Agent Washing: So unterscheiden Sie einen echten KI-Mitarbeiter von einem umbenannten Chatbot - bevor Sie kaufen

2. Juli 202633 Min. Lesezeit

Mitgründer bei Superkind

Eine dunkle Metall-Lupe mit orangefarbenem Akzentring untersucht ein Industriebauteil und steht für einen Käufer, der einen KI-Agenten auf Agent Washing prüft

Ein Anbieter zeigt einen “autonomen KI-Agenten”. Er beantwortet Fragen zu Ihren Richtlinien flüssig, entwirft eine E-Mail in Ihrem Ton und fasst ein Dokument auf dem Bildschirm zusammen. Alle im Raum nicken. Sechs Wochen nach der Unterschrift stellt Ihr Team fest: Das System kann keinen einzigen Datensatz in Ihr ERP schreiben, vergisst jedes Gespräch, sobald der Tab schließt, und braucht bei jedem Schritt einen Menschen, der auf den Knopf drückt. Sie haben keinen KI-Mitarbeiter gekauft. Sie haben einen Chatbot mit neuem Etikett und Enterprise-Preis gekauft.

Das ist Agent Washing, und 2026 ist es überall. Gartner schätzt, dass nur rund 130 der Tausenden Anbieter, die mit “agentischer KI” werben, echte Fähigkeiten haben, und prognostiziert, dass mehr als 40 Prozent der agentischen KI-Projekte bis Ende 2027 mangels Wert eingestellt werden¹. MIT Project NANDA fand heraus, dass 95 Prozent der generativen KI-Piloten in Unternehmen keinen messbaren Ertrag lieferten⁵. Ein großer Teil dieser Verschwendung sind Käufer, die für eine Autonomie bezahlen, die sie nie erhalten haben.

Dieser Leitfaden ist für die Geschäftsführerin, den COO oder die Betriebsleitung, die einen Anbieter wählen müssen und nicht zur Statistik werden wollen. Er gibt Ihnen einen konkreten Test - fünf Prüfungen, ein Demo-Skript und zwölf Fragen -, der einen echten KI-Mitarbeiter in unter einer Stunde von einem umbenannten Chatbot unterscheidet, bevor der Vertrag unterschrieben ist.

Kurzfassung

Agent Washing ist Umetikettierung, keine Fähigkeit - Chatbots, Copiloten und RPA-Skripte werden als “Agenten” umbenannt, ohne Autonomie zu gewinnen. Gartner zählt nur rund 130 echte Anbieter unter Tausenden.

Die Grenze sind Schreibzugriff und Gedächtnis - ein Chatbot liest und antwortet; ein echter KI-Mitarbeiter liest, erinnert sich und schreibt in Ihre Systeme, um Arbeit zu erledigen.

Fünf Tests decken die Wahrheit auf - dauerhaftes Unternehmensgedächtnis, Schreibzugriff auf echte Systeme, Lernen aus Feedback, End-to-End-Verantwortung für eine Aufgabe sowie eigene Identität und Audit-Trail.

Testen Sie mit Ihren Daten, nicht mit deren Demo - ein umetikettiertes Produkt bricht in dem Moment, in dem Sie Ihre eigenen Systeme nutzen und eine geschlossene Sitzung erneut öffnen.

Ein echter KI-Mitarbeiter baut auf einem Company Brain - dauerhaftes Gedächtnis über Ihr Personen-Wissen, Ihre Prozesse und Daten, das Personalwechsel übersteht, plus Anbindung an die Werkzeuge, die Sie bereits nutzen.

Was Agent Washing wirklich ist

Agent Washing ist die KI-Version von Greenwashing: eine Marketing-Behauptung, die dem Produkt vorauseilt. Ein Anbieter nimmt etwas, das bereits existiert, und klebt das wertvollste Etikett des Moments darauf, ohne zu ändern, was die Software leisten kann.

Die Chatbot-Umbenennung - ein Frage-Antwort-Bot, der aus einer Wissensdatenbank abruft, wird als “autonomer Support-Agent” verkauft, obwohl er weiterhin nur auf Eingaben antwortet¹¹.
Das RPA-Umetikett - ein RPA-Skript, das festen Wenn-Dann-Schritten folgt, wird zum “intelligenten Agenten”, ohne dass ein Fünkchen Schlussfolgern hinzukommt⁴.
Das Copilot-Upgrade - ein In-App-Assistent, der für einen Menschen vorschlägt und entwirft, wird als Mitarbeiter präsentiert, der eigenständig handelt¹⁰.
Das Workflow-Kostüm - eine lineare Automatisierung mit einem Sprachmodell an einem einzigen Schritt wird als End-to-End-“agentische” Orchestrierung vermarktet¹².
Der Wrapper - eine dünne Oberfläche über einer öffentlichen Modell-API, ohne Gedächtnis und ohne Integration, verkauft als maßgeschneiderter Enterprise-Agent⁴.

Zentrale Kennzahl

Gartner schätzt, dass von den Tausenden Anbietern, die Produkte als agentische KI positionieren, nur rund 130 echt sind. Das Haus prägte den Begriff “Agent Washing” ausdrücklich für die Umetikettierung von KI-Assistenten, Chatbots und RPA ohne substanzielle agentische Fähigkeiten¹. Wenn mehr als 95 Prozent eines Marktes falsch etikettiert sind, sollte die Standardannahme für jeden einzelnen Anbieter Skepsis sein, bis das Gegenteil bewiesen ist.

Der Grund, warum das Etikett den Diebstahl wert ist: Ein echter Agent ist weit mehr wert als ein Chatbot. Genau in dieser Lücke wohnt die Täuschung.

