Report Mai 2026 Lesezeit ~10–12 Min

AX Readiness 2026 —
wo Häuser heute stehen.

Erste Auswertung von Diagnose-Sessions in DACH-Mittelstand und Konzern: drei Muster, ein blinder Fleck. Wo der Übergang von CX zu AX strukturell hängt — und wo er bereits läuft.

CRAiD Design Research · Carlo · Mai 2026 · Basiert auf CRAiD Diagnose-Sessions sowie öffentlich zugänglicher Forschung von Bitkom, Mittelstandsbund/BIDT, Gartner, MIT, KPMG, Capgemini, Cognizant, Anthropic Economic Index u. a.

Zum Überblick Self-Assessment
01Wo der Markt steht 02Drei Muster 03Blinder Fleck 0430/60/90 Tage

Belege u. a.: Bitkom · Mittelstandsbund/BIDT · Gartner · MIT · KPMG · Capgemini · Cognizant · ASAPP · NICE · Anthropic Economic Index. Vollständige Quellen ↓

00 Einstieg

CX war Journey. AX ist Bauplan.

Die DACH-Wirtschaft hat 2025/26 die Adoption-Frage beantwortet. 36 % der Unternehmen nutzen KI — eine Verdoppelung gegenüber 2024 (Bitkom 2025). 47 % planen oder diskutieren den Einsatz, nur noch 17 % halten KI für „kein Thema". Eine Erfolgsgeschichte.

Was offen bleibt, ist die Skalierungs-Frage. Und hier kollabiert die Logik: Nur 9,5 % des Mittelstands haben KI vollständig implementiert (Mittelstandsbund/BIDT). Nur ~12 % aller KI-Piloten erreichen die Produktion (Gartner). Und Gartner prognostiziert: 40 % aller Agentic-AI-Projekte werden bis Ende 2027 abgebrochen.

AX scheitert in DACH selten an Modellen, Vendoren oder „der KI". Es scheitert daran, dass niemand die Linie baut, in der ein Agent leben kann.

Aus den letzten CRAiD Diagnose-Sessions kristallisieren sich drei wiederkehrende Muster heraus, die diese Lücke offenhalten — plus ein blinder Fleck, der sie verstärkt. Beides ist mit Marktdaten gut belegt. Der Report zeigt, wo der Bau heute hängt, was in 30/60/90 Tagen umzubauen ist und mit welchen acht Fragen ihr selbst eine Standortbestimmung macht.

01 Wo der Markt steht

Adoption ist solved.
Skalierung ist die offene Wunde.

Die letzten 24 Monate waren eine Adoption-Welle. Die nächsten 24 sind eine Operating-Model-Frage. Wer 2026 noch Adoption-KPIs als Steering nutzt, misst eine Schlacht, die längst entschieden ist — und übersieht die nächste, die gerade verloren geht.

Adoption
36 %
der DE-Unternehmen nutzen KI aktiv (2024: 20 %).
Verdoppelung in 12 Monaten.
Bitkom KI 2025 · n=604
Skalierung
9,5 %
des Mittelstands haben KI vollständig implementiert. 24 % in Pilot, 43 % ohne Plan.
Mittelstandsbund / BIDT 2025
Pilot → Produktion
~12 %
der KI-Piloten erreichen die Produktion (4 von 33). 88 % verschwinden im Limbo.
Gartner via Gondlach 2025
Cancellation
40 %
der Agentic-AI-Projekte werden bis Ende 2027 abgebrochen — Kosten, Wert, Risiko.
Gartner Juni 2025

Die globale Sicht stützt das Bild. Das MIT Media Lab dokumentiert in „State of AI in Business 2025": 95 % der Generative-AI-Pilots liefern keinen messbaren ROI — trotz $30–40 Mrd. Investments. Die 5 % Erfolgreichen unterscheiden sich nicht durch besseres Modell, sondern durch besseren Bau: Sie integrieren AI in bestehende Workflows, statt sie aufzustülpen.

In DACH meldet Cognizant: 71 % sehen sich nicht schnell genug in ihrer GenAI-Strategie. Konzerne (>500 MA) liegen bei über 60 % Adoption, der Mittelstand deutlich darunter (Bitkom AI 2026). Beide Hälften kämpfen mit demselben strukturellen Engpass — von gegenüberliegenden Seiten.

02 Drei Muster

Drei Muster —
ein gemeinsamer Engpass.

Die Muster sind keine Reifegrad-Stufen. Sie sind strukturelle Konstellationen. Sobald man sie erkennt, kann man gezielt umbauen — ohne das nächste Tool zu kaufen.

Muster 01

Pilot-Inseln ohne Tragwerk

Symptom

Use Cases funktionieren lokal, skalieren aber nicht über Teams oder Journeys hinweg. Steering diskutiert Tools, nicht Verantwortlichkeiten.

Root Cause

Entscheidungsrechte, Ownership und Standards fehlen. AX läuft als Projekt-Pilot, nicht als Linien-Funktion. Nach Pilot-Ende ist niemand operativ verantwortlich.

Signal

Wer kann ohne Steering-Eskalation entscheiden, ob Agent X auf Journey Y produktiv geht? „Niemand" = Falle.

Move

Vor dem nächsten Pilot eine Linien-Rolle benennen, die nach dem Pilot weiter zuständig ist — mit Budget, Mandat, Outcome-Zielen.

Beleg: Nur ~12 % aller KI-Piloten erreichen die Produktion (Gartner via Gondlach). Cognizant: 71 % der DACH-Unternehmen sehen sich nicht schnell genug.
Muster 02

Source of Truth fehlt

Symptom

Teams diskutieren Modelle und Prompts, aber Agent-Antworten sind inkonsistent oder nicht auditierbar. „Hat der Agent das richtig gesagt?" ist die häufigste interne Frage.

Root Cause

Keine konsolidierte Source of Truth pro Customer Journey, keine Datenwege zwischen CRM, Service-Tool, Wissensbasis und Agent-Schicht. EU AI Act erzwingt Auditierbarkeit seit August 2025.

Signal

Welche drei Datenquellen sind „Source of Truth" für eure Top-2 Journeys? Wenn die Antwort eine Diskussion auslöst, steht der Bau fundamental schief.

Move

Pro Top-Journey eine Source of Truth dokumentieren bevor der nächste Agent gebaut wird. Ohne das ist jede Investition Symptombekämpfung.

Beleg: 76 % der KMU melden Datenqualitätsprobleme, 71 % kämpfen mit Datensilos, 83 % haben keine Datenstrategie (Maximal.digital 2025).
Muster 03

Containment statt Outcome

Symptom

Steering-KPIs heißen Nutzung, Adoption Rate, Containment Rate. Niemand kann sagen, ob Customer Effort sinkt oder steigt. Risiko-Guardrails sind nicht definiert.

Root Cause

Keine gemeinsame Outcome-Definition zwischen Service, Produkt, Data und Compliance. Vendor-Scorecards messen, was der Vendor verkaufen will.

Signal

Welche drei Outcome-Metriken würden ein Pilot-Ende rechtfertigen, weil sie schlechter wurden? „Messen wir nicht" = Output-Theater.

Move

Vor jedem Pilot drei Outcome-Metriken definieren: Customer Effort, Quality (z. B. CSAT-Delta), Risk (z. B. Halluzinations-Rate). Containment ist Operations, kein Steering.

Beleg: ASAPP: Containment kann steigen, während NPS und Customer Effort fallen. LatentView: 30–50 % Cost-to-Serve-Reduktion nur mit klarem Outcome-Framework.
03 Blinder Fleck

Der blinde Fleck —
heißt Steward.

Nicht das Modell. Nicht die Datenmenge. Nicht das Budget. Sondern eine Linien-Rolle, die fast überall mitgedacht — aber nicht gebaut wird.

