Ein Board-Leitfaden für agentische KI — warum die meisten Strategien nie in Produktion gehen, und die wenigen Fragen und Schritte, die das ändern.
Von Jens Paul Berndt — Operator; ehemaliger CEO & CTO hinter einigen der größten digitalen Marktplätze Europas.Jedes Gremium hat KI inzwischen auf der Agenda. Die meisten haben ein Strategie-Deck. Wenige haben Ergebnisse.
Die Lücke ist selten das Modell. Es ist das Operating Model: die Daten, die Entscheidungen, die Verantwortung und der Wille, etwas in Produktion zu bringen. Das ist Führungsarbeit, keine Anbieterauswahl.
Dieser Leitfaden ist aus der Operator-Perspektive geschrieben. Er macht Sie nicht zum KI-Experten. Er gibt Ihnen die wenigen Fragen und Schritte, die Unternehmen trennen, die über KI reden, von denen, die leise beginnen, damit zu arbeiten.
Generative KI erzeugt Inhalte — Text, Code, Bilder — auf Anfrage. Agentische KI geht einen Schritt weiter: Sie handelt.
Ein Agent kann planen, Werkzeuge und Systeme aufrufen, mehrere Schritte gehen und eine Aufgabe zielgerichtet abschließen — nicht nur eine Frage beantworten. Im Unternehmen heißt das: Software, die nicht nur vorschlägt, sondern erledigt — sie triagiert ein Ticket und löst es; entwirft und bucht; gleicht ab und meldet; recherchiert und entscheidet innerhalb gesetzter Grenzen.
Die Chance ist Hebelwirkung. Das Risiko ist, dass ein Agent im großen Maßstab handelt — auch wenn er falsch liegt. Beides macht agentische KI zu einem Board-Thema, nicht nur zu einem IT-Thema.
1 · Den Ozean kochen. Ein Großprogramm statt eines ausgelieferten Use Case. Ambition überholt Evidenz.
2 · Folien statt Software. Eine Strategie ohne einen einzigen Agenten in Produktion — also wird nichts gelernt.
3 · Kein Owner. Ein Lenkungsausschuss statt einer Person, die das Ergebnis verantwortet.
4 · Das Daten-Alibi. Auf perfekte Daten warten, statt dort zu beginnen, wo sie bereits gut genug sind.
5 · Keine Kennzahl. Erfolg gemessen in durchgeführten Piloten, nicht in einer bewegten P&L-Zahl.
1 · Eng starten. Einen Prozess mit klarem Owner und messbarem Ergebnis wählen.
2 · In Produktion liefern. Ein produktiver Agent lehrt in einem Monat mehr als eine Strategie in einem Quartal.
3 · An die P&L knüpfen. Wer die Zahl nicht nennen kann, die bewegt wird, sollte nicht anfangen.
4 · Einen Owner benennen. Eine verantwortliche Person — kein Komitee — vom ersten Tag an.
5 · Skalieren, was funktioniert. Gewinner industrialisieren; den Rest ohne Zeremonie beenden.
1 · Wo zuerst? Welchen einzelnen Prozess wird KI zuerst verändern — und wer verantwortet das Ergebnis?
2 · Gut genug? Wofür sind unsere Daten heute tatsächlich gut genug?
3 · Wenn es schiefgeht? Was passiert — für Kunden und in der Haftung — wenn ein Agent falsch handelt?
4 · Wie gemessen? Messen wir Wert in Piloten oder in einer P&L-Kennzahl?
5 · Wessen Urteil? Haben wir Operator-Urteilskraft im Raum — oder nur Anbieter?
Tag 0–30 · Wählen. Einen Use Case mit P&L-Bezug wählen, einen Owner benennen, prüfen, ob die Daten gut genug sind.
Tag 30–60 · Liefern. Einen Agenten hinter Leitplanken in Produktion bringen und an der Kennzahl messen.
Tag 60–90 · Entscheiden. Skalieren, anpassen oder stoppen — und schlanke Governance für die nächsten zwei Use Cases aufsetzen.
Es geht nicht um Geschwindigkeit um ihrer selbst willen, sondern darum, im Kontakt mit der Realität zu lernen — günstig — bevor groß gesetzt wird.
Wie BERNDT hilft: BERNDT Build führt Unternehmen genau diesen Pfad entlang, und BERNDT Board bringt diese Fragen ins Gremium.
Besprechen Sie, was das für Ihr Unternehmen bedeutet — über das Kontaktformular oder an office@berndt-gmbh.com.