Databricks beobachtet den Übergang von Unternehmens-KI zu agentenbasierten Systemen

Laut Databricks entwickelt sich die Einführung von KI in Unternehmen in Richtung agentenbasierter Systeme, da Organisationen intelligente Workflows implementieren.

Die erste Welle generativer KI versprach eine Transformation der Geschäftswelt, führte jedoch häufig zu isolierten Chatbots und ins Stocken geratenen Pilotprogrammen. Technologieführer sahen sich hohen Erwartungen bei begrenzter praktischer Verwendbarkeit gegenüber. Aktuelle Daten von Databricks deuten jedoch darauf hin, dass der Markt einen Wendepunkt erreicht hat.

Informationen von über 20.000 Unternehmen – darunter 60 % der Fortune-500-Unternehmen – zeigen einen raschen Übergang zu „agentenbasierten” Architekturen, bei denen Modelle nicht nur Informationen abrufen, sondern auch autonom Workflows planen und ausführen.

Dieser Wandel stellt eine grundlegende Umverteilung der technischen Ressourcen dar. Zwischen Juni und Oktober 2025 stieg die Nutzung von Multi-Agent-Workflows auf der Databricks-Plattform um 327 %. Dieses Wachstum signalisiert die Entwicklung der KI zu einer Kernkomponente der Systemarchitektur.

Der „Supervisor Agent” treibt die Einführung von agentenbasierter KI in Unternehmen voran

Der „Supervisor Agent” treibt diese Expansion voran. Anstatt sich für jede Anfrage auf ein einziges Modell zu verlassen, fungiert ein Supervisor als Koordinator, der komplexe Abfragen aufschlüsselt und Aufgaben an spezialisierte Unteragenten oder Tools vergibt.

Seit seiner Einführung im Juli 2025 hat sich der Supervisor Agent zur führenden Agentenanwendung entwickelt und machte im Oktober 37 % der Nutzung aus. Dieser Ansatz spiegelt menschliche Organisationsstrukturen wider: Ein Manager führt nicht jede Aufgabe selbst aus, sondern sorgt dafür, dass das Team sie erledigt. In ähnlicher Weise übernimmt ein Supervisor Agent die Absichtserkennung und Compliance-Prüfungen, bevor er die Arbeit an domänenspezifische Tools weiterleitet.

Technologieunternehmen sind derzeit führend bei der Einführung dieser Technologie und bauen fast viermal mehr Multi-Agent-Systeme auf als jede andere Branche. Die Vorteile erstrecken sich jedoch über alle Branchen. Beispielsweise könnte ein Finanzdienstleistungsunternehmen ein Multi-Agent-System einsetzen, um gleichzeitig die Dokumentenabfrage und die Einhaltung gesetzlicher Vorschriften zu verwalten und so ohne menschliches Eingreifen verifizierte Kundenantworten zu liefern.

Traditionelle Infrastruktur unter Druck

Da Agenten zunehmend nicht mehr nur Fragen beantworten, sondern auch Aufgaben ausführen, steht die zugrunde liegende Dateninfrastruktur vor neuen Herausforderungen. Herkömmliche OLTP-Datenbanken (Online Transaction Processing) wurden für Interaktionen in menschlicher Geschwindigkeit mit vorhersehbaren Transaktionen und seltenen Schemaänderungen entwickelt. Agentische Workflows kehren diese Annahmen um.

KI-Agenten generieren nun kontinuierliche, hochfrequente Lese- und Schreibmuster und erstellen und zerstören oft programmgesteuert Umgebungen, um Code zu testen oder Szenarien auszuführen. Das Ausmaß dieser Automatisierung zeigt sich in den Daten. Vor zwei Jahren erstellten KI-Agenten nur 0,1 % der Datenbanken, heute sind es 80 %.

Darüber hinaus werden mittlerweile 97 % der Datenbank-Test- und Entwicklungsumgebungen von KI-Agenten erstellt. Diese Fähigkeit ermöglicht es Entwicklern und „Vibe-Codern“, temporäre Umgebungen in Sekundenschnelle statt in Stunden zu erstellen. Seit der öffentlichen Vorschau von Databricks Apps wurden über 50.000 Daten- und KI-Anwendungen entwickelt, mit einer Wachstumsrate von 250 % in den letzten sechs Monaten.

Der Multi-Modell-Standard

Die Bindung an einen bestimmten Anbieter bleibt ein anhaltendes Problem für Unternehmensleiter, die daran arbeiten, die Einführung von agentenbasierter KI voranzutreiben. Die Daten zeigen, dass Unternehmen dieses Problem aktiv angehen, indem sie Multi-Modell-Strategien implementieren. Im Oktober 2025 verwendeten 78 % der Unternehmen zwei oder mehr Large Language Model (LLM)-Familien, wie ChatGPT, Claude, Llama und Gemini.

Dieser Ansatz wird immer ausgefeilter. Der Anteil der Unternehmen, die drei oder mehr Modellfamilien einsetzen, stieg zwischen August und Oktober 2025 von 36 % auf 59 %. Diese Vielfalt ermöglicht es den Entwicklerteams, einfachere Aufgaben kleineren, kostengünstigeren Modellen zuzuweisen und fortgeschrittene Modelle für komplexe Denkprozesse zu reservieren.

