Zum Hauptinhalt wechseln

AI

8. Juli 2026

 

KI-Agenten sind bereit zu handeln. Die meisten Systeme trauen ihnen noch nicht

Hier sind die fünf organisatorischen Herausforderungen, die KI daran hindern, über Pilotprojekte hinaus in den alltäglichen Einsatz überzugehen.

Google-Logo
Kaushik Gopal profile photo

Kaushik Gopal

Executive Vice President, Business & Market Insights, Mastercard

Die meisten Organisationen haben kein Problem mit KI-Innovationen. Sie haben ein Skalierungsproblem. Branchenübergreifend haben Unternehmen in den letzten Jahren mit KI-Pilotprojekten experimentiert, doch viele kämpfen immer noch damit, von vielversprechenden Proofs of Concept zu einer realen Bereitstellung überzugehen.

Das Hindernis ist selten ein Mangel an Ehrgeiz – die privaten globalen Investitionen in KI wuchsen zwischen 2014 und 2024 um mehr als das Dreizehnfache. Oft haben Führungskräfte nicht die notwendigen Voraussetzungen geschaffen, um KI, insbesondere agentischer KI, in großem Maßstab zu vertrauen: Kultur, Sicherheit, Verantwortlichkeit, Governance und Datenbereitschaft.

Vertrauen entsteht nicht durch eine einzige Kontrolle oder Richtlinie. Es hängt davon ab, dass Organisationen gleichzeitig Vertrauen über mehrere Dimensionen hinweg schaffen. Unternehmen verfügen möglicherweise über ausgeklügelte KI-Modelle, aber eine schwache Governance, starke Sicherheitskontrollen, aber eine begrenzte Mitarbeiterbereitschaft oder qualitativ hochwertige Daten, aber eine unklare Verantwortlichkeit. Diejenigen, die die größten Fortschritte machen, setzen nicht unbedingt mehr KI ein: Sie entwickeln sich gleichzeitig in all diesen Dimensionen weiter.

Organisationen können das nötige Vertrauen aufbauen, um von Erkenntnissen zu Taten zu schreiten, wenn sie alle fünf dieser Fragen beantworten können. 

 

Wissen die Menschen, wie man mit KI arbeitet?

Eines der hartnäckigsten Signale, die wir in der gesamten Branche sehen, ist eine Diskrepanz zwischen der Begeisterung der Führungskräfte für KI und dem Verständnis der Mitarbeiter, wie sie eingesetzt werden sollte. Diese Lücke kann die Akzeptanz erschweren. Diese Teams zu bitten, KI zu nutzen, erfordert mehr, als ihnen Zugang zu neuen Tools zu verschaffen. Sie müssen verstehen, wie KI eingesetzt werden sollte, wo sie einen Mehrwert schaffen kann und wie sie die Art und Weise, wie ihre Arbeit erledigt wird, verändern wird.

Dies beginnt mit klarer Kommunikation. Während sich die Einstellung der Führungskräfte gegenüber KI schnell geändert hat, sickert dieses Gefühl nicht immer zu ihren Teammitgliedern durch. Laut dem „2026 AI in Professional Services Report“ des Thomson Reuters Institute geben fast 40 % der Fachleute an, widersprüchliche Anweisungen zur KI-Nutzung von Führungskräften und Kunden erhalten zu haben. 

Führungskräfte können diese Lücke schließen, indem sie über allgemeine KI-Vorgaben hinausgehen und den Mitarbeitern praktische Anleitungen geben, wann KI eingesetzt werden soll, wo sie in ihren Arbeitsabläufen Anwendung finden soll und wo menschliches Urteilsvermögen unerlässlich bleibt. Wenn Mitarbeiter verstehen, wie KI ihre Arbeit unterstützt und was von ihnen erwartet wird, können Unternehmen von Experimenten zur Einführung übergehen.

 

Sollte diesem Agenten erlaubt werden, dies zu tun?

Während sich KI-Agenten der Entscheidungsfindung und -ausführung nähern, verschiebt sich die Frage von der, ob sie Erkenntnisse generieren können, zu der, ob man ihnen vertrauen kann, zu handeln.

Deshalb müssen Sicherheit, Datenschutz und verantwortungsvolle Nutzung von Anfang an in das Betriebsmodell integriert werden. Für Unternehmen bedeutet dies, Leitlinien zu etablieren, um sensible Informationen zu schützen und Verantwortlichkeit zu schaffen, bevor Agenten der Zugriff auf Daten oder die Übernahme komplexerer Aufgaben anvertraut wird.

