Warum 400.000 Copilot-Agenten Ihr Unternehmen immer noch nicht kennen

In seiner Telefonkonferenz zu den Quartalszahlen im Januar 2025 nannte Microsoft eine Zahl, die klang, als wäre die Zukunft schon da: Mehr als 160.000 Organisationen hätten mit Copilot Studio über 400.000 individuelle Agenten in einem einzigen Quartal gebaut, mehr als doppelt so viele wie im Quartal davor¹. Bis Ende 2025 lag die laufende Gesamtzahl bei über einer Million individueller Agenten über SharePoint und Copilot Studio¹¹. Die Ära der Agenten, so schien es, war bereits angebrochen.

Und doch: Fragen Sie den Betriebsleiter eines mittelständischen Fertigers, ob sein Copilot weiß, wie das Unternehmen eine Rechnung kontiert, welcher Kunde immer einen zweiten Lieferschein braucht oder warum die Dienstagslieferung nach Lyon anders läuft, lautet die ehrliche Antwort: nein. Er kann die Dateien durchsuchen. Er kann eine E-Mail entwerfen. Er kann die Arbeit nicht ausführen. Vierhunderttausend Agenten, und fast keiner hält ein echtes Gedächtnis des Unternehmens, dem er dient.

Dieser Beitrag ist für den CTO, Betriebsleiter oder Geschäftsführer, der dem Copilot-Versprechen geglaubt hat und sich still fragt, warum es stagniert. Die Lücke ist nicht das Modell. Es ist der Unterschied zwischen Grounding auf Dokumenten und dem Aufbau eines Company Brain - eines lebendigen Gedächtnisses dafür, wie Ihr Unternehmen wirklich arbeitet, auf dem KI-Mitarbeiter die Routine übernehmen. Hier steht, was die beiden trennt und warum das eine immer besser wird, während das andere immer wieder von vorn beginnt.

Die 400.000-Agenten-Illusion

Die Schlagzeilen-Zahlen sind echt und beeindruckend. Was sie messen, ist, wie einfach es geworden ist, einen Agenten zu erstellen - nicht, wie viel ein Agent versteht. Ein Copilot-Studio-Agent lässt sich an einem Nachmittag hochziehen, indem man ihn auf eine SharePoint-Seite richtet. Das ist ein Feature. Es ist auch der Grund, warum so viele dieser Agenten austauschbar und flach sind.

• Menge ist nicht Tiefe - 400.000 individuelle Agenten in einem Quartal über 160.000 Organisationen ergeben im Schnitt weniger als drei Agenten pro Organisation, die meisten davon dünne Dokumenthüllen¹.
• Lizenzen sind keine Ergebnisse - Microsoft überschritt 2026 die Marke von 20 Millionen bezahlten Copilot-Plätzen¹², doch im selben Jahr formierte sich intern eine als „Code Red“ bezeichnete Initiative rund um zurückbleibende reale Nutzung und Wirkung²⁴.
• Pilotprojekte stagnieren - Eine MIT-Studie über mehr als 300 Einführungen fand, dass rund 95 Prozent der KI-Pilotprojekte in Unternehmen keine messbare finanzielle Rendite lieferten⁵.
• Die Investition ist enorm - Diese 95 Prozent sitzen auf geschätzten 30 bis 40 Milliarden Dollar Unternehmensausgaben für KI, die meist auf Vertrieb und Marketing zielen statt auf die Back-Office-Arbeit mit dem höchsten Ertrag⁵.
• Leichte Erstellung erzeugt Wildwuchs - Genau das, was 400.000 Agenten hervorbrachte, erzeugt nun ein ungesteuertes Durcheinander, für das Gartner einen Namen hat: Agenten-Wildwuchs¹⁰.

Die Illusion ist, dass eine hohe Zahl an Agenten bedeutet, ein Unternehmen habe KI eingeführt. Meist bedeutet sie, dass ein Unternehmen eine hohe Zahl zustandsloser Helfer hat, von denen jeder Fragen zu Dokumenten beantwortet und keiner die Arbeit ausführt. Um zu verstehen, warum, muss man wissen, was diese Werkzeuge unter der Haube tatsächlich tun.

Was Grounding wirklich tut (und was nicht)

Sowohl Microsoft Copilot als auch Salesforce Agentforce stützen sich auf dieselbe Kerntechnik: Grounding, auch Retrieval-Augmented Generation genannt. Sie ist wirklich nützlich - und zugleich die Quelle der Obergrenze. Sie präzise zu verstehen, ist der ganze Punkt.

