Warum KI-Agenten scheitern — und was sie zuverlässig macht

KI-Agenten können erstaunlich viel: planen, entscheiden, mehrstufige Aufgaben selbstständig ausführen. Und trotzdem fallen sie im echten Betrieb regelmäßig durch. Der Grund ist fast nie das Modell — es ist der fehlende Kontext darüber, wie das Unternehmen tatsächlich arbeitet. Genau diese Lücke trennt einen Agenten, der hilfreich wirkt, von einem, dem man wirklich vertrauen kann.

Drei Dinge, die ein zuverlässiger Agent kennen muss

Ein Agent, der nur ein gutes Sprachmodell und ein paar Werkzeuge hat, ist schnell und fleißig — aber blind. Damit er verlässlich handelt, braucht er drei Arten von Wissen:

1. Den aktuellen Prozess. Wie läuft der Ablauf wirklich, inklusive Varianten und Workarounds — nicht wie er im Handbuch steht.
2. Die Regeln und Ausnahmen. Was gilt im Normalfall, und wo wird bewusst abgewichen?
3. Die Zusammenhänge. Wer hängt an welchem Schritt, und welche Entscheidung wirkt sich downstream auf andere Bereiche aus?

Fehlt eines dieser drei, rät der Agent — und raten ist im Betrieb teuer.

Drei Beispiele, wie es schiefgeht

Die Theorie wird schnell konkret, wenn man sich ansieht, wo Agenten ohne Kontext stolpern:

• Kundenservice. Der Agent behandelt einen A-Kunden wie einen Standardfall — er weiß nichts von der VIP-Behandlung, die intern selbstverständlich ist. Das Modell hat korrekt gehandelt. Das Unternehmen ist trotzdem blamiert.
• Ressourcenplanung. Ein Team wird doppelt verplant, weil der Agent das laufende kritische Projekt nicht kennt — es wurde nie in einem System erfasst, nur im Flurfunk besprochen.
• Onboarding. Veraltete Abläufe führen dazu, dass neue Mitarbeitende falsch angeleitet werden. Der Agent zitiert pflichtbewusst — nur eben die falsche Version.

Ein hilfreicher Agent erledigt eine Aufgabe. Ein zuverlässiger Agent erledigt sie jedes Mal regelkonform — auch im Ausnahmefall. Der Unterschied ist Kontext.

Warum das fehlende Wissen so hartnäckig ist

Das entscheidende Wissen liegt selten dort, wo ein Agent es finden könnte. Es steckt in Köpfen, in informellen Absprachen, in „das macht man hier eben so”. Kein Logfile und kein generisches Modell kennt die VIP-Regel oder das kritische Projekt. Solange dieses Wissen nicht strukturiert und maschinenlesbar vorliegt, bleibt jeder Agent so gut wie sein blinder Fleck groß ist.

Organizational Intelligence als fehlendes Stück

Hier kommt Organizational Intelligence ins Spiel — nicht als weiteres Tool, sondern als Ansatz: ein lebendiges, vernetztes Bild davon, wie das Unternehmen wirklich funktioniert. Es ist das Onboarding für den Agenten. Es übersetzt verstreutes, implizites Wissen in eine Form, die ein Agent vor jeder Entscheidung abrufen kann — und verwandelt so einen schnellen, fleißigen Rater in ein verlässliches System.

Das Fundament dafür entsteht nicht von selbst. ProcessCollector ist das Werkzeug, das es schafft: Abläufe ohne Modellierungsprojekt aufnehmen, Regeln und Ausnahmen festhalten und in eine Form bringen, mit der Agenten und Automatisierung tatsächlich arbeiten können. Erst der Kontext, dann der Agent — in dieser Reihenfolge wird KI im Unternehmen verlässlich.