KI in der Praxis – Wochenrückblick | 15.–22. Oktober | Eon verkürzt die Agentenanbindung von zwei Tagen auf zwei Minuten

In den vergangenen sieben Tagen zeigte sich der Fortschritt bei Unternehmens-KI weniger in zusätzlichen Modellen als vielmehr darin, Agenten an Geschäftssysteme anzubinden, Berechtigungen zu steuern und die tatsächlichen Kosten zu erfassen. Aus dem Multi-Cloud-Betrieb, der Softwareentwicklung im Einzelhandel, dem Bankkundenservice und dem Qualitätsmanagement im Gesundheitswesen wurden konkrete Ansätze vorgestellt. Eine Studie zum Versicherungsvertrieb in China erinnert Unternehmen zudem daran: Wenn Maschinen einen Teil der Aufgaben übernehmen, kann sich das Verhalten der Menschen ändern – und das Gesamtergebnis muss dadurch nicht besser werden.[1][2][3][4][5][6]

Topthema der Woche: Eon macht die Agentenanbindung zu einer zentral steuerbaren Infrastruktur

Bisher mussten Entwicklungsfachkräfte für die Fehlersuche Zugangsdaten und lokale MCP-Dienste für Kubernetes, Grafana, GitHub und mehrere Cloud-Plattformen separat konfigurieren. Neue Mitarbeitende benötigten für diese Einrichtung üblicherweise etwa zwei Tage. Nachdem Eon den Werkzeugzugriff über Amazon Bedrock AgentCore Gateway vereinheitlicht hatte, verkürzte sich die Einrichtungszeit nach eigenen Angaben auf rund zwei Minuten.

Dabei geht es um mehr, als ein gutes Dutzend APIs an ein Chatfenster anzuschließen. Die zuvor über einzelne Rechner und Skripte verstreute Verwaltung von Zugangsdaten wurde zu einem einheitlichen Prozess zusammengeführt, der sich auditieren und aktualisieren lässt und in dem Berechtigungen entzogen werden können.[1]

Unternehmen können sich vor allem an der technischen Reihenfolge orientieren: Zunächst vorhandene Werkzeuge und sensible Daten erfassen und klären, „wer was lesen und wer was schreiben darf“. Anschließend Berechtigungen für unterschiedliche Entwicklungsrollen einrichten – und erst dann dem Sprachmodell den Werkzeugzugriff ermöglichen. Das verkürzt nicht nur die Einrichtung der Arbeitsumgebung für neue Mitarbeitende, sondern senkt auch den Wartungsaufwand durch verstreute Zugangsdaten, Konfigurationsdrift und kontoübergreifende Netzwerkverbindungen. Das gilt besonders für Teams, die Entwicklungsagenten wie Codex oder Claude Code einsetzen: Die Werkzeugzugriffsschicht sollte unabhängig vom Modell sein, damit nicht bei jedem Agentenwechsel eine neue Sicherheitsarchitektur aufgebaut werden muss.[1]

Allerdings sind die „zwei Tage auf zwei Minuten“ eine von Eon selbst gemeldete interne Kennzahl für die Einrichtung beim Onboarding. Daraus lässt sich weder eine gleich große Beschleunigung bei der Behebung von Produktionsstörungen noch eine unternehmensweite Kapitalrendite ableiten. Der Artikel enthält keine vollständigen Angaben zu Infrastrukturkosten, personellem Wartungsaufwand oder unabhängigen Prüfergebnissen. Übertragbar ist der Architekturansatz – nicht eine Einsparungszahl, die sich ohne Weiteres auf andere Unternehmen anwenden ließe.[1]

Weitere wichtige Meldungen

1. Einzelhandelsunternehmen integriert KI in den gesamten Entwicklungszyklus – Anbieter meldet drei Ergebnisse

Cognizant und Google Cloud stellten am 19. Oktober ein Kundenbeispiel aus dem Einzelhandel vor: Gemini-Modelle wurden in den gesamten Softwareentwicklungszyklus eingebunden, statt sie lediglich zur Codeerstellung einzusetzen. Cognizant berichtet von einer um 40 % höheren Entwicklerproduktivität, einer um 30 % kürzeren Markteinführungszeit und einer Senkung der damit verbundenen Kosten um 35 %. Für diesen Ansatz haben die beiden Unternehmen zudem ein spezialisiertes Kompetenzteam aufgebaut, das von mehr als 18.000 Entwicklungsfachkräften unterstützt wird und künftig die Modernisierung von Altsystemen, die Automatisierung von Geschäftsprozessen und Sicherheitsaufgaben abdecken soll.[2]

Diese drei Prozentangaben stammen aus der Darstellung des Dienstleisters zu einem nicht namentlich genannten Kunden. Die Mitteilung legt weder Ausgangswerte noch Stichprobenverfahren, Berechnungszeitraum oder Veränderungen der Softwarequalität offen. Die Zahlen sollten daher nicht als branchenweit gültige Nutzenwerte verstanden werden. Unternehmen sollten gleichzeitig die Bearbeitungszeit von Anforderungen, Nacharbeiten zur Fehlerbehebung, den Wartungsaufwand nach der Auslieferung und die Werkzeugkosten erfassen. Warum das wichtig ist: Der entscheidende Vergleichsmaßstab ist nicht die Geschwindigkeit der Codegenerierung, sondern die Gesamtkosten für die Bereitstellung einer nutzbaren Funktion bei gleichen Qualitätsanforderungen.[2]

2. IBM integriert 6000 Agenten in Arbeitsabläufe und setzt weiterhin auf menschliche Prüfung

Laut einem am 18. Oktober erstmals veröffentlichten Interview der Financial Express hat IBM Consulting rund 6000 unterschiedliche Agenten in mehr als 150 Arbeitsabläufe eingebunden. Die zugehörige Plattform unterstützt über 2000 Projekte, von denen mehr als 500 Implementierungen bei Kunden betreffen. Ein konkretes Beispiel sind Sicherheitsuntersuchungen: Eine Untersuchung, die früher rund 45 Minuten dauerte, wird nun in etwa 2 Minuten von Agenten bearbeitet und anschließend rund 10 Minuten von Mitarbeitenden geprüft. Laut einem IBM-Verantwortlichen lässt sich mit derselben Personalstärke etwa die dreifache Zahl an Bedrohungen bearbeiten.[3]

Besonders beachtenswert ist hier die Messmethode: IBM setzt in Bangalore ein spezialisiertes Team ein, das Arbeitsabläufe „mit Agenten“ und „ohne Agenten“ vergleichend testet. Das Unternehmen räumt auch ein, dass manche Integrationen die Produktivität sogar verringern. Die Zahl 6000 bezeichnet die Anzahl der Agenten, nicht die Zahl erfolgreicher Geschäftsanwendungen. Erst die Aufteilung der Bearbeitungszeit in eine maschinelle und eine menschliche Phase liefert Kennzahlen, die dem tatsächlich nutzbaren Ergebnis näherkommen. Warum das wichtig ist: Verantwortliche sollten nachfragen, wie viel Zeit für Nachprüfung, Fehlerkorrektur und Eskalationsbearbeitung noch anfällt, bevor Agentenergebnisse in verbindliche Entscheidungen einfließen.[3]

3. Studie zum Versicherungsvertrieb in China: Mehr hochwertige Leads, aber weniger Abschlüsse

Maschinen übernehmen Kunden mit geringem Kaufinteresse, während menschliche Mitarbeitende im Telefonvertrieb Leads mit höherem Kaufinteresse kontaktieren. Die Studie zeigt, dass der Anteil solcher Leads bei den ersten drei Anrufen des Tages um rund 23 Prozentpunkte stieg. Gleichzeitig sank jedoch die Wahrscheinlichkeit, dass die menschlichen Mitarbeitenden einen Kunden gewinnen, um etwa 5 Prozentpunkte. Zudem wurden Leads zu Tagesbeginn häufiger neu zugewiesen, und die Gesprächsdauer verkürzte sich.[4]

Wichtig ist: Es handelt sich um eine Beobachtungsstudie in einem einzelnen Unternehmen sowie um Schlussfolgerungen aus einem Forschungsmodell. Die Arbeit liegt derzeit als Preprint vor; ihre Ergebnisse lassen sich nicht zwangsläufig auf alle Kundenservice-Szenarien übertragen. Warum das wichtig ist: Nach der Einführung sollten Unternehmen neben der Automatisierungsquote auch die Abschlussquote, die Anzahl menschlicher Nachfasskontakte, die Ergebnisse verschiedener Schichten und mögliche Veränderungen im Anreizsystem überwachen. Andernfalls kann eine höhere Maschinenauslastung einen Rückgang der Gesamtleistung verdecken.[4]

4. Riverty verbindet beim Umbau des Kundenservice Process Mining mit Agenten

Nach Angaben von Reply wurde das Omnichannel-Kontaktcenter in rund 100 Tagen aufgebaut. Die durchschnittliche Bearbeitungszeit pro Kundenfall sank um 35 %. Es handelt sich um ein bereits umgesetztes Projekt zur Optimierung von Kundenservice-Prozessen, nicht lediglich um die Präsentation eines neuen Softwareprodukts.[5]

Die veröffentlichten Unterlagen enthalten keine Angaben zur Zusammensetzung der Fälle, zur Stichprobengröße oder dazu, ob nachträgliche Kontakte zur Problembehebung berücksichtigt wurden. Auch die Kostenaufteilung zwischen Agenten und menschlichen Mitarbeitenden bleibt offen. Die 35 % sind daher als Veränderung der durchschnittlichen Bearbeitungszeit bei diesem Kunden zu verstehen, nicht als „Senkung der Kundenservice-Kosten um 35 %“. Warum das wichtig ist: Bei der Auswahl von Einsatzbereichen für die Automatisierung des Kundenservice sollten Unternehmen zunächst nach häufig wiederkehrenden Prozessen mit klaren Regeln und überprüfbaren Ergebnissen suchen. Deren Nutzen lässt sich besser nachweisen als der eines vorab angeschafften universellen Chatbots.[5]

5. Octave schafft zuerst eine mandantenfähige Basis und lässt dann Agenten Beschwerden im Gesundheitswesen bearbeiten

AWS und Octave stellten am 20. Oktober gemeinsam Praxisbeispiele für die technische Umsetzung von KI in regulierten Branchen wie Medizintechnik, Pharma und Lebensmittel vor.

Den veröffentlichten technischen Angaben zufolge erreicht die Stapelverarbeitung einen Durchsatz von rund 1,4 Millionen Dokumenten je Mandanten-Workload innerhalb von 24 Stunden. Diese Zahl beschreibt die Leistungsfähigkeit der Datenverarbeitungspipeline und bedeutet nicht, dass täglich 1,4 Millionen Beschwerden automatisch gelöst werden. Agentenergebnisse müssen weiterhin auf die Originaldateien zurückführbar sein, die Recherche nach Belegen ermöglichen und einer menschlichen Beurteilung zugänglich bleiben. Warum das wichtig ist: Für Plattformen mit mehreren Kunden, mehreren Sprachen und Compliance-Anforderungen sind vorrangige Investitionen in Datenisolierung, Identitätsweitergabe und Beobachtbarkeit häufig nachhaltiger, als lediglich zehn einzelne Anwendungsdemos aneinanderzureihen.[6]

Zahlen im Überblick

• 2 Tage → 2 Minuten: Laut eigenen Angaben von Eon hat sich die Zeit für die Tool-Anbindung neuer Entwickler entsprechend verkürzt; dabei geht es um Multi-Cloud-Identitäten und einen zentralen MCP-Zugang, nicht um die Geschwindigkeit der Fehlerbehebung.[1]
• 40 % / 30 % / 35 %: Cognizant berichtet bei einem Einzelhandelskunden von einer Produktivitätssteigerung, einer verkürzten Markteinführungszeit und Kosteneinsparungen. Eine öffentlich zugängliche unabhängige Prüfung liegt bislang nicht vor.[2]
• 6000 / 150+: Die von IBM Consulting veröffentlichten Zahlen zu Agenten und Prozessen, in die diese bereits eingebunden sind, lassen sich nicht unmittelbar als geschäftlicher Nutzen werten.[3]
• Rund 500.000 Datensätze: So groß ist der Bestand an Beobachtungsdaten zu ausgehenden Anrufen, den eine chinesische Studie über Sprachagenten im Versicherungsbereich verwendet hat; die Studie stellte bei einem Teil der menschlichen Callcenter-Mitarbeiter sinkende Abschlussquoten fest.[4]
• 1,4 Millionen Dokumente/24 Stunden: Der in einem technischen Artikel von Octave veröffentlichte Durchsatz einer Dokumentenverarbeitungspipeline für einen einzelnen Mandanten – nicht die Zahl abgeschlossener Beschwerdefälle.[6]

Kurzmeldungen

• Agenten in der Private Cloud: Deliverance AI stellte am 19. Oktober eine gemeinsam mit HPE validierte Lösung für kontrollierte Agenten vor; bei einem britischen Mobilfunkanbieter dauerte die dialoggestützte Fehlerdiagnose vor Ort weniger als 5 Minuten. Als Vergleich dient die Schätzung des Betreibers von bis zu rund 3 Stunden bei manueller Bearbeitung – eine Langzeitstatistik ist das noch nicht.[7]
• KI-Betriebskosten: Cisco veröffentlichte am 20. Oktober eine Splunk-Umfrage unter 2050 IT- und Engineering-Fachkräften aus 10 Ländern; 83 % der Befragten sorgen sich um unbeabsichtigte Folgen durch Agenten. Das unterstreicht, wie wichtig es für Unternehmen ist, Qualität, Berechtigungen und Kosten im Blick zu behalten.[9]
• Anbindung an das Projektmanagement: AWS stellte am 20. Oktober den allgemein verfügbaren MCP-Dienst von Smartsheet vor. Er bietet mehr als 40 Tools für Lese- und Schreibzugriffe, Tabellen und Automatisierung und zeigt Aufrufabläufe mit Amazon Quick und Kiro; der Beitrag ist ein technischer Implementierungsleitfaden, keine Prüfung der Effizienzgewinne.[10]
• Einsatz in Behördensystemen: Google Cloud verwies am 20. Oktober auf eine Umfrage im öffentlichen Sektor: 96,3 % der befragten Organisationen haben zumindest eine Form von Agenten erprobt, aber nur 9 % setzen sie organisationsweit ein. Die im selben Artikel vorgestellte neue Plattform für Verwaltungsdienstleistungen befindet sich noch in der Vorschauphase.[11]
• Services für Bankmitarbeiter: IT Pro berichtete am 15. Oktober, dass BMO bereits im Juni einen Self-Service-Agenten von Workday für 55.000 Beschäftigte eingeführt und eine abteilungsübergreifende KI-Governance etabliert hat. Der Bericht nennt keine eingesparten Arbeitsstunden; deshalb wird hier nur der Nutzungsumfang aufgeführt, kein ROI.[12]

Einschätzung der Redaktion

Bemerkenswert ist, dass die überzeugendsten Beispiele dieser Woche nicht zeigen, „wie viele Menschen Agenten ersetzt haben“, sondern dass die Beleglage für die einzelnen Aufgaben zunehmend klarer wird: Eon misst die Anbindungszeit, IBM trennt maschinelle Verarbeitung und menschliche Prüfung, Octave misst den Datenverarbeitungsdurchsatz, der Einzelhandelskunde die Lieferzyklen und die Versicherungsstudie die tatsächlichen Abschlüsse. Die Bezugsgrößen unterscheiden sich – ein direktes Ranking ist daher nicht möglich.[1][2][3][4][6]

