Jahrzehntelang hat Unternehmenssoftware gewartet. Sie wartete darauf, dass sich jemand anmeldet, einen Bildschirm öffnet, Daten eingibt, den nächsten Schritt genehmigt und den Vorgang abschließt. Jede Aktion hing von menschlicher Eingabe ab, jede Erkenntnis erforderte eine Anfrage. Dieses Modell wird gerade jetzt abgebaut – nicht schrittweise, sondern in einem Tempo, das viele Unternehmen unvorbereitet trifft.

KI-Agenten – Systeme, die Ziele interpretieren, Zustände überwachen, Entscheidungen treffen und ohne wiederholte Aufforderung über Geschäftsanwendungen hinweg handeln können – ziehen schneller als von Analysten erwartet von Pilotprojekten in den Produktivbetrieb. Gartner prognostizierte, dass bis Ende 2026 40 % der Unternehmensanwendungen aufgabenbezogene KI-Agenten einbetten würden, gegenüber weniger als 5 % im Jahr 2025. Diese Zahl trifft planmäßig ein. Für Käufer liegt der praktische Unterschied zu früherer Automatisierung in der Autonomie: Klassische Workflow-Tools folgen programmierten Regeln, während Agenten selbst auswählen, welche Schritte sie anhand des Ziels und der vorliegenden Daten ergreifen – weshalb die Qualität dieser Daten inzwischen mehr zählt als die Software drumherum.

Der Kundenservice zeigt die klarsten Daten

Der Kundenservice war die erste Unternehmensfunktion mit echten Zahlen zu KI-Agenten, und die Ergebnisse lassen sich kaum bestreiten. Das ist kein Zufall: Der Support erzeugt enorme Mengen repetitiver, textbasierter Interaktionen mit klar definierten Ergebnissen – Bedingungen, die Agenten gegenüber früherer Automatisierung begünstigen und Anbietern die sauberste Messung der Vorher-Nachher-Leistung ermöglichen.

Salesforces Agentforce-Plattform ist der am besten dokumentierte Fall in großem Maßstab. Marc Benioff, Chairman und CEO von Salesforce, beschrieb den internen Einsatz des Unternehmens auf der Telefonkonferenz zum fiscal Q1 2027 im Mai 2026 unmissverständlich: Agenten bearbeiten inzwischen auf Salesforces eigenen Supportkanälen „das doppelte Servicerufvolumen menschlicher Mitarbeiter". Über 15 Monate hinweg hat das System vier Millionen Kundenanfragen autonom bearbeitet. Das ist kein Pilotprojekt.

PenFed Credit Union setzte 76 Agentforce-Agenten in den Bereichen Betrieb, Hypotheken, IT und HR ein. Das Tool „Agent Wingman" verkürzte die Gesprächsabwicklungszeit um 10 % und die Nachbearbeitung um 50 %, mit prognostizierten jährlichen Einsparungen von 1,6 Millionen US-Dollar durch diesen einen Agenten. UCLA Health richtete den ersten Agentforce-Einsatz in acht Monaten ein; der Agent bearbeitet nun Patientenfragen zu Arztsuchen und klinischen Studien, die zuvor Telefonate erforderten.

Jim Roth, President of Customer Success bei Salesforce, rahmte den Wandel in Begriffen jenseits der Kostenreduktion ein: „Wenn unsere Kapazität unendlich ist, können wir proaktiv handeln und unglaublichere Kundenerlebnisse schaffen. Wir können jeden Kunden so behandeln, als wäre er unser wichtigster Kunde."

Der ARR von Agentforce überschritt 800 Millionen US-Dollar, ein Plus von 169 % im Jahresvergleich, bei 29.000 abgeschlossenen Deals. Über 60 % dieser Buchungen stammten von Bestandskunden, die ihre Nutzung ausbauten – in der Regel ein zuverlässigeres Signal als Neukundenzuwachs.

IT-Betrieb: Von Ticket-Warteschlangen zur autonomen Lösung

IT-Abteilungen waren schon immer von repetitiven, zeitaufwendigen Aufgaben begraben: Passwort-Resets, Softwarebereitstellung, Zugriffsanfragen, Incident-Triage. Das Volumen dieser Tickets rechtfertigt selten den Einsatz hochqualifizierter Ingenieure, aber jemand muss sie erledigen. KI-Agenten übernehmen diese Last schneller als die meisten erwartet hatten.

