KI-Agenten gibt es in der Unternehmens-IT überall, KI-Agenten im Produktivbetrieb dagegen nicht. Für seinen Report „2026 State of Agentic Orchestration and Automation“ hat Camunda 1.150 leitende IT-Entscheider und Enterprise-Architekten aus Unternehmen mit mehr als 1.000 Beschäftigten in den USA, Großbritannien, Frankreich und Deutschland befragt (Befragungszeitraum: September bis Oktober 2025). Das Ergebnis: 71 % der Unternehmen setzen KI-Agenten ein, aber nur 11 % der agentischen Anwendungsfälle haben im Jahr vor der Befragung den Produktivbetrieb erreicht. Die Antworten deuten auf Governance und Integration hin, nicht auf die Modelle: 84 % sorgen sich um das geschäftliche Risiko von KI in alltäglichen Prozessen, wenn der IT die richtigen Kontrollen fehlen, und 85 % geben an, noch nicht die Prozessreife erreicht zu haben, die agentische Orchestrierung voraussetzt.
Für IT-Verantwortliche mittelständischer Unternehmen in der DACH-Region und im übrigen EU-Raum, die ihren nächsten Schritt bei KI-Agenten abwägen, ist diese Unterscheidung wichtiger als jede Produktankündigung. Die Frage ist nicht, ob Agenten funktionieren, sondern ob sie innerhalb der Prozesse funktionieren, auf denen Ihr Geschäft tatsächlich läuft, und zwar mit den Kontrollen, die Ihre Aufsichtsbehörden und Kunden erwarten.
Die Daten von Camunda zeichnen ein konkretes Bild. 48 % der Unternehmen geben an, dass ihre Agenten in Silos arbeiten, losgelöst von den End-to-End-Geschäftsprozessen. 80 % berichten, dass die meisten ihrer Agenten Chatbots oder Assistenten sind und nicht an geschäftskritischen Abläufen mitwirken. Und 73 % räumen eine Lücke zwischen ihrer Vision für agentische KI und dem tatsächlichen Stand ein.
Diese Zahlen beschreiben ein Muster, das man aus der Integrationsarbeit kennt: Teams bauen beeindruckende Agenten-Prototypen, die außerhalb der kontrollierten Prozessschicht laufen. Kein Retry bei Fehlern. Kein Nachweis, wer was freigegeben hat. Kein SLA, kein Eskalationspfad, kein Audit Trail. Und so bleibt der Prototyp eine Demo.
Abhilfe schafft nicht mehr KI, sondern mehr Prozess-Engineering.
Das Muster, das Camunda und seine Kunden beschreiben: Ersetzen Sie Ihre BPM-Engine nicht durch einen autonomen Agenten. Binden Sie den Agenten als weiteren Endpunkt in den kontrollierten Workflow ein, so wie Sie einen API-Aufruf an Ihr ERP oder eine menschliche Freigabeaufgabe behandeln würden. Zustand, Routing, Audit Trails und Fallbacks bleiben in der Prozessschicht, wie wir in unserem Beitrag zu Opus 5.5 in BPM-Workflows dargelegt haben.
Auf einem Panel der CamundaCon 2026 hat Audi beschrieben, wo das Unternehmen steht. Zu diesem Zeitpunkt betrieb Audi mehrere Agenten in verschiedenen Geschäftsbereichen, doch keiner davon war an den End-to-End-Prozess angebunden, zu dem er gehört. Den Anfang machen Kundennachrichten: Der Agent liest eingehende Nachrichten und leitet sie in den Prozess weiter, Antworten verschickt er in diesem ersten Schritt nicht. Bei Antworten würde Audi immer einen Menschen einbinden (Human in the Loop), „zumindest am Anfang“. Genau das ist das Zielmuster: Die Workflow-Engine bleibt maßgeblich für Reihenfolge, Fristen und Eskalation, und der Agent übernimmt eng begrenzte Interpretationsaufgaben wie Klassifizierung, Extraktion und Vorschläge für den nächsten Schritt.
Panasonic Europe zeigt, wie die Vorarbeit aussieht. Das Unternehmen hat Camunda als Orchestrierungs- und Ausführungsschicht seiner unternehmensweiten Workflow-Plattform gewählt. Damit konnte das Team die Workflow-Logik von SAP entkoppeln, und die Migration der SAP-R/3-Workflows nach S/4HANA wurde einfacher. Als Nächstes kommen Agenten: Laut der Fallstudie sieht der Plan vor, Agenten in das System einzubauen, die Fragen zu Workflows beantworten. Die Agenten tun, was sie gut können (unstrukturierte Daten interpretieren, klassifizieren, zusammenfassen), und die Prozess-Engine tut, was sie gut kann (Abläufe steuern, Policies durchsetzen, Audit-Nachweise führen).
Für mittelständische Unternehmen ist die Integrationsschicht der Ort, an dem agentische KI sicher und auditierbar wird. Die Plattformen, die viele Unternehmen in der EU bereits betreiben (webMethods, SEEBURGER für EDI/B2B, Camunda für Workflows, SAP für ERP), stehen der Einführung von Agenten nicht im Weg. Sie bilden die Grenze zum Produktivbetrieb. Genau dort setzt unsere Arbeit im Bereich Enterprise Integration & BPM an.
In der Camunda-Umfrage sagen 90 % der Befragten, dass KI wie andere Endpunkte in automatisierten Geschäftsprozessen orchestriert werden muss, um die Einhaltung regulatorischer Vorgaben abzusichern. Das ist ein starkes Signal, allerdings mit einer wichtigen Einschränkung: Orchestrierung allein garantiert keine Compliance. Sie brauchen weiterhin Identitätsmanagement, Zugriffskontrolle, Data Governance und Betriebsmodelle rund um die Technologie.
Das „Agentic AI Governance Playbook“ von IBM bringt es auf fünf Wörter: „Governance moves from review to runtime“ (Governance wandert von der Prüfung in den laufenden Betrieb). Monitoring, Policy-Durchsetzung, Eskalations- und Audit-Mechanismen müssen sich mit den Agenten weiterentwickeln, statt nur einmal vor dem Go-live geprüft zu werden.
Die Daten und die Praxis der Unternehmensintegration stützen vier Grundsätze.
Zuerst die Prozessschicht in Ordnung bringen. Wenn Ihre Workflows nicht modelliert, versioniert und beobachtbar sind, bevor Sie Agenten hinzufügen, bauen Sie auf Sand (wo Sie ansetzen sollten, zeigt unser Beitrag darüber, wie KI das BPM verändert). Der Agent verstärkt, was an Prozessdisziplin bereits vorhanden ist, und ebenso, was davon fehlt.
Dort beginnen, wo bereits Daten fließen. ERP-Transaktionen, CRM-Ereignisse, EDI-Austausch, Ticket-Queues: An diesen Stellen kann ein Agentenschritt messbaren Nutzen bringen, ohne dass Sie eine neue Datenpipeline oder ein Governance-Framework von Grund auf aufbauen müssen.
Menschen an den Entscheidungspunkten halten. Human in the Loop ist kein Zeichen des Scheiterns, sondern eine bewusste Designentscheidung. Legen Sie Freigabeschritte (Approval Gates) für folgenreiche Aktionen fest, dazu klare Wege zum Stoppen, zum Rollback und zur Eskalation. Der Leitfaden von Dataiku zu Human-in-the-Loop-Mustern vom Oktober 2026 sagt dasselbe: Bauen Sie die Kontrollpunkte vor dem Deployment in den Agenten-Workflow ein, statt sie nach einem Vorfall nachzurüsten.
Governance vom ersten Tag an budgetieren. Laufzeit-Monitoring, Policy-Durchsetzung, Nachvollziehbarkeit, Incident Response: Das sind keine Themen für Phase zwei. Sie machen den Unterschied zwischen einem Pilotprojekt, das stecken bleibt, und einem Einsatz, der Vertrauen gewinnt. Warum die Prüfungen vor die Aktion eines Agenten gehören, erläutert unser Plädoyer für deterministische Gates.
Ein Vorbehalt, der klar ausgesprochen werden sollte: Die Camunda-Umfrage erfasst Unternehmen mit mehr als 1.000 Beschäftigten. Mittelständische Unternehmen haben andere Rahmenbedingungen: kleinere Teams, weniger Plattformen, knappere Budgets. Die grundlegende Lehre gilt trotzdem (Integration und Governance sind die Engpässe auf dem Weg in den Produktivbetrieb), doch der Weg zur Umsetzung wird anders aussehen. Ein mittelständisches Unternehmen braucht nicht vom ersten Tag an eine vollständige Orchestrierungsplattform. Es braucht ein klares Prozessmodell, einen einzelnen, kontrollierten Anwendungsfall für Agenten und die Disziplin, von Anfang an Nachweise zu sichern.
Das Zusammenwachsen von BPM und KI-Agenten ist kein Trend, den man nur beobachten sollte. Es ist das Muster hinter den Einsätzen, die den Produktivbetrieb tatsächlich erreichen. Die Unternehmen, die die Lücke schließen, sind nicht die mit den ausgefeiltesten Modellen. Es sind die, die ihre Prozessschicht als Infrastruktur behandelt haben und nicht als Nebensache.
