Awareness war nie der Engpass
Agentic AI fühlt sich an wie die Anfangszeit des Internets. Was diese Systeme am Ende wirklich sind, kann heute niemand seriös sagen. Eine Frage bleibt über jede Welle hinweg dieselbe: How to get the show on the road.
Für mich fühlt sich Agentic AI an wie die Anfangszeit des Internets. Neue Technologien ahmen zuerst die vertraute Form ihrer Vorgänger nach, bevor sie ihre eigene finden. Produktkataloge waren auf CD-ROM gebrannt, bevor jemand den Onlineshop zu Ende dachte. Frühe E-Book-Reader ahmten das Umblättern von Papierseiten nach. Was Agentic AI am Ende wirklich ist, kann heute niemand seriös sagen.
Eine Frage bleibt aber über jede Technologiewelle hinweg dieselbe: How to get the show on the road. Wie bringt man die Sache in den Betrieb.
Das ist kein neues Muster, nur ein neues Thema. Awareness war noch nie der Engpass. Jede Organisation weiß seit Jahren, dass sie KI braucht. Was knapp bleibt, ist die Fähigkeit, von der Einsicht zur messbaren Wirkung zu kommen.
Vom Was zum Wie
Diese Lücke habe ich schon einmal geschlossen, mehrfach, in einer Operation mit 1,6 Mrd. Euro Umsatz. Die Überzeugungen waren längst da: „Data is the next oil”, „Mobile First”. Awareness im Überfluss. Geliefert wurde sie damit nicht. Geliefert hat ein mehrjähriger Aufbau: eine Datenplattform, eine App, ein Digital-Marketing-Setup, das über konsequentes Testen und Ausrollen in den positiven ROI lief, und eine Organisation, die das danach selbst getragen hat.
Der Punkt ist nicht das Tool von damals. Der Punkt ist das Muster. Zwischen „wir sollten das nutzen” und „es liefert” liegt die eigentliche Arbeit. Wer sie machen kann und nicht nur beschreiben, entscheidet diese Phase.
Was AI Engineering über Umsetzung lehrt
Wer schon Agentic-AI-Systeme entwickelt hat, weiß, wie groß der Abstand zwischen Demo und Betrieb ist. Mit einer Demo zu beeindrucken ist leicht. Ein agentisches System in den Betrieb zu bringen verlangt etwas Unspektakuläres: Verlässlichkeit. Die Demo läuft, weil sie einmal läuft. Der Betrieb verlangt, dass dasselbe Ergebnis morgen wieder kommt, dass man messen kann, ob es schlechter wird, und dass ein Mensch es bedienen und verantworten kann, der das System nicht selbst entwickelt hat.
Das ist die Arbeit, die zwischen Demo und Wirkung liegt. Über jede Technologiewelle hinweg ist das der Teil, an dem es sich entscheidet.