Von der Pilotphase bis zur Produktion: Was die neue Allianz von Goldman Sachs, Salesforce und OpenAI über Enterprise-AI-Agenten im Jahr 2026 verrät

Es gibt eine hartnäckige Erzählung in der Unternehmenswelt von KI, dass Agenten "fast bereit" für die Produktion sind. Dass sie ein weiteres Jahr Entwicklung benötigen, eine weitere Runde von Modellverbesserungen, ein weiteres Quartal des Pilotbetriebs, bevor sie reale Geschäftsabläufe bewältigen können.

Diese Erzählung ist diesen Monat gestorben.

Goldman Sachs führt autonome Agenten zur Transaktionsabstimmung aus. Salesforce hat ihre gesamte Support-Organisation um agentische KI umstrukturiert. Cisco hat eine produktionsreife Agenteninfrastruktur gestartet. Und am 23. Februar kündigte OpenAI mehrjährige Vereinbarungen mit McKinsey, BCG, Accenture und Capgemini an, um ihre Frontier-Agentenplattform in großem Maßstab in Unternehmen zu bringen.

Das Signal ist unmissverständlich. Das Nadelöhr ist nicht mehr „können KI-Agenten die Arbeit erledigen.“ Es ist „kann Ihr Unternehmen sie einsetzen.“ Hier erfahren Sie, was die Unternehmen, die bereits den Schritt gemacht haben, lernen.

Die OpenAI Frontier-Allianz: Bereitstellung Ist das Neue Nadelöhr

Die Ankündigung von OpenAI am 23. Februar ist das klarste Signal dafür, dass sich Unternehmens-KI-Agenten von einem Technologieproblem zu einem Bereitstellungsproblem entwickelt haben.

Die Frontier-Allianz kombiniert vier der größten Beratungsfirmen der Welt mit OpenAIs Agentenplattform. McKinsey und BCG übernehmen Strategie, Betriebsmodell-Design und Veränderungsmanagement. Accenture und Capgemini übernehmen technische Implementierung, Systemintegration und Lebenszyklusunterstützung. Jede Firma baut spezielle zertifizierte Praxisgruppen auf.

Die Struktur sagt alles darüber aus, wo die Branche steht. OpenAI brauchte keine weitere Modellfähigkeit. Es wurde eine Integrations- und Änderungsmanagementschicht benötigt. Die Tatsache, dass das weltweit führende KI-Labor Berater einsetzt, um die Bereitstellung zu übernehmen, bestätigt, was Unternehmen selbst entdeckt haben: Die Produktion von KI-Agenten erfordert organisatorische Veränderungen, nicht nur technische Fähigkeiten.

Bestätigte Frontier-Plattform-Benutzer sind bereits HP, Intuit, Oracle, State Farm, Thermo Fisher Scientific und Uber, mit BBVA, Cisco und T-Mobile in aktiven Pilotprojekten. Dies ist nicht experimentell. Dies sind Produktionsbereitstellungen bei Unternehmen, die täglich Millionen von Transaktionen verarbeiten.

Goldman Sachs: KI-Agenten in Finanzielle Operationen

Goldman Sachs hat autonome Agenten auf Basis von Anthropics Claude für zwei ihrer hochriskanten Workflows bereitgestellt: Transaktionsabstimmung und Kunden-Onboarding.

Die Transaktionsabstimmung, der Prozess des Abgleichs und der Überprüfung von Finanzdaten über Systeme hinweg, ist genau die Art von Arbeit, bei der KI-Agenten hervorragende Leistungen erbringen. Es ist regelbasiert, aber komplex, erfordert ein hohes Datenvolumen, erfordert das Querverweisen mehrerer Quellen und erfordert eine Genauigkeit, die menschliche Teams im großen Maßstab nicht durchgehend aufrechterhalten können.

Die Agenten erkennen nicht nur Diskrepanzen. Sie untersuchen sie. Wenn ein Abstimmungsfehler auftritt, verfolgt der Agent die Transaktion über Systeme hinweg, identifiziert die Ursache, kategorisiert die Art des Problems und löst es entweder automatisch oder leitet es mit vollständigem Kontext an den entsprechenden menschlichen Prüfer weiter. Das Ergebnis ist eine schnellere Lösung, weniger manuelle Eingriffe und konsistente Prüfpfade.

Das Kunden-Onboarding folgt einem ähnlichen Muster. Die Agenten kümmern sich um die Dokumentensammlung, KYC-Verifizierung, Datenerfassung und Compliance-Prüfungen. Ein Prozess, der zuvor mehrere Übergaben zwischen Teams und Tage des Ablaufens erforderte, läuft jetzt als kontinuierlicher agentischer Workflow mit menschlicher Aufsicht an Entscheidungspunkten.

Die Lehre: Goldman hat nicht mit experimentellen Anwendungsfällen begonnen. Sie haben Agenten in Kernfinanzoperationen eingesetzt, bei denen Genauigkeit und Compliance unabdingbar sind und die Agenten haben ihre Aufgaben erfüllt.

Salesforce: Von 9.000 Support-Mitarbeitern zu 3.000

Marc Benioffs Offenlegung, dass Salesforce die Anzahl ihrer Kunden-Support-Mitarbeiter mithilfe von agentischer KI von 9.000 auf etwa 3.000 reduziert hat, war eine der konkretesten Arbeitskräfte-Auswirkungen, die ein großes Unternehmen öffentlich geteilt hat.

Die Reduzierung war keine Entlassungsgeschichte. Es war eine Umstrukturierung rund um ein grundlegend anderes Betriebsmodell. Die AI-Agenten von Salesforce bearbeiten die ersten Kundenanfragen, die Klassifizierung von Fällen, das Abrufen von Wissensdatenbanken und die Lösung von gängigen Problemen. Die verbleibenden menschlichen Agenten bearbeiten komplexe Eskalationen, Beziehungsmanagement und Fälle, die Urteile erfordern, die Agenten nicht liefern können.

Diese Umstrukturierung steht im Einklang mit dem, was Gartner am 18. Februar berichtete: 91% der Leiter des Kundenservices stehen unter Druck der Führung, KI bis 2026 zu implementieren. Gartner fand jedoch auch heraus, dass 50% der Unternehmen, die Service-Personal aufgrund von KI reduzieren, bis 2027 unter anderen Jobtiteln wieder einstellen werden. Nur 20% der Service-Leiter haben bisher tatsächlich die Mitarbeiterzahl reduziert. Der Rest strukturiert Rollen um, nicht eliminiert sie.

Was den Fall von Salesforce für andere Unternehmen bedeutend macht, ist nicht die Mitarbeiterzahl. Es ist der Beweis, dass KI-Agenten Erstlinienarbeit im Unternehmensmaßstab, über tausende Kundeninteraktionen täglich, mit ausreichender Qualität bewältigen können, dass die Organisation um sie herum umstrukturiert wurde. Und dass die neuen Rollen, die sich auf komplexe Problemlösung und Beziehungsmanagement konzentrieren, möglicherweise höherwertig sind als die Ticketverarbeitungsarbeit, die sie ersetzt haben.

Cisco und Fujitsu: Agenteninfrastruktur im Maßstab

Cisco und Fujitsu repräsentieren einen anderen Winkel der Produktionsgeschichte: den Aufbau einer KI-Agenteninfrastruktur, die von Anfang an für Unternehmensbereitstellung im großen Maßstab konzipiert ist.

Auf ihrer Live-Konferenz in Amsterdam Anfang dieses Monats hat Cisco agentische KI-Innovationen über Netzwerkoperationen, IT-Service-Management und Sicherheitsoperationen eingeführt. Dies sind Bereiche, in denen autonome Agenten Systeme überwachen, Anomalien erkennen, Probleme diagnostizieren und Korrekturmaßnahmen ergreifen können, ohne auf einen menschlichen Bediener zu warten.