Unserer Ansicht nach sollten Unternehmensverantwortliche als Nächstes vor allem eines einfordern: eine wirklich nachrechenbare „Praxisbilanz“. Für dieselben Aufgaben, dieselben Stichproben und dasselbe Serviceniveau sollten darin die Kosten für Modell- und Tool-Aufrufe, die Datenaufbereitung, die Prüfzeit der Mitarbeitenden, die Fehlerbehebung, Sicherheitsaudits und den Systembetrieb erfasst werden. Die Ergebnisse sollten getrennt nach vier Evidenzkategorien offengelegt werden: interne Tests, Beobachtungen im Produktivbetrieb, Anbieterangaben und unabhängige Studien. Nicht verfügbare Kostenpositionen sollten ausdrücklich gekennzeichnet werden. So lässt sich vermeiden, Budgets auf Basis extremer Prozentwerte aus Demos zu planen. Gleichzeitig wird deutlich, in welchen Einsatzbereichen sich eine breitere Einführung lohnt und wo Berechtigungen eingeschränkt oder Anreizsysteme für Mitarbeitende neu gestaltet werden müssen.[3][4][9]

Was wir als Nächstes im Blick behalten

Bei allen Prozentangaben und Angaben zum Verarbeitungsumfang in dieser Ausgabe ist die jeweilige Evidenzkategorie ausgewiesen: Anbieterangaben, journalistische Interviews oder Beobachtungen aus wissenschaftlichen Arbeiten. Daraus wurden keine unbestätigten ROI-Werte abgeleitet. Die NIUX-RSS-Einträge der letzten 14 Tage ließen sich nicht direkt abrufen. Mithilfe zugänglicher Website-Indizes und der Aufgabenprotokolle der Website wurde nach offensichtlichen thematischen Überschneidungen gesucht; bei der vollständigen rubrikübergreifenden Dublettenprüfung bestehen jedoch weiterhin Lücken.

Quellen

1. Wie Eon mit einem MCP-Gateway auf Amazon Bedrock AgentCore cloudübergreifende Analysen ermöglicht hat — AWS Machine Learning Blog, abgerufen am 22.10.2026
2. Cognizant und Google Cloud erweitern ihre Allianz, um die Unternehmenstransformation mit KI-Agenten zu beschleunigen — Cognizant, abgerufen am 22.10.2026
3. IBM setzt 6.000 KI-Agenten in Beratungsabläufen ein — Financial Express, abgerufen am 22.10.2026
4. Einsatz von KI-Sprachagenten und Reaktionen von Vertriebsmitarbeitenden in der chinesischen Online-Versicherungsvermittlung — arXiv, abgerufen am 22.10.2026
5. Reply präsentiert auf der Microsoft Frontier Tour agentische KI für Finanzdienstleistungen und den öffentlichen Sektor — Reply, abgerufen am 22.10.2026
6. Wie Octave auf Amazon Bedrock eine sichere, mandantenfähige KI-Grundlage geschaffen hat — AWS Machine Learning Blog, abgerufen am 22.10.2026
7. Deliverance AI und HPE stellen eine agentische Wissenslösung vor — Deliverance AI, abgerufen am 22.10.2026
8. ServiceNow entwickelt seinen Betriebsrahmen für Unternehmens-KI mit AI Passport und erweiterten Governance-Funktionen weiter — ServiceNow, abgerufen am 22.10.2026
9. Splunk-Bericht zum Stand der Observability 2026: Versteckte Kosten von KI-Agenten vermeiden — Cisco, abgerufen am 22.10.2026
10. Arbeitsmanagement-Kontext für KI-Agenten mit Smartsheet MCP auf AWS — AWS Machine Learning Blog, abgerufen am 22.10.2026
11. Ankündigungen und Höhepunkte des Google Public Sector Summit 2026 — Google Cloud, abgerufen am 22.10.2026
12. Workday-Kunden zeigen, wie sich der Mehrwert von KI erschließen lässt — IT Pro, abgerufen am 22.10.2026