Das Etikett auf dem Deck	Was es oft wirklich ist	Der verräterische Punkt
Autonomer Agent	Chatbot mit Wissensdatenbank	Handelt nicht ohne menschlichen Klick
Intelligenter Agent	Festes RPA-Skript	Bricht, sobald der Prozess abweicht
Agentischer Assistent	In-App-Copilot	Schlägt vor, erledigt die Aufgabe nie
KI-Mitarbeiter	Modell-Wrapper ohne Gedächtnis	Vergisst alles, wenn die Sitzung endet
End-to-End-Automatisierung	Ein LLM-Schritt in einem linearen Ablauf	Kein Schlussfolgern, keine Erholung bei Fehlern

Was Agent Washing Sie wirklich kostet

Die Kosten eines umetikettierten Agenten sind nicht nur die Lizenzgebühr. Es sind das verschwendete Quartal, das vergiftete interne Vertrauen in KI und die echte Arbeit, die nie automatisiert wurde. Die Marktdaten zeigen, wie groß dieser Bremseffekt geworden ist.

Gestrichene Projekte - Gartner prognostiziert, dass mehr als 40 Prozent der agentischen KI-Projekte bis Ende 2027 wegen steigender Kosten, unklaren Werts und schwacher Kontrollen aufgegeben werden, aus einer Befragung von über 3.400 Organisationen¹.
Piloten, die nie live gehen - eine große Mehrheit der KI-Agenten-Piloten bleibt vor der Produktion stecken, gebremst durch Richtlinienlücken, unvollständigen Datenkontext und unreife Integration¹⁵.
Kein messbarer Ertrag - MIT Project NANDA fand, dass 95 Prozent der generativen KI-Piloten in Unternehmen keine messbare Gewinnwirkung erzielten, gestützt auf über 300 Einführungen und 153 Führungsbefragungen⁵.
Ausgaben ohne Rückfluss - dieses Scheitern sitzt auf geschätzten 30 bis 40 Milliarden Dollar Ausgaben für generative KI in Unternehmen⁶.
Die Lücke von Adoption zu Produktion - eine Mehrheit der Unternehmen hat KI-Agenten eingeführt, aber nur ein kleiner Bruchteil betreibt sie produktiv, und Washing weitet diese Lücke¹⁷.
Vertrauensschaden intern - wenn ein Team einmal von einem umetikettierten Agenten enttäuscht wurde, trifft das nächste echte Projekt auf den Gegenwind “wir haben KI probiert, es hat nicht funktioniert”, der weit schwerer zu überwinden ist als der erste Anlauf.

Warum das jetzt zählt

Der Grund für das Scheitern ist selten das zugrunde liegende Modell. MIT stellte ausdrücklich fest, dass die Kluft zwischen den 5 Prozent, die funktionieren, und den 95 Prozent, die es nicht tun, vom Vorgehen bestimmt wird, nicht von Modellqualität oder Regulierung⁶. Agent Washing ist ein Vorgehensfehler am Punkt des Kaufs: Sie kaufen ein Werkzeug, das für die Aufgabe nie fähig war, sodass kein noch so guter Wille danach das Ergebnis retten kann.

Versteckte Kosten	Was passiert	Wer zahlt
Das verschwendete Quartal	Drei Monate Integration eines Bots, der nicht handeln kann	Zeit von Betrieb und IT
Der Zweitkauf	Eine zweite Anbieterauswahl, nachdem die erste scheitert	Budget, doppelt
Die Vertrauenssteuer	Mitarbeiter sträuben sich gegen das nächste KI-Projekt	Jeder künftige Rollout
Die Opportunitätskosten	Die Routinearbeit frisst weiter menschliche Stunden	Das ganze Team, jede Woche

Vom Chatbot zum KI-Mitarbeiter: das Spektrum

“Agent” ist keine Ja-Nein-Frage, und genau diese Unschärfe nutzt Washing aus. Es hilft, das ganze Spektrum zu sehen, denn Anbieter verkaufen ein Produkt auf einer Stufe und bepreisen es auf einer höheren.

Chatbot - reagiert auf eine Eingabe, ruft eine Antwort ab, vergisst das Gespräch. Nützlich für FAQs, erledigt aber nie die Arbeit¹⁹.
Assistent - ein Chatbot mit besserem Kontext und Ton, weiterhin rein lesend, weiterhin wartend, dass ein Mensch auf das Gesagte reagiert⁹.
Copilot - sitzt in einer Anwendung und hilft einem Menschen, der über jede Aktion die Kontrolle behält, entwirft und schlägt in Echtzeit vor¹⁰.
Agent - plant eine Aufgabe, greift auf die benötigten Systeme zu, schreibt und handelt und erledigt Arbeit, ohne dass ein Mensch jeden Schritt macht⁸.
KI-Mitarbeiter - ein Agent, der zusätzlich ein dauerhaftes Gedächtnis über Ihr Unternehmen hält, sich mit den Werkzeugen Ihres Teams verbindet, aus täglichem Feedback lernt und über die Zeit ein definiertes Stück Routinearbeit besitzt¹⁴.

Dimension	Chatbot	Copilot	KI-Mitarbeiter
Auslöser	Wartet auf eine Eingabe	Hilft einem Menschen in der App	Nimmt Arbeit selbst auf
Gedächtnis	Keins über die Sitzung hinaus	Sitzungs- oder App-Kontext	Dauerhaftes Unternehmensgedächtnis
Systeme	Liest eine Wissensdatenbank	Liest die Host-App	Liest und schreibt über Ihren Stack
Aktion	Antwortet	Schlägt vor, Mensch handelt	Erledigt die Aufgabe
Verbesserung	Statisch bis zum Neutraining	Verbessert sich mit dem Modell	Lernt aus Ihrem Feedback

Der Ein-Satz-Test

Wenn das System darauf wartet, dass ein Mensch auf seine Ausgabe reagiert, liegt es irgendwo zwischen Chatbot und Copilot, egal was das Deck behauptet. Wenn es die Arbeit erledigt und ein Mensch nur die wichtigen Momente überwacht, ist es ein Agent. Wenn es zusätzlich Ihr Unternehmen erinnert und jede Woche besser wird, ist es ein KI-Mitarbeiter. Alles andere ist ein Etikett.

Der Fünf-Test-Rahmen

Diese fünf Tests sind der ganze Leitfaden in der Praxis. Ein echter KI-Mitarbeiter besteht alle fünf; ein umetikettiertes Produkt fällt bei mindestens einem durch, meist bei zweien. Führen Sie sie der Reihe nach durch, denn die frühen entlarven eine Fälschung am schnellsten.

Test 1: Der Gedächtnis-Test

Dauerhaftes Gedächtnis ist die klarste Grenze zwischen einem Chatbot und einem KI-Mitarbeiter. Ein Chatbot vergisst, wenn die Sitzung endet; ein echter KI-Mitarbeiter erinnert sich an Ihre Kunden, Ihre Regeln und das, was letzte Woche passiert ist¹³.

Fragen Sie, woran es sich erinnert - bleibt das Gedächtnis über Sitzungen, Nutzer und Aufgaben hinweg bestehen, oder setzt es sich zurück, sobald der Tab schließt?
Fragen Sie, wo das Gedächtnis liegt - ein echtes System speichert Fakten in einer eigenen Gedächtnisschicht, nicht nur im Modell-Kontextfenster¹³.
Fragen Sie, wem es gehört - das Gedächtnis über Ihr Unternehmen sollte Ihnen gehören und einen Anbieterwechsel oder Personalabgang überstehen.
Testen Sie live - nennen Sie einen Fakt, schließen Sie die Sitzung, öffnen Sie sie erneut und fragen Sie nach. Ein umetikettiertes Produkt hat ihn längst vergessen.

Test 2: Der Systeme-Test (Schreibzugriff)

Der praktische Test für einen echten Agenten ist der Schreibzugriff. Chatbots lesen; Agenten lesen, entscheiden und schreiben. Wenn das System einen Datensatz nicht ändern oder einen Prozess nicht auslösen kann, ohne dass ein Mensch drückt, ist es kein Agent⁹.

Fragen Sie, was es schreibt - kann es einen CRM-Datensatz aktualisieren, eine Rechnung buchen oder ein Ticket bewegen, oder liest und schlägt es nur vor?
Fragen Sie, womit es sich verbindet - ein echter KI-Mitarbeiter verbindet sich als Teil der Arbeit mit E-Mail, Teams, SharePoint, CRM und ERP wie SAP⁸.
Vorsicht beim rein lesenden Piloten - eine Demo, die nur aus einer Sandbox liest, verbirgt, dass sie nicht sicher in die Produktion schreiben kann.
Testen Sie live - bitten Sie es, während der Demo einen echten Datensatz in Ihrem eigenen System anzulegen. Ein umetikettiertes Produkt findet einen Grund, es nicht zu tun.

Test 3: Der Lern-Test

Ein echter KI-Mitarbeiter wird besser in Ihrem Geschäft, weil er aus Korrektur lernt. Ein umetikettiertes Produkt ist eingefroren: Der einzige Weg der Verbesserung ist ein Modell-Update des Anbieters, das Sie nicht steuern.

Fragen Sie, wie es lernt - wenn ein Mensch es korrigiert, ändert diese Korrektur künftiges Verhalten, und wie schnell?
Fragen Sie nach der Feedback-Schleife - produktionsreife Agenten haben ausdrückliche Feedback-Schleifen, die Fehler erkennen und sich anpassen¹⁷.
Fragen Sie nach Belegen - kann der Anbieter einen Agenten zeigen, der sich über Wochen bei demselben Kunden messbar an einer Aufgabe verbessert hat?
Testen Sie live - korrigieren Sie es einmal, geben Sie ihm dieselbe Aufgabe und beobachten Sie, ob es den Fehler wiederholt.

Test 4: Der End-to-End-Test

Ein KI-Mitarbeiter besitzt eine Routineaufgabe von Anfang bis Ende. Ein umetikettiertes Produkt übernimmt eine Scheibe - das Entwerfen, das Zusammenfassen - und gibt den Rest an einen Menschen zurück, womit der Mensch die Arbeit weiter besitzt.

Fragen Sie, wo die Aufgabe beginnt und endet - übernimmt der Agent den ganzen Workflow oder nur einen Schritt in der Mitte?
Fragen Sie, was bei Fehlern passiert - ein echter Agent erholt sich, versucht erneut oder eskaliert; ein Skript hält einfach an¹⁶.
Fragen Sie nach der Rolle des Menschen - gibt der Mensch die Arbeit des Agenten frei oder erledigt er die Arbeit, während der Agent zusieht?
Testen Sie live - wählen Sie eine echte End-to-End-Aufgabe und bitten Sie den Agenten, sie zu erledigen, nicht Ihnen dabei zu helfen.

Test 5: Der Identitäts- und Verantwortungs-Test

Ein echter KI-Mitarbeiter hat eine eigene Identität und hinterlässt eine vollständige Spur, so wie ein menschlicher Kollege einen Login und eine Historie hat. Ein umetikettiertes Produkt läuft auf einem geteilten Schlüssel, ohne Aufzeichnung, was es getan hat.

Fragen Sie nach seiner Identität - hat der Agent ein eigenes Konto und abgegrenzte Rechte, oder borgt er sich einen menschlichen Login?
Fragen Sie nach dem Audit-Trail - können Sie jeden Lese-, Schreib- und Entscheidungsvorgang einer echten Aufgabe sehen?
Fragen Sie nach der Kontrolle - gibt es eine Möglichkeit, den Agenten anzuhalten und festzulegen, welche Aktionen eine menschliche Freigabe brauchen?
Testen Sie live - lassen Sie sich nach der Demo-Aufgabe das vollständige Protokoll dessen zeigen, was der Agent getan hat.

Test	Echter KI-Mitarbeiter	Umetikettiertes Produkt
Gedächtnis	Erinnert über Sitzungen, gehört Ihnen	Vergisst, wenn die Sitzung endet
Systeme	Schreibt in Ihren echten Stack	Nur lesend oder nur Sandbox
Lernen	Verbessert sich aus Ihrem Feedback	Eingefroren bis zum Anbieter-Update
End-to-End	Besitzt die ganze Aufgabe	Erledigt einen Schritt, gibt zurück
Identität	Eigenes Konto, vollständiges Protokoll	Geteilter Schlüssel, keine Spur

Besteht alle fünf

✓ Übernimmt die Arbeit - die Routineaufgabe verlässt die menschliche Warteschlange
✓ Verzinst sich - es wird jede Woche besser in Ihrem Geschäft
✓ Nachvollziehbar - jede Aktion ist dem Agenten zuordenbar
✓ Übersteht Fluktuation - das Gedächtnis bleibt, wenn Menschen gehen

Besteht nur einige

✗ Braucht weiter einen Menschen - die Arbeit verlässt das Team nie
✗ Statisch - dieselben Fehler wiederholen sich Woche für Woche
✗ Undurchsichtig - kein Beweis, was es getan oder nicht getan hat
✗ Fragil - das Wissen geht mit dem Mitarbeiter, der es bediente

“Die meisten agentischen KI-Projekte sind derzeit frühe Experimente oder Proof-of-Concepts, die überwiegend vom Hype getrieben und oft falsch angewendet werden.”

- Anushree Verma, Senior Director Analyst bei Gartner¹

Wollen Sie diese fünf Tests an einem echten Agenten durchführen?

Buchen Sie einen 30-minütigen Termin. Wir zeigen einen KI-Mitarbeiter an Ihren Daten und Ihren Systemen, nicht in einer Sandbox.

Demo buchen →

Warnsignale, die sich im Verkaufs-Deck verstecken

Schon vor der Demo verrät die Sprache des Pitches das Washing. Auf diese Muster sollten Sie hören - und auf die Frage, die jedes durchschneidet.

“Agentisch” auf jeder Folie, definiert auf keiner - starker Gebrauch des Wortes ohne konkrete Beschreibung, was der Agent schreibt oder entscheidet⁴.
Human-in-the-Loop bei jedem Schritt - nicht als Sicherheitsentscheidung, sondern weil das System nicht allein handeln kann. Fragen Sie, ob der Mensch freigibt oder die Arbeit erledigt.
Demos nur mit den Anbieterdaten - eine polierte Demo an sauberen Beispielen vermeidet das Durcheinander Ihrer echten Systeme, wo Washing sichtbar wird.
Rein lesende Integration - der Konnektor zieht Daten hinein, schreibt aber nie zurück, was bedeutet, dass er keine Aufgabe abschließen kann⁹.
Keine Antwort zum Gedächtnis - vage Aussagen über “Kontext” statt einer klaren Geschichte über dauerhaftes, eigenes Gedächtnis¹³.
Preis pro Platz - einen “digitalen Mitarbeiter” pro menschlichem Platz zu bepreisen, ist ein Hinweis, dass es ein Werkzeug ist, das Ihre Leute nutzen, kein Mitarbeiter, der eine Aufgabe erledigt.
“Das integrieren wir später” - die Integration ist der harte Teil und der ganze Sinn; sie zu verschieben verschiebt genau das, was einen Agenten echt macht.
Kein Audit-Trail - wenn der Anbieter nicht zeigen kann, was der Agent bei einer Aufgabe getan hat, kann man ihm keine Aufgabe anvertrauen⁸.

Warnsignal	Was es signalisiert	Was Sie fragen
Mensch bei jedem Schritt	Kann nicht autonom handeln	Gibt der Mensch frei oder erledigt er die Arbeit?
Demo mit deren Daten	Verbirgt echte Integration	Können wir das heute an unseren Systemen fahren?
Rein lesender Konnektor	Kein Schreibzugriff	Zeigen Sie eine Schreibaktion in unseren Stack
Vage beim Gedächtnis	Kein dauerhaftes Gedächtnis	Wo liegt das Gedächtnis und wem gehört es?
Preis pro Platz	Es ist ein Werkzeug, kein Mitarbeiter	Zahlen wir für Plätze oder für erledigte Arbeit?

Häufige Falle

Die überzeugendsten agent-gewaschenen Demos sind die mit den eigenen Daten des Anbieters. Alles ist sauber, die Integrationen sind vorverdrahtet, und der Agent wirkt makellos. Die Falle ist, dass nichts davon Ihre Realität berührt. Bestehen Sie auf einer Demo mit Ihren Daten und Ihren Systemen, und sei es nur eine kleine Scheibe, bevor Sie einer Autonomie-Behauptung glauben. Das Durcheinander einer echten Umgebung ist genau das, was ein umetikettiertes Produkt nicht übersteht.

Zwei fast identische dunkle Metallbauteile nebeneinander, eines mit orangefarbenem Ring markiert, als Bild für einen echten KI-Mitarbeiter neben einem umbenannten Chatbot, der gleich aussieht

So führen Sie die Demo, dass sich Washing nicht verstecken kann

Eine geskriptete Demo ist darauf ausgelegt zu bestehen. Um Washing zu entlarven, ändern Sie das Skript. Fahren Sie diesen Fünf-Schritte-Parcours im Raum, und ein umbenannter Chatbot bricht in den ersten zwei Schritten.

