ist der Mechanismus hinter dieser Sorge, nicht ihre Bestätigung.
Wer beides ernst nimmt, landet bei einer vorsichtigeren Aussage als der Aufmacher nahelegt. Der Satz „KI löst euren Fachkräftemangel" ist nach der besten verfügbaren deutschen Quelle nicht haltbar. Haltbar ist: KI entlastet Ihre Leute heute, ohne Stellen abzubauen, und verschiebt die Anforderung an ihre Qualifikation. Das Zweite plant man mit ein oder man zahlt es später.
Was daraus für die nächste Entscheidung folgt
Die praktische Bewegung ist unspektakulär. Bevor der nächste Agent gebaut wird, sollte für genau einen Workflow schriftlich stehen, wessen Tätigkeitsprofil sich dadurch ändert. Dazu zwei Sätze: welche Entscheidung danach von wem getroffen wird, und welche Qualifikation dafür fehlt.
Das ist keine Governance-Übung im großen Stil. Es ist eine Seite Papier, und sie kostet einen Vormittag. Der Punkt ist nicht die Sorgfalt, sondern die Reihenfolge: Diese Seite entsteht vor dem Piloten oder gar nicht. Danach ist sie eine Rechtfertigung, und Rechtfertigungen liest niemand.
Für den Mittelstand hat das einen angenehmen Nebeneffekt. Wer den Schritt vorher macht, braucht keinen großen Piloten mehr, um zu wissen, ob sich etwas lohnt. Ein Workflow, ein Profil, eine offene Qualifikationsfrage, das reicht als Entscheidungsgrundlage. Das ist deutlich näher an einem Budget von 0,35 Prozent des Umsatzes als jedes Programm, das mit einer Roadmap beginnt.
Denn hier schließt sich der Kreis zu den 80 und den 41 Prozent. Die 80 Prozent messen die Entlastung, die eintritt, sobald der Agent läuft. Die 41 Prozent messen, was zwölf Monate später noch übrig ist. Zwischen beiden Zahlen liegt kein besseres Modell, sondern die Frage, ob jemand die freigewordene Zeit einer Aufgabe zugeordnet hat, die das Unternehmen weiterbringt.
Vier von zehn Projekten beantworten sie nicht. Das ist teuer, aber es ist wenigstens keine technische Überraschung.
Quellen: Gartner Agentic AI Pulse 2026 (via IBL); Deloitte, State of Generative AI in the Enterprise, März 2026; Institut für Mittelstandsforschung Bonn, IfM-Materialien Nr. 312, „Chancen künstlicher Intelligenz für die Deckung des Fachkräftebedarfs im Mittelstand", Bonn, März 2026; DIHK-Digitalisierungsumfrage 2026; Handelsblatt, Studie zu KI-Investitionen im Mittelstand; Construction Owners Association, „Construction Firms Adopt AI Agents to Manage Labor Shortages and Projects"; Baker Tilly, Mittelstandsbefragung 2026.