"Stellen Sie einen KI-Agenten ein" ist Marketingsprache für "nutzen Sie meinen automatisierten Workflow für eine bestimmte Aufgabe." Die Kernidee — eine menschliche Aufgabe mit Software zu automatisieren — wurde alle 5 Jahre umbenannt: Skripte, RPA, intelligente Automatisierung, Copilots und jetzt KI-Agenten.
Gartner schätzt, dass nur ~130 von Tausenden "agentischer KI"-Anbieter echte Agenten-Fähigkeiten haben. Der Rest ist "Agent Washing" — die Umbenennung von Chatbots, RPA-Bots und Workflow-Tools als Agenten. Über 40% der agentischen KI-Projekte werden bis 2027 eingestellt.
Das KI-Agenten-Rebranding-Spektrum
Die unbequeme Wahrheit: Die meisten als "KI-Agenten" vermarkteten Produkte sind mehrstufige Workflows mit einem LLM für Textverarbeitung in der Mitte. Das Spektrum von einem Bash-Skript bis zu einem echten autonomen Agenten ist real, aber das Marketing komprimiert es in ein einziges Schlagwort.
Ein Skript folgt festen Regeln. Eine Automatisierung fügt Trigger hinzu. Ein Workflow verkettet mehrere Schritte. Ein KI-Workflow fügt LLM-Reasoning bei einem oder mehreren Schritten hinzu. Ein echter KI-Agent setzt seine eigenen Teilziele, wählt seine eigenen Tools und arbeitet autonom auf ein Ziel hin.
Die meisten "Agenten" auf dem Markt heute sind bestenfalls KI-Workflows — und das ist in Ordnung, außer dass Preise und Erwartungen auf Agenten-Niveau gesetzt werden. Das Spektrum: Skript → Automatisierung → Workflow → KI-Workflow → KI-Agent. Die meisten Produkte stehen auf Stufe 3 oder 4, während sie sich als Stufe 5 vermarkten.
Agent Washing in Zahlen
Gartner prägte den Begriff "Agent Washing": Anbieter benennen bestehende Chatbots, RPA-Bots und Workflow-Tools als "KI-Agenten" um, ohne bedeutende agentische Fähigkeiten hinzuzufügen. Von Tausenden Anbietern, die Agenten-Fähigkeiten beanspruchen, schätzt Gartner nur etwa 130 als echt ein.
Die Konsequenzen sind messbar. Der KI-Agenten-Markt erreichte 7,63 Mrd. $ im Jahr 2025, wobei 85% der Unternehmen behaupten, Agenten implementieren zu wollen. Aber weniger als 5% der Unternehmensanwendungen nutzen heute tatsächlich Agenten. Gartner prognostiziert, dass über 40% der agentischen KI-Projekte bis 2027 eingestellt werden.
Die globalen IT-Ausgaben für agentische KI werden auf 1,3 Billionen Dollar bis 2029 prognostiziert — über 26% der gesamten IT-Ausgaben. Der Markt ist riesig, aber der Großteil des Geldes jagt Marketing, nicht Fähigkeiten.
Die Automatisierungs-Rebrand-Timeline
Das Muster wiederholt sich in jedem Zyklus. In den 2000ern schrieben wir Skripte und Makros. In den 2010ern wurde es "Robotic Process Automation" — gleiches Konzept, besseres Branding, 13-Mrd.-$-Markt. Ab 2018 wurde RPA zu "intelligenter Automatisierung" mit ML-Klassifikatoren. 2023 kamen "KI-Assistenten" und "Copilots". Jetzt 2025 ist alles ein "KI-Agent."
Jedes Rebranding fügt einen echten Fähigkeitszuwachs hinzu. LLMs haben Workflows tatsächlich intelligenter gemacht. Aber das Kernversprechen — "Software erledigt eine Aufgabe, damit ein Mensch es nicht muss" — hat sich seit dem ersten Cron-Job nicht geändert.
Ein gut gestalteter n8n- oder Make-Workflow mit LLM-Knoten an wichtigen Entscheidungspunkten löst 80% der Anwendungsfälle, für die Anbieter "Agenten" verkaufen — zu einem Bruchteil der Kosten.
Wichtige Erkenntnisse
- ✓ Wenn ein Anbieter 'KI-Agent' sagt, fragen Sie: Setzt er eigene Teilziele oder folgt er einem vordefinierten Workflow mit LLM-Schritten? Die Antwort bestimmt, ob Sie Agenten-Infrastruktur brauchen oder nur ein gutes n8n/Make-Setup
- ✓ Ein gut gestalteter mehrstufiger Workflow mit LLM-Knoten an wichtigen Entscheidungspunkten löst 80% der Anwendungsfälle, die als 'Agenten' verkauft werden — zu einem Bruchteil der Kosten und Komplexität
- ✓ Bei 40% der agentischen KI-Projekte, die bis 2027 scheitern werden, sind die Kosten des Hypes messbar — starten Sie mit Workflows und fügen Sie Autonomie nur dort hinzu, wo die Aufgabe es wirklich erfordert
Fazit
Echte agentische Fähigkeiten — zielgerichtet, werkzeugauswählend, selbstkorrigierend — existieren in Produkten wie Claude Code, Devin und spezialisierten Enterprise-Deployments. Die Technologie ist real, nur nicht so verbreitet wie das Marketing suggeriert.
Die Chance liegt in der Lücke: Bauen Sie zuverlässige KI-Workflows, während Wettbewerber dem "Agenten"-Label nachjagen. Zuverlässigkeit schlägt Autonomie für die meisten Enterprise-Käufer heute. Bevor Sie sechsstellige Beträge für "KI-Agenten" ausgeben, stellen Sie eine Frage: Setzt dieses Produkt eigene Ziele oder folgt es einer vordefinierten Pipeline?
Gründer von d2b — entwickelt private KI-Automatisierung und Gen-AI-Lösungen für Unternehmen in ganz Europa.