Bringen Sie Ihre eigenen Daten mit - geben Sie dem Agenten ein echtes Dokument, einen Datensatz oder ein Ticket aus Ihrem Geschäft, nicht das Anbieterbeispiel. Washing lebt von sauberen Demo-Daten.
Bitten Sie es zu schreiben, nicht nur zu lesen - verlangen Sie eine konkrete Aktion in ein echtes oder Staging-System: einen Datensatz anlegen, einen Eintrag buchen, ein Ticket bewegen. Rein lesende Produkte enden hier⁹.
Schließen Sie die Sitzung und öffnen Sie sie erneut - sagen Sie dem Agenten etwas, beenden Sie die Sitzung, kommen Sie zurück und bitten Sie ihn, sich zu erinnern. Kein Gedächtnis, kein KI-Mitarbeiter¹³.
Korrigieren Sie einmal und wiederholen Sie die Aufgabe - geben Sie Feedback, fahren Sie dieselbe Aufgabe erneut und beobachten Sie, ob die Korrektur hält. Ein eingefrorenes Produkt wiederholt den Fehler.
Fragen Sie nach dem vollständigen Audit-Trail - verlangen Sie die komplette Spur dessen, was der Agent gelesen, entschieden und geschrieben hat. Kann er keine liefern, kann man ihm keine Produktionsarbeit anvertrauen⁸.

Checkliste Demo-Parcours

Der Agent lief mit unseren Daten, nicht mit einem Anbieterbeispiel
Er führte eine Schreibaktion in ein echtes oder Staging-System aus
Er erinnerte sich an einen Fakt, nachdem die Sitzung geschlossen und erneut geöffnet wurde
Eine Korrektur änderte sein Verhalten beim nächsten Durchlauf
Er lieferte einen vollständigen Audit-Trail der Aufgabe
Ein Mensch gab wirkungsstarke Aktionen frei, statt sie selbst auszuführen
Er erholte sich oder eskalierte, als etwas schiefging
Der Anbieter bepreiste die Arbeit, nicht die Zahl menschlicher Plätze

Die Zehn-Minuten-Version

Wenn Sie nur zehn Minuten haben, tun Sie zwei Dinge: Bitten Sie den Agenten, einen Datensatz in Ihr eigenes System zu schreiben, und schließen Sie die Sitzung, um sie dann zur Erinnerungsprüfung erneut zu öffnen. Schreibzugriff und dauerhaftes Gedächtnis sind die zwei Fähigkeiten, die Agent Washing nicht fälschen kann. Ein Produkt, das beide besteht, verdient einen genaueren Blick; eines, das an einem scheitert, ist ein Chatbot im Kostüm.

Die zwölf Fragen an jeden Anbieter

Senden Sie diese vor der Demo und stellen Sie sie während der Demo erneut. Achten Sie auf konkrete Antworten mit Belegen, nicht auf Adjektive. Vage Antworten auf konkrete Fragen sind das sicherste Zeichen für Washing.

Was schreibt der Agent, nicht nur liest? - nennen Sie die Systeme und die konkreten Datensätze oder Aktionen, die er ändert.
Bleibt das Gedächtnis über Sitzungen bestehen und wem gehört es? - und können wir es beim Wechsel exportieren?
Mit welchen unserer Systeme verbindet er sich heute? - E-Mail, Teams, SharePoint, CRM, ERP, und wie.
Wie lernt er aus unseren Korrekturen? - und wie schnell ändert sich das Verhalten?
Was passiert, wenn er sich irrt? - versucht er erneut, eskaliert er oder hält er stumm an¹⁶?
Welche Rolle hat der Mensch in der Schleife? - Freigabe der Agentenarbeit oder Erledigung der Arbeit?
Können wir einen vollständigen Audit-Trail einer echten Aufgabe sehen? - jeden Lese-, Entscheidungs- und Schreibvorgang.
Hat der Agent eine eigene Identität und abgegrenzte Rechte? - oder teilt er sich einen menschlichen Login?
Wo werden die Daten gehostet und verarbeitet? - und verlässt etwas die EU?
Wie ist er bepreist? - pro Platz, pro Aktion, pro Ergebnis, und warum.
Können wir jetzt eine Demo mit unseren Daten und Systemen fahren? - kein kuratiertes Beispiel.
Zeigen Sie einen Kunden, bei dem dies vom Piloten in die Produktion ging. - mit einer Aufgabe, die er heute vollständig besitzt.

Checkliste Anbieterbewertung

Schreibzugriff auf benannte Systeme wird vorgeführt, nicht nur beschrieben
Dauerhaftes, exportierbares, kundeneigenes Gedächtnis ist bestätigt
Eine Live-Verbindung zu mindestens einem unserer Kernsysteme wird gezeigt
Ein Mechanismus zum Lernen aus Feedback ist belegt
Ein Fehler- und Eskalationspfad ist definiert
Ein vollständiger Audit-Trail ist auf Anfrage verfügbar
Der Agent hat eine eigene Identität und abgegrenzte Rechte
Mindestens ein Produktions-Referenzkunde existiert

Der Company-Brain-Test: woran sich ein echter KI-Mitarbeiter erinnert

Am Gedächtnis bricht das meiste Washing zusammen, daher verdient es einen eigenen Test. Ein echter KI-Mitarbeiter baut auf einem Company Brain: einer dauerhaften Schicht, die Ihr Personen-Wissen, Ihre Prozesse und Daten hält, sodass sie Personalwechsel übersteht und von einer Aufgabe zur nächsten trägt¹³.