Einzelhandelsunternehmen sind Vorreiter dieses Trends: 83 % von ihnen verwenden zwei oder mehr Modellfamilien, um Leistung und Kosten in Einklang zu bringen. Eine einheitliche Plattform, die verschiedene proprietäre und Open-Source-Modelle integrieren kann, wird für den modernen KI-Stack von Unternehmen schnell unverzichtbar.

Im Gegensatz zum herkömmlichen Big-Data-Ansatz der Stapelverarbeitung arbeitet die agentenbasierte KI hauptsächlich in Echtzeit. Der Bericht stellt fest, dass 96 % aller Inferenzanfragen sofort verarbeitet werden.

Dies zeigt sich besonders deutlich in Branchen, in denen Latenzzeiten einen direkten Einfluss auf den Wert haben. Der Technologiesektor verarbeitet 32 Echtzeitanfragen für jede einzelne Batch-Anfrage. Im Gesundheitswesen und in den Biowissenschaften, wo Anwendungen die Überwachung von Patienten oder die Unterstützung klinischer Entscheidungen umfassen können, liegt das Verhältnis bei 13 zu 1. Für IT-Führungskräfte unterstreicht dies die Notwendigkeit einer Infrastruktur für Inferenzdienste, die Traffic-Spitzen bewältigen kann, ohne die Benutzererfahrung zu beeinträchtigen.

Governance beschleunigt die Einführung von KI in Unternehmen

Die für viele Führungskräfte vielleicht am wenigsten intuitive Erkenntnis ist der Zusammenhang zwischen Governance und Geschwindigkeit. Strenge Governance- und Bewertungsrahmen, die oft als Engpass angesehen werden, beschleunigen tatsächlich die Produktionsbereitstellung.

Unternehmen, die KI-Governance-Tools einsetzen, stellen mehr als zwölfmal so viele KI-Projekte in der Produktion bereit wie Unternehmen, die darauf verzichten. Ebenso erzielen Unternehmen, die Bewertungstools zum systematischen Testen der Modellqualität einsetzen, fast sechsmal so viele Produktionsbereitstellungen.

Die Begründung dafür ist einfach. Governance bietet wichtige Leitplanken – wie die Definition der Datennutzung und die Festlegung von Ratenbegrenzungen –, die den Stakeholdern das Vertrauen geben, die Bereitstellung zu genehmigen. Ohne diese Kontrollen bleiben Pilotprojekte aufgrund nicht quantifizierter Sicherheits- oder Compliance-Risiken oft in der Proof-of-Concept-Phase stecken.

Der Wert der „langweiligen” Unternehmensautomatisierung durch agentenbasierte KI

Während autonome Agenten futuristische Fähigkeiten hervorrufen mögen, kommt der aktuelle Unternehmenswert aus agentenbasierter KI aus der Automatisierung routinemäßiger, alltäglicher, aber dennoch wesentlicher Aufgaben. Die wichtigsten KI-Anwendungen variieren je nach Branche, konzentrieren sich jedoch auf die Lösung spezifischer geschäftlicher Herausforderungen:

• Fertigung und Automobilindustrie: 35 % der Anwendungsfälle konzentrieren sich auf vorausschauende Wartung.

• Gesundheit und Biowissenschaften: 23 % der Anwendungsfälle betreffen die Synthese medizinischer Literatur.

• Einzelhandel und Konsumgüter: 14 % der Anwendungsfälle sind der Marktforschung gewidmet.

Darüber hinaus befassen sich 40 % der wichtigsten KI-Anwendungsfälle mit praktischen Kundenanliegen wie Kundensupport, Kundenbetreuung und Onboarding. Diese Anwendungen liefern messbare Effizienzsteigerungen und bauen die organisatorischen Fähigkeiten auf, die für fortgeschrittenere agentenbasierte Workflows erforderlich sind.

Für die Führungsetage bedeutet der Weg in die Zukunft, sich weniger auf die „Magie” der KI zu konzentrieren, sondern mehr auf die damit verbundene Ingenieurskunst. Dael Williamson, EMEA CTO bei Databricks, stellt fest, dass sich die Diskussion weiterentwickelt hat.

„Für Unternehmen in der gesamten EMEA-Region hat sich die Diskussion von KI-Experimenten hin zur operativen Realität verlagert”, sagt Williamson. „KI-Agenten übernehmen bereits wichtige Teile der Unternehmensinfrastruktur, aber die Organisationen, die einen echten Mehrwert erkennen, sind diejenigen, die Governance und Bewertung als Grundlage betrachten und nicht als Nebensache.”

Williamson betont, dass sich der Wettbewerbsvorteil wieder dahin verlagert, wie Unternehmen etwas aufbauen, anstatt nur darauf, was sie kaufen.

„Offene, interoperable Plattformen ermöglichen es Unternehmen, KI auf ihre eigenen Unternehmensdaten anzuwenden, anstatt sich auf integrierte KI-Funktionen zu verlassen, die zwar kurzfristig Produktivität bringen, aber keine langfristige Differenzierung.“

In stark regulierten Märkten ist diese Kombination aus Offenheit und Kontrolle „das, was Pilotprojekte von Wettbewerbsvorteilen unterscheidet“.

Siehe auch: Anthropic für den Aufbau eines staatlichen KI-Assistenten-Pilotprojekts ausgewählt

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Die umfassende Veranstaltung ist Teil der TechEx und findet zusammen mit anderen führenden Technologieveranstaltungen wie der Cyber Security & Cloud Expo statt. Klicken Sie hier für weitere Informationen.

AI News wird von TechForge Media unterstützt. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie.