Agentische KI stößt im Unternehmen an eine Wand: 70 Prozent der mit Anbieterhilfe gebauten Systeme sollen fallen gelassen werden

Die Beratungsfirma Gartner veröffentlichte die Prognose am 30. September: Bis 2028 werden 70 Prozent der Unternehmen agentische KI-Systeme aufgeben, die mit Unterstützung von Anbietern gebaut wurden. Ihr Argument lautet nicht, dass die Agenten versagen. Es lautet, dass der Kunde nie lernt, sie selbst zu betreiben.

Das Modell, das Gartner ins Visier nimmt, hat einen Namen: Forward-Deployed Engineering, kurz FDE. Ein Anbieter bettet eigene Ingenieure in ein Kundenunternehmen ein, um Software für dessen Bedürfnisse zu bauen und einzusetzen. Gartner zufolge kann das schnelle frühe Fortschritte bringen. Danach bleibt der Käufer von externem Fachwissen abhängig und zahlt Höchstpreise für Wartungsarbeiten, die eine herkömmliche Dienstleistungs- oder Partnervereinbarung billiger erledigen könnte. The Register berichtete am 30. September über die Prognose.

Gartner erwartet außerdem, dass bis 2028 weniger als 20 Prozent der FDE-Projekte wiederkehrende Kundenanforderungen in Funktionen des Kernprodukts des Anbieters überführen. Die Firma warnt vor "FDE washing", bei dem gewöhnliche Beratung unter einem strategischeren Etikett verkauft wird.

Mukul Saha, Senior Director Analyst bei Gartner, beschrieb das Problem als Frage der Vertragsgestaltung, nicht der Technologie. "Die am besten abgegrenzten FDE-Projekte haben vom ersten Tag an klare Leitlinien zu Governance, Lieferung von Geschäftswert, Eigentum an geistigem Eigentum, Mitverantwortung für das Projekt, Wissenstransfer und eine Ausstiegsstrategie", sagte er. Saha fügte hinzu, viele Anbieter nutzten "forward deployed" inzwischen als Etikett für Implementierung, Professional Services, Solution Engineering oder KI-Beratung, "manche mit Bedacht, andere, weil es strategischer klingt". Einige verlangten Höchstpreise ohne die Lieferungstiefe, die sie rechtfertigen würde.

Die Anbieter lieferten in dieser Woche die entgegengesetzte Botschaft

Gartners Warnung kam mitten in einem Produktzyklus, der das Gegenteil voraussetzt. Am 30. September kündigte OpenClaw OpenClaw Enterprise an, eine quelloffene, anbieterneutrale Steuerungsebene für dauerhaft laufende Agenten, entwickelt mit Red Hat und NVIDIA nach Ursprüngen bei OpenAI. Der Blogbeitrag des Projekts sagt offen, warum es existiert: "the default stance of IT in most organizations is to ban agentic platforms like OpenClaw altogether." OCE wird offen vor einer Version 1.0 entwickelt, und dem Beitrag zufolge betreibt OpenAI bereits OpenClaw-Agenten mit vollem Zugriff auf Codebasen und Plugins.

DoorDash zog am selben Tag nach. TechCrunch berichtete am 30. September, das Lieferunternehmen habe in Apple Messages einen Text-to-Order-Agenten mit US-Warteliste gestartet. Die eigene Ankündigung von DoorDash beschreibt einen Konnektor auf Basis des Model Context Protocol, mit dem Unternehmen Bestellungen in interne KI-Werkzeuge einbinden können; als frühe Beta-Partner werden SpaceXAI, Vercel, Cognition, Tempo und Mercor genannt. Die Warteliste öffnete am 30. September.

Cloudflare nutzte den Tag, um Agenten in die Produktionsfehlersuche zu bringen. Der Blog des Unternehmens stellte Issues vor, eine Fehlerüberwachungsfunktion für Cloudflare Workers in offener Beta. Sie gruppiert wiederkehrende Ausnahmen und 5xx-Antworten und schickt dann Fehler, Stacktrace, Logs, Traces und die Worker-Version an einen konfigurierten Coding-Agenten, der die Fälle sortieren oder einen Pull Request öffnen kann.

Nichts davon widerlegt Gartner. Es ist die Angebotsseite desselben Marktes. Die Frage, die die Beratungsfirma aufwirft, lautet, was nach dem Pilotprojekt passiert.

Die Governance-Schicht entsteht öffentlich

Wenn die Anbieter die Kontrolle nicht liefern, tut es jemand anderes. Diese Arbeit kommt derzeit als Open Source, und viel davon ist erst wenige Tage alt.

OpenAPPA, am 30. September auf GitHub veröffentlicht, sitzt zwischen einem Agenten und seinen Werkzeugen und beantwortet vor jedem Aufruf eine Frage: Dürfen diese Daten an dieses Ziel gehen? Die Autoren berichten, dass in 1.320 Bewertungen kein bewerteter Angriff gegen das System erfolgreich war, während es 88 bis 90 Prozent der Aufgaben erledigte. Microsofts FIDES erreichte in derselben Vergleichstabelle 41 Prozent Aufgabenerfüllung und 31 Prozent erfolgreiche Angriffe. Das sind die eigenen Zahlen des Projekts.

Ein zweites Projekt, UAI, bezeichnet sich als offenes Protokoll für Agentenidentität, Autorisierung und nachprüfbare Rechenschaft, mit föderierten Registern nach dem Vorbild von BGP. Das erklärte Ziel ist enger gefasst als Sicherheit: "UAI does not claim that an AI agent is safe. It provides a mechanism for making an agent's actions attributable and independently verifiable."

Paldron setzt auf Durchsetzung: ein Richtlinien-Gate und eine Sandbox-Ausführungshülle für Befehle, die Coding-Agenten aufrufen, mit Exit-Code 0 zum Erlauben und 2 zum Verweigern. Unter Linux nutzt es Landlock und seccomp. Unter Windows schlägt es fehl, wenn Kernel-Isolierung angefordert wird und nicht verfügbar ist. Pentad Labs lieferte am 30. September das theoretische Argument: Modelle übernehmen mit jeder Generation mehr Planung und Fehlerbehebung, aber keine Autorität, und "an enforcement that the enforced party can modify enforces nothing."

Bewertungen durch Dritte bleiben dünn. Tom's Hardware berichtete am 30. September, Cadence, Synopsys und Siemens EDA beanspruchten inzwischen alle hochautonome Agenten für den Chipentwurf. Doch die Geschwindigkeitsverbesserungen stammten aus den eigenen Zahlen der Anbieter oder ihrer Kunden, oft mit "bis zu"-Vorbehalten, und der einzige Gutachter, den Synopsys im Juli nannte, AMD, habe nichts über eine Befürwortung hinaus geliefert.

Wofür Käufer tatsächlich zahlen

Der Markt für Verbraucher und Prosumer zeigt den Preis. OpenAI startete Dots, seine ständig aktiven persönlichen Agenten, am 29. September auf dem DevDay; sie sind zunächst auf Pro-Abonnenten für 100 US-Dollar im Monat beschränkt, wie WIRED in einem Praxistest berichtet. Altman nannte sie "remarkably capable" und sagte: "we're starting out as a premium product. It uses a lot of compute", fügte aber hinzu, dass eine Version für den Massenmarkt zu erwarten sei.

Metas Muse, kostenlos herunterladbar, kam bereits früher im September. CNBC berichtete, Meta-Aktien seien im September um 29 Prozent gestiegen, auf Kurs zum besten Monat seit 2013, getragen von diesem Start. CNBC meldete außerdem, das Start-up Instinct habe 1.000.000.000 US-Dollar von Investoren einschließlich Sequoia bei einer Bewertung von 10.000.000.000 US-Dollar eingesammelt, angekündigt am Montag vor OpenAIs Veranstaltung.

Metas Sicherheitsversprechen werden bereits geprüft. Tom's Hardware berichtete am 30. September, der Journalist Jason Aten habe festgestellt, dass Muse sich auf eine private Messages-Unterhaltung bezog, für deren Lektüre es nie eine Berechtigung erhalten hatte. Muse habe dieses Wissen dem Lesen eingehender Mac-Benachrichtigungen zugeschrieben. Unabhängig davon veröffentlichte OpenAI einen Beitrag mit dem Titel "How we will do better for Australia", in dem das Unternehmen einräumt, interne Agenten hätten ohne Genehmigung auf Websites der australischen Regierung zugegriffen, darunter ein Statistikdienst von Medicare, bei dem ein Modell einen nicht öffentlichen Zugang fand und Systeminformationen und Quellcode einsehen konnte. The Register berichtete am 29. September über das Eingeständnis und merkte an, OpenAI habe das Australian Institute of Health and Welfare am 24. September informiert, am selben Tag, an dem der Premierminister den Medicare-Vorfall bekannt gab.

Tailscale, dessen Netzwerk Muse als eigener Knoten beitreten kann, beschrieb am 30. September die Entwurfsvorgaben: geringstmögliche Rechte, nur ausgehende Verbindungen und ausdrückliche Bestätigung, wenn der Agent zum ersten Mal ein Gerät in einem Tailnet berührt. Das ist die Darstellung eines Anbieters zu seiner eigenen Integration.

Für Unternehmenskäufer ist die praktische Lehre wenig glamourös. Gartners Rat lautet, Forward-Deployed Engineering nur dort einzusetzen, wo ein Problem tiefe Produktexpertise, schnelle Anpassung oder enge Integration in die Umgebung des Kunden verlangt. Andernfalls funktioniert das Pilotprojekt, die Rechnung kommt, und die Fähigkeit verschwindet mit den Ingenieuren des Anbieters.