KI-Agenten produktiv einsetzen: Die agentische Fabrik

2026 werden weltweit voraussichtlich über 2,5 Billionen Dollar in KI investiert – so viel wie das Bruttoinlandsprodukt von Italien. Die Modelle werden leistungsfähiger, die Zyklen kürzer, der Wettbewerb zwischen den großen Anbietern intensiver. Und trotzdem scheitern die meisten Unternehmen daran, KI produktiv in ihre Wertschöpfung einzubetten.

Nicht am Zugang. Den hat inzwischen jeder. Sondern daran, dass KI in ein Umfeld kommt, in dem sie nicht arbeiten kann. Dieser Artikel zeigt, was sich ändern muss – und warum die Softwareentwicklung dabei als Blaupause dient.

Was die Softwareentwicklung über agentisches Arbeiten zeigt

In der Softwareentwicklung erleben wir gerade eine Verschiebung, die sich – so pathetisch das klingt – tatsächlich wie ein Epochenwechsel anfühlt. Der Begriff dafür: Agentic Engineering. Vereinfacht gesagt: Statt jede Zeile Code selbst zu tippen, delegieren Entwickler:innen Aufgaben an KI-Agenten. Der Agent recherchiert eigenständig im bestehenden Code, schreibt Lösungen, prüft sie – und das in einem Bruchteil der Zeit.

Das Versprechen stand lange im Raum. Die Ergebnisse waren lange durchwachsen. Seit Ende 2025 hat sich das Blatt gewendet: Eine neue Generation von Sprachmodellen kann nicht mehr nur Text erzeugen, sondern Handlungen planen und über Werkzeuge ausführen. In der Praxis heißt das für uns: schnellere Feature-Entwicklung, mehr Raum für Experimente – und höhere Qualität, weil die freigewordene Zeit in Architekturentscheidungen und sorgfältige Reviews fließt statt ins mechanische Tippen.

Aber – und das ist der entscheidende Punkt – das funktioniert nicht einfach so. Auch das beste Modell der Welt kann nicht erraten, wie wir unsere Software entwickeln wollen, worauf wir optimieren, was sich verbietet, wie unsere Qualitätsansprüche aussehen. Ohne diesen Kontext liefert es generische Ergebnisse. Brauchbar vielleicht. Gut genug? Selten.

Warum KI-Agenten in der Softwareentwicklung zuerst produktiv wurden

Softwareprojekte sind so etwas wie eine natürliche Fabrikhalle für KI-Agenten. Ein Großteil des Wissens – wie eine Anwendung funktioniert, ihre Logik, ihre Architektur – liegt greifbar und strukturiert in Dateien vor. Es gibt Versionskontrolle, die für jede Stelle im Code dokumentiert, wann und warum sie sich geändert hat. Es gibt Dokumentation. Und es gibt automatisierte Prüfmechanismen – Compiler, Tests, statische Analysen –, die ein Ergebnis objektiv bewerten können.

Stellt euch KI-Agenten vor wie neue, hochqualifizierte Kolleg:innen – mit einer Besonderheit: Ihr Gedächtnis reicht nur für einen Arbeitstag. Morgen fangen sie wieder bei null an. In einem gut gepflegten Softwareprojekt ist das kein Problem. Sie finden alles vor, was sie brauchen: klare Strukturen, nachvollziehbare Entscheidungen, Werkzeuge zur Selbstkontrolle. Sie sind ab Stunde eins produktiv. In einem schlecht dokumentierten Projekt sind sie so verloren wie jemand, dem am ersten Tag niemand etwas erklärt – nur dass für sie jeder Tag der erste ist.

Wir haben unsere Projekte daher gezielt weiterentwickelt und systematisch expliziert: Wie treffen wir Architekturentscheidungen? Welche Patterns setzen wir ein und welche verbieten sich? Wie sehen unsere Qualitätsmaßstäbe konkret aus? Das Ergebnis: Unsere Agenten lösen Aufgaben heute selbstständig, mit dem vollen Projektkontext, vom ersten Moment an. Der Unterschied zu vor einem Jahr ist massiv.

Das Problem: Wissen in Köpfen statt in Systemen

Wenn wir uns andere Bereiche der Wissensarbeit anschauen – Einkauf, Produktion, Vertrieb, HR – fehlt genau diese Fabrikhalle. Wissen steckt in den Köpfen der Mitarbeitenden, in isolierten E-Mails, in Meetingprotokollen, verteilt über verschiedene Systeme. Es ist da – aber nicht in einer Form, mit der ein Agent arbeiten kann.

Um zu verstehen, was das konkret bedeutet, hilft eine Unterscheidung: impliziter vs. expliziter Kontext.

• ‍Impliziter Kontext ist das Hintergrundwissen, das wir ständig anwenden, ohne darüber nachzudenken. In was für einem Unternehmen arbeite ich? Was sind unsere Werte? Wie tickt unser Markt? Wer ist wofür zuständig? Dieses Wissen prägt jede Entscheidung – aber es steht nirgendwo geschrieben.
• ‍Expliziter Kontext sind die harten Fakten, Anweisungen und Werkzeuge, die wir für einen konkreten Prozess brauchen: die Stückliste, die Compliance-Richtlinie, die Freigabematrix, die Arbeitsanweisung.

Beide Formen sind kritische Rohstoffe. Und bei beiden haben die meisten Unternehmen das gleiche Problem: Sie existieren, aber sie sind nicht verfügbar – nicht für einen Agenten und oft nicht mal für den neuen Mitarbeiter in Woche drei.

Die agentische Fabrik

Was also braucht es, damit KI-Agenten echte Arbeit übernehmen können? Wir nutzen dafür das Bild einer Fabrik – denn es macht greifbar, dass es nicht um ein einzelnes Tool geht, sondern um eine Infrastruktur.

• ‍Mauern: Datensouveränität. Jede Fabrik braucht sichere Wände. Einen Raum, in dem Unternehmensdaten verarbeitet werden können, ohne Compliance-Richtlinien, Datenschutzvorgaben oder Unternehmensgeheimnisse zu verletzen. Ohne dieses Fundament bleibt jedes KI-Projekt ein Experiment mit angezogener Handbremse.
• ‍Rohstoffe: Kuratiertes Wissen. Implizites und explizites Kontextwissen muss identifiziert, bereinigt, verknüpft und maschinenlesbar gemacht werden. Das ist keine IT-Aufgabe – das ist Organisationsarbeit, die tiefes Verständnis für die eigenen Prozesse voraussetzt.
• ‍Maschinen: Systemzugänge. Ein Agent, der nicht auf eure Systeme zugreifen kann, bleibt ein besserer Chatbot. Erst die Anbindung an ERP, Produktionsplanung, E-Mail oder Dokumentenmanagement macht aus Textgenerierung echte Wertschöpfung – etwa das Einlesen von Aufträgen, das Abgleichen von Produktionsplänen und das automatische Versenden von E-Mails mit aktualisierten Fertigstellungsdaten an Kunden.
• ‍Handbücher: Expliziertes Prozesswissen. Vieles von dem, wie ihr heute arbeitet, lebt als „So machen wir das hier" in den Köpfen eurer Leute. Kriterien für die Lieferantenauswahl. Der Ablauf beim Verbuchen von Eingangsrechnungen. Kommunikationsrichtlinien. Damit Agenten Aufgaben übernehmen können, muss dieses Wissen formalisiert und abrufbar werden.
• ‍Qualitätskontrolle: Angepasste Prozesse. Eine agentische Fabrik kann in kurzer Zeit viele Ergebnisse produzieren – Entwürfe, Analysen, Konzepte. Darauf sind die meisten heutigen Abnahmeprozesse nicht ausgelegt. Wer die Produktionskapazität erhöht, ohne die Qualitätssicherung mitzudenken, handelt sich neue Probleme ein.

Der Mensch als Designer der Fabrik

Bei all dem verschwindet der Mensch nicht aus der Gleichung – seine Rolle verändert sich. Weg von der manuellen Ausführung, hin zur strategischen Gestaltung. Wir werden zu Designern und Aufsehern der Fabrik: Wir entscheiden, welche Aufgaben delegiert werden, definieren die Qualitätsmaßstäbe, kuratieren das Wissen und greifen ein, wo der Agent an seine Grenzen stößt.

Das ist auch der Grund, warum Erfahrung im KI-Zeitalter nicht weniger wert wird – sondern mehr. Wer seinen Markt, seine Kunden und seine Prozesse tief versteht, kann die Fabrik besser gestalten. Wer nur ein Modell anschließt, bekommt generische Ergebnisse.

Fazit

Der Zugang zu KI ist kein Differenzierungsmerkmal mehr. Der Wettbewerbsvorteil entsteht durch das Design des Umfelds, in dem KI arbeitet. Durch eure agentische Fabrik.

Die Blaupause dafür existiert bereits – in der Softwareentwicklung sehen wir heute, was in anderen Bereichen morgen möglich wird. Und der erste Schritt ist kein Technologieprojekt. Es ist eine ehrliche Bestandsaufnahme:

Wie sieht der erste Arbeitstag für KI-Kolleg:innen in eurem Unternehmen aus? Finden sie ein gut gepflegtes Umfeld vor – mit klaren Strukturen, verfügbarem Wissen und den richtigen Werkzeugen? Oder eine Welt aus Silowissen, impliziten Regeln und Feedback, das erst Tage später kommt?

Die Antwort auf diese Frage sagt mehr über eure KI-Readiness aus als jedes Modell, das ihr einkauft.

--

Dieser Artikel basiert auf einem Vortrag von Steffen Schildknecht auf der kamium Connect am 18. März 2026.

Der Text ist zuerst in unserem Newsletter erschienen. Wer Einordnungen wie diese regelmäßig lesen möchte: Hier zum Newsletter anmelden.