Personen-Wissen - wer was tut, wen man fragt und die ungeschriebenen Regeln, die üblicherweise mit einem Mitarbeiter gehen.
Prozessgedächtnis - wie eine Aufgabe hier tatsächlich erledigt wird, einschließlich der Ausnahmen, die kein Richtliniendokument festhält.
Datenkontext - welcher Kunde, welcher Vertrag, welche Bestellung, und wie sie über Ihre Systeme zusammenhängen.
Entscheidungshistorie - was letzte Woche entschieden wurde und warum, damit der Agent geklärte Fragen nicht neu aufrollt.
Feedback-Historie - jede Korrektur, die ein Mensch gemacht hat, damit derselbe Fehler nicht wiederkehrt.

Gedächtnisfrage	Chatbot	Company Brain
Übersteht die Sitzung?	Nein, setzt jedes Mal zurück	Ja, bleibt dauerhaft
Übersteht Personalwechsel?	Nicht anwendbar, kein Gedächtnis	Ja, genau das ist der Sinn
Wem gehört es?	Faktisch dem Anbieter	Ihnen, exportierbar
Lernt aus Korrektur?	Nein, eingefroren	Ja, Feedback wird gespeichert
Verbindet Daten über Systeme?	Nein, einzelne Quelle	Ja, über Ihren Stack

“Diese Kluft scheint nicht von Modellqualität oder Regulierung getrieben zu sein, sondern vom Vorgehen bestimmt.”

- The GenAI Divide, Bericht von MIT Project NANDA⁶

Warum das Gedächtnis der entscheidende Test ist

Ein Agent ohne Gedächtnis beginnt jede Aufgabe bei null. Er kann Routinearbeit nicht übernehmen, denn Routinearbeit ist durch Kontext definiert, der sich anhäuft: Dieser Kunde bevorzugt jenes, diese Bestellung ist eine Ausnahme, letzten Monat haben wir die Regel geändert. Das Company Brain macht aus einem fähigen Modell eine Kollegin. Wenn ein Anbieter nicht in klaren Worten erklären kann, woran sich sein Agent über Ihr Geschäft erinnert und wem dieses Gedächtnis gehört, sehen Sie einen Chatbot.

Wie Superkind passt

Superkind baut maßgeschneiderte KI-Mitarbeiter für Mittelstand und Unternehmen, entworfen, um alle fünf Tests zu bestehen, nicht die Demo. Das Modell ist ein Company Brain plus KI-Mitarbeiter, die sich mit den Systemen verbinden, die Sie bereits nutzen, Routinearbeit übernehmen und aus täglichem Feedback lernen.

Company-Brain-Gedächtnis - eine dauerhafte Schicht, die Ihr Personen-Wissen, Ihre Prozesse und Daten hält, sodass ein Agent Ihr Geschäft über Sitzungen hinweg erinnert und Personalwechsel übersteht.
Schreibzugriff auf echte Systeme - KI-Mitarbeiter lesen aus und schreiben in E-Mail, Microsoft Teams, SharePoint, CRM und ERP wie SAP, als Teil der erledigten Arbeit.
Lernt aus Feedback - jede menschliche Korrektur fließt in den Agenten zurück, sodass er Woche für Woche besser in Ihren konkreten Prozessen wird.
End-to-End-Verantwortung - ein KI-Mitarbeiter besitzt eine definierte Routineaufgabe von Anfang bis Ende, nicht einen Schritt in der Mitte.
Eigene Identität - jeder KI-Mitarbeiter hat abgegrenzte Rechte und einen vollständigen Audit-Trail, sodass jede Aktion nachvollziehbar und steuerbar ist.
Human-in-the-Loop by Design - wirkungsstarke Aktionen pausieren für eine Freigabe, was eine Sicherheitsentscheidung ist, kein Zeichen fehlender Handlungsfähigkeit.
Eine Schicht über dem, was Sie schon nutzen - kein Rip-and-Replace, der KI-Mitarbeiter sitzt auf Ihrem bestehenden Stack.
In Wochen live, nicht in Monaten - ein fokussierter erster Anwendungsfall erreicht schnell echte, integrierte Produktion und wächst dann.
Hebel statt Kopfzahl - er übernimmt Routinearbeit, damit das Team mehr schafft, ohne für administrative Last einzustellen.

Fähigkeit	Umetikettierter “Agent”	Superkind KI-Mitarbeiter
Gedächtnis	Nur Sitzung, beim Anbieter	Dauerhaftes Company Brain, gehört Ihnen
Schreibzugriff	Nur lesend oder Sandbox	Schreibt in Ihre Live-Systeme
Lernen	Eingefroren bis zum Anbieter-Update	Lernt aus täglichem Feedback
Aufgabenumfang	Ein Schritt, gibt zurück	Besitzt die Routineaufgabe End-to-End
Verantwortung	Geteilter Schlüssel, keine Spur	Eigene Identität, vollständiges Protokoll

Pro

✓ Besteht die fünf Tests - Gedächtnis, Schreibzugriff, Lernen, Verantwortung, Identität
✓ Passt in Ihren Stack - eine Schicht über den Werkzeugen, die Sie schon nutzen
✓ Ihnen gehört das Gedächtnis - das Company Brain bleibt Ihres
✓ Am Ergebnis bepreist - Wert an der erledigten Arbeit, nicht an Plätzen

Contra

✗ Kein Self-Service-Tool - es bedeutet Zusammenarbeit mit unserem Team
✗ Braucht Prozesszugang - wir kartieren den echten Workflow, nicht nur Dokumente
✗ Nicht sofort - echte Integration dauert Wochen, keine Anmeldung am selben Tag
✗ Kapazitätsbegrenzt - wir arbeiten mit einer fokussierten Zahl von Kunden gleichzeitig

Entscheidungsrahmen: kaufen, testen oder weitergehen

Nicht jedes Produkt, das einen Test nicht besteht, ist wertlos - ein guter Chatbot ist ein guter Chatbot. Der Fehler ist, Agenten-Preise dafür zu zahlen. Nutzen Sie diesen Rahmen, um über jeden Anbieter auf Ihrer Shortlist zu entscheiden.

Was Sie festgestellt haben	Was es bedeutet	Aktion
Besteht alle fünf Tests mit Ihren Daten	Ein echter KI-Mitarbeiter	Kaufen, mit einem wertvollen Anwendungsfall starten
Besteht vier, schwach beim Lernen	Ein fähiger Agent, noch reifend	Mit klaren Erfolgskennzahlen pilotieren
Liest gut, kann nicht schreiben	Ein Chatbot oder Copilot	Nur zum Chatbot-Preis kaufen, nicht zum Agenten-Preis
Kein dauerhaftes Gedächtnis	Kann Routinearbeit nicht besitzen	Von der Agenten-Behauptung Abstand nehmen
Verweigert eine Demo mit Ihren Daten	Verbirgt, was es nicht kann	Weitergehen
Kein Audit-Trail oder keine Identität	Nicht produktionssicher	Weitergehen, bis es existiert

Die Fähigkeit kaufen

✓ Mit Ihren Daten getestet - Beweis statt Kategorie-Etikett
✓ Am Wert bepreist - Sie zahlen für tatsächlich erledigte Arbeit
✓ Besitzt eine Aufgabe - die Arbeit verlässt die menschliche Warteschlange
✓ Verzinst sich - der Wert wächst, wenn Gedächtnis und Lernen aufbauen

Die Kategorie kaufen

✗ Das Wort gekauft - “Agent” auf der Rechnung, Chatbot in der Produktion
✗ Zu viel gezahlt - Agenten-Preis für Copilot-Fähigkeit
✗ Arbeit bleibt - der Mensch erledigt die Aufgabe weiter
✗ Wird zur Statistik - Teil der 40 Prozent, die gestrichen werden

Häufig gestellte Fragen

Agent Washing ist die Praxis, ein bestehendes Produkt - einen Chatbot, einen Copiloten, ein RPA-Skript oder einen generativen KI-Assistenten - als autonomen KI-Agenten umzuetikettieren, ohne dass das Produkt echte agentische Fähigkeiten besitzt. Gartner hat das Muster 2025 benannt und schätzt, dass von den Tausenden Anbietern, die mit agentischer KI werben, nur rund 130 echt sind. Das Etikett ändert sich, die Software darunter nicht.

Ein Chatbot ist rein lesend. Er ruft Informationen ab und beantwortet Fragen, und er wartet darauf, dass ein Mensch auf die Antwort reagiert. Ein echter KI-Agent liest, entscheidet und schreibt. Er plant eine Aufgabe, greift auf die benötigten Systeme zu, ändert Datensätze und erledigt die Arbeit von Anfang bis Ende. Der praktische Test ist der Schreibzugriff: Wenn das System einen Datensatz nicht ändern, einen Prozess nicht auslösen oder eine Transaktion nicht abschließen kann, ohne dass ein Mensch auf den Knopf drückt, ist es kein Agent.

Führen Sie vor dem Kauf fünf Tests durch. Prüfen Sie, ob das Produkt ein dauerhaftes Gedächtnis über Ihr Unternehmen über Sitzungen hinweg hält, ob es in Ihre echten Systeme schreibt und nicht nur in eine Sandbox, ob es aus Feedback lernt, ob es eine Routineaufgabe von Anfang bis Ende übernimmt und ob es eine eigene Identität und einen vollständigen Audit-Trail hat. Ein umetikettiertes Produkt fällt bei mindestens einem durch, meist beim Gedächtnis und beim Schreibzugriff, sobald Sie es mit Ihren eigenen Daten testen.

Gartner prognostiziert, dass mehr als 40 Prozent der agentischen KI-Projekte bis Ende 2027 eingestellt werden, auf Basis einer Befragung von über 3.400 Organisationen. Als Ursachen nennt Gartner steigende Kosten, unklaren Geschäftswert und unzureichende Risikokontrollen. Ein großer Teil dieser Fehlschläge geht auf Agent Washing zurück: Teams kaufen einen umbenannten Chatbot in der Erwartung eines autonomen Mitarbeiters, der Wert stellt sich nie ein, und das Projekt wird gestrichen.

In der Regel nicht im strengen Sinn. Ein Copilot sitzt in einer Anwendung und hilft einem Menschen, der über jede Aktion die Kontrolle behält - er entwirft, schlägt vor und fasst zusammen. Ein Agent nimmt dem Menschen die Arbeit ab und erledigt sie im Hintergrund. Viele als Agenten vermarktete Produkte sind in Wahrheit Copiloten mit einer aufgesetzten Autonomie-Behauptung. Der Unterschied zählt, weil man beide völlig anders besetzt und bepreist.

Ein Company Brain ist eine dauerhafte Gedächtnisschicht, die Ihr Personen-Wissen, Ihre Prozesse und Ihre Daten hält, sodass es Personalwechsel übersteht und über Sitzungen hinweg trägt. Es ist wichtig, weil das Gedächtnis die Grenze zwischen einem Chatbot und einem KI-Mitarbeiter ist. Ein Chatbot vergisst alles, wenn die Sitzung endet; ein echter KI-Mitarbeiter erinnert sich an Ihre Kunden, Ihre Regeln und die Entscheidungen der letzten Woche. Ohne ein Company Brain beginnt ein Agent jede Aufgabe bei null und kann Routinearbeit nie übernehmen.

Fragen Sie, ob der Agent in Ihre Systeme schreibt oder nur liest, ob sein Gedächtnis über Sitzungen hinweg bestehen bleibt und wem es gehört, wie er aus Korrektur lernt, was passiert, wenn er sich irrt, wie er bepreist ist, wo die Daten gehostet werden, und lassen Sie sich einen vollständigen Audit-Trail einer echten Aufgabe zeigen. Bestehen Sie auf einer Demo mit Ihren eigenen Daten und Ihren eigenen Systemen. Die Antworten trennen einen echten KI-Mitarbeiter in unter einer Stunde von einem umbenannten Chatbot.

Nein. Ein guter KI-Mitarbeiter hält bei wirkungsstarken Aktionen bewusst einen Menschen in der Schleife, und das ist eine Stärke, keine Schwäche. Das Warnsignal ist ein anderes: Es ist der Fall, wenn ein Mensch bei jedem Schritt in der Schleife sein muss, weil das System nicht wirklich allein handeln kann. Fragen Sie, ob der Mensch die Arbeit des Agenten freigibt oder die Arbeit selbst erledigt, während der Agent zusieht. Nur das Erste ist ein echter Agent.

Nach Gartner-Schätzung haben nur etwa 130 der Tausenden Anbieter, die agentische KI behaupten, echte Fähigkeiten - deshalb prägte das Haus den Begriff Agent Washing. Getrennt davon fand MIT Project NANDA heraus, dass 95 Prozent der generativen KI-Piloten in Unternehmen keinen messbaren Ertrag lieferten. Der Markt ist echt und wächst, aber der Anteil der Produkte, die dem Etikett gerecht werden, ist klein - die Last liegt also beim Käufer, zu testen statt dem Marketing zu vertrauen.

Ja, und das ist einer der klarsten Tests. Ein echter KI-Mitarbeiter verbindet sich mit den Systemen, die Sie bereits nutzen - E-Mail, Microsoft Teams, SharePoint, CRM, ERP wie SAP - und liest aus ihnen und schreibt in sie als Teil der Arbeit. Ein umetikettiertes Produkt vermeidet entweder die Live-Integration während des Verkaufsprozesses oder bietet nur eine lesende Verbindung. Wenn ein Anbieter keine Schreibaktion in Ihren eigenen Stack zeigen kann, behandeln Sie die Autonomie-Behauptung als Marketing.

Branchendaten zeigen, dass eine große Mehrheit der KI-Agenten-Piloten nie die Produktion erreicht, gebremst durch Richtlinienlücken, unvollständigen Datenkontext und unreife Integration. Agent Washing verschärft das: Ein Chatbot glänzt in der Demo, hat aber kein Gedächtnis, keinen Schreibzugriff und keine Möglichkeit, einen Workflow zu besitzen, sodass er die Lücke von der glatten Demo zur echten Produktionsarbeit nicht überwindet. Ein echter KI-Mitarbeiter ist von der ersten Integration an für die Produktion gebaut, nicht für die Demo.

Nein, der Mittelstand ist stärker exponiert, nicht weniger. Große Firmen haben oft KI-Teams, die das Marketing durchschauen, während ein mittelständisches Unternehmen, das seinen ersten KI-Agenten bewertet, dem Pitch vertrauen muss. Genau dort richtet Agent Washing den größten Schaden an, weil der Käufer Enterprise-Preise für einen umbenannten Chatbot zahlt und schlussfolgert, dass KI für ihn nicht funktioniert. Ein konkreter Test schützt den Käufer unabhängig von der Unternehmensgröße.

Mit dem richtigen Test unter einer Stunde. Bringen Sie Ihre eigenen Daten mit, bitten Sie das System, einen Datensatz in ein echtes System zu schreiben, beenden Sie die Sitzung und öffnen Sie sie erneut, um zu prüfen, ob es sich erinnert, korrigieren Sie es einmal und sehen Sie, ob es sich anpasst, und fragen Sie nach dem Audit-Trail. Ein echter KI-Mitarbeiter besteht alle vier; ein umetikettiertes Produkt scheitert am ersten oder zweiten. Sie brauchen keinen dreimonatigen Piloten, um Agent Washing zu entlarven, sondern die richtigen zehn Minuten.

Die Begriffe überschneiden sich, aber KI-Mitarbeiter setzt die höhere Latte. Ein KI-Agent erledigt Aufgaben autonom; ein KI-Mitarbeiter tut das, während er ein dauerhaftes Gedächtnis über Ihr Unternehmen hält, sich mit den Systemen Ihres Teams verbindet, aus täglichem Feedback lernt und über die Zeit ein definiertes Stück Routinearbeit besitzt. Es ist der Unterschied zwischen einem fähigen Auftragnehmer für eine Aufgabe und einer Kollegin, die jede Woche besser in Ihrem Geschäft wird. Genau diesen Maßstab lohnt es sich zu kaufen.

Quellen

Henri Jung

Mitgründer von Superkind, wo er Mittelstand und Unternehmen dabei hilft, maßgeschneiderte KI-Agenten einzusetzen, die wirklich zu ihrer Arbeitsweise passen. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er glaubt, dass der Mittelstand alles hat, um bei KI vorn zu sein - er braucht nur den richtigen Ansatz und einen Weg, einen echten KI-Mitarbeiter von einem umbenannten Chatbot zu unterscheiden, bevor der Vertrag unterschrieben ist.

Bereit, die Fähigkeit zu kaufen, nicht das Etikett?

Buchen Sie einen 30-minütigen Termin mit Henri. Wir führen die fünf Tests live an Ihren Daten und Ihren Systemen durch - keine Sandbox, kein Verkaufsgespräch.