ServiceNows Autonomous Workforce, vorgestellt auf der Knowledge-2026-Konferenz im Mai, ist der umfassendste Einsatz dieses Modells. Der unternehmensinterne L1 Service Desk AI Specialist löst zugewiesene IT-Fälle 99 % schneller als menschliche Mitarbeiter bei denselben Fällen, und die Plattform bearbeitet bei ServiceNow selbst bereits über 90 % der Mitarbeiter-IT-Anfragen autonom.

Bill McDermott, Chairman und CEO von ServiceNow, beschrieb die Positionierung auf der Knowledge 2026 als Weg „über die Plattform der Plattformen hinaus zum KI-Agenten der Agenten, der jedes Modell, jede Cloud und jede Datenquelle verbindet".

Reale Einsätze bestätigen das. Bell Canada meldete nach dem Einsatz von ServiceNow AI Agents in Telecom eine Verbesserung der Kundenreaktionszeit um 25 % und 90 % positives Feedback zur KI-Genauigkeit. Honeywells KI-Assistent „Red" eliminierte die Mehrheit der Service-Desk-Gespräche und gab IT-Mitarbeitern Raum für höherwertige Aufgaben.

ServiceNows Autonomous CRM löst inzwischen über 100 Millionen Kundenfälle pro Monat, orchestriert über 16 Millionen Aufträge und konfiguriert mehr als sieben Millionen Angebote über seine Kundenbasis. Die Subscriptionserlöse von ServiceNow erreichten im Q1 2026 3,67 Milliarden US-Dollar, ein Plus von 22 % im Jahresvergleich – ein Wachstum in einem Markt, in dem Käufer Vertragsverlängerungen nicht leichtfertig vergeben.

Finanzprozesse: Die langweilige Arbeit, die wirklich zählt

Die rentabelsten KI-Einsätze im Unternehmen waren durchweg die unspektakulären: Dokumentenverarbeitung, Rechnungsabstimmung, Datenabgleich – Arbeit, die niemand machen will, die aber jeder genau erledigt braucht.

Praveen Akkiraju, Managing Director bei Insight Partners, machte diesen Punkt im Juni 2026 bei CXOTalk am Beispiel von Stampli deutlich. Stampli ist eine KI-native Plattform für Kreditorenkonten, die auf bestehenden ERP-Systemen aufsetzt und Agentenlogik auf die Rechnungsverarbeitung anwendet: Rechnungen in jedem Format erfassen, Transaktionen verbuchen, Positionen mit Bestellungen abgleichen und Genehmigungen basierend auf Mustern aus den historischen Daten des Unternehmens routen.

Akkirajus Beobachtung: „Man hat eine starke Datenplattform, auf der man nun einen Agenten aufbauen kann, um im Grunde eine der Superkräfte der LLMs zu nutzen – nämlich Signal von Rauschen zu unterscheiden."

Mit anderen Worten: AP-Automatisierung ist nicht deshalb interessant, weil sie Tastenanschläge einspart, sondern weil der Agent lernt, wie „normal" aussieht, und beginnt, Abweichungen zu markieren.

Die Daten stützen diese Sicht. Finanz- und Betriebs-KI-Einsätze beschleunigen dokumentiertermaßen Abschlussprozesse um 30 bis 50 %, und Kundenservice-Agenten sparen kleinen Teams monatlich über 40 Stunden. Dies sind gemeldete Ergebnisse aktueller Einsätze, keine Prognosen. Das Muster über Branchen hinweg ist konsistent: Die höchsten Erträge stammen von Agenten, die hochvolumige, compliance-intensive, mehrstufige Koordinationsprozesse bearbeiten – genau die Arbeit, deren Übertragung an teures Personal am schwersten zu rechtfertigen war.

Vertrieb und CRM: Von Datensätzen zu Umsatz

Der Wandel in der Vertriebssoftware ist bedeutsamer, als die meisten Käufer erkennen. CRM-Systeme waren schon immer Aufzeichnungssysteme: Man protokolliert, was passiert ist, nachdem es passiert ist, und jemand liest den Bericht später. KI-Agenten verändern sowohl die Verzögerung als auch die Richtung dieses Flusses.

Paul Fipps, President of Global Customer Operations bei ServiceNow, beschrieb das Muster, das seine Plattform bei Vertriebsteams sieht: „Wir haben aus erster Hand erlebt, wie Agenten Teams helfen, die richtigen Leads zu priorisieren, die Conversion zu verbessern und die Vorbereitungszeit um fast 80 % zu senken." Diese Reduktion ist folgenreich, denn die Verkaufsvorbereitung ist oft der Engpass zwischen einem qualifizierten Lead und einem echten Gespräch.