Kernaussage

Niemand baut die strukturellen Lernschleifen. Wer beobachtet den Agent? Wer entscheidet über Eingriffe? Wer schreibt Outcomes auf die Journey zurück? Solange „Agent Steward" keine Rolle ist, sondern eine Seitenaufgabe von Tool-Admins, ist jede Plattform-Investition strukturell ein Pilot.

Ein Agent ist kein Tool — er ist ein Mitarbeiter ohne Vorgesetzten. Wer als Mensch eingestellt würde, hätte: einen Onboarding-Plan, einen Steward (Mentor/Lead), Performance Reviews, Eskalationswege, Datenschutz-Schulung, klare Entscheidungsrechte. Der Agent bekommt: einen API-Schlüssel.

Die Forschung ist hier eindeutig. KPMG hält in „AI governance for the agentic AI era" (2025) fest: Klassische AI-Governance ist auf Predict-/Generate-Modelle ausgelegt. Agentic-Systeme treffen Aktionen — und brauchen eigene Strukturen für Audit-Trails, Identity, Liability. Diese Schicht existiert in den meisten Organisationen schlicht nicht. Mayer Brown ergänzt aus juristischer Sicht: Agent-Identity, Authorization-Scopes und Audit-Trails sind unter EU AI Act keine Best Practice mehr — sie sind Pflicht.

Die Marktreaktion bestätigt die Lücke. Vendoren wie SAS bauen Stewardship-Layer in Plattformen ein (SAS Viya, April 2026) — weil die Linien-Rolle in den meisten Unternehmen fehlt. Das ist Symptom, nicht Lösung.

„The primary barrier to widespread adoption is no longer a lack of capability — it is a lack of trust."a21.ai · From Ignore to Execute (2025)

Und die DACH-Praxis spricht denselben Befund. Thomas Maxeiner (Beyondbuzzwords, Feb 2026) titelt: „Mittelständler brauchen ein Agentic Governance Council." Roover.de fasst es noch direkter: „Die größte Hürde ist selten das Modell – es ist der Betrieb."

Das ist nicht Hype. Das ist die direkte Konsequenz aus 9,5 % at scale, 95 % Pilot-Failure und 40 % Cancellation-Forecast. Die Firmen, die Stewardship als Linien-Funktion verankern, werden die 5 % sein, die in 2027 noch laufen.

04 House-Model

Ein Haus, fünf Bauteile —
so wird AX diagnosefähig.

Das House-Model ist eine schnelle Map: Wo steht ihr heute — Fundament, Tragwerk, Räume, Versorgung, Dach? Reife heißt nicht „alles perfekt", sondern: nichts Kritisches fehlt.

Bauteil Typische Lücke Intervention (kleinster Schritt) Owner
Fundament
Daten & Prozessklarheit		 Source of Truth unklar; Datensilos (71 %), keine Datenstrategie (83 %) Pro Top-Journey 3 SoT definieren, Update-Cadence + Audit-Pfad klären Data/Platform + Journey Owner
Tragwerk
Operating Model		 Pilot statt Linie; Entscheidungen diffundieren; nach Pilot-Ende niemand zuständig 1 AX Owner mit Budget · 1 Decision-Logik (Stop/Go) · 1 Standard für Inputs/Outputs/QA Transformation / COO / CX Lead
Räume
Journeys / Use Cases		 Use Cases statt Journeys; „nice to have" statt geschäftskritisch Top-2 Journeys priorisieren; Outcome & Risk-Profil dokumentieren Journey Owner
Versorgung
Enablement & Stewardship		 Steward-Rolle existiert nicht als Profil; Enablement ad hoc; Guardrails nicht operational Steward-Mandat als 0,2-FTE in der Linie; Onboarding + Eskalationswege; EU-AI-Act-Schulung HR/L&D + Ops + Legal
Dach
Outcome-Messung		 Containment / Adoption als Steering-KPI; keine Outcome-Logik; Risk-Telemetrie fehlt Pro Journey Customer Effort + Quality + Risk messen; Containment auf Operations zurückstufen Finance/Analytics + Risk
05 Self-Assessment

Acht Fragen —
für eine schnelle Standortbestimmung.

Wenn ihr diese Fragen nicht klar beantworten könnt, fehlen euch Bauteile. Wenn ihr sie beantworten könnt, habt ihr eine Roadmap — auch ohne neues Tool.

AX Readiness — Self-Assessment

  1. Welche Entscheidungen darf das AX-Team heute ohne Steering treffen?Wenn die Antwort „keine" ist, lebt AX als Projekt, nicht in der Linie.
  2. Welche drei Datenquellen sind „Source of Truth" für eure Top-2 Journeys?Wenn die Antwort eine Diskussion auslöst, steht das Fundament schief.
  3. Welche drei Outcome-Metriken würden ein Pilot-Ende rechtfertigen — weil sie schlechter wurden?„Messen wir nicht" heißt Output-Theater statt Steuerung.
  4. Wer ist nach dem nächsten Pilot operativ zuständig — namentlich, mit Budget?Ohne benannten Owner ist der Pilot ein 90-Tage-Limbo mit Verfallsdatum.
  5. Welche Rolle in eurer Organisation hat „Agent Steward" als Profil — nicht als Seitenaufgabe?Steward = Mentor + Auditor + Outcome-Owner für jeden produktiven Agenten.
  6. Welche Customer Journey ist heute EU-AI-Act-auditierbar?Seit August 2025 verbindlich. Bußgelder bis 7 % des Umsatzes.
  7. Wie viel Zeit vergeht zwischen Agent-Output und Outcome-Feedback in die Journey-Daten?Ohne Lernschleife wird der Agent nicht besser. Er wird nur älter.
  8. Wann zuletzt wurde ein KI-Pilot bewusst gestoppt, weil eine Outcome-Metrik schlechter wurde?„Nie" ist eine Diagnose, kein Erfolg.
06 30/60/90 Tage

Ein Plan, der baut —
ohne euch zu überfordern.

Der Plan folgt der Logik des Hauses: erst Stabilität, dann Skalierung. Nicht umgekehrt.

30 Tage

Diagnose & Setup

  • Top-3 KI-Initiativen auflisten — pro Initiative klären: Wer ist nach Pilot-Ende verantwortlich?
  • Top-2 Journeys auswählen (Owner + Outcome-Definition)
  • 3 Source-of-Truth-Quellen pro Journey dokumentieren (Owner, Update-Frequenz, Audit-Pfad)
  • Outcome-Trio pro Pilot definieren: Customer Effort · Quality · Risk
  • Steward-Mandat skizzieren (0,2-FTE in der Linie, nicht Add-on)
60 Tage

Pilot(s) + Guardrails

  • Eine Initiative aus dem Pilot-Modus in eine Linien-Rolle überführen — mit Budget & Mandat
  • Source of Truth für Top-1 Journey fertig, EU-AI-Act-konform
  • Outcome-Dashboard live: Customer Effort + Quality + Risk visualisiert (nicht: Containment-only)
  • Steward besetzt; Onboarding-Plan und Eskalations-Pfade definiert
  • Stop/Go-Drill: ein Pilot bewusst gegen Outcome-Metriken testen
90 Tage

Skalierung & Operating Model

  • AX-Operating-Model v0.5: Rollen, Entscheidungsrechte, Standards — Praxistest in 2 Bereichen
  • Source-of-Truth-Standard für alle Top-Journeys; MCP/Integration-Strategie definiert
  • Outcome-Logik in Steering-KPIs verankert; Containment-only-Reports abgeschafft
  • Stewardship als reguläre Linien-Funktion — nicht mehr „neue Initiative"
  • Scale-Decision: weitere Journeys onboarden auf Basis nachgewiesener Wirkung
07 Quellen

Belege & Quellen.

Cross-Validation: jede Kernaussage durch mindestens zwei unabhängige Quellen, davon eine mit DACH/EU-Bezug. Kein PR-Solo-Citing.

  1. Bitkom Research — „Künstliche Intelligenz 2025" · n=604 Unternehmen ab 20 MA, repräsentativ. 36 % Adoption (2024: 20 %), Hemmnisse: Recht 53 %, Know-how 53 %, Datenschutz 48 %, Nachvollziehbarkeit 38 %, fehlende Daten 24 %. bitkom-research.de
  2. Mittelstandsbund / BIDT KI-Index Mittelstand 2025 · 9,5 % vollständig implementiert, 24 % in Pilot, 43 % ohne Plan. ~10 % mit Agentic-Erfahrung. bidt.digital
  3. Maximal.digital — KI im Mittelstand 2025 · 76 % Datenqualitätsprobleme, 71 % Datensilos, 83 % ohne Datenstrategie, 69 % wissen nicht, welche Daten relevant sind. maximal.digital
  4. Gartner — „Over 40 % of Agentic AI Projects Will Be Canceled by 2027" · Juni 2025. Anushree Verma: „Agent Washing" (von tausenden Vendoren ~130 echt). gartner.com
  5. MIT Media Lab — „State of AI in Business 2025" · 95 % der GenAI-Pilots ohne messbaren ROI. Coverage: Forbes / Fortune. forbes.com
  6. Kai Gondlach — „Vom Pilot zum Rollout: KI-Operating-Model" · ~12 % Pilot-zu-Produktion-Quote (Gartner-Zitat: 4 von 33). kaigondlach.de
  7. Cognizant — „Gen-KI erobert die DACH-Unternehmen" · 71 % der DACH-Unternehmen sehen sich nicht schnell genug. cognizant.com
  8. Capgemini Research Institute — World Quality Report 2025 · 15 % Enterprise-Scale-Deployments bei ~90 % aktivem Experimentieren. capgemini.com
  9. ASAPP — „Moving beyond containment" · Containment Rate ist die häufigste, aber irreführendste Metrik in Conversational AI. asapp.com
  10. NICE — „Essential KPIs for Agentic AI CX" · Outcome-Framework: Customer Effort, Agent Experience, Adaptive Intelligence, Compliance. nice.com
  11. LatentView — „Agentic AI in Customer Service" · 30–50 % Cost-to-Serve-Reduktion mit klarem Outcome-Framework. latentview.com
  12. KPMG International — „AI governance for the agentic AI era" (2025) · Agentic-Governance braucht eigene Strukturen (Audit-Trail, Identity, Liability). kpmg.com
  13. Mayer Brown — „Governance of Agentic Artificial Intelligence Systems" (Feb 2026) · Agent-Identity, Authorization-Scopes, Audit-Trails als rechtliche Pflicht. mayerbrown.com
  14. a21.ai — „From Ignore to Execute: Measuring Trust in Agentic AI" · „The primary barrier is no longer capability — it is trust." a21.ai
  15. Beyondbuzzwords (Maxeiner, Feb 2026) · „Mittelständler brauchen ein Agentic Governance Council." beyondbuzzwords.de
  16. SAS — „SAS Viya: sichere KI-Assistenten Agentic-AI-Funktionen" (April 2026) · DACH-Marktsignal: Stewardship als Plattform-Layer. sas.com
  17. EU AI Act Compliance — Mittelstand 2025/26 · Seit August 2025 Transparenz- und Schulungspflichten. Bußgelder bis 7 % des Umsatzes. openpr.de
  18. Codana — „MCP – Model Context Protocol" · N×M-Integrationsproblem; MCP als emerging Standard seit 2025. codana.de
  19. Roover.de — „AI-first Organisation im Mittelstand" · „Die größte Hürde ist selten das Modell – es ist der Betrieb." roover.de
  20. Bitkom AI Study 2026 · 41 % nutzen aktiv (2026), 48 % planen. Konzern (>500 MA): >60 % Adoption; Mittelstand deutlich darunter.
← Zurück zu Insights