Agentic AI im Channel: Wer die Architektur ignoriert, trägt das Projektrisiko

Was passiert, wenn ein Agentic AI-Projekt schlecht vorbereitet wird? Das Vertrauen in das System sinkt, so die Erfahrung aus der Praxis. "Irgendwann überlegen Mitarbeitende, ob sie es nicht doch lieber selbst erledigen, was jeden Automatisierungseffekt verpuffen lässt", stellen Johannes Böttcher und Jonas Grundler von Netgo Software fest. Sie legen dar, wie Partner vorgehen sollten.

Aktuell erleben wir eine sehr hohe Nachfrage rund um das Thema "Agentic AI". Das Versprechen erscheint verlockend: autonome Agenten, die Prozesse steuern, Entscheidungen vorbereiten und Systeme miteinander verknüpfen. Für Channel-Partner ist das erst einmal eine gute Nachricht.

Sie freuen sich über neues Geschäft und mögliche Gespräche auf C-Level-Ebene. Bis das erste Projekt scheitert. Und das passiert tatsächlich häufiger als es sein müsste. Die Ernüchterung kommt dabei oft mit den ersten Ergebnissen, nicht schon beim Projektstart.

Doch die Technologie ist meistens nicht das Problem. Vielmehr mangelt es an Vorbereitung in der Ablauforganisation, in den Unternehmensprozessen oder im Unternehmen selbst: weil niemand eine unbequeme, aber wesentliche Frage im Vorfeld gestellt hat: Ist die Systemlandschaft überhaupt bereit für einen Agenten?

Die Antwort ist meistens: nein. Das Problem kennen Partner. Nur sprechen sie es selten an.

Ob ERP, CRM oder DMS: In vielen Mittelstandsunternehmen wird in solchen und vergleichbaren Systemen isoliert voneinander gearbeitet. Dieselben Informationen werden mehrfach vorgehalten – oft mit unterschiedlichen Ständen und ohne eine verlässliche gemeinsame Datenbasis. Zugriffsrechte sind oftmals historisch gewachsen und werden nicht konzeptionell geplant. Integrationsprozesse fehlen oder funktionieren nur in eine Richtung.

Anfängliche Euphorie, dann Enttäuschung

Die echten Probleme zeigen sich dann, wenn die Daten zur Verfügung gestellt werden sollen: Welche der Kundenadressen im ERP- und CRM-System oder im DMS sind korrekt? Was bedeutet es, wenn ein Kunde im CRM-System und im DMS existiert – nicht aber im ERP-System? Inkonsistenzen lösen sich nicht von selbst, sondern sorgen anhaltend für Störungen und halten Projekte auf, sofern diese nicht bereinigt werden. Oft geht dies mit manuellem Aufwand einher.

Genau das erleben wir in Projekten immer wieder: Zur mühsamen Datenbereinigung kommt oft noch ein zweiter Effekt hinzu: Erst während der Implementierung stellt sich heraus, dass bestimmte Schnittstellen fehlen oder nicht wie erwartet funktionieren und damit genau die Daten fehlen, die der Agent benötigt hätte. Die Folge: Der Projektplan verschiebt sich, zusätzlicher Aufwand entsteht, und aus anfänglicher Euphorie wird Enttäuschung.

Das ist kein Randphänomen. Das ist die Ausgangslage in einem Großteil der Unternehmen, die jetzt über Agentic AI sprechen. Für Partner bedeutet das: Adressiert man diese Situation nicht aktiv, baut man ein Projektrisiko auf, das man am Ende selbst ausbaden muss: beispielsweise durch überschrittene Timelines, Nacharbeiten oder enttäuschte Kunden.

Was Agenten wirklich brauchen

Ein Agent ist kein Werkzeug, das man auf eine bestehende Systemlandschaft legt und einschaltet. Er ist ein aktiver Teilnehmer in einer Datenarchitektur, also in der Ablauforganisation, in den Unternehmensprozessen und im Unternehmen selbst. Er braucht Zugriff auf eine einheitliche Datenbasis, die richtigen Informationen, zur richtigen Zeit, im richtigen Kontext, aus einer konsistenten Quelle.

Fehlt diese Grundlage, passiert Folgendes: Der Agent trifft Entscheidungen auf Basis unvollständiger oder widersprüchlicher Daten. Mitarbeitende müssen im Nachgang oft korrigieren und haben einen deutlich erhöhten Aufwand. Hinzu kommt: Das Vertrauen in das System sinkt. Irgendwann überlegen Mitarbeitende, ob sie es nicht doch lieber selbst erledigen, was jeden Automatisierungseffekt verpuffen lässt.

Johannes Böttcher, Product Lead der netgo software: "Je größer der Freiheitsgrad des Agenten, desto höher die Anforderungen an Sicherheit, Datenverfügbarkeit und -qualität. Operative Systeme und Datenfundament sind kein Nebeneinander – sie sind ein Tandem, das gemeinsam bestimmt, was an Automatisierung möglich ist."

Projekte unterschätzen aber oft genau das: Auch für Agenten gilt, dass im Kontext eines Prozesses nur auf dafür freigegebene Daten zugegriffen werden darf. Die Kreditkonditionen von Kunde 1 sollen nicht für Kunde 2 sichtbar werden. Das erfordert feingranulare (Row-Level) Security, die bedacht und implementiert werden muss.

Zwei Zonen, zwei Reifegrade – ein praktischer Rahmen für Beratungsgespräche

In unserer Projektarbeit hat sich ein einfaches Modell bewährt, das Partner direkt im Kundengespräch nutzen können. Wir unterscheiden zwei Einstiegspunkte:

• Zone 1 – workflow-geführt: Der Workflow gibt die Struktur vor. Der Agent ist eingebettet, kontrollierbar und auditierbar. Die Anforderungen an Datenqualität und Zugriffsrechte lassen sich klar eingrenzen. Das ist der richtige Einstieg für die meisten Kunden.
• Zone 2 – agenten-geführt: Der Agent plant selbst, delegiert Aufgaben und iteriert eigenständig. Höheres Potenzial, höheres Risiko. Die Anforderungen an Governance und Datenqualität steigen erheblich. Hier braucht es eine ausgereifte Plattformarchitektur als Voraussetzung.

Viele Kunden wollen direkt in Zone 2 einsteigen. Das ist verständlich, das Versprechen ist dort am größten. Die ehrliche Empfehlung lautet trotzdem: Zone 1 zuerst. Nicht weil Zone 2 nicht erreichbar ist, sondern weil der Weg dorthin über Zone 1 führt. Für Partner ist das kein Problem. Es ist eine Chance.

Trusted Advisor statt Tool-Lieferant

Der "Architektur-Check" als Channel-Partner lohnt sich also. Denn wer als Partner diesen festen Schritt vor jedem Agentic-AI-Projekt etabliert, verändert seine Rolle im Kundengespräch grundlegend. Der Unterschied: Der Tool-Lieferant beantwortet die Frage, die der Kunde stellt. Der Trusted Advisor stellt die Frage, die der Kunde noch nicht stellt.

• Wie sieht Ihre Datenbasis aus?
• Gibt es ein abgestimmtes Datenmodell?
• Liegen überhaupt ausreichend Daten vor und sind diese konsistent?

Diese Fragen verändern ein Vertriebsgespräch. Sie zeigen, dass der Partner das Problem kennt, bevor es entsteht. Und sie eröffnet einen Projektstrang, der vor dem Agenten beginnt und langfristig mehr Umsatz bringt als die reine Tool-Implementierung.

Klein starten, früh lernen - auch für sich selbst

Einer unserer Kunden aus der Dienstleistungsbranche hatte erkannt, dass wir nicht (nur) am schnellen Erfolg auf Basis einer Euphorie interessiert sind, sondern vor allem an der nachhaltigen Projektumsetzung für langfristigen Erfolg. Der kurzfristige Einsatz der reizvollen Technologie (Agentic AI, in diesem Fall) musste trotzdem nicht warten und das Momentum, welches durch die Begeisterung erzeugt wurde, konnte seine volle Kraft entfalten. Produktiv wurde das Projekt erst, als die Datenqualität stimmte und die Zugriffsrechte korrekt und überprüft umgesetzt waren.

Genau deshalb lautet unsere Empfehlung: Klein starten, früh lernen, auch für sich selbst. Wer als Partner erste Agentenprojekte in überschaubaren Szenarien umsetzt, lernt den Umgang mit dieser Technologie und kann parallel an der soliden Datenbasis arbeiten. So lassen sich schnelle erste Erfolge feiern, ohne große Risiken einzugehen – für Partner und Kunde gleichermaßen.

