Vom Assistenten zum Akteur: So gelingt der Einstieg in Agentic AI
Management Summary ↓
Agentic AI ermöglicht es, nicht nur einzelne Aufgaben zu unterstützen, sondern zusammenhängende Serviceprozesse über mehrere Systeme hinweg zu koordinieren. Voraussetzung sind der Zugriff auf relevantes Wissen, definierte Entscheidungslogiken, ausführbare Aktionen und klare Eskalationswege. Unternehmen sollten die Autonomie schrittweise erweitern und den Nutzen anhand konkreter Kennzahlen wie Bearbeitungszeit, Erstlösungsquote oder Anlagenverfügbarkeit bewerten.
KI-Agenten beantworten nicht nur Fragen oder erstellen Inhalte. Sie verfolgen vorgegebene Ziele, treffen Entscheidungen und führen Handlungen über mehrere Systeme hinweg aus. Damit markieren sie nach Einschätzung des KVD-Partners adesso den Schritt „von Automation zu Autonomie“. Das Whitepaper „Von Automation zu Autonomie – Warum Agentic AI der nächste logische Schritt ist“ zeigt, wie Unternehmen dieses Potenzial erschließen können. Für den Service lassen sich daraus sechs Handlungsempfehlungen ableiten.
1. Mit einem konkreten Prozessproblem beginnen ↓
Am Anfang sollte nicht die Technologie, sondern eine klar umrissene Herausforderung stehen: Wo verursachen Medienbrüche, manuelle Abstimmungen oder lange Reaktionszeiten besonders viel Aufwand? Geeignete Einstiegspunkte sind wiederkehrende, datenbasierte Prozesse mit eindeutigem Ziel und messbarem Nutzen.
2. End-to-End-Prozesse betrachten ↓
Der Mehrwert von Agentic AI entsteht, wenn ein Agent nicht nur einzelne Aufgaben unterstützt, sondern zusammenhängende Abläufe koordiniert. In der Instandhaltung kann er beispielsweise Maschinendaten überwachen, drohende Ausfälle erkennen, Wartungspläne erstellen sowie Schichten, Ersatzteile und Technikertermine aufeinander abstimmen.
3. Wissen, Logik, Aktionen und Kanäle verbinden ↓
adesso nennt vier zentrale Bausteine eines KI-Agenten: Er benötigt Zugriff auf relevantes Unternehmenswissen, definierte Entscheidungs- und Konversationslogiken, ausführbare Aktionen über Systemgrenzen hinweg sowie geeignete Kanäle für die Interaktion mit den Anwendern. Fehlt einer dieser Bausteine, bleibt häufig nur ein besserer Chatbot.
4. Autonomie schrittweise erweitern ↓
Nicht jeder Anwendungsfall muss sofort vollständig autonom arbeiten. Sinnvoll ist ein stufenweiser Einstieg: zunächst analysieren und Empfehlungen geben, anschließend Aktionen nach Freigabe ausführen und erst bei ausreichender Qualität klar begrenzte Prozesse selbstständig steuern. Entscheidungsspielräume und Eskalationswege müssen dabei eindeutig festgelegt sein.
5. Kaufen oder entwickeln bewusst entscheiden ↓
Standardisierte Aufgaben können häufig mit vorhandenen Lösungen wie Microsoft 365 Copilot oder Dynamics abgedeckt werden. Je individueller der Serviceprozess und je höher die angestrebte Prozessautomatisierung, desto eher kommen speziell entwickelte Agenten oder KI-Applikationen infrage.
6. Im Pilotprojekt messbar lernen ↓
Ein Proof of Concept sollte mit klaren Kennzahlen verbunden werden, etwa Bearbeitungszeit, Erstlösungsquote, Anlagenverfügbarkeit oder Zahl vermiedener Einsätze. Das entspricht auch dem aktuellen Reifegrad des Marktes: In einer adesso-Befragung unter 400 Führungskräften prüften 44 Prozent Anfang 2025 mögliche Einsatzfelder, 18 Prozent arbeiteten an Pilotprojekten und 21 Prozent nutzten KI-Agenten bereits produktiv in einzelnen Bereichen.
Die wichtigste Empfehlung lautet daher: klein und kontrolliert starten, aber den vollständigen Serviceprozess im Blick behalten. Agentic AI entfaltet ihren Nutzen dort, wo Daten, Entscheidungen und Aktionen zu einem verlässlichen Ablauf verbunden werden.
KI in der Instandhaltung: Erst das Problem, dann die Technologie
Management Summary ↓
KI kann Störungsdaten analysieren, Wissen schneller bereitstellen und Entscheidungen in der Instandhaltung fundierter vorbereiten. Der Erfolg hängt jedoch von einem klar umrissenen Anwendungsfall, verlässlichen Daten und der Einbindung des Erfahrungswissens der Beschäftigten ab. Statt vollständige Automatisierung anzustreben, sollten Unternehmen mit einem begrenzten Problem starten und prüfen, ob sich Diagnosezeiten, Anlagenverfügbarkeit oder Arbeitsqualität messbar verbessern.
Wenn Anlagen ungeplant ausfallen, Informationen verteilt sind und Fachkräfte unter Zeitdruck entscheiden müssen, kann Künstliche Intelligenz wertvolle Unterstützung leisten. Ihr größtes Potenzial liegt nicht in der vollständigen Automatisierung, sondern darin, Wissen schneller nutzbar zu machen und Entscheidungen vorzubereiten.
KI kann Störungsdaten und Serviceberichte auswerten, Fehlerbilder erkennen, Inhalte aus Dokumentationen bereitstellen und Technikern Handlungsvorschläge liefern. Auch Einsatzvorbereitung und Dokumentation lassen sich vereinfachen. Das entlastet Beschäftigte und schafft Zeit für komplexe Aufgaben, bei denen Erfahrung, Kontextwissen und Kommunikation gefragt sind.
Wie wichtig eine realistische Einordnung ist, zeigt ein Projekt des Studiengangs Service Engineering der DHBW Mannheim. Es verbindet Erkenntnisse aus einem World Café unter Service-Experten mit aktueller Forschung zu den Grenzen von KI im technischen Service. Das Ergebnis: Der Nutzen hängt stark von der konkreten Aufgabe und den Voraussetzungen ab.
Denn Datenmengen allein reichen nicht. Häufig sind Informationen fragmentiert, uneinheitlich oder von geringer Qualität. Zudem steckt viel Instandhaltungswissen in der Erfahrung der Mitarbeitenden und lässt sich nicht vollständig digitalisieren. Bleiben KI-Empfehlungen als „Blackbox“ unverständlich, leidet das Vertrauen.
Für die Praxis heißt das: Unternehmen sollten nicht mit der Technologie, sondern mit einem klar umrissenen Problem beginnen. Welcher Arbeitsschritt kostet unnötig Zeit? Wo fehlen Informationen? Welche Entscheidung kann datenbasiert vorbereitet werden? Danach gilt es, Prozesse und Daten zu prüfen, einen begrenzten Anwendungsfall mit den Beschäftigten zu erproben und den Nutzen zu bewerten. In kritischen Fällen bleiben Entscheidung und Verantwortung beim Menschen. So wird KI zu einem Werkzeug für eine schnellere und fundiertere Instandhaltung.
