Agentische KI ist allgegenwärtig – auf Konferenzen, in Berichten von Beratungsunternehmen und in den Präsentationen von Anbietern. Und das aus gutem Grund: Sie existiert, sie funktioniert und liefert in bestimmten Kontexten bereits messbare Ergebnisse. Doch zwischen dem, was sie in Demos leistet, und dem, was sie im operativen Einsatz in einem Kontaktzentrum bewirkt, besteht eine Diskrepanz, die nur wenige Artikel ehrlich und gründlich beleuchten. Genau darum geht es in diesem Beitrag.
Laut der PwC-Studie „AI Agent Survey“ vom Mai 2025 setzen bereits 79 % der Unternehmen KI-Agenten in der einen oder anderen Form ein, doch nur 17 % haben den Schritt zum großflächigen Einsatz vollzogen. Diese Zahl beschreibt die Situation treffend: Eine Technologie, die sich in gut vorbereiteten Kontexten bewährt hat, aber ihre Eignung für den großflächigen Einsatz in komplexeren Umgebungen wie Kontaktzentren noch nicht unter Beweis gestellt hat. Warum also darüber sprechen? Weil gerade jetzt die Grundlagen gelegt werden. Und weil eine CX-Führung, die darauf wartet, dass die Technologie „bereit“ ist, um erst dann zu verstehen, worum es sich dabei handelt, mehrere Jahre im Rückstand sein wird, wenn sie dies schließlich erkennt.
Zunächst einmal eine genaue Definition
Der Begriff „agentische KI“ wird je nach Herausgeber und Artikel mit sehr unterschiedlichen Autonomiegraden verwendet, was zu erheblicher Verwirrung führt. Es ist daher angebracht, diesen Begriff klar zu definieren, bevor wir weitermachen.
Ein System ist agentisch, wenn es gleichzeitig fünf Merkmale aufweist: Es erhält ein Ziel, nicht nur eine einfache Frage. Es gliedert dieses Ziel eigenständig in einzelne Schritte auf, ohne dass ihm die Reihenfolge vorgegeben wird. Es nutzt Werkzeuge: Browser, API, Datenbank, CRM, Code. Es trifft Zwischenentscheidungen auf der Grundlage dessen, was es in jedem Schritt beobachtet. Und es überprüft seine Ergebnisse, passt sich an, wenn etwas nicht funktioniert, und setzt den Weg bis zum Ziel fort. Es ist dieser Kreislauf aus Aktion, Beobachtung und Entscheidung, der einen KI-Agenten grundlegend von einem dialogorientierten LLM unterscheidet. Wie es im CX-Glossar von Armatis 2026 heißt: „Im Gegensatz zur GenAI, die generiert, handelt die agentische KI.“
Nehmen wir ein konkretes Beispiel, um den Unterschied zu verdeutlichen. Ein Kunde meldet, dass seine Rechnung fehlerhaft ist. Ein GenAI-Chatbot kann erklären, wie man eine Rechnung beanstandet. Ein agentischer KI-Agent kann auf die Kundenakte zugreifen, die Rechnung mit dem Vertrag abgleichen, die Unstimmigkeit identifizieren, eine Gutschrift erstellen, den Kunden benachrichtigen und das Ticket schließen, ohne dass ein Berater eingreifen muss. Dieser Übergang von der Antwort zur Lösung ist das, was die agentische KI ausmacht.
