Prognosen 2026: Agents werden eine zentralisierte Strategie und neue Arbeitsweisen vorantreiben
Nach stetigen Fortschritten im Jahr 2025 wird 2026 das Jahr sein, in dem sich Agentic AI wirklich in Unternehmen durchsetzt.
Zu Beginn des Jahres 2025 erwartete die Branche eine explosive, über Nacht erfolgende Einführung von Agentic AI. Der Fortschritt war bemerkenswert und beschleunigt sich weiterhin, aber die eigentliche Geschichte ist, wie das Jahr unser Verständnis davon, was möglich ist, verändert hat. Organisationen gingen über einfache Chatbot-Anwendungsfälle hinaus und begannen, mit Systemen zu experimentieren, die planen, ausführen und iterieren können. Die Kernfähigkeiten der Agents wurden immer stärker und ermöglichten komplexere, mehrstufige Tasks, die selbst vor einem Jahr noch unerreichbar waren. Und da der Markt sich schnell ausweitet, nehmen Investitionen und Innovationen weiterhin zu.
Gemeinsam mit mehr als einem Dutzend Führungskräften von Snowflake habe ich unseren jährlichen Bericht KI und Daten: Prognosen für 2026 zusammengestellt, in dem wir unsere Perspektiven für das kommende Jahr teilen. Das übergeordnete Thema ist, dass Agents im Unternehmen Fortschritte machen werden. Hier eine Auswahl der Prognosen im diesjährigen Bericht:
Kontextfenster und Gedächtnis werden die Schlüssel zu besseren AI Agents sein: Wichtige Verbesserungen an Kontextfenstern und Gedächtnis im kommenden Jahr werden es AI Agents ermöglichen, ein umfassenderes Verständnis zu entwickeln, um komplexe Herausforderungen autonomer zu bewältigen. „Es ist eine menschlichere Fähigkeit, sich an den größeren Kontext einer Situation zu erinnern, um das jeweilige Problem zu lösen“, erklärt Vivek Raghunathan, SVP Engineering and Support bei Snowflake.
Arbeitnehmende müssen die Zusammenarbeit und Kommunikation zwischen Mensch und KI beherrschen: Menschen werden weiterhin eingebunden bleiben, auch weil nicht unbedingt alle Daten, die eine Entscheidung beeinflussen, für die KI verfügbar sind. Chris Child, Vice President of Product bei Snowflake, merkt an, dass KI tief in die Daten eindringen kann, über die sie verfügt, aber das Bauchgefühl spielt dennoch eine Rolle. „KI-Modelle werden ein tiefes Verständnis Ihrer Daten haben“, erklärt er. „Aber Sie müssen wissen, wann Sie zweifeln sollten, wann Sie tiefgreifende Folgefragen stellen sollten, bevor Sie Maßnahmen ergreifen.“
Die Datenstrategie wird die KI-Bereitschaft – und die KI-Ergebnisse – bestimmen: „Wenn KI eine genaue Antwort liefert, müssen Sie auch sicher sein, dass private oder proprietäre Daten nicht offengelegt werden“, sagt Mike Blandina, CIO von Snowflake. „Sollte der Benutzer oder die Benutzerin die Berechtigungen haben, diese Antwort zu sehen? Gibt Ihr Marketing-Chatbot die Sozialversicherungsnummern Ihrer Mitarbeitenden und die Kreditkartennummern Ihrer Kund:innen preis? Es geht nicht um KI, sondern darum, wie Sie Ihre Daten kontrollieren und schützen.“
Bis Ende 2026 wird die zentrale Frage nicht mehr lauten, was KI kann, sondern wie Menschen und KI zusammenarbeiten. Mit anderen Worten: Wie sich Rollen weiterentwickeln, wie Entscheidungen geteilt werden und wie Führungskräfte in einem Umfeld mit zunehmender Autonomie Vertrauen und Klarheit schaffen.
Vor einem Jahrzehnt konzentrierte sich die Rolle eines Chief Data and Analytics Officers (CDO) hauptsächlich auf die Datenhygiene. Mit dem Aufkommen von Agentic AI erweitert sich diese Rolle nun darauf, wie KI unternehmensweit funktioniert und orchestriert wird. CDOs sind für die Qualität und Governance der Daten verantwortlich, auf die sich AI Agents verlassen, entwerfen die Workflows, in die AI Agents integriert werden, und übernehmen die Verantwortung dafür, wie diese Systeme in der realen Welt funktionieren. So rückt der CDO näher an einen echten KI-COO heran, der die Bereiche Engineering, Governance, Sicherheit, Betrieb und Produktteams umfasst und sicherstellt, dass das KI-Betriebsmodell stabil, vertrauenswürdig und auf die Geschäftsziele ausgerichtet ist.
Im Jahr 2026 wird die Herausforderung nicht nur darin bestehen, Agents in Produktion zu bringen. Führungskräfte werden die Disziplin um sie herum aufbauen müssen. Das bedeutet, Verifizierungs-Frameworks einzurichten, zu definieren, wo die menschliche Aufsicht beginnt und endet, und die Beobachtbarkeit aufrechtzuerhalten, sodass jede Aktion eines AI Agent geprüft, erklärt und nachvollzogen werden kann. Dies wird zu einer formellen KI-Qualitätskontrollfunktion führen, die für die kontinuierliche Überwachung und Bewertung verantwortlich ist, um das Verhalten der AI Agents mit der Geschäftsabsicht in Einklang zu halten. Für Unternehmen, die Zuverlässigkeit ernst nehmen, ist dies der natürliche nächste Schritt.
Dieser Grad der Überwachung hängt von einer starken, zentralisierten Datengrundlage und Governance ab. Die föderierten Modelle, die während der ersten Experimente funktionierten, schufen Geschwindigkeit, aber agentische Systeme erfordern Konsistenz: gemeinsame Semantik, einheitliche Berechtigungen und Sicherheitsmaßnahmen, die auch bei der Skalierung von AI Agents über verschiedene Workflows hinweg Bestand haben.
Während Unternehmen Prozesse und Entscheidungsrechte umgestalten, werden unternehmensweite Feedbackschleifen unerlässlich. Sie helfen Teams, Leitplanken zu verfeinern, das Modellverhalten zu verbessern und sicherzustellen, dass Verantwortlichkeiten niemals unklar sind. Auf kurze Sicht werden sich agentische Systeme am besten für strukturierte, risikoärmere Workflows eignen, bei denen die Grenzen klar definiert sind. Mit zunehmender Datenreife, Governance und organisatorischer Bereitschaft werden Agents in komplexere Entscheidungspfade mit größerer Autonomie und strategischerem Einfluss vordringen.
Agentic AI wird die Arbeit nicht beseitigen. Es wird sie umschreiben und damit neue Möglichkeiten für Chancen und Wachstum eröffnen. Weitere Informationen zum kommenden Jahr finden Sie unter KI und Daten: Prognosen für 2026.
