Zusammenfassung
Die meisten Unternehmen beschränken ihre KI-Initiativen derzeit auf grundlegende Automatisierung und individuelle Produktivität und schöpfen damit ihr transformatives Potenzial für den IT-Betrieb nicht aus. Damit KI-Investitionen unternehmensweiten Mehrwert liefern, müssen Unternehmen mehr als kurzfristige Effizienzeinsparungen priorisieren und in adaptive, autonome KI investieren, die wichtige Aufgaben proaktiv ausführen kann. Agentische KI bietet die Möglichkeit, IT Operations von reaktiver Brandbekämpfung zu proaktiver Prävention zu transformieren, indem sie Datenmuster überwacht, Probleme antizipiert und Anliegen adressiert, bevor sie zu erheblichen Störungen eskalieren.
Hier zeigt sich ein Paradox des KI-Zeitalters: Unternehmen sind fasziniert vom Potenzial der KI als Schlüssel zur Steigerung der Produktivität und zur Unternehmenstransformation, und IT-Teams sind von den Vorteilen überzeugt, die KI und Automatisierung bieten — dennoch sind es genau diese Unternehmen, die diese Transformation ausbremsen.
Obwohl die Mehrheit der IT-Fachkräfte die Einführung von KI befürwortet, stehen operative, kulturelle und budgetäre Hürden Unternehmen im Weg, wenn sie KI im großen Maßstab implementieren wollen. Das Ergebnis: Die meisten Unternehmen haben bislang noch keine bahnbrechenden KI- und Automatisierungs-Use-Cases operationalisiert, die echten geschäftlichen Mehrwert liefern.
Das heißt nicht, dass die meisten Unternehmen keine KI nutzen — allerdings vor allem zur Erledigung einfacherer Aufgaben und zur Steigerung der individuellen Produktivität. Das ist ein wichtiger Schritt, doch Unternehmen müssen größer und langfristiger denken, um aus ihren KI-Investitionen einen signifikanten ROI und eine digitale Transformation zu erzielen.
Automatisierung und Ergebnisse vs. Autonomie durch agentische KI
IT-Teams sind bei der Einführung generativer KI ihrer Zeit voraus. 84 % der IT-Fachkräfte nutzen generative KI-Tools bei der Arbeit, so ein Ivanti-Forschungsbericht 2025. Dieselbe Studie zeigt, dass IT-Fachkräfte KI und Automatisierung auch überwiegend positiv gegenüberstehen:
- 83 % erwarten, dass KI die Produktivität im nächsten Jahr steigern wird.
- 70 % sagen, dass sie ihre Arbeit erfüllender machen wird.
Trotz all dieser Fortschritte schöpfen Unternehmen das tiefere Potenzial KI-gestützter Technologie nicht aus. Viele Teams beherrschen die Automatisierung auf Aufgabenebene (Ticket-Routing, Passwort-Resets, Protokollzusammenfassungen), aber nur wenige setzen bereits auf agentische KI, die über die reine Ausführung hinausgeht und autonomes Schlussfolgern sowie Optimierung ermöglicht.
Diese Lücke zwischen Automatisierung und Transformation spiegelt ein größeres branchenübergreifendes Problem wider. Obwohl die meisten Unternehmen KI bereits in irgendeiner Form nutzen, erzielen nur wenige mit ihren KI-Tools messbare geschäftliche Wirkung. McKinsey bezeichnet diese Situation als „das GenAI-Paradox“.
Diese Diskrepanz zwischen KI-Anwendungen und ROI wird zusätzlich durch einen im August 2025 veröffentlichten MIT-Bericht bestätigt, dem zufolge erstaunliche 95 % der Unternehmen trotz Investitionen in Höhe von 30 bis 40 Milliarden US-Dollar keine Rendite aus generativer KI erzielten.
Der Grund für dieses Problem ist einfach: Generative KI erstellt. Sie produziert Inhalte, automatisiert Aufgaben und beschleunigt Workflows. Sie lernt, schlussfolgert oder passt sich jedoch nicht eigenständig an. Die nächste Phase der Unternehmens-KI wird von Systemen geprägt sein, die dynamisch interpretieren, vorhersagen und handeln können: das, was heute als agentische KI definiert wird.
Ivantis Forschung unterstreicht zudem, dass die meisten Unternehmen komplexere KI-Use-Cases bislang noch nicht in ihre IT-Workflows integriert haben.
Während 67 % der Unternehmen das Ticket-Routing automatisieren, setzen weniger als ein Drittel KI für Ursachenanalysen oder andere prädiktive Use-Cases ein. Das zeigt, dass die meisten Teams weiterhin Standardautomatisierung für Aufgaben priorisieren, anstatt Systeme durch agentische KI in die Lage zu versetzen, autonom zu denken und zu handeln.