Diese Technologie existiert bereits und wird in verschiedenen Bereichen eingesetzt. In der Softwareentwicklung zerlegen Systeme ein Ticket in einzelne Schritte, schreiben den Code, testen und korrigieren in einem autonomen Kreislauf. In der Forschung durchsuchen Tools Dutzende von Quellen, lesen und fassen den Inhalt zusammen, ohne dass in jedem Schritt ein menschliches Eingreifen erforderlich ist. Im Finanzwesen überwachen Agenten Transaktionen, erkennen Anomalien und leiten Verfahren ein. Das ist keine Zukunftsmusik: Es ist bereits im Einsatz. Warum hinkt das Kontaktzentrum diesen Bereichen hinterher? Weil die Kundenbeziehung strukturell komplexer ist und sich nur schwer agentengestützt automatisieren lässt: heterogene Daten, oft schlecht integrierte Systeme, hohe emotionale Belastung, spezifische regulatorische Auflagen und eine deutlich geringere Fehlertoleranz. Es ist nicht so, dass die Technologie nicht vorhanden wäre: Es dauert einfach seine Zeit, die Voraussetzungen für einen ernsthaften Einsatz zu schaffen.
Die Zahlen, die die Begeisterung erklären
Um zu verstehen, warum alle davon sprechen, muss man sich die Marktprognosen und die ersten Daten aus der Praxis ansehen. Der Markt für agentenbasierte KI wird für 2025 auf 7 Milliarden Dollar geschätzt und dürfte laut den von Apizee zusammengestellten Analysen bis 2032 93 Milliarden erreichen. Diese Wachstumsrate entspricht nicht der einer technologischen Nische, die sich noch in der Experimentierphase befindet, sondern der einer Technologie, die im Begriff ist, ganze Märkte neu zu strukturieren.
Gerade im Bereich der Kontaktzentren sind die Prognosen ebenso beeindruckend. Gartner schätzt, dass bis 2029 80 % der gängigen Kundenanfragen durch agentenbasierte KI ohne menschliches Eingreifen gelöst werden. Cisco prognostiziert, dass bis 2028 68 % der Kundenservice-Interaktionen durchgehend von agentenbasierter KI abgewickelt werden. Salesforce gibt seinerseits an, dass 30 % der Servicefälle bereits vollständig durch KI gelöst werden, wobei bis 2027 ein Anstieg auf 50 % prognostiziert wird. Diese Zahlen basieren auf Beobachtungen aus realen Programmen, auch wenn die „von KI gelösten Fälle“ derzeit vor allem einfache Anfragen umfassen.
Auch die potenziellen Einsparungen sorgen für Begeisterung. Gartner schätzt, dass dialogorientierte und agentenbasierte KI die Personalkosten in Kontaktzentren bis 2026 weltweit um 80 Milliarden Dollar senken könnte. Und laut einer von PwC zitierten Cornell-Studie sind gemischte Mensch-KI-Teams bei denselben Aufgaben bereits 60 % produktiver als rein menschliche Teams. Diese letzte Zahl weist auf etwas Wichtiges hin: Der Gewinn entsteht nicht durch den Ersatz des Menschen, sondern durch die Kombination.
Was es heute tatsächlich in Contact Centern gibt
Zwischen den 5-Jahres-Prognosen und dem völligen Verzicht auf eine Einführung gibt es eine Zwischenrealität, die es verdient, genau beschrieben zu werden. Agentische KI ist in Kontaktzentren nicht gar nicht vorhanden. Sie ist dort in Teilformen und in klar abgegrenzten Bereichen präsent, wobei die technischen Voraussetzungen oft unterschätzt werden.
Der am besten dokumentierte Fall ist der von Orange mit seinem ClariFibre-System, das Ende 2024 eingeführt wurde, um Fehler beim Glasfaseranschluss automatisch zu bearbeiten. ClariFibre erfasst Daten aus etwa zwanzig Systemen, analysiert mögliche Ursachen und handelt automatisch: Versand einer SMS, Aktualisierung der Akte, Behebung der festgestellten Störung. Ergebnis: Die Bearbeitungszeit für Support-Tickets wurde um 75 % reduziert, die Einarbeitung der Techniker um 50 % beschleunigt. Dies ist ein Beispiel für ausgereifte agentenbasierte KI in einem klar definierten Anwendungsbereich mit strukturierten Daten und eindeutig abgegrenzten Maßnahmen.
Im Finanzsektor hat BPCE Financement eine KI-gesteuerte Kampagnen-Orchestrierungs-Engine eingeführt, um jeden Kundenkontakt individuell zu gestalten, was zu einem Anstieg des Marketingumsatzes um 30 % führte. Es handelt sich dabei zwar nicht um agentenbasierte KI im eigentlichen Sinne, aber die Logik ist dieselbe: ein System, das autonom handelt, kontextbezogene Entscheidungen trifft und messbare Ergebnisse liefert.
Was diese Beispiele gemeinsam haben: ein klar definierter Anwendungsbereich, strukturierte und zugängliche Daten, ein messbares Ziel sowie eine menschliche Steuerung bei Ausnahmefällen. Genau diese Voraussetzungen fehlen in den meisten Kontaktzentren, wenn sie den großflächigen Einsatz von KI für Agenten in Betracht ziehen.
Warum ist das noch nicht flächendeckend verbreitet, und was ist nötig, damit es das wird?
Ehrlichkeit hinsichtlich der derzeitigen Grenzen ist kein Pessimismus: Sie ist eine nützliche Erkenntnis für CX-Führungskräfte, die sich ernsthaft vorbereiten wollen, anstatt die nächste Welle von Verkaufsaktionen einfach über sich ergehen zu lassen.
Das erste Hindernis ist die Datenqualität. Ein agentischer KI-Agent ist nur so intelligent wie die Daten, auf die er Zugriff hat. Wenn er ein schlecht gepflegtes CRM, eine veraltete Wissensdatenbank oder nicht miteinander vernetzte Systeme abfragt, wird er falsche Maßnahmen ergreifen. Ein Marktbeobachter fasst dies wie folgt zusammen: „Eine agentenbasierte KI kann unklare, widersprüchliche oder veraltete Informationen nicht ausgleichen. 2026 erhöht den Druck auf die redaktionelle Qualität.“ Bevor man eine agentenbasierte KI einsetzt, muss man das Wissen strukturieren. Das ist oft die zeitaufwändigste Aufgabe.
Das zweite Hindernis ist die technische Integration. Agentenbasierte KI benötigt in Echtzeit Zugriff auf heterogene Systeme, um diese auszulesen und Daten in sie zu schreiben. CRM, ERP, Ticket-Systeme, Abrechnungsdatenbanken: Jede Integration ist ein Projekt für sich. Die meisten Kontaktzentren arbeiten nach wie vor mit Systemen, die nicht reibungslos miteinander kommunizieren. Dies ist eine infrastrukturelle Voraussetzung, die die Technologie allein nicht lösen kann.
Das dritte Hindernis betrifft Governance und Compliance. Agente-KI trifft Entscheidungen und leitet Maßnahmen ein. Wer ist verantwortlich, wenn eine Entscheidung falsch ist? Welche Sicherheitsvorkehrungen verhindern eine irreversible Maßnahme in einem sensiblen Fall? In Europa ist das KI-Gesetz im August 2024 in Kraft getreten, und seine allgemeine Anwendbarkeit gilt seit August 2026. Systeme mit hohem Risiko unterliegen Verpflichtungen hinsichtlich Transparenz, menschlicher Aufsicht und Prüfung. Dieser Rahmen stellt kein Hindernis für den Einsatz dar, erfordert jedoch eine konzeptionelle Sorgfalt, die bei Projekten, die ausschließlich unter technologischem Druck durchgeführt werden, häufig vernachlässigt wird.
Was sich für die menschlichen Berater ändert
Die Frage, die sich alle insgeheim stellen, betrifft die Beschäftigung. Sie verdient eine direkte Antwort, die sich eher auf die verfügbaren Daten als auf Überzeugungen stützt.
Die realistischste Prognose geht nicht von einer massiven Verdrängung aus, sondern von einer Neuverteilung der Aufgaben. McKinsey bringt es auf den Punkt: Gemischte Teams aus Menschen und KI sind bei den entscheidenden Fällen produktiver, nicht weniger zahlreich. Das Interaktionsvolumen nimmt durch die Automatisierung nicht ab, sondern steigt, da die Hemmschwellen für die Kontaktaufnahme sinken. 57 % der Kundendienstleiter rechnen innerhalb der nächsten ein bis zwei Jahre mit einem Anstieg des Anrufvolumens – und zwar genau zu dem Zeitpunkt, an dem die Automatisierung an Fahrt gewinnt.
Was sich ändert, ist die Art der Arbeit. Berater, die heute einfache und sich wiederholende Anfragen bearbeiten, werden nach und nach auf Fälle umgestellt, die die KI nicht bearbeiten kann: komplexe Situationen, hohe emotionale Belastung, heikle Entscheidungen, Interaktionen mit hohem geschäftlichem Einsatz. Diese Neuausrichtung ist eine Chance für die Teams, die sich darauf vorbereiten, und ein Risiko für diejenigen, die sich nicht darauf vorbereiten. Wie BPCE Financement in seinem Erfahrungsbericht mit Armatis formuliert: „Bei einfachen Fällen 100 % KI. Bei komplexen Fällen 100 % Mensch, unterstützt durch KI-Tools.“ Das ist das Gleichgewicht, auf das alle seriösen Marktakteure hinarbeiten.
Wo soll man konkret anfangen?
Für eine CX-Führung, die sich ernsthaft vorbereiten möchte, ohne in die Falle eines POC zu tappen, der niemals in die Produktion übergeht, ist der Weg vorgezeichnet.
Der erste Schritt besteht darin, die Interaktionen nach Komplexität und Umfang zu erfassen. Welche Fälle treten am häufigsten auf, sind am einfachsten und am besten dokumentiert? Diese kommen als Erstes für die Automatisierung durch Agenten in Frage. Ein Standard-Rückerstattungsprozess, eine Adressänderung, eine Sendungsverfolgung: Diese Interaktionen folgen einer klaren Logik, verfügen über verfügbare Daten und führen zu einem überprüfbaren Ergebnis. Genau hier zeigt die agentenbasierte KI zunächst ihren Wert.
Der zweite Schritt besteht darin, die Qualität der Wissensdatenbank und der Systemintegrationen zu überprüfen. Die agentenbasierte KI verstärkt das Vorhandene: Eine gute Wissensdatenbank wird zu einem Motor für die autonome Problemlösung, eine ungenaue Wissensdatenbank wird zu einer Quelle autonomer Fehler. Diese Überprüfung ist oft aufschlussreich und fast immer unangenehm.
Der dritte Schritt besteht darin, vor der Einführung die Governance festzulegen: In welchen Fällen ist eine menschliche Validierung erforderlich, welche Vertrauensschwellen lösen eine Eskalation aus, und wie werden die Entscheidungen des Agenten nachverfolgt und sind sie überprüfbar? Diese Governance-Fragen sind keine Einschränkungen, die das Projekt bremsen: Sie sind vielmehr die Voraussetzung dafür, dass es ohne operative oder regulatorische Risiken industrialisiert werden kann.
Bei Armatis ist es dieser Ansatz der kontrollierten Weiterentwicklung, der unseren technologischen Ansatz bestimmt. Die SquAire-Suite vereint KI und Prozessorchestrierung in einer Architektur, die darauf ausgelegt ist, menschliche Leistung und intelligente Automatisierung zu kombinieren: SquAire Interaction für die Omnichannel-Zentralisierung, SquAire Quality für das KI-gestützte Qualitätsmonitoring und SquAire Knowledge für das Wissensmanagement. Nicht, um die Berater zu ersetzen, sondern um ihnen die Mittel an die Hand zu geben, sich auf das Wesentliche zu konzentrieren. Um mehr über kontextbezogene Intelligenz in der Kundenbeziehung zu erfahren, beschreibt unser Artikel über den Übergang von der Automatisierung zur echten Personalisierung diese derzeit stattfindende Entwicklung im Detail.
FAQ: Agentenbasierte KI im Contact Center
Was ist der Unterschied zwischen einem Chatbot und einer agentenbasierten KI?
Ein dialogorientierter Chatbot beantwortet Fragen innerhalb eines vordefinierten Rahmens: Er erkennt eine Absicht und gibt eine Antwort. Eine agentenbasierte KI handelt: Sie zerlegt ein Ziel in Teilziele, stellt Verbindungen zu mehreren Systemen her, trifft Zwischenentscheidungen, führt Aktionen aus und überprüft ihre Ergebnisse – und das alles ohne ständige menschliche Überwachung. Der Unterschied liegt nicht im Grad, sondern in der Art.
Wird agentische KI Arbeitsplätze in Kontaktzentren vernichten?
Die verfügbaren Daten deuten eher auf eine Umverteilung als auf einen Abbau hin. Das Interaktionsvolumen steigt mit zunehmender Automatisierung, da die Hemmschwellen für die Kontaktaufnahme sinken. Was sich ändert, ist die Art der Aufgaben: Die KI übernimmt einfache und sich wiederholende Fälle, während sich die Berater auf komplexe, emotionale und geschäftlich bedeutsame Situationen konzentrieren. Gemischte Teams aus Menschen und KI sind laut Daten von McKinsey um 60 % produktiver, was eher für eine Weiterentwicklung der Rollen als für einen Personalabbau spricht.
Was sind die Voraussetzungen für den Einsatz von agentenbasierter KI?
Drei Voraussetzungen sind unverzichtbar: eine strukturierte und aktuelle Wissensbasis, funktionsfähige Systemintegrationen (CRM, ERP, Fachanwendungen) sowie klar definierte Regeln für automatisierte Entscheidungen. Diese Voraussetzungen machen oft den eigentlichen Aufwand aus und nehmen mehr Zeit in Anspruch als die Einführung der Technologie selbst.
Wann wird die agentenbasierte KI wirklich in großem Maßstab einsatzfähig sein?
Erste industrielle Anwendungen in klar abgegrenzten Bereichen gibt es bereits heute. Eine Ausweitung auf komplexe und emotionale Interaktionen wird noch einige Jahre auf sich warten lassen. Gartner prognostiziert, dass bis 2029 80 % der gängigen Anfragen durch agentenbasierte KI gelöst werden. Im Jahr 2026 geht es darum, die Grundlagen zu schaffen: Daten, Integrationen, Governance und Schulung der Teams.
Wie regelt das europäische KI-Gesetz den Einsatz agentischer KI?
Das KI-Gesetz trat im August 2024 in Kraft und gilt seit August 2026 allgemein. Als risikoreich eingestufte Systeme unterliegen Verpflichtungen hinsichtlich Transparenz, menschlicher Aufsicht, Nachverfolgbarkeit und Prüfung. Diese Verpflichtungen erfordern eine sorgfältige Konzeption, behindern jedoch nicht die Einführung.
Quellen
- PwC, Agente-KI: Ein Motor für das Kundenerlebnis, November 2025
- Salesforce, State of Service, 2024–2025
- Gartner, Prognosen zu KI-Agenten und Kontaktzentren, 2025–2026, via Botpress
- McKinsey, „The State of AI: How Organizations Are Rewiring to Capture Value“, 2025
- FidUp, Trends 2026 in der Kundenbeziehung, Januar 2026
- Apizee, Trends in der Kundenbeziehung 2026
- Armatis, BPCE Financement: Das Kundenerlebnis im Zeitalter der Kombination aus Mensch und KI, Oktober 2025
- Armatis, Kontextbezogene Intelligenz: Wie KI den Sprung von der Automatisierung zur echten Personalisierung schafft, März 2026
- Armatis, CX-Glossar: 45 wichtige Abkürzungen zum Thema Kundenerlebnis, 2026
- Europäische Kommission, AI-Gesetz, Inkrafttreten im August 2024, allgemeine Geltung ab August 2026