Aufseiten von Salesforce führte Benioff Dells Einsatz als Ergebnis an, das über Effizienz hinausgeht: Agentforce-Agenten automatisierten Teile von Dells Lieferkette, einschließlich des Onboarding neuer Lieferanten, und verkürzten die durchschnittliche Onboarding-Zeit von Monaten auf Tage.

Reddit leitete 46 % der Supportfälle ab und verkürzte Lösungszeiten um 84 %, wodurch die durchschnittliche Reaktionszeit von 8,9 Minuten auf 1,4 Minuten sank. Adecco führte 51 % der Kandidatengespräche außerhalb der regulären Arbeitszeiten vollständig über Agenten. Das sind keine Randfälle; sie werden zum Standard-Einsatzmuster großer Enterprise-Kunden.

Das Integrationsproblem, das niemand vollständig gelöst hat

Das Muster hinter all dem ist real, aber mit einem gewichtigen Vorbehalt verbunden. Agenten funktionieren, wenn die Daten darunter sauber und verbunden sind. Ist das nicht der Fall, sind die Ergebnisse schlecht oder unvorhersehbar.

Der 2026 Connectivity Benchmark Report, der weltweit 1.050 IT-Leiter in Unternehmen befragte, ergab, dass derzeit nur 27 % der Unternehmensanwendungen verbunden sind. Das durchschnittliche Unternehmen betreibt 12 KI-Agenten, von denen die Hälfte in isolierten Silos statt als Teil koordinierter Systeme arbeitet. Und 86 % der IT-Leiter glauben, dass Agenten ohne Integration mehr Komplexität als Wert schaffen. Gartner geht noch weiter und prognostiziert, dass bis 2027 mehr als 40 % der Agentic-AI-Projekte wegen steigender Kosten, unklarem Geschäftsnutzen und unzureichenden Risikokontrollen gestrichen werden könnten.

Boomi ist die Plattform, die dieses Problem am direktesten angeht. Die Enterprise-Integrationsschicht – die Anwendungen verbindet, APIs verwaltet, Stammdaten synchronisiert und inzwischen auch KI-Agenten-Workflows steuert – hat derzeit über 75.000 Agenten im Produktivbetrieb über ihre Kundenbasis.

Joe Varghese, Senior Manager of IT Enterprise Data, Integrations and Analytics bei Amneal Pharmaceuticals, beschrieb das Ergebnis der Kombination von Boomi mit Claude zum Aufbau eines rund um die Uhr autonomen Incident-Response-Agenten: „Wir haben die SLA-Einhaltung von 85 % auf 98 % gesteigert, und unsere Teams können sich jetzt auf Innovation statt auf Incident-Management konzentrieren." Der Agent erkennt, diagnostiziert und treibt die Lösung voran, ohne auf einen Menschen zu warten, der ein Ticket öffnet.

Boomi wurde im Juni 2026 im Gartner Emerging Market Quadrant for No-Code Agent Builders als Pioneer ausgezeichnet – eine neuere Auszeichnungskategorie, die gezielt Plattformen erfasst, die den Einsatz von Agenten ohne spezielle Engineering-Ressourcen zugänglich machen.

ServiceNows McDermott räumte auf der Knowledge 2026 das übergreifende Problem ein: „Unternehmen haben Milliarden in KI-Fähigkeiten investiert, doch die große Mehrheit kann diese Investition nicht mit messbaren Geschäftsergebnissen verknüpfen."

Die Integrationsherausforderung wird nicht durch eine Produktankündigung gelöst. Sie erfordert, die Datenarchitektur als Voraussetzung für den Agenteneinsatz zu behandeln, nicht als Nachgedanke. Die Unternehmen, die derzeit am meisten aus KI-Agenten herausholen, sind diejenigen, die es von Anfang an so angegangen sind: saubere Daten, definierte Berechtigungen, Audit-Trails und menschliche Aufsicht bei wesentlichen Entscheidungen. Diese Arbeit läuft parallel zum Agenteneinsatz, nicht nacheinander – unordentlicher, als es klingt, aber ehrlicher in Bezug darauf, wie echte Enterprise-Transformation tatsächlich verläuft. Für Organisationen, die diesen Bereich beobachten, ist das Signal, das es zu verfolgen gilt, nicht Anbieterankündigungen, sondern ob Agenteneinsätze jener Stornierungsmarke von 2027 standhalten – die sich, nach den aktuellen Datenintegrationszahlen, die meisten Unternehmen noch nicht verdient haben als selbstverständlich zu betrachten.