Im Kern ist dies eine Herausforderung in Bezug auf Identität und Zugang. Bevor ein KI-Agent Informationen abrufen, eine Zahlung initiieren oder mit einem Kunden interagieren kann, benötigen Organisationen Vertrauen darin, was der Agent ist, auf welche Systeme er zugreifen kann und welche Berechtigungen ihm erteilt wurden. Wenn Ihr Unternehmen ihm nicht vertraut, wie können Sie dann erwarten, dass Ihre Kunden es tun? 

 

Wem gehört das Ergebnis?

Da KI-Agenten immer autonomere Aufgaben übernehmen, stehen Organisationen vor einem anderen Hindernis: der Festlegung, wer zur Rechenschaft gezogen wird, wenn ein Agent eine Entscheidung trifft, eine Aufgabe ausführt oder ein unerwartetes Ergebnis erzielt.

Obwohl viele Unternehmen daran interessiert sind, Agenten einzusetzen, geben nur 32 % an, Agenten tatsächlich in ihre Personalplanung einbezogen zu haben, so ein Cisco-Bericht zur KI-Bereitschaft aus dem Jahr 2025. Ohne klare Eigentümerstrukturen riskieren Unternehmen, Unsicherheit bei der Entscheidungsfindung, Aufsicht und Rechenschaftspflicht zu schaffen.

Führungskräfte müssen klare Verantwortungsmodelle für KI-gestützte Arbeit etablieren, die festlegen, welche Entscheidungen an Agenten delegiert werden können, wo menschliches Urteilsvermögen unerlässlich bleibt und wie Probleme eskaliert werden, wenn Systeme sich unerwartet verhalten. Die Organisationen, die agentische KI erfolgreich skalieren, werden diejenigen sein, die den zusätzlichen Schritt unternehmen, um bestehende Arbeitsabläufe neu zu gestalten, sodass Menschen und KI mit klareren Rollen, Verantwortlichkeiten und Erwartungen zusammenarbeiten können. 

 

Woher wissen wir, dass es bereit ist zu handeln?

Sobald Organisationen Rechenschaftspflicht etabliert haben, stellt sich eine neue Frage: Woher weiß man, wann ein KI-Agent für die reale Welt bereit ist?

Unternehmen benötigen Möglichkeiten, die Leistung zu testen, Ergebnisse zu bewerten und zu verstehen, wie Agenten sich verhalten, bevor ihnen Kundeninteraktionen, operative Prozesse oder geschäftskritische Entscheidungen anvertraut werden. Der Fokus sollte nicht darauf liegen, einen Agenten zu entwickeln, sondern vielmehr darauf, die richtigen Schritte zu unternehmen, um sicherzustellen, dass der Agent zuverlässig, konsistent und sicher in einer Vielzahl von Szenarien agieren kann.

Bevor Agenten vertrauenswürdig handeln und im großen Maßstab eingesetzt werden, wünschen sich Organisationen zunehmend Umgebungen, in denen sie die Leistung bewerten, Fehlerpunkte identifizieren und Kontrollen verfeinern können.  Das ist einer der Gründe, warum Mastercard die Agent Suite geschaffen hat, die Organisationen hilft, von Pilotprojekten zu vertrauenswürdiger Bereitstellung zu gelangen, und warum wir sie kürzlich um Proto erweitert haben, eine Sandbox-Umgebung zum Erforschen, Testen und Validieren von Agenten-KI-Anwendungsfällen, bevor sie in Produktionsabläufe eingeführt werden. Mastercard führte außerdem drei neue KI-Agenten ein, die wichtige Unternehmensfunktionen unterstützen sollen: Händler, Onboarding und Streitbeilegung. Zusammen können diese Funktionen Organisationen dabei helfen, zu erkennen, wo KI Geschäftswert schaffen kann, während sie innerhalb sicherer und geregelter Rahmenwerke skaliert.

 

Hat es die benötigten Informationen?

Selbst Organisationen, die sich mit Einführung, Sicherheit und Governance befassen, stoßen oft auf ein weiteres Hindernis: KI-Agenten können nur auf Informationen reagieren, die sie verstehen – dann können die richtigen Daten sicher und mit klaren Berechtigungen verwendet werden, wenn Agenten in Echtzeit agieren. 