Wie Grounding funktioniert

Wenn Sie Copilot eine Frage stellen, antwortet er nicht aus einem privaten Modell Ihres Unternehmens. Er durchsucht Inhalte, die Sie sehen dürfen, ruft die relevantesten Ausschnitte ab und übergibt sie dem Sprachmodell zusammen mit Ihrem Prompt - für diese eine Antwort². Salesforce Agentforce tut dasselbe über Data Cloud und nutzt RAG und hybride Suche, um im Moment der Abfrage den passenden Datensatz oder Wissensartikel zu ziehen⁷.

• Abruf zur Abfragezeit - Das System holt relevante Dateien, E-Mails, Datensätze oder Wissensartikel, wenn Sie fragen, nicht vorher².
• Nach Berechtigung gefiltert - Copilot verankert nur in Inhalten, auf die Sie bereits Zugriff haben, und respektiert bestehende Microsoft-365-Berechtigungen⁴.
• Zustandslos per Konstruktion - Der abgerufene Kontext lebt für eine Antwort. Er wird nicht als wachsendes Modell Ihres Unternehmens gespeichert².
• Kein Training auf Ihren Daten - Microsoft stellt klar, dass Ihre Mandantendaten nicht zum Training der Basismodelle genutzt werden und Ihre Prompts sie nicht verbessern³.
• Nur so gut wie die Dokumente - Grounding erbt die Qualität dessen, was es abruft. Steckt der Prozess im Kopf eines Menschen und nicht in einer Datei, kann Grounding ihn nicht finden²³.

Worin Grounding stark ist

• Suchen und zusammenfassen - Die Vertragsklausel finden, den Thread zusammenfassen, die aktuellen Zahlen aus einer Präsentation ziehen.
• Erstentwürfe erzeugen - Eine E-Mail, eine Folie, ein Status-Update auf Basis vorhandenen Materials entwerfen.
• Persönliche Produktivität - Einer Person helfen, schneller durch ihren eigenen Posteingang und ihre Dateien zu kommen²¹.
• Fragen und Antworten über einen bekannten Bestand - FAQ-artige Fragen beantworten, wenn die Antwort wirklich in einem Dokument steht.

Wo Grounding an seine Grenze stößt

• Stillschweigendes Prozesswissen - Die ungeschriebenen Regeln, das „bei diesem Kunden machen wir es immer so“, das in Menschen steckt, nicht in Dateien.
• Lernen aus Korrekturen - Wenn Sie die Ausgabe korrigieren, erinnert sich Grounding nicht an die Korrektur. Morgen macht es denselben Fehler⁵.
• Durchgängige Ausführung - Grounding informiert eine Antwort; es besitzt keinen mehrstufigen Prozess über Systeme und Tage hinweg.
• Gesammelter Kontext - Es kann kein Bild eines Kunden, eines Lieferanten oder eines Workflows über die Zeit aufbauen, weil es zwischen Sitzungen nichts hält¹⁴.

Nichts davon macht Grounding schlecht. Es macht es zu einer Leseschicht. Das Problem beginnt, wenn Führungskräfte von einer Leseschicht erwarten, sie verhalte sich wie ein Kollege, der sich erinnert.

Copilot vs Company Brain: Der Kernunterschied

Ein generischer Copilot und ein Company Brain können in einer Demo ähnlich aussehen. Sie gehen in dem Moment auseinander, in dem Ihnen wichtig ist, dass derselbe Prozess hundertmal korrekt läuft, ohne dass ein Mensch ihn jedes Mal neu erklärt. Der Unterschied ist Gedächtnis, das bleibt und sich verbessert.

Am deutlichsten wird der Unterschied an einer einzigen Rechnung. Bitten Sie einen grounded Copilot, sie zu kontieren, rät er aus dem Dokument. Bitten Sie einen KI-Mitarbeiter auf einem Company Brain, wendet er die Kontierungsregel an, die Ihr Controller ihm letzten Monat beigebracht hat, leitet sie an den Freigeber weiter, der für diese Kostenstelle zeichnet, und markiert den einen Lieferanten, dessen Gutschriften immer einen zweiten Blick brauchen - weil das Brain sich an alle drei erinnert.

Die Lücke beim Lernen: Warum Dokument-Grounding stagniert

MIT gab dem Muster des Scheiterns einen Namen, aber man kann es in jedem Büro beobachten. Ein Team führt einen Copilot ein, sieht einen Begeisterungsschub und hört dann langsam auf, ihn für irgendetwas Wichtiges zu nutzen. Der Grund ist strukturell, nicht kulturell.

