74% planen agentische KI bis 2028 – warum "von der Stange" nicht reicht

74 Prozent. Diese Zahl aus dem neuen Deloitte-Report "The State of AI in the Enterprise" macht gerade in Vorstandsetagen und Geschäftsführungen die Runde. Sie klingt nach einem klaren Auftrag: KI-Agenten kommen, und zwar bald. Doch wer die Studie genau liest und sie mit der Realität deutscher Mittelständler abgleicht, stößt auf eine zweite, unbequemere Erkenntnis – und auf eine große Ankündigung von Accenture und Google Cloud, die zeigt, wie unterschiedlich "Mittelstand" definiert werden kann, je nachdem, wer gerade ein Produkt verkauft.

Für Geschäftsführerinnen und Geschäftsführer deutscher Mittelstandsunternehmen stellt sich damit eine sehr konkrete Frage: Sollen Sie jetzt handeln, abwarten, oder direkt bei einem der großen Anbieter ein Fertigpaket buchen? Die Antwort ist, wie so oft, differenzierter als die Schlagzeile – aber sie lässt sich aus den vorliegenden Zahlen erstaunlich klar ableiten.

Was Deloitte wirklich gemessen hat

Der Deloitte-Report basiert auf einer Befragung von 3.235 Business- und IT-Führungskräften in 24 Ländern und sechs Branchen, durchgeführt zwischen August und September 2025. Das Kernergebnis: 74 Prozent der Befragten erwarten, dass ihr Unternehmen KI-Agenten innerhalb der nächsten rund zwei Jahre mindestens "moderat" einsetzt. Zum Vergleich: Heute nutzen erst 23 Prozent Agenten bereits moderat bis extensiv.

Der im Arbeitstitel genannte Zeithorizont "bis 2028" ist dabei eine Annäherung. Deloitte spricht von einem Zwei-Jahres-Fenster ab dem Erhebungszeitpunkt, also eher bis 2027. Diese Nuance ist wichtig, weil sie zeigt, wie schnell aus einer präzisen Studienzahl in der öffentlichen Diskussion eine griffige, aber leicht ungenaue Schlagzeile wird. Für die Substanz der Aussage ändert das wenig: Der Sprung von 23 auf 74 Prozent innerhalb von zwei Jahren beschreibt eine der schnellsten erwarteten Technologie-Adoptionen, die aktuelle Enterprise-Studien überhaupt zeigen.

Bemerkenswert ist außerdem, dass Deloitte im selben Report eine zweite, oft verwechselte 74-Prozent-Zahl veröffentlicht: 74 Prozent der Unternehmen hoffen, über KI-Initiativen künftig Umsatzwachstum zu erzielen – aber nur 20 Prozent erzielen das bereits heute. Zwei unterschiedliche Fragen, zwei unterschiedliche Antworten, zufällig dieselbe Prozentzahl. Wer in Präsentationen oder Artikeln auf "die 74 Prozent von Deloitte" verweist, sollte deshalb immer dazusagen, welche der beiden Zahlen gemeint ist. Diese Verwechslungsgefahr ist kein Randdetail: Sie zeigt, wie leicht aus zwei methodisch sauberen, aber inhaltlich völlig unterschiedlichen Kennzahlen im Zitiergebrauch eine einzige, vermeintlich eindeutige Aussage wird – und wie wichtig es ist, bei jeder KI-Statistik in Vorstandspräsentationen genau nachzufragen, worauf sie sich bezieht.

Die Governance-Lücke und der Anpassungsbedarf: Zwei Zahlen, die zusammengehören

Die eigentlich brisante Zahl aus dem Report liegt aber woanders: Nur 21 Prozent der Unternehmen geben an, bereits ein reifes Governance-Modell für Agentic AI zu haben. Die Einführungsgeschwindigkeit übertrifft die Kontrollmechanismen also deutlich. Unternehmen wollen Agenten einführen, bevor sie geklärt haben, wer diese Agenten überwacht, wer bei Fehlentscheidungen haftet und wie autonome Handlungen dokumentiert werden.

Die Einführungsgeschwindigkeit von Agentic AI übertrifft die Kontrollmechanismen deutlich – nur 21 Prozent der Unternehmen haben laut Deloitte bereits ein reifes Governance-Modell dafür.