Doch viele Organisationen arbeiten immer noch mit fragmentierten Daten, die über Systeme verteilt sind, mit inkonsistenten Formaten und getrennten Arbeitsabläufen. Während Menschen diese Lücken oft umgehen können, haben KI-Agenten Schwierigkeiten, wenn Informationen unvollständig, widersprüchlich oder schwer zugänglich sind. Das kann bedeuten, Silos abzubauen, inkonsistente Daten zu bereinigen und Patchwork-Prozesse zu beheben, die die Fähigkeit von KI, wie vorgesehen zu arbeiten, einschränken könnten.

 

Vertrauenswürdige KI-Maßnahmen könnten zu einem der wichtigsten Wettbewerbsfaktoren in der Wirtschaft werden. Nicht weil Organisationen KI entwickeln können, sondern weil sie sich darauf verlassen können.

Kaushik Gopal
Kaushik Gopal

 

In einem handlungsfähigen Umfeld bestimmt die Datenqualität direkt die Entscheidungsqualität. Wenn Agenten die ihnen vorliegenden Informationen nicht zuverlässig verstehen können, können sie auch nicht zuverlässig danach handeln. Um diesen Übergang zu beschleunigen, schärfte Mastercard seinen Fokus innerhalb von Start Path, seinem preisgekrönten Startup-Engagement-Programm, indem es Unternehmen einbezog, die sich auf Business Intelligence und datengestützte Fähigkeiten konzentrieren.

In den letzten zehn Jahren hat Start Path über 500 Unternehmen in mehr als 60 Ländern willkommen geheißen und ihnen geholfen, durch die Kombination von praktischer Unterstützung mit Zugang zum globalen Netzwerk und den Kunden von Mastercard zu skalieren. Dieser verstärkte Fokus auf Start-ups, die Kunden dabei unterstützen, Daten in umsetzbare Informationen umzuwandeln, kann zu besseren Entscheidungen führen, die Leistung steigern und Echtzeitmaßnahmen unterstützen – was wiederum das nötige Vertrauen schafft, KI aus der Isolation in den Alltag zu überführen.

In den kommenden Jahren kann vertrauenswürdiges KI-Handeln zu einem der wichtigsten Wettbewerbsvorteile im Geschäftsbereich werden. Nicht weil Organisationen KI entwickeln können, sondern weil sie sich darauf verlassen können.

Lernen Sie die Start Path Business & Market Insight Startups kennen.

   

Luca KI

Luca AI ist ein KI-gestütztes digitales Teammitglied, das Vertrieb, Marketing, Finanzen und Betrieb in einer einzigen konversationellen Analyseschnittstelle zusammenführt. Durch diese einheitliche Sichtweise erhalten KMU Echtzeit-Einblicke in ihr gesamtes Unternehmen, was ihnen hilft, Chancen zu erkennen, die Effizienz zu verbessern und tägliche Geschäftsentscheidungen mit größerer Zuversicht zu treffen. Mastercard hat mit Luca AI zusammengearbeitet, um diese Funktionen europäischen Geschäftskarteninhabern über den Mastercard Business Bonus zur Verfügung zu stellen, und erforscht, wie die Technologie agentengesteuerte Aktivitäten für KMU-Herausgeber weiter unterstützen kann.

Luca AI Logo

    

Yabx

Yabx nutzt KI-gesteuerte Intelligenz mit einer Low-Code-, No-Code-Kreditinfrastruktur, die alternative Daten nutzt, um skalierbare, risikogemanagte digitale Kreditvergabe in Schwellenländern in Partnerschaft mit Banken, Fintechs, Zahlungsunternehmen, Händler-Aggregatoren und anderen Akteuren des Ökosystems zu ermöglichen. Mastercard arbeitet mit Herausgebern im Nahen Osten und in Afrika zusammen, um alternative Kreditdaten wie mobile Wallet- und Telekommunikationsinformationen in Kreditrisikobewertungen zu integrieren, was eine inklusivere Kartenvergabe und einen verbesserten Zugang zu Finanzdienstleistungen ermöglicht.

yabx-Logo

   

BizMachine

BizMachine bietet eine B2B-Vertriebsintelligenzplattform, die Unternehmen dabei hilft, neue Geschäftskunden zu identifizieren und zu gewinnen. Durch die Kombination der proprietären Erkenntnisse von BizMachine und Mastercard ermöglicht die Partnerschaft europäischen Acquirern und anderen Akteuren des Zahlungsökosystems, hochpotenzielle Händler zu identifizieren.

BizMachine-Logo

Guestologie

Guestologie verleiht Restaurants die Intelligenz, präzise Gastfreundschaft in Echtzeit zu liefern, denn dauerhafte Loyalität entsteht im Speisesaal, ein personalisiertes Erlebnis nach dem anderen. 

Guestologie-Logo