• Derselbe Fehler, für immer - Weil das Modell nicht auf Ihren Daten trainiert³, ist eine Korrektur von heute morgen verschwunden. Grounding liest das Dokument erneut; es erinnert sich nie an Ihre Korrektur.
• Müll rein bleibt Müll rein - Grounding erbt Ihre Dokumentqualität. Analysten führen die 95-prozentige Misserfolgsquote der Pilotprojekte immer wieder auf fragmentierte, schlecht gesteuerte Daten zurück²³.
• Kontext verdampft zwischen Sitzungen - Unternehmensarbeit ist mehrstufig und mehrtägig. Ein zustandsloses Werkzeug kann den Faden nicht halten, also trägt ein Mensch weiter das institutionelle Wissen¹⁵.
• Fähigkeit ist nicht der Engpass - Forscher fanden, dass weniger fähige Agenten in einem realen Workflow, mit Menschen als Kontextträger, einen fähigeren Agenten übertrafen, der keinen Zugang zu diesem Kontext hatte¹⁴.
• Das Plateau ist vorhersehbar - Ohne Gedächtnisschicht endet der Nutzen bei „bessere Suche“. Das ist echter Wert, aber keine Transformation - und nicht das, wofür das Budget genehmigt wurde⁵.

Die Lösung ist kein besseres Modell. Spitzenmodelle sind bereits gut genug. Die Lösung ist ein Ort, an dem sich das Know-how des Unternehmens sammelt und verbessert - genau das ist ein Company Brain.

Was ein Company Brain tatsächlich ist

Ein Company Brain ist kein Chatbot und kein größerer Dokumentspeicher. Es ist ein dauerhaftes, strukturiertes Gedächtnis dafür, wie Ihr Unternehmen arbeitet, gebaut aus drei Dingen, die ein generischer Copilot nie behält: Personenwissen, Prozessen und Ergebnissen. Es setzt auf Ihren bestehenden Systemen auf und wächst mit der Arbeit.

Die drei Schichten, die es erfasst

• Personenwissen - Die stillschweigende Expertise Ihres Teams: die Ausnahmen, die Ermessensentscheidungen, das „frag Maria wegen der österreichischen Aufträge“. Das Brain erfasst es, während es in der realen Arbeit auftaucht.
• Prozesse - Die tatsächliche Schrittfolge für jede Routineaufgabe, samt der Verzweigungen und Umgehungen, die es nie in eine Arbeitsanweisung geschafft haben.
• Daten und Entscheidungen - Die Datensätze aus Ihrem CRM, ERP und den Posteingängen, plus die dagegen getroffenen Entscheidungen und - entscheidend - die Korrekturen, die folgten.

Was es zu einem Brain macht, nicht zu einer Datenbank

• Es schreibt, nicht nur liest - RAG ruft ab. Ein Company Brain erfasst auch Ergebnisse und Korrekturen, hat also eine Schreibschicht - und die verwandelt Abruf in Lernen¹⁴.
• Es verknüpft - Es verbindet eine Kunden-E-Mail mit dem CRM-Datensatz, dem ERP-Auftrag und den letzten drei Ausnahmen, sodass Kontext ein Graph ist, kein Ausschnitt.
• Es ist gemeinsam - Ein Gedächtnis dient jedem KI-Mitarbeiter und jedem Anwendungsfall, statt 400.000 unverbundener Agenten, die jeder kalt starten¹⁰.
• Es kumuliert - Forschung zu Agenten-Gedächtnis von 2026 zeigt, dass die größten Fortschritte genau hier liegen: Historien, in denen Fakten sich sammeln, ändern und über die Zeit zueinander in Beziehung stehen¹⁶.
• Es ist gesteuert - Weil das Gedächtnis zentral ist, gelten Zugriffskontrolle, Audit und Datenhaltung einmal, für eine Schicht, nicht für einen Schwarm von Bots.

Wenn Sie die tiefere Mechanik wollen, wie sich dauerhaftes Gedächtnis von Abruf unterscheidet, gehen wir in KI-Agenten-Gedächtnis darauf ein. Die Kurzfassung: Ein Company Brain ist das, was einen KI-Mitarbeiter wert macht, ihm einen Prozess anzuvertrauen, weil es sich erinnert, wie der Prozess hier tatsächlich läuft.

KI-Mitarbeiter auf dem Brain

Ein Company Brain allein ist Gedächtnis. Der Wert zeigt sich, wenn KI-Mitarbeiter dieses Gedächtnis nutzen, um die Arbeit zu erledigen - verbunden mit denselben Werkzeugen, in denen Ihr Team ohnehin lebt. Hier wird aus „beantwortet eine Frage“ ein „besitzt den Prozess“.

Wo sie sich verbinden

• E-Mail - Eingehende Anfragen lesen, Antworten auf Basis des Gedächtnisses zu diesem Kunden entