Klebeband ist keine Strategie: Der Denkfehler hinter vielen Agentic-AI-Initiativen

AI entfaltet ihren Wert nicht durch Nachrüsten, sondern durch Redesign. Warum das den Unterschied zwischen Aktivität und Wirkung macht.

Die meisten Organisationen setzen Agentic AI einfach auf ihre bestehende Arbeitsweise auf. Genau deshalb bleibt der erwartete Return aus.

Unter all den AI-Erfolgsgeschichten steckt ein unbequemes Muster. Die Ambition ist groß: Fast jedes Unternehmen will in den nächsten Jahren „agentic" werden. Doch die meisten geben zu, dass ihre heutigen Abläufe und ihre Infrastruktur diesen Wandel gar nicht tragen können. In dieser Lücke zwischen Anspruch und Umsetzung verpufft der Mehrwert von AI.

Prasun Shah, Chief AI Officer bei PwC UK, bringt es auf den Punkt: Die meisten Unternehmen betten „Agentic AI in ein menschliches Betriebsmodell ein" und legen Agenten einfach über bestehende Strukturen. „Das ist, als würde man Klebeband auf Teile eines Betriebsmodells kleben, das gerade zerbricht." Für die Demo hält das Klebeband. Für eine nachhaltige Skalierung im echten Betrieb nicht.

Das „Produktivitätstheater“ 

Was dabei herauskommt, ist Aktivität, die nach Fortschritt aussieht, aber keinen nachhaltigen Mehrwert schafft. Berichte entstehen schneller, E-Mails sind rascher verfasst, Code wird in größerer Menge produziert – und dennoch bleiben oftmals die erwarteten Verbesserungen bei Kundennutzen, Qualität oder Geschäftserfolg aus.

Es entsteht häufig ein Zustand, der in Diskussionen rund um AI zunehmend als „Produktivitätstheater“ beschrieben wird: AI, die einzelne Aufgaben beschleunigt, ohne das Geschäftsergebnis zu verbessern. Es fühlt sich produktiv an. In Umfragen sieht es produktiv aus. Aber schneller ist nicht unbedingt besser, wenn man in die falsche Richtung schneller wird. 

Ein viel diskutiertes Beispiel ist Klarna. Das Unternehmen galt lange als Vorreiter beim Einsatz von AI im Kundenservice, betonte später jedoch wieder die Bedeutung menschlicher Mitarbeitender für Servicequalität und Kundenerlebnis. Die Diskussion drehte sich dabei weniger um die Leistungsfähigkeit der Technologie selbst als um die Frage, wie sie sinnvoll in Prozesse, Verantwortlichkeiten und das Betriebsmodell eingebettet wird.

Von Dampf zu Elektrizität

Die treffendste Analogie stammt vom Ökonomen Paul A. David bereits aus dem Jahr 1990: Als die ersten Fabriken elektrifizierten, ersetzten sie nur die zentrale Dampfmaschine durch einen einzigen großen Elektromotor an derselben Antriebswelle – und gewannen fast nichts. Der Sprung kam erst, als sie kleine Motoren an jede Maschine setzten und die ganze Fabrik um das herum neu dachten, was Elektrizität möglich machte. 

AI steht heute genau an diesem Punkt. Legt man sie über den Prozess von gestern, bekommt man eine minimal schnellere Version eines Workflows, den es so eigentlich gar nicht mehr geben sollte. Der Wert steckt im Redesign – nicht im Nachrüsten.

Was führende Unternehmen anders machen: AI-first

Führende Unternehmen, die AI einsetzen, teilen eine Eigenschaft. Statt den alten Workflow mit AI zu optimieren, denken sie Arbeit AI-first. Das bedeutet: Nicht bestehende Arbeitsschritte zu digitalisieren oder mit AI zu beschleunigen, sondern die Arbeitsteilung zwischen Mensch und AI von Grund auf neu zu gestalten. Menschen kommen dort ins Spiel, wo sie durch Urteilsvermögen, Empathie und Kreativität einzigartigen Wert schaffen.

Bei PwC unterscheiden wir zwei ehrliche Ausgangspunkte:

AI Focused Optimisation: AI chirurgisch auf einzelne, wertvolle Prozesse anwenden, ohne die ganze Organisation umzubauen. Schnell, eingegrenzt, risikoärmer.

Agentic Enterprise Transformation: ein Top-down-Redesign der Arbeitsweise, bei dem Rollen, Workflows, Entscheidungen und Daten mit AI im Kern neu gedacht werden.

Keiner der Ansätze ist falsch. Falsch wäre nur, in Wahrheit eine Focused Optimisation zu implementieren und den Return einer Enterprise Transformation zu erwarten.

Was heißt das für Unternehmen?

Bei „null“ anfangen, nicht bei „heute“.

Der eigentliche Hebel ist ein Zero-Based-Redesign: einen Prozess von den heutigen Strukturen lösen und vom Kundennutzen her neu aufsetzen. Statt beispielsweise einen bestehenden Genehmigungsprozess mit mehreren Agenten zu beschleunigen, stellen führende Unternehmen zuerst die grundsätzliche Frage: Welche Entscheidungen müssen überhaupt noch getroffen werden – und von wem? Erst den End-to-End-Prozess neu gestalten, dann in agentische Aufgaben, Entscheidungen und Verantwortlichkeiten übersetzen – und erst danach über Technologie reden. Wer direkt zu „welcher Agent, welches Tool" springt, klebt nur neues Klebeband auf das alte (zerbrechliche) Modell.

Und einen Prozess neu zu gestalten heißt zwangsläufig, auch die Organisation um ihn herum neu zu gestalten: weg von der Automatisierung einzelner Aufgaben hin zur End-to-End-Verantwortung für Ergebnisse, von individueller Produktivität zu Mensch-Agenten-Teams und von statischen Kontrollen zu adaptiver Aufsicht mit klaren Entscheidungsrechten.

Und genau dieser Teil bekommt in vielen Unternehmen bislang deutlich weniger Aufmerksamkeit als die Einführung des nächsten AI-Tools. Über neue AI Modelle wird intensiv diskutiert, über neue Betriebsmodelle seltener.

Die Erkenntnis für Führungskräfte und Verantwortliche

Die richtige Frage lautet also nicht „Wo können wir AI hinzufügen?", sondern „Welche unserer Prozesse verdienen es überhaupt zu existieren – und wie sähen sie aus, wenn wir sie heute mit AI im Kern gestalten würden?"

Wer hier ehrlich antwortet, ist ein Schritt voraus. 

Bei PwC Österreich begleiten wir Unternehmen von AI-Experimenten zu AI-first-Betriebsmodellen – wir gestalten Prozesse von null neu, definieren Mensch-Agenten-Entscheidungslogiken und schaffen eine Governance, die Wert nachhaltig verankert.

Autor:

Hai Son Nguyen
PwC Digital & Customer Transformation

Quellen:

• MIT Technology Review Insights (2026): Rethinking organizational design in the age of agentic AI. https://www.technologyreview.com/2026/05/26/1137584/rethinking-organizational-design-in-the-age-of-agentic-ai/
• Inc. (2025): AI Productivity Is Finally Real—But AI Productivity Theater Is About to Ruin It.
• https://www.inc.com/joe-procopio/ai-productivity-is-finally-real-but-ai-productivity-theater-is-about-to-ruin-it/91249976
• Paul A. David (1990): The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox. American Economic Review, Vol. 80. https://www.jstor.org/stable/2006600
• McKinsey & Company (2025): Six shifts to build the agentic organization of the future. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/six-shifts-to-build-the-agentic-organization-of-the-future
• PwC (2026): Retail AI Operating Model – Point of View. Interne PwC-Publikation.
• PwC (2026): Academy for Agentic AI – Design Workshop. Interne PwC-Publikation.
• Strategy& / PwC (2026): Customer:Rewired – Marketing, Sales & Service in AI Harmony. Interne PwC-Publikation.