Standardautomatisierung und generative KI-Tools werden von IT-Teams häufig eingesetzt, um die individuelle Produktivität zu steigern und einfache, repetitive Aufgaben schneller zu erledigen als durch menschliches Eingreifen allein. Die Fähigkeit, Effizienz mit weniger Zeit- und Ressourceneinsatz zu steigern, ist ein wesentlicher Vorteil von KI — insbesondere für stark belastete IT-Teams, von denen ständig erwartet wird, mit weniger mehr zu erreichen. Doch Effizienzgewinne sind nur ein Teil des Ganzen.
Ivanti-Daten zeigen zudem ein tieferliegendes organisatorisches Problem: Fast die Hälfte der IT-Teams sagt, dass ihren Unternehmen Resilienz fehlt — also die Fähigkeit, sich schnell an Veränderungen anzupassen, sich von Störungen zu erholen und die Geschäftskontinuität ohne übermäßiges manuelles Eingreifen aufrechtzuerhalten.
Echte Unternehmensagilität erfordert autonome und adaptive KI-Lösungen, die Probleme antizipieren, potenzielle Lösungen durchdenken und kontinuierlich lernen können, wie sich optimale Ergebnisse erzielen lassen.
Genau hier setzen viele führende Unternehmen auf agentische KI. Autonome KI-Agenten bieten Teams die Möglichkeit, klassische IT Operations von reaktiver Automatisierung zu proaktiver, zielorientierter Zusammenarbeit weiterzuentwickeln. Sie erkennen, dass die Transformation von ITOps mit KI bedeutet, von isolierten Automatisierungserfolgen zu systemweiter Intelligenz überzugehen.
Wirkungsstarke Use-Cases für agentische KI in ITSM und ITOps
Agentische KI bewirkt bereits spürbare Verbesserungen, indem sie Ausfallzeiten reduziert, Kosten senkt und die organisatorische Agilität verbessert.
Es folgen fünf wirkungsstarke Use-Cases für agentische KI in der IT:
1. Autonome Incident-Behebung
Autonome Behebung ist der Punkt, an dem KI beginnt, sich vom Support hin zur Strategie zu entwickeln. Im traditionellen IT-Betrieb kann das Erkennen und Beheben eines Problems Stunden menschlicher Triage und Eskalation erfordern.
Mit agentischer KI können dieselben Incidents in Echtzeit erkannt, diagnostiziert und behoben werden — oft noch bevor Benutzer eine Störung bemerken.
Agentische KI erkennt nicht nur Anomalien in dieser IT-Umgebung und diagnostiziert die Ursache — sie entwickelt intelligent Lösungen und führt anschließend Korrekturen ohne menschliches Eingreifen aus. Darüber hinaus ermöglicht maschinelles Lernen der KI, aus früheren Incidents zu lernen und diese Erfahrung zu nutzen, um Reaktionsmaßnahmen künftig kontinuierlich zu verfeinern und zu verbessern.
2. Proaktive Problemvermeidung
Proaktive Problemvermeidung entsteht, wenn KI potenzielle technische Probleme nicht nur reaktiv behandelt, sondern antizipiert. Anstatt ein bekanntes Problem zu lösen, überwacht agentische KI kontinuierlich Datenmuster und erkennt Frühwarnsignale in Form kleiner Abweichungen, die sich zu Serviceunterbrechungen oder Sicherheitsproblemen entwickeln könnten.
Mit anderen Worten: Sie bewegt ITOps in Richtung proaktiver Prävention, überwacht Frühindikatoren und behebt Probleme, bevor sie gravierend werden.
3. End-to-End-Lifecycle-Management
Autonome KI-Agenten werden einen umfassenderen und effektiveren Ansatz für das Asset-Lifecycle-Management ermöglichen.
Diese Lifecycle-Perspektive auf Automatisierung geht über einzelne Tickets oder Incidents hinaus und erstreckt sich auf jede Phase des IT-Betriebs.
Vom Onboarding neuer Geräte bis zum Patchen und Außerbetriebnehmen veralteter Infrastruktur sorgt agentische KI dafür, dass Systeme sicher, compliant und kosteneffizient bleiben.
Sie behebt nicht nur Probleme, sondern erkennt, diagnostiziert und optimiert IT-Systeme von der Bereitstellung bis zur Ausmusterung. Sie fungiert als Motor für kontinuierliche Verbesserung, lernt aus Mustern im gesamten IT-Ökosystem, um Ressourcen proaktiv zu optimieren, Updates zu straffen und die langfristige Belastung des IT-Personals zu reduzieren.
4. Dynamisches Change- und Release-Management
Dynamisches Change- und Release-Management ist der Bereich, in dem agentische KI ihre Orchestrierungsfähigkeiten wirklich zeigt. In den meisten Unternehmen bleibt Change Management ein reibungsintensiver Prozess, der Koordination über mehrere Teams, Tools und Umgebungen hinweg erfordert.
Agentische Automatisierung verändert dies, indem KI-Agenten an komplexen Workflows zusammenarbeiten können, darunter die Reaktion auf Cybersicherheitsvorfälle und Softwarebereitstellung. Sie arbeiten mit minimaler menschlicher Aufsicht zusammen, um Incidents zu beheben, Ressourcen bereitzustellen und Compliance sicherzustellen.
Diese Agenten agieren als intelligente Koordinatoren: Sie synchronisieren Updates über Systeme hinweg, validieren Konfigurationen und setzen Änderungen automatisch zurück, wenn Anomalien auftreten. Das Ergebnis sind schnellere, sicherere und besser vorhersehbare Change-Zyklen, die IT-Teams entlasten, damit sie sich auf Innovation statt auf ressourcenintensive Brandbekämpfung konzentrieren können.
5. Autonomes Ressourcen- und Kapazitätsmanagement
Ressourcen- und Kapazitätsmanagement gehören zu den kritischsten — und oft übersehenen — Dimensionen der IT-Performance. Mithilfe von KI können Unternehmen künftige Ressourcenanforderungen antizipieren, indem sie historische Nutzungstrends, Workload-Schwankungen und Nachfragespitzen analysieren. Agentische Systeme können Rechenleistung, Speicher und Bandbreite automatisch zuweisen, bevor Engpässe entstehen, und so optimale Performance ohne ständige menschliche Aufsicht aufrechterhalten.
Mit der Zeit lernen diese selbstanpassenden Systeme aus Betriebsdaten, um Kapazitäten kontinuierlich zu feinjustieren, Verschwendung zu reduzieren, Kosten zu minimieren und die Servicekontinuität auch bei unerwarteten Lastspitzen sicherzustellen.
Forschungsergebnisse aus IBMs Bericht Der strategische Aufstieg agentischer KI unterstreichen dieses Veränderungstempo: Bis 2027 erwarten doppelt so viele Führungskräfte, dass KI-Agenten autonome Entscheidungen in Workflows treffen werden. Heute berichten nur 24 % der Führungskräfte von diesem Maß an Autonomie; innerhalb von zwei Jahren erwarten 67 %, dass dies zur Norm wird.
Hürden überwinden und unternehmensweite Wirkung erzielen
Doch Fortschritt gerät häufig ins Stocken; nicht, weil es an Absicht mangelt, sondern aufgrund struktureller Hürden. IT-Führungskräfte müssen zunächst die Hindernisse überwinden, die ihrer Weiterentwicklung hin zu wertorientierter Arbeit im Weg stehen. Diese Hürden sind vielfältig: technisch, kulturell und operativ.
Selbst KI-orientierten IT-Organisationen kann die strukturelle Bereitschaft für tiefgreifende Automatisierung fehlen. So ergab beispielsweise Ivantis „Technology at Work Report 2025“, dass:
- 38 % der IT-Fachkräfte komplexe Tech-Stacks als Problem für effektive IT Operations nennen.
- Und 72 % sagen, dass ihre IT- und Sicherheitsdaten innerhalb ihrer Organisation in Silos liegen.
Der Aufbau einer nachhaltigen KI-Strategie erfordert mehr als eine positive Haltung – er verlangt die Abstimmung zwischen IT und dem weiteren Unternehmen. Erfolgreiche Organisationen richten Technologieziele an greifbaren Ergebnissen aus, gestützt durch klare Datenstrukturen, einheitliche Prozesse und Teams, die in der Lage sind, neue KI-gestützte Workflows zu steuern. Ohne diese Abstimmung haben selbst die besten Tools Schwierigkeiten, unternehmensweite Wirkung zu erzielen.
IBM-Forschung zeigt eine weitere Ebene: 45 % der Führungskräfte nennen mangelnde Transparenz bei KI-Entscheidungen als wesentliches Hindernis. Dieses KI-„Black-Box“-Problem ist nicht nur technischer Natur. Es geht auch um Vertrauen, klare Kommunikation und KI-Leitplanken. Die Skalierung agentischer KI erfordert Governance-Frameworks, in denen automatisierte Entscheidungen verstanden, geprüft und erklärt werden können.
Eine solche Transformation muss den Menschen im Fokus behalten: Gestaltung für Augmentation — nicht für Ersatz.
Das Betriebsmodell für agentische KI
Betrachten Sie agentische ITOps nicht nur als Effizienzsteigerung, sondern als umfassende Neugestaltung traditioneller IT-Workflows. Organisationen, die die nächste Transformationsphase anführen, überdenken, wie ihre Systeme Entscheidungen treffen, zusammenarbeiten und sich unternehmensweit autonom anpassen.
Dieses Maß an digitaler Transformation erfordert Führung von oben. CIOs und Führungskräfte müssen von Experimenten zur Umsetzung übergehen. Sie müssen die Einbettung agentischer KI nicht als Nebenprojekt betrachten, sondern als zentrales Betriebsmodell, das Technologie, Daten und Menschen auf gemeinsame Ergebnisse ausrichtet.
Dieser Wandel markiert die eigentliche bevorstehende Bewährungsprobe.
Der künftige ROI agentischer KI-Initiativen
Auch mit dem Produktivitätsschub durch generative KI-Technologie brauchen IT-Teams nicht noch mehr Tools. Sie brauchen Intelligenz, die messbare Ergebnisse liefert. Teams sollten Vorher-nachher-Kennzahlen etablieren, die bei IT- und Business-Führungskräften Anklang finden. Neben Effizienzgewinnen (eingesparte Zeit, schnellere Lösung, geringere Kosten) sollten Arbeitseinsparungen, weniger ressourcenintensive Ausfälle und eine reduzierte Tool-Zersplitterung gemessen werden.
Transformationsorientierte Organisationen erzielen größere Wirkung über alle Geschäftskennzahlen hinweg, einschließlich Produktivität, Effizienz, Umsatzwachstum, Markenstärke und Kundenloyalität, als solche, die KI auf inkrementelle und sogar oberflächliche Verbesserungen beschränken.
Tatsächlich ist die Wahrscheinlichkeit, Spitzenleistungen im Geschäft zu erzielen, bei Unternehmen, die in drei zentralen Bereichen der KI-Einführung exzellent sind, 32-mal höher, wie derselbe zuvor genannte IBM-Bericht zeigt.
Fazit
Die nächsten 12 bis 24 Monate werden zeigen, ob IT-Führungskräfte Experimente in nachhaltigen Wert übersetzen können. Wer agentische KI früh einsetzt, baut Organisationen auf, die schneller lernen, sich kontinuierlich anpassen, potenzielle Probleme vorwegnehmen und sich instinktiv von Störungen erholen.
Die IT hat wiederholt gezeigt, dass sie zur KI-Einführung vollständig bereit und entschlossen ist. Jetzt muss sie erneut führen — und zwar in der Tiefe. Agentische KI markiert die nächste Reifestufe: selbstlernende, selbstheilende und selbstoptimierende Systeme, die mehr Agilität und Resilienz im gesamten Unternehmen ermöglichen.
Das ist kein „Einrichten und vergessen“. IT-Teams müssen agentische KI aufbauen, trainieren, überwachen, messen und verfeinern, um sicherzustellen, dass der Wert tatsächlich realisiert wird.
Wenn Sie mehr über die Rolle von KI als transformatives Tool für IT Operations sowie über bahnbrechende Use-Cases für agentische KI und Automatisierung in der IT erfahren möchten, lesen Sie Ivantis Forschungsbericht: „KI: Die Zukunft der ITSM-Automatisierung“.
FAQ
Was ist agentische KI?
Agentische KI bezeichnet autonome KI-Systeme, die mit Fähigkeiten zum Schlussfolgern und zur Optimierung dynamisch interpretieren, vorhersagen und handeln können. Diese Systeme gehen über die reine Ausführung hinaus und umfassen autonome Entscheidungsfindung, Lernen und Anpassung.
Was sind die Unterschiede zwischen generativer KI und agentischer KI?
Generative KI erstellt Inhalte und automatisiert Aufgaben, verfügt jedoch nicht über die Fähigkeit, dynamisch zu lernen, zu schlussfolgern oder sich anzupassen. Agentische KI kann lernen, sich anpassen und autonome Maßnahmen ergreifen — sie reagiert dynamisch auf Herausforderungen und lernt aus Erfahrung.
Was ist das „GenAI-Paradox“, mit dem viele Unternehmen derzeit konfrontiert sind?
Das „GenAI-Paradox“ beschreibt, dass Unternehmen stark in KI investieren, aber wenig bis gar keine Rendite erzielen, weil sich die meisten Implementierungen auf grundlegende Inhaltserstellung statt auf autonomes Schlussfolgern und Anpassung konzentrieren.
Welche wichtigen Use-Cases gibt es, in denen agentische KI IT Operations verbessern kann?
Zu den Use-Cases, in denen agentische KI IT Operations verbessern kann, gehören autonome Incident-Behebung, proaktive Problemvermeidung, End-to-End-Asset-Lifecycle-Management, dynamisches Change- und Release-Management sowie autonomes Ressourcen- und Kapazitätsmanagement.