Netzwerkoperationen passen besonders gut zu KI-Agenten. Netzwerke erzeugen massive Mengen an Telemetriedaten, erfordern schnelle Reaktion auf Probleme und folgen bewährten Abläufe für häufige Probleme. Ein Agent, der die Netzwerkgesundheit überwacht, kann ein Verschlechterungsmuster erkennen, es mit kürzlichen Änderungen korrelieren, die wahrscheinliche Ursache identifizieren und die Behebung ausführen, bevor ein menschlicher Bediener die Warnung triagiert hat.

Fujitsus Ansatz befasst sich mit der Widerstandsfähigkeit der Lieferkette durch die Koordination mehrerer Agenten. Ihre Plattform, die im Februar gestartet wurde, setzt spezialisierte Agenten für Bedarfsprognose, Lieferanten-Risikomonitoring, Logistikoptimierung und Bestandsmanagement ein. Diese Agenten agieren als koordiniertes System: Wenn ein Lieferant mögliche Verzögerungen signalisiert, warnt der Risikomonitoring-Agent den Logistik-Agenten, der die Lieferpläne neu berechnet, was den Bestands-Agenten dazu bringt, Sicherheitsbestandsanpassungen vorzunehmen und was den Bedarfsprognose-Agenten informiert, die Lieferverpflichtungen zu aktualisieren. Die gesamte Kaskade erfolgt in Minuten statt in Tagen, in denen jede Funktion in Silos operiert.

Die Unterstützende Besetzung: Infosys, Rackspace, Typewise

Goldman, Salesforce, Cisco und Fujitsu sind keine Ausreißer. Das Produktionsbereitstellungsmuster verbreitet sich über Branchen und Unternehmensgrößen.

Infosys kündigte eine Partnerschaft mit Anthropic auf dem India AI Summit am 22. Februar an, um Unternehmens-KI-Lösungen über Telekommunikation, Finanzdienstleistungen, Fertigung und Softwareentwicklung zu liefern. Rackspace arbeitete mit Palantir zusammen, um Foundry und AIP in regulierten Produktionsumgebungen einzusetzen, beginnend mit 30 Palantir-geschulten Ingenieuren und Erweiterung auf über 250+ über die nächsten 12 Monate.

Auf der Produktseite startete Typewise seine AI Supervisor Engine am 23. Februar, eine Orchestrierungsschicht für Multi-Agenten im Unternehmens-Kundenservice. Es verwendet ein Modell der Argumentation als Supervisor, das mehrere autonome Agenten über natürliche Sprachkonfiguration koordiniert, mit einem speziellen "Überprüfungs-KI-Agenten", der Ausgaben gegen Protokolle überprüft.

Typewises Start beinhaltete einen bemerkenswerten Datenpunkt: Nur 1 von 10 agentischen KI-Pilotprojekten schafft es derzeit in lebendige Produktionsumgebungen. Diese Umwandlungsrate ist das zentrale Problem, das die gesamte Branche zu lösen versucht, und sie unterstreicht, warum OpenAI eine Allianz speziell zur Bewältigung der Bereitstellungslücke aufgebaut hat.

Fünf Muster von Unternehmen, die es in die Produktion geschafft haben

Über diese Bereitstellungen hinweg trennen fünf Muster Unternehmen, die die Produktion erreicht haben, von denen, die in ständigem Pilotbetrieb feststecken.

1. Sie begannen mit hochvolumigen, regelbasierten Workflows

Keines dieser Unternehmen begann mit offenen, kreativen Aufgaben. Goldman setzte auf Transaktionsabstimmung. Salesforce auf Erste-Linie-Support-Triage. Cisco auf Netzwerküberwachung. Fujitsu auf Logistik der Lieferkette. Jede erfolgreiche Bereitstellung zielte auf Workflows, die hohes Volumen haben, etablierte Regeln folgen und messbare Ergebnisse erzeugen. Das ist der ideale Punkt.

2. Sie hielten Menschen an Entscheidungspunkten

Jede Bereitstellung hält Mensch-KI-Zusammenarbeit an kritischen Punkten aufrecht. Goldmans Agenten leiten komplexe Diskrepanzen an menschliche Prüfer weiter. Salesforces Agenten eskalieren Fälle, die Urteile erfordern. Cisco's Agenten führen Playbooks aus, markieren aber neue Situationen. Die Agenten bearbeiten Volumen. Die Menschen bearbeiten Urteile.

3. Sie maßen Geschäftsergebnisse, nicht KI-Metriken

Keines dieser Unternehmen spricht über Modellgenauigkeit oder Benchmark-Leistung. Sie berichten über Zeit zur Lösung, Kosten pro Transaktion, bearbeitete Fälle pro Agent und Durchsatzverbesserungen. Die Metriken sind Geschäftsmetriken, keine KI-Metriken.

4. Sie bauten Plattform-Infrastruktur, keine Punktlösungen

Goldman baute eine agentische Plattform, keine einzelne Automatisierung. Salesforce strukturierte ihr Supportmodell um, nicht nur einen Workflow. Cisco baute eine unternehmensgerechte Agenteninfrastruktur. OpenAI schuf eine Vier-Firmen-Allianz für Bereitstellungsunterstützung. Die Anfangsinvestition ist höher, aber die Plattformansatz skaliert über Dutzende von Anwendungsfällen hinweg.

5. Sie bewegten sich trotz Unvollkommenheit

Keiner dieser Agenten ist perfekt. Sie machen Fehler, erfordern Aufsicht und haben Einschränkungen. Die Unternehmen haben sie trotzdem eingesetzt, weil die Alternative, dass menschliche Teams jeden Schritt manuell ausführen, langsamer, teurer und ebenfalls unvollkommen ist. Der Vergleich ist nicht „Agent vs. perfekt.“ Es ist „Agent mit menschlicher Aufsicht vs. Mensch allein.“

Das Umwandlungsratenproblem

Die von Typewise berichtete 1-zu-10-Pilot-zu-Produktionsumwandlungsrate ist die Zahl, auf die jeder Unternehmensleiter achten sollte. Das bedeutet, dass 90% der agentischen KI-Projekte zwischen dem Konzeptnachweis und der Produktionsbereitstellung ins Stocken geraten.

Dies stimmt mit Gartners Prognose überein, dass über 40% der agentischen KI-Projekte bis Ende 2027 abgebrochen werden. Die Fehlschläge werden keine Technologiefehlschläge sein. Es wird Bereitstellungsfehlschläge geben: unzureichendes Änderungsmanagement, unklare Geschäftsfälle, fehlende Governance-Rahmen und organisatorischer Widerstand.

OpenAI, das eine Beratungsallianz für Bereitstellungen und nicht für Modellentwicklung aufbaut, bestätigt, wo die eigentliche Herausforderung der Branche liegt. Die Modelle funktionieren. Die Frage ist, ob Ihre Organisation die Veränderung absorbieren kann, die die Produktionsbereitstellung erfordert.

Was das für Ihr Unternehmen bedeutet

Die Beweispunkte sind nicht mehr theoretisch. Goldman Sachs, Salesforce, Cisco, Fujitsu, Infosys, Rackspace und jetzt das gesamte Allianznetzwerk von OpenAI repräsentieren Finanzdienstleistungen, Technologie, Netzwerk, Fertigung, Beratung und Telekommunikation. Sie haben bewiesen, dass KI-Agenten in der Produktion in verschiedenen Branchen, unterschiedlichen Anwendungsfällen und unterschiedlichen organisatorischen Strukturen funktionieren.

Die Frage hat sich von „Können KI-Agenten Unternehmens-Workflows bewältigen?“ zu „Wann wird Ihr Unternehmen sie einsetzen?“ verschoben. Mit weltweiten KI-Ausgaben, die bis 2026 2,52 Billionen US-Dollar erreichen (44% Anstieg Jahr für Jahr), fließt die Investition. Die Unternehmen, die diese Investition in Produktionsbereitstellungen umwandeln, werden ihre Vorteile bei Kosten, Geschwindigkeit und Qualität häufen. Diejenigen, die in ständigem Pilotbetrieb feststecken, werden zurückfallen.

Diese Unternehmen hatten dieselben Bedenken wie Sie hinsichtlich Genauigkeit, Governance, Änderungsmanagement und ROI. Sie haben sich trotzdem bewegt. Ihre Ergebnisse bestätigen die Entscheidung.