Die agentische Lücke: Warum Unternehmen KI-Agenten einführen, sie aber nicht in den Betrieb bringen — und was Japans pragmatische Roboter über das Schließen dieser Lücke lehren

Liest man nur die Einführungszahlen, sieht 2026 nach dem Jahr aus, in dem die agentische KI gewonnen hat. Rund 79 % der Unternehmen geben an, KI-Agenten eingeführt zu haben, und Gartner erwartet, dass bis Jahresende 40 % der Unternehmensanwendungen aufgabenspezifische Agenten einbetten — gegenüber weniger als 5 % im Jahr 2025. Das Marketing ist unerbittlich: Jede Plattform liefert nun einen „Agenten“, jeder Anbieter verspricht autonome Workflows, und jede Vorstandspräsentation hat ihre Folie dazu.

Dann liest man die zweite Zahl, und die Geschichte kehrt sich um. Nur etwa 11 % der Organisationen betreiben diese Agenten tatsächlich im Produktivbetrieb. Der Rest steckt in Piloten, Machbarkeitsnachweisen und endlosen Evaluierungen fest. Gartner geht weiter und prognostiziert, dass mehr als 40 % der agentischen KI-Projekte bis 2027 abgebrochen werden — nicht weil die Modelle schlechter wurden, sondern weil sich der Wert nie im großen Maßstab einstellte. Der Abstand zwischen 79 % Einführung und 11 % Betrieb ist die eigentliche Schlagzeile des Jahres, und er verdient einen Namen für den internen Gebrauch: die agentische Lücke.

Die Lücke ist kein Modellproblem. Die heutigen Modelle sind außergewöhnlich und verbessern sich alle paar Wochen. Die Lücke ist ein Bereitstellungsproblem — die unglamouröse Arbeit, einem Agenten eine begrenzte Aufgabe zu geben, ihn sicher mit echten Systemen zu verdrahten, zu entscheiden, was er ohne Menschen tun darf und was nicht, und jede Aktion im Nachhinein prüfen zu können. Diese Arbeit ist schwer, organisatorisch und leicht zu unterfinanzieren, wenn die Demo magisch aussah. Genau deshalb sind die Unternehmen, die sie zur Hauptsache statt zum nachträglichen Einfall machen, diejenigen, die still in den Produktivbetrieb übergehen.

Die Markteinführungen der vergangenen Woche machen die Reifung sichtbar. Itential stellte FlowAI vor, mit dem Teams Agenten einsetzen können, die auf Live-Produktionsnetzwerken denken und handeln — aber mit eingebauter Governance, sodass keine unumkehrbare Änderung ohne menschliche Aufsicht geschieht. Lesen Sie diesen Satz zweimal: Das Hauptmerkmal ist nicht, was der Agent kann, sondern was ihm allein verboten ist. Das ist begrenzte Autonomie, ausgeliefert als Produkt, und es ist das bislang klarste Signal dafür, wohin der Markt steuert.

Der Rest der Woche reimt sich darauf. Google veröffentlichte Gemma 4, eine Familie offener Modelle, die speziell für Schlussfolgern und agentische Workflows unter einer freizügigen Lizenz gebaut sind, und schob leistungsfähige Agenten in lokale und regulierte Umgebungen, in denen Governance nicht verhandelbar ist. MiniMax' M3 senkte die Rechenkosten für langen Kontext — günstigerer Kontext bedeutet, dass Agenten mehr vom Zustand einer Aufgabe halten können, ohne das Budget zu sprengen, was ebenso ein Bereitstellungs- wie ein Leistungshebel ist. Und Anthropics Project Glasswing richtete Claude auf Softwaresicherheit aus und brachte in internen Tests Tausende von Schwachstellen ans Licht — ein Agent mit einem engen, hochwertigen Auftrag statt offener Autonomie.

Der gemeinsame Faden ist nicht rohe Kraft; es ist Kontrolle. Die Grenze konkurriert nicht mehr nur darüber, was ein Agent versuchen kann, sondern darüber, wie sicher und überprüfbar man ihm das Handeln erlauben kann. Begrenzter Umfang, menschliche Eskalation, Prüfprotokolle und Kostendisziplin werden zu den Merkmalen, die entscheiden, ob ein Agent je den Piloten verlässt. Die Branche baut faktisch Bremsen — und entdeckt, dass es die Bremsen sind, die schnelles Fahren erlauben.