Der EU AI Act verlangt eine bedarfsgerechte Einbeziehung der Mitarbeitenden in KI-getriebene Prozesse. Diese Anforderung sollte jedoch nicht nur aus regulatorischen Gründen umgesetzt werden, sondern von Anfang an mitgedacht werden, um effiziente KI-gestützte Prozesse einzuführen. Das Prinzip "Human in the Loop" – also die bewusste Einbindung menschlicher Kontrolle und Entscheidungshoheit – ist damit nicht nur ein Compliance-Thema, sondern ein zentraler Erfolgsfaktor für die Akzeptanz im Unternehmen.

Was Partner jetzt konkret tun können

Der erste Schritt ist kein großes Transformationsprojekt. Es handelt sich eher um eine strukturierte Bestandsaufnahme, in der die Systemlandschaft des Kunden transparent gemacht wird:

• Welche Systeme existieren?
• Wo liegen welche Daten?
• Welche Datenquellen sind führend?
• Welche Integrationen funktionieren?
• Und welche nur auf dem Papier?

Diese Analyse schafft drei Dinge gleichzeitig: Vertrauen beim Kunden, weil der Partner zeigt, dass er das Gesamtbild versteht. Klarheit über die tatsächliche Projektgrundlage. Und einen natürlichen nächsten Schritt in Richtung Plattformarchitektur und Governance-Modell.

Unternehmen verfügen heute selten über eine IT-Landschaft "von der Stange". Stattdessen prägen gewachsene Strukturen, individuelle Anpassungen und zahlreiche Abhängigkeiten das Bild. Wichtig ist zunächst, sich ein Bild zu verschaffen und dieses zu dokumentieren, also den Status Quo festzuhalten. Gleichzeitig müssen die angestrebten Geschäftsergebnisse und konkreten Einsatzszenarien klar definiert werden. Erst dann lässt sich ein Zielbild entwickeln, das Orientierung für die weitere technische Ausgestaltung bietet. Welche Daten dafür benötigt werden und wie sie verfügbar gemacht werden müssen, ergibt sich aus den Anforderungen des jeweiligen Vorhabens.

Agentic AI treibt an dieser Stelle die Dringlichkeit, diese Themen anzugehen, auf die Spitze: Ohne Status Quo und ohne Zielbild lassen sich Agenten genauso wenig steuern wie neue Mitarbeitende, die ohne Dokumentation in einer bestehenden unübersichtlichen und undokumentierten Systemlandschaft produktiv sein sollen.

Aus der Praxis zeigt sich vor allem, dass die Chancen des KI-Einsatzes gemeinsam bewertet werden sollten. Kunden haben oft konkrete Vorstellungen, die jedoch einige aufwändige Voraussetzungen mitbringen; die großen Potenziale sehen sie dabei aber oft nicht. Hier können Expert:innen helfen, zunächst die eigentlichen Potenziale zu identifizieren und Projekte nach den Prioritäten des Kunden einzuplanen.

Fazit

Agentic AI ist eine Architektur-Entscheidung. Auch weiterhin werden Anfragen zum Thema Agentic AI eintreffen. Der Hype wird voraussichtlich nicht kleiner. Und das ist gut so. Channel-Partner, die jetzt in das Thema investieren und sich Wissen sowie Verständnis für die Voraussetzungen aneignen, werden langfristig die stärkste Position im Markt haben. Agentic AI funktioniert. Aber nur dort, wo die Architektur trägt. IT-Partner statt IT-Lieferant lautet die Devise.

Über die Autoren

Jonas Grundler ist Vice President Data Consulting bei der netgo software. Er berät Unternehmen bei der Entwicklung von Datenplattformen und Architekturen, die den produktiven Einsatz von KI-Anwendungen ermöglichen. Sein Schwerpunkt liegt auf der Schnittstelle zwischen operativen Systemen, Datenfundament und Automatisierung.

Johannes Böttcher ist Product Lead bei netgo software und verantwortet die strategische Entwicklung der netgo Application Platform. Als Experte für Cloud-Transformation und KI-Portfolios verbindet er technologische Vision mit operativer Umsetzung. Sein Fokus liegt auf skalierbaren Plattformen, die den Kontrollverlust stoppen und messbaren Business Impact für den Mittelstand schaffen.

CRN-Newsletter beziehen und Archiv nutzen - kostenlos: Jetzt bei der CRN Community anmelden