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 darin, Agenten an Geschäftssysteme anzubinden, Berechtigungen zu steuern und die tatsächlichen Kosten zu erfassen. Für den Multi-Cloud-Betrieb, die Softwareentwicklung im Einzelhandel, den Kundenservice von Banken und das Qualitätsmanagement im Gesundheitswesen wurden konkrete Vorgehensweisen vorgestellt. Eine Studie zum Versicherungsvertrieb in China mahnt Unternehmen zugleich zur Vorsicht: Wenn Maschinen einen Teil der Aufgaben übernehmen, kann sich das Verhalten der Menschen verändern – und das Endergebnis muss dadurch nicht besser werden.[1][2][3][4][5][6]

Topthema der Woche: Eon macht die Anbindung von Agenten zu einer zentral steuerbaren Infrastruktur

Bisher mussten Entwickler für die Fehleranalyse Zugangsdaten und lokale MCP-Dienste für Kubernetes, Grafana, GitHub und mehrere Cloud-Plattformen jeweils separat konfigurieren. Neue Mitarbeitende benötigten für diese Einrichtung in der Regel etwa zwei Tage. Nachdem Eon die Tool-Zugänge über Amazon Bedrock AgentCore Gateway gebündelt hatte, verkürzte sich die Einrichtungszeit nach eigenen Angaben auf etwa zwei Minuten.

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

Unternehmen können daraus eine sinnvolle technische Reihenfolge ableiten: zunächst vorhandene Tools und sensible Daten erfassen, klären, „wer was lesen und wer was schreiben darf“, anschließend Berechtigungen für die verschiedenen Entwicklungsrollen vergeben und erst dann große Sprachmodelle auf die Tools zugreifen lassen. So benötigen neue Mitarbeitende nicht nur weniger Zeit für die Einrichtung ihrer Umgebung. Auch der Wartungsaufwand durch verstreute Zugangsdaten, Konfigurationsdrift und kontoübergreifende Netzwerkverbindungen sinkt. Das gilt besonders für Teams, die Entwicklungsagenten wie Codex und Claude Code einsetzen: Die Zugriffsschicht für Tools sollte unabhängig vom Modell sein, damit nicht bei jedem Wechsel des Agenten eine neue Sicherheitsarchitektur aufgebaut werden muss.[1]

Die Verkürzung „von zwei Tagen auf zwei Minuten“ ist allerdings eine von Eon selbst gemeldete interne Kennzahl für die Einrichtung von Zugängen beim Onboarding. Daraus lässt sich weder eine ebenso starke Beschleunigung 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 übernehmen ließe.[1]

Weitere wichtige Meldungen

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

Cognizant und Google Cloud stellten am 19. Oktober ein Kundenprojekt aus dem Einzelhandel vor: Gemini-Modelle wurden in den gesamten Softwareentwicklungszyklus integriert, statt Entwickler lediglich beim Schreiben von Code zu unterstützen. Cognizant meldet eine um 40 % höhere Entwicklerproduktivität, eine um 30 % kürzere Markteinführungszeit und eine Senkung der damit verbundenen Kosten um 35 %. Für diesen Ansatz haben die beiden Unternehmen außerdem ein spezialisiertes Kompetenzteam aufgebaut, das von mehr als 18.000 Entwicklern 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 die ursprüngliche Vergleichsbasis noch das Stichprobenverfahren, den Berechnungszeitraum oder Veränderungen der Softwarequalität offen. Die Zahlen sollten daher nicht als allgemein gültiger Nutzen für die gesamte Branche verstanden werden. Unternehmen sollten zugleich die Zeit bis zur Umsetzung von Anforderungen, Nacharbeiten aufgrund von Fehlern, den Wartungsaufwand nach der Auslieferung und die Tool-Ausgaben erfassen. Warum das wichtig ist: Entscheidend für einen Vergleich ist nicht die Geschwindigkeit der Codegenerierung, sondern der Gesamtaufwand, um eine nutzbare Funktion unter denselben Qualitätsanforderungen bereitzustellen.[2]

2. IBM integriert 6.000 KI-Agenten in Arbeitsabläufe und hält an menschlicher Prüfung fest

Laut einem am 18. Oktober erstmals im Financial Express veröffentlichten Interview hat IBM Consulting rund 6.000 unterschiedliche KI-Agenten in mehr als 150 Arbeitsabläufe integriert. Die zugehörige Plattform unterstützt über 2.000 Projekte, davon mehr als 500 mit Bereitstellungen bei Kunden. Ein konkretes Beispiel ist die Untersuchung von Sicherheitsvorfällen: Eine Untersuchung, die früher etwa 45 Minuten dauerte, benötigt nun rund 2 Minuten Bearbeitung durch einen KI-Agenten und anschließend etwa 10 Minuten menschliche Prüfung. Nach Angaben eines IBM-Verantwortlichen kann die gleiche Zahl an Mitarbeitenden damit etwa dreimal so viele Bedrohungen bearbeiten.[3]

Besonders bemerkenswert ist hier die Messmethode: IBM setzt in Bangalore ein eigenes Team ein, das Arbeitsabläufe „mit KI-Agenten“ und „ohne KI-Agenten“ vergleichend testet. Das Unternehmen räumt auch ein, dass manche Integrationen die Produktivität sogar senken. Die Zahl 6.000 bezeichnet die Anzahl der Agenten, nicht die Zahl erfolgreicher Geschäftsanwendungen. Die Aufteilung der Bearbeitungszeit in eine maschinelle und eine menschliche Phase liefert eine Kennzahl, die dem tatsächlich nutzbaren Ergebnis näherkommt. Warum das wichtig ist: Verantwortliche sollten hinterfragen, wie viel Zeit für Nachprüfung, Fehlerkorrektur und Eskalationen noch anfällt, bevor die Ergebnisse der Agenten in verbindliche Entscheidungen einfließen.[3]

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

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

Hervorzuheben ist, dass es sich um eine Beobachtungsstudie in einem einzigen Unternehmen und um Schlussfolgerungen aus einem Forschungsmodell handelt. Die Arbeit liegt derzeit als Preprint vor; die Ergebnisse lassen sich nicht zwangsläufig auf alle Kundenservice-Szenarien übertragen. Warum das wichtig ist: Nach der Einführung sollte neben dem Anteil der automatisiert bearbeiteten Anfragen auch beobachtet werden, wie sich Abschlussquoten, die Zahl menschlicher Nachfasskontakte, die Ergebnisse verschiedener Schichten und die Anreizsysteme verändern. Sonst kann eine „stärker ausgelastete Maschine“ einen Rückgang der Gesamtleistung verdecken.[4]

4. Riverty verbindet bei der Neugestaltung des Kundenservice Process Mining mit KI-Agenten

Laut Reply wurde das Omnichannel-Kontaktcenter in rund 100 Tagen aufgebaut. Die durchschnittliche Bearbeitungszeit pro Kundenfall sank um 35 %. Damit liegt ein bereits umgesetztes Beispiel für einen Kundenservice-Prozess vor, nicht nur die Präsentation eines neuen Softwareprodukts.[5]

Die veröffentlichten Unterlagen enthalten keine Angaben zur Zusammensetzung der Fälle, zur Stichprobengröße oder dazu, ob spätere Kontakte zur Nachbesserung einbezogen wurden. Auch die Kostenverteilung zwischen Agenten und menschlichen Mitarbeitenden wird nicht ausgewiesen. Die 35 % sind daher als Veränderung der durchschnittlichen Bearbeitungszeit bei diesem Kunden zu verstehen und dürfen nicht als „35 % niedrigere Kundenservice-Kosten“ ausgelegt werden. Warum das wichtig ist: Wenn Unternehmen Einsatzbereiche für die Automatisierung ihres Kundenservice auswählen, sollten sie zunächst nach häufigen Abläufen mit klaren Regeln und überprüfbaren Ergebnissen suchen. Deren Nutzen lässt sich besser nachweisen als der eines zunächst angeschafften universellen Chatbots.[5]

5. Octave schafft zunächst eine mandantenfähige Basis, bevor Agenten Beschwerden zu Medizinprodukten bearbeiten

AWS und Octave veröffentlichten am 20. Oktober gemeinsam ein Praxisbeispiel zur technischen Umsetzung von KI in regulierten Branchen wie Medizintechnik, Pharma und Lebensmittel.

Nach den veröffentlichten technischen Angaben erreicht die Stapelverarbeitung einen Durchsatz von bis zu rund 1,4 Millionen Dokumenten je Mandanten-Workload innerhalb von 24 Stunden. Diese Zahl beschreibt die Kapazität der Datenverarbeitungspipeline und bedeutet nicht, dass täglich 1,4 Millionen Beschwerden automatisch gelöst werden. Die Ergebnisse der Agenten müssen weiterhin auf die Originaldateien zurückführbar sein, die Recherche nach Belegen ermöglichen und eine menschliche Beurteilung zulassen. Warum das wichtig ist: Für Plattformen mit mehreren Kunden, mehreren Sprachen und Compliance-Anforderungen sind vorrangige Investitionen in Datenisolierung, die Weitergabe von Identitätsinformationen und Beobachtbarkeit häufig nachhaltiger als das bloße Anhäufen von zehn Anwendungsdemos.[6]

Zahlen auf einen Blick

• 2 Tage → 2 Minuten: Laut eigenen Angaben von Eon hat sich die Zeit für die Anbindung neuer Entwickler an die Tools entsprechend verkürzt. Dabei geht es um Identitäten in mehreren Clouds und einen zentralen MCP-Zugang, nicht um die Geschwindigkeit der Fehlerbehebung.[1]
• 40 % / 30 % / 35 %: Cognizant nennt für einen Einzelhandelskunden eine Produktivitätssteigerung, eine kürzere Markteinführungszeit und Kosteneinsparungen in dieser Höhe. Eine unabhängige öffentliche Prüfung liegt bislang nicht vor.[2]
• 6000 / 150+: Die von IBM Consulting veröffentlichten Zahlen zu Agenten und Prozessen, in die sie bereits integriert sind, lassen sich nicht unmittelbar als Geschäftsnutzen werten.[3]
• Rund 500.000 Datensätze: So groß ist der Bestand an Beobachtungsdaten zu ausgehenden Anrufen, den eine chinesische Studie zu Sprachagenten im Versicherungsbereich verwendet. Die Studie stellte bei einem Teil der menschlichen Servicekräfte sinkende Abschlussquoten fest.[4]
• 1,4 Millionen Dokumente/24 Stunden: Dies ist der in einem technischen Beitrag von Octave genannte 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 lieferte sie Antworten zur Fehlerbehebung vor Ort in weniger als 5 Minuten. Als Vergleich dient die Schätzung des Anbieters von bis zu rund 3 Stunden bei manueller Bearbeitung; eine Langzeitstatistik liegt noch nicht vor.[7]
• KI-Betriebskosten: Cisco veröffentlichte am 20. Oktober eine Splunk-Umfrage unter 2050 IT- und Technikfachkräften aus 10 Ländern. 83 % der Befragten sorgen sich um unbeabsichtigte Folgen von Agenten – ein Hinweis für Unternehmen, 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. Dieser bietet mehr als 40 Tools für Lese- und Schreibzugriffe, Tabellen und Automatisierung. Der Beitrag zeigt außerdem die Aufrufabläufe mit Amazon Quick und Kiro. Es handelt sich um eine Anleitung zur technischen Umsetzung, nicht um eine Prüfung der Effizienzgewinne.[10]
• Einsatz in Behördensystemen: Google Cloud zitierte am 20. Oktober eine Umfrage im öffentlichen Sektor: 96,3 % der befragten Einrichtungen haben mindestens eine Art von Agenten ausprobiert, doch nur 9 % setzen sie in der gesamten Organisation ein. Die im selben Beitrag vorgestellte neue Plattform für Verwaltungsdienste befindet sich noch in der Vorschauphase.[11]
• Services für Bankbeschäftigte: IT Pro berichtete am 15. Oktober, dass BMO bereits im Juni einen Workday-Selfservice-Agenten für 55.000 Beschäftigte eingeführt und eine abteilungsübergreifende KI-Governance etabliert hatte. Da der Bericht keine eingesparten Arbeitsstunden nennt, führen wir nur den Nutzungsumfang auf, keinen ROI.[12]