Während westliche Unternehmen Autonomie im Abstrakten debattieren, liefert Japan. Der Unterschied ist der Antrieb. Japan setzt KI nicht ein, weil ein Anbieter ihm eine Vision verkauft hat; es setzt sie ein, weil die Alternative der Stillstand des Betriebs ist. Die erwerbsfähige Bevölkerung dürfte zwischen 2023 und 2060 um etwa 31 % sinken, und in Bereichen wie der Pflege kommen bereits mehrere Stellenangebote auf jeden Bewerber. Wenn die Arbeitskraft schlicht nicht existiert, ist ein KI-System kein nettes Extra mehr, sondern wird zum operativen Rückgrat.

Die Einsätze spiegeln diesen Pragmatismus wider. Japan Airlines erprobt in einem mehrjährigen Programm Humanoide in Haneda für Bodenaufgaben wie Gepäckabfertigung und Kabinenreinigung. Rund ein Drittel der japanischen Unternehmen nutzt oder erwägt nun KI-Roboter, angeführt von Automobil- und Transportausrüstungsherstellern. Die Regierung hat es zur Politik gemacht: Das METI veröffentlichte Leitlinien zum Einsatz von Robotik und KI angesichts des Arbeitskräftemangels und setzte das Ziel, bis 2040 30 % des globalen Markts für physische KI zu erobern. Selbst die Infrastrukturwetten passen — diese Woche stimmte TDK zu, ein US-Start-up für bis zu 400 Millionen US-Dollar zu kaufen, um die Rechenzentrumskühlung für sein KI-Ökosystem zu verbessern.

Beachten Sie die Form dieser Projekte. Jeder Agent — physisch oder digital — ist auf einen konkreten, schmucklosen Engpass gerichtet: das Gepäck, das bewegt werden muss, die Kabine, die gereinigt werden muss, die Schicht, für die sich kein Mensch bewarb. Die Rolle ist begrenzt, die Erfolgskennzahl ist offensichtlich, und Menschen steuern den Betrieb weiterhin, statt aus ihm zu verschwinden. Genau das ist die Disziplin, die den ins Stocken geratenen westlichen Piloten fehlt. Japan löste die agentische Lücke nicht mit einem besseren Modell; es umging die Lücke, indem es sich weigerte, Autonomie um ihrer selbst willen einzusetzen.

Das japanische Modell übersetzt sich direkt in eine Bereitstellungsdisziplin, die jedes Unternehmen übernehmen kann. Erstens: Binden Sie jeden Agenten an einen echten Engpass. Bevor Sie ein Projekt genehmigen, benennen Sie die konkrete Beschränkung, die er beseitigt — eine Warteschlange, die sich staut, eine Aufgabe, die niemand will, einen Kostenposten, der mit der Belegschaft wächst. Können Sie sie nicht in einem Satz benennen, haben Sie eine Demo, keinen Produktivbetrieb. Dieser eine Test hätte die meisten Piloten ausgesondert, deren Abbruch Gartner erwartet.

Zweitens: Begrenzen Sie die Autonomie und steuern Sie vom ersten Tag an. Entscheiden Sie ausdrücklich, was der Agent allein tun darf, was menschliche Genehmigung erfordert und was er niemals unbeaufsichtigt tun darf — genau das Design, das Itential diese Woche auslieferte. Verdrahten Sie Eskalationswege und Prüfprotokolle vor dem Skalieren, nicht nach einem Vorfall. Da nur etwa ein Fünftel der Organisationen über ein ausgereiftes Governance-Modell verfügt, ist es selbst ein Wettbewerbsvorteil, dies gut zu tun, und keine Compliance-Pflichtübung.

Drittens: Lassen Sie Menschen die Steuerung behalten und messen Sie die Gewinn- und Verlustrechnung von Anfang an. Das Ziel ist eine Erweiterung, die eine Beschränkung beseitigt, kein Schauspiel, das eine Belegschaft ersetzt — und die Kennzahl ist die Wirkung auf das Ergebnis, verfolgt ab der ersten Woche. Das ist die Arbeit, die Medusa Japan mit grenzüberschreitenden Kunden leistet: europäischen Unternehmen, die nach Japan kommen, und japanischen Unternehmen, die nach außen expandieren, zu helfen, KI so einzusetzen, wie Japan Roboter einsetzt — gegen die Arbeit, die wirklich getan werden muss, mit begrenztem Umfang, Governance und einem Menschen am Steuer. Schließen Sie die agentische Lücke, indem Sie pragmatisch sind, und Sie verbringen 2026 unter den 11 %, die liefern, statt unter den 79 %, die ins Stocken geraten.