Diese Lücke ist besonders für mittelständische Betriebe relevant, die selten über eine eigene Compliance-Abteilung oder einen dedizierten KI-Verantwortlichen verfügen. Wenn Sie einen Agenten einführen, der Bewerbungsunterlagen vorsortiert, Kundenanfragen priorisiert oder Angebote automatisch kalkuliert, brauchen Sie von Anfang an klare Antworten auf einige Fragen: Wer prüft die Entscheidungen des Agenten stichprobenartig? Wer wird informiert, wenn der Agent eine Ausnahme trifft, die außerhalb seines definierten Rahmens liegt? Und wie dokumentieren Sie das für den Fall einer Prüfung oder Beschwerde?

Wichtig dabei: Die Governance-Frage löst sich nicht automatisch, nur weil Sie eine fertige Lösung von einem großen Anbieter einkaufen statt selbst zu entwickeln. Auch ein eingekauftes System muss in Ihre internen Freigabeprozesse eingebettet, überwacht und dokumentiert werden. "Buy" verschiebt die technische Komplexität, aber nicht die unternehmerische Verantwortung.

Der vielleicht wichtigste Einzelwert für die Überschrift dieses Artikels ist eine dritte Zahl aus dem Deloitte-Report: 85 Prozent der Unternehmen erwarten, dass sie KI-Agenten an ihre eigenen Geschäftsanforderungen anpassen müssen. Das bedeutet im Umkehrschluss: Nur eine kleine Minderheit glaubt, ein Standardprodukt ließe sich unverändert übernehmen und produktiv einsetzen.

Das deckt sich mit praktischer Erfahrung aus Mittelstandsprojekten. Ein Fertigungsbetrieb mit 20 Millionen Euro Jahresumsatz hat andere Freigabeprozesse, andere ERP-Strukturen und andere Ausnahmefälle als ein Dienstleistungsunternehmen mit 200 Millionen Euro Umsatz – selbst wenn beide vermeintlich denselben Anwendungsfall lösen wollen, etwa die automatische Bearbeitung eingehender Serviceanfragen. Ein Standardagent, der für den Durchschnitt aller Kunden eines Softwareanbieters gebaut wurde, trifft in der Praxis selten exakt die Prozesslandschaft eines einzelnen Betriebs. Er muss an die vorhandene Warenwirtschaft angebunden, an branchenspezifische Formulierungen angepasst und an interne Eskalationsregeln angeglichen werden.

Diese Anpassungsarbeit ist keine Kleinigkeit. Sie entscheidet oft darüber, ob ein Agent nach der Einführung tatsächlich genutzt wird oder nach wenigen Wochen als "nettes Pilotprojekt" in der Schublade verschwindet. Genau hier liegt der Kern des Arguments, warum "von der Stange" für die meisten kleinen und mittleren Unternehmen nicht reicht: Nicht, weil die zugrunde liegende Technologie schlecht wäre, sondern weil die letzten 20 Prozent Anpassung – die spezifische Prozesslogik, die branchentypischen Ausnahmen, die Anbindung an bestehende Systeme – meist über Erfolg oder Misserfolg entscheiden.

Accenture Edge und Google Cloud: Für wen ist das Fertigpaket wirklich gedacht?

Passend zu diesem Thema kündigten Accenture, über die neu gegründete Einheit "Accenture Edge", und Google Cloud am 7. Juli 2026 ein Paket vorgefertigter Agentic-AI-Lösungen speziell für Mid-Market-Unternehmen an. Technologisch basiert das Angebot auf Gemini Enterprise, der Gemini Enterprise Agent Platform und der Agentic Data Cloud, kombiniert mit Accentures eigenen "Forward Deployed Engineers" – also Beraterinnen und Beratern, die direkt beim Kunden vor Ort implementieren. Abgedeckt werden sechs Bereiche: Customer Intelligence & Growth, Customer Experience, Cybersecurity, Agentic Business Operations, Branchenlösungen sowie Agentic Workforce Enablement. Parallel dazu meldeten Accenture und Google Cloud eine erweiterte Partnerschaft für globale Großunternehmen rund um Gemini Enterprise – ein eigenständiges, aber verwandtes Angebot, das mit der Mid-Market-Initiative nicht verwechselt werden sollte.

Entscheidend für deutsche Leserinnen und Leser ist ein Detail, das in der Berichterstattung leicht untergeht: Die von Accenture und Google definierte Zielgruppe für "Mid-Market" liegt bei 300 Millionen bis 3 Milliarden US-Dollar Jahresumsatz. Das ist eine völlig andere Größenordnung als das, was im deutschsprachigen Raum typischerweise unter "Mittelstand" verstanden wird. Die EU-KMU-Definition zieht die Grenze bei unter 50 Millionen Euro Umsatz, und selbst weiter gefasste deutsche Mittelstandsdefinitionen reichen selten über 500 Millionen Euro hinaus.

Mit anderen Worten: Das Accenture-Edge-Angebot richtet sich an Unternehmen, die im deutschen Verständnis eher am oberen Rand des Mittelstands bis hin zur Konzern-Einstiegsgröße angesiedelt sind – nicht an den typischen inhabergeführten Betrieb mit 30, 80 oder auch 150 Millionen Euro Umsatz. Wenn Sie als Geschäftsführer eines Unternehmens mit beispielsweise 80 Millionen Euro Jahresumsatz von diesem Angebot lesen, lohnt sich vor jeder Kontaktaufnahme die nüchterne Prüfung: Fällt Ihr Unternehmen überhaupt in die anvisierte Zielgruppe – strukturell, preislich und im Hinblick auf die verfügbaren internen Ressourcen für die Zusammenarbeit mit einem Beratungshaus dieser Größenordnung?

Hinzu kommt ein struktureller Aspekt: Das Modell koppelt Google-Cloud-Technologie explizit an Accentures eigene Forward Deployed Engineers. Das bedeutet eine Bindung an den Beratungspartner nicht nur für die Einführung, sondern auch für Betrieb, Anpassung und Skalierung. Vor einer Vertragsunterzeichnung sollte deshalb genau geklärt werden, wie einfach ein späterer Wechsel des Anbieters oder ein Insourcing der Lösung möglich wäre – Fragen, die in der ersten Euphorie einer glänzenden Produktankündigung leicht untergehen.

Deutscher Mittelstand: Andere Zahlen, andere Realität

Während Deloitte und Accenture aus einer globalen beziehungsweise Mid-Market-Perspektive berichten, zeigen deutsche Erhebungen ein eigenständiges Bild. Der "KI-Index Mittelstand 2026" von Salesforce, veröffentlicht im März 2026, kommt zu folgendem Ergebnis: 16,6 Prozent der befragten deutschen Unternehmen setzen bereits KI-Agenten ein – fast eine Verdopplung gegenüber 8,7 Prozent im Jahr 2024. Weitere 37 Prozent planen die Einführung oder den Ausbau im Jahr 2026. Insgesamt nutzen oder testen 51,2 Prozent der Unternehmen KI im weiteren Sinne bereits.

Weitere deutsche Zahlen ergänzen dieses Bild, sind methodisch aber nicht direkt vergleichbar, da sie unterschiedliche Stichproben und Definitionen von "KI-Nutzung" zugrunde legen: Die Bitkom-Studie vom April 2026 beziffert die aktive KI-Nutzung in Unternehmen auf 41 Prozent, gegenüber 17 Prozent im Jahr 2024. Das ifo-Institut kommt in einer Erhebung von Mai/Juni 2026 sogar auf 54,5 Prozent der Unternehmen mit KI-Einsatz. Diese drei deutschen Quellen – Salesforce, Bitkom und ifo – lassen sich nicht eins zu eins übereinanderlegen, weil sie unterschiedlich fragen und unterschiedlich große, unterschiedlich zusammengesetzte Stichproben befragen. Gemeinsam zeichnen sie aber ein konsistentes Muster: Deutsche Unternehmen liegen bei der reinen KI-Nutzung inzwischen auf einem soliden Niveau, bei der spezifischen Nutzung von KI-Agenten – im Unterschied zu einfacher Chatbot- oder Assistenten-Nutzung – aber noch deutlich unter der globalen Erwartungshaltung, die Deloitte mit 74 Prozent beschreibt.

Für die Praxis heißt das: Die Deloitte-Zahl beschreibt eine globale Erwartung über alle Branchen und Unternehmensgrößen hinweg, während die Salesforce-Zahl die aktuelle, spezifisch auf Agenten bezogene Realität im deutschen Mittelstand abbildet. Zwischen "16,6 Prozent setzen heute bereits KI-Agenten ein" und "74 Prozent erwarten in zwei Jahren mindestens moderate Nutzung" liegt eine erhebliche Lücke – und diese Lücke ist der eigentliche Handlungsauftrag für alle, die im Mittelstand Verantwortung tragen. Wer heute noch gar nicht mit Agenten arbeitet, aber in zwei bis drei Jahren nicht komplett zurückfallen möchte, sollte jetzt anfangen, statt auf die perfekte Fertiglösung zu warten.

Build vs. Buy: Die Kostenfalle und wie Sie sie vermeiden

Egal ob Sie sich für ein Fertigpaket eines großen Anbieters, einen spezialisierten Partner oder eine intern entwickelte Lösung entscheiden – die Kostenfrage wird in der ersten Kalkulation fast immer unterschätzt. Mehrere Branchenanalysen aus dem Jahr 2026 zur Total Cost of Ownership von Agentic-AI-Projekten zeigen ein wiederkehrendes Muster: Unternehmen unterschätzen die tatsächlichen Gesamtkosten selbstgebauter Agenten häufig um 40 bis 60 Prozent. Über einen Zeitraum von drei Jahren betrachtet, liegen die realen Gesamtkosten oft beim 1,5- bis 2-Fachen der ursprünglich kalkulierten Baukosten. Verantwortlich dafür sind laufende Wartung, sogenannter Prompt- und Modell-Drift, notwendiges Monitoring und Compliance-Aufwand, die im ersten Business Case selten vollständig eingepreist werden.

Diese Zahlen stammen aus mehreren Branchenquellen und Beratungsanalysen, nicht aus einer einzigen, unabhängig verifizierten Primärstudie – sie sollten deshalb als Orientierungswerte verstanden werden, nicht als exakte Formel. Trotzdem liefern sie eine wichtige Leitplanke für Ihre eigene Entscheidung: Wenn Ihnen ein Anbieter, ob Fertigpaket oder individuelle Entwicklung, ausschließlich die initialen Baukosten nennt, fragen Sie gezielt nach den laufenden Kosten für Wartung, Modellaktualisierungen, Monitoring und – bei beratungsintensiven Modellen wie Accenture Edge – nach den voraussichtlichen laufenden Beratungshonoraren. Genau diese Folgekosten fehlen in ersten Angeboten häufig, weil sie sich vor dem eigentlichen Betrieb kaum seriös beziffern lassen.

Eine grobe, aus mehreren TCO-Analysen abgeleitete Faustregel lautet: Je kleiner und klarer abgegrenzt ein Anwendungsfall ist, desto eher lohnt sich der Einkauf einer bestehenden Lösung, weil sich Entwicklungskosten auf viele Kunden verteilen. Je höher das Interaktionsvolumen, je spezifischer die Prozesslogik und je enger die Anbindung an unternehmensspezifische Systeme sein muss, desto eher rechnet sich eine maßgeschneiderte Entwicklung – weil generische Lösungen dann ohnehin so stark angepasst werden müssten, dass der Unterschied zum Eigenbau schrumpft. Diese Schwellenwerte stammen aus allgemeinen Branchenquellen und sind keine für Deutschland oder den Mittelstand spezifisch validierte Formel, aber sie geben eine sinnvolle erste Orientierung für das eigene Vorgehen.

Verschärft wird die Kostenfrage durch eine weitere, viel zitierte Prognose: Gartner rechnet damit, dass mehr als 40 Prozent aller Agentic-AI-Projekte bis Ende 2027 abgebrochen werden. Diese Zahl stammt aus einer Pressemitteilung von Juni 2025, basierend auf einer Befragung von 3.412 Webinar-Teilnehmenden im Januar 2025 – also einer selbst ausgewählten Stichprobe, keiner repräsentativen Vollerhebung. Als Hauptgründe für gescheiterte Projekte nennt Gartner eskalierende Kosten, unklaren Geschäftsnutzen und unzureichende Governance- beziehungsweise Risikokontrollen. Zusätzlich verweist Gartner auf das Phänomen des "Agent Washing": Von den tausenden Anbietern, die sich heute als "Agentic AI" vermarkten, gelten nach Gartner-Einschätzung nur etwa 130 als tatsächlich substanziell agentisch – der Rest sind oft umbenannte Chatbot- oder RPA-Produkte mit aufgehübschtem Marketing.