Beobachtungen der Redaktion

Bemerkenswert ist, dass die überzeugendsten Beispiele dieser Woche nicht zeigen, „wie viele Menschen Agenten ersetzt haben“, sondern wie die Beleglage für einzelne Aufgaben zunehmend klarer wird: Eon misst die Anbindungszeit, IBM unterscheidet zwischen maschineller Verarbeitung und menschlicher Nachprüfung, Octave misst den Datendurchsatz, der Einzelhandelskunde die Bereitstellungsdauer und die Versicherungsstudie die tatsächlichen Abschlüsse. Die Bezugsgrößen unterscheiden sich und erlauben daher keine direkte Rangfolge.[1][2][3][4][6]

Unserer Ansicht nach sollten Unternehmensverantwortliche als Nächstes vor allem eine tatsächlich nachrechenbare „Implementierungsbilanz“ einfordern: Für dieselben Aufgaben, dieselben Stichproben und dasselbe Serviceniveau werden die Kosten für Modell- und Tool-Aufrufe, die Datenaufbereitung, die Prüfzeit der Mitarbeitenden, die Fehlerbehebung, Sicherheitsaudits sowie den Systembetrieb und die Wartung erfasst. Die Ergebnisse sollten in vier Kategorien offengelegt werden: interne Tests, Beobachtungen im Produktivbetrieb, Eigenangaben der Anbieter und unabhängige Studien. Kostenpositionen, für die keine Daten verfügbar sind, sollten besonders gekennzeichnet werden. So lässt sich vermeiden, Budgets anhand extremer Prozentwerte aus Demos zu planen. Zugleich wird deutlich, in welchen Anwendungsszenarien sich ein breiterer Einsatz lohnt und wo Berechtigungen eingeschränkt oder Anreizsysteme für Mitarbeitende neu gestaltet werden müssen.[3][4][9]

Was wir als Nächstes im Blick behalten

Alle Prozentangaben und Angaben zum Verarbeitungsumfang in dieser Ausgabe sind nach ihrer Evidenzgrundlage gekennzeichnet: Eigenangaben der Anbieter, journalistische Interviews oder Beobachtungen aus wissenschaftlichen Arbeiten. Sie wurden nicht in einen unbestätigten ROI umgerechnet. Der NIUX-RSS-Feed der letzten 14 Tage ließ sich nicht direkt abrufen. Anhand zugänglicher Website-Indizes und protokollierter Aufgaben der Website wurde bereits auf offensichtliche thematische Dopplungen geprüft; bei der vollständigen rubrikübergreifenden Dublettenprüfung bestehen jedoch weiterhin Lücken.

Quellen

1. Wie Eon mit einem MCP-Gateway auf Amazon Bedrock AgentCore cloudübergreifende Untersuchungen ermöglicht hat — AWS Machine Learning Blog, abgerufen am 22.10.2026
2. Cognizant und Google Cloud erweitern ihre Allianz, um die Unternehmenstransformation durch 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 eine sichere, mandantenfähige KI-Grundlage auf Amazon Bedrock 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