KI-Agenten im Mittelstand: Warum die meisten Pilotprojekte 2026 im Pilotstatus sterben

Wir sprechen im Moment mit sehr vielen Geschäftsführerinnen und IT-Verantwortlichen zwischen 50 und 500 Mitarbeitenden, und ein Satz fällt fast jedes Mal: "Wir haben da etwas mit Agenten getestet, aber so richtig produktiv ist es nie geworden." Das ist bemerkenswert, weil die Technologie 2026 nicht mehr das Problem ist. Die Modelle sind gut genug, die Tools sind bezahlbar, die Integrationen existieren. Trotzdem bleibt ein großer Teil der Piloten genau dort, wo er gestartet ist. Damit ist der Mittelstand nicht allein: Gartner erwartet, dass bis Ende 2027 über 40 Prozent der Agentic-AI-Projekte abgebrochen werden, und laut einer MIT-Untersuchung erzielen rund 95 Prozent der Unternehmens-Piloten mit generativer KI keinen messbaren Ergebnis-Effekt.

Wenn man sich anschaut, woran es scheitert, sieht man selten ein technisches Thema. Man sieht drei organisatorische.

Erstens: Der Agent hat keinen Kontext, sondern nur Daten. Ein Agent, der auf ein Laufwerk und ein Ticketsystem zugreift, kennt Dokumente. Er kennt nicht die Begründung dahinter. Er weiß nicht, warum ein Kunde vor zwei Jahren eine Sonderkondition bekommen hat, warum ein Lieferant seither doppelt geprüft wird oder warum ein bestimmter Prozessschritt nach einem Vorfall eingezogen wurde. Genau dieses Begründungswissen liegt in Gesprächen, nicht in Dateien. Wer es nicht dokumentiert, gibt dem Agenten eine Bibliothek ohne Gedächtnis.

Zweitens: Es gibt keinen Verantwortlichen für das Ergebnis. In fast allen gescheiterten Piloten war klar, wer das Tool eingeführt hat, aber nicht, wer für die Qualität der Ausgaben geradesteht. Sobald ein Agent etwas produziert, das jemand gegenzeichnen muss, braucht es eine benannte Rolle, eine Stichprobenlogik und einen Weg, Fehler zurückzuspielen. Ohne das entsteht ein stiller Vertrauensverlust, und Vertrauensverlust ist in KMUs meistens endgültig.

Drittens: Der Pilot lief neben dem Prozess, nicht im Prozess. Wenn Mitarbeitende erst ein zusätzliches Fenster öffnen, etwas hineinkopieren und das Ergebnis danach wieder händisch übertragen müssen, dann ist der Agent eine Zusatzaufgabe. Zusatzaufgaben überleben den ersten stressigen Monat nicht.

Was tun die Unternehmen anders, bei denen es funktioniert?

Sie starten nicht mit dem spannendsten Anwendungsfall, sondern mit dem wiederholbarsten. Ein Agent, der jede Woche vierzig gleichartige Vorgänge bearbeitet, erzeugt innerhalb von sechs Wochen genug Datenpunkte, um über Qualität zu sprechen. Ein Agent, der zweimal im Quartal eine strategische Analyse schreibt, erzeugt Meinungen.

Sie definieren vorab, was gut heißt. Nicht als Vision, sondern als Abnahmekriterium. Bei Dokumentation ist das zum Beispiel: Sind alle getroffenen Entscheidungen erfasst, sind die Verantwortlichen richtig zugeordnet, sind offene Punkte als offen markiert. Das lässt sich in zwei Minuten prüfen und in einer Tabelle mitschreiben.

Und sie sorgen dafür, dass der Agent auf gepflegtes Unternehmenswissen zugreift. Das ist der Punkt, an dem wir mit RECO ansetzen, konkret über KI-gestützte Gesprächsdokumentation. Meetings, Mitarbeitergespräche, Kundentermine und Projektabstimmungen sind die dichteste Wissensquelle, die ein mittelständisches Unternehmen hat. Sie werden nur fast nie so erfasst, dass ein System später etwas damit anfangen kann. Wenn aus diesen Gesprächen strukturierte, geprüfte Dokumentation entsteht, verändert sich die Qualität jedes nachgelagerten KI-Einsatzes sofort, weil die Antworten auf dem realen Erfahrungsstand des Unternehmens beruhen und nicht auf dem, was zufällig abgelegt wurde.

Ein realistischer Fahrplan für die nächsten neunzig Tage sieht deshalb weniger nach Innovation aus, als viele erwarten.

Erstens: Einen Prozess auswählen, der oft genug vorkommt, um messbar zu sein, und dessen Ergebnis jemand ohnehin prüft.

Zweitens: Die Wissensgrundlage für diesen Prozess sauber aufbauen, also die relevanten Gespräche und Entscheidungen der letzten Monate strukturiert erfassen. Wie zuverlässig die Spracherkennung dabei im DACH-Raum arbeitet, haben wir in Speech-to-Text 2026 aufgeschlüsselt.

Drittens: Abnahmekriterien und eine verantwortliche Person festlegen, inklusive einer wöchentlichen Stichprobe von zehn Fällen.

Viertens: Nach sechs Wochen entscheiden, ob ausgerollt oder gestoppt wird. Diese Entscheidung explizit zu treffen ist wichtiger, als sie richtig zu treffen, weil Piloten sonst weiterlaufen, ohne dass jemand sie verantwortet.

Der Mittelstand hat 2026 kein KI-Problem. Er hat ein Übergabeproblem zwischen Experiment und Regelbetrieb. Wer dieses Übergabeproblem löst, braucht deutlich weniger Tools als gedacht. Wie Sie diesen Übergang als Change-Prozess steuern, lesen Sie in KI-Einführung ist kein IT-Projekt, alle weiteren Beiträge sammelt der Themenbereich KI im Mittelstand.