Diese Kombination aus Kostenfalle und Scheiternsrisiko ist kein Grund, die Finger von Agentic AI zu lassen. Sie ist ein starkes Argument dafür, klein zu starten: Ein einzelner, klar abgegrenzter Anwendungsfall – etwa die Vorqualifizierung eingehender Bewerbungen, die automatische Priorisierung von Kundenanfragen oder eine kontinuierliche Marktbeobachtung für den Vertrieb – lässt sich mit überschaubarem Risiko testen, sauber messen und bei Erfolg gezielt ausbauen. Ein sofortiger, unternehmensweiter Rollout eines kompletten Fertigpakets erhöht dagegen genau die Risikofaktoren, die Gartner als Scheiternsgründe benennt: hohe Anfangskosten, unklarer Nutzen über viele Abteilungen hinweg, und Governance-Strukturen, die erst noch aufgebaut werden müssen.

Was das für Ihre Entscheidung heute bedeutet

Fasst man die verschiedenen Datenpunkte zusammen, ergibt sich ein Bild, das deutlich differenzierter ist als die plakative Schlagzeile "74 Prozent setzen bald auf KI-Agenten". Ja, die globale Erwartungshaltung ist hoch, und ja, die Adoptionsgeschwindigkeit nimmt spürbar zu. Aber gleich mehrere der zugrunde liegenden Zahlen – 21 Prozent reife Governance, 85 Prozent erwarteter Anpassungsbedarf, mehr als 40 Prozent prognostizierte Projektabbrüche – zeigen, dass der Weg dorthin für die meisten Unternehmen weder einfach noch mit einem einzigen Fertigprodukt zu gehen ist.

Für deutsche Mittelständler kommt die Größenfrage hinzu: Große, prominent beworbene Angebote wie Accenture Edge in Kooperation mit Google Cloud richten sich an eine Zielgruppe, die für die meisten inhabergeführten Betriebe schlicht zu groß dimensioniert ist. Das bedeutet nicht, dass die zugrunde liegende Technologie – Gemini Enterprise und die Agentic Data Cloud – für kleinere Unternehmen ungeeignet wäre. Es bedeutet, dass das konkrete Vertriebsmodell, die Beratungsintensität und vermutlich auch die Preisstruktur auf deutlich größere Unternehmen zugeschnitten sind, als es der deutsche Sprachgebrauch unter "Mittelstand" versteht.

Realistischerweise sitzt die passende Lösung für die meisten deutschen KMU zwischen zwei Extremen: weder ein pauschales, für Milliardenkonzerne konzipiertes Beratungspaket, noch der Versuch, alle Governance-, Monitoring- und Integrationsfragen komplett im Alleingang von Grund auf selbst zu lösen. Sinnvoller ist ein Ansatz, der auf bestehenden, ausgereiften Technologiebausteinen aufbaut, diese aber gezielt an die eigene Prozesslandschaft, Unternehmensgröße und vorhandene IT-Infrastruktur anpasst – mit einem Partner, der beide Seiten versteht: die Möglichkeiten moderner Sprach- und Agentenmodelle und die tatsächlichen Abläufe in einem Betrieb mit 50, 100 oder 250 Mitarbeitenden.

Konkret heißt das für die nächsten Monate: Prüfen Sie zunächst intern, welcher einzelne Prozess in Ihrem Unternehmen am meisten unter wiederkehrenden, regelbasierten Aufgaben leidet – sei es im Recruiting, im Kundenservice, in der Angebotserstellung oder in der Marktbeobachtung. Klären Sie parallel, wer im Unternehmen künftig für die Überwachung und Freigabe automatisierter Entscheidungen zuständig sein wird, selbst wenn diese Person zunächst nur wenige Stunden pro Woche dafür aufwendet. Und holen Sie sich, bevor Sie sich für ein Fertigpaket oder eine Eigenentwicklung entscheiden, eine ehrliche Einschätzung zu den tatsächlichen Drei-Jahres-Kosten ein – nicht nur zu den Kosten der Einführung.

Die 74-Prozent-Zahl von Deloitte ist damit weniger ein Countdown, der Sie zu überstürztem Handeln drängen sollte, als eine Bestätigung, dass die Richtung stimmt. Die eigentliche unternehmerische Aufgabe liegt darin, den eigenen Weg dorthin so zu gestalten, dass er zur eigenen Unternehmensgröße, zur eigenen Risikobereitschaft und zu den eigenen internen Ressourcen passt – statt sich von einer beeindruckenden Prozentzahl oder einer glänzenden Ankündigung zu einem Tempo drängen zu lassen, das nicht zum eigenen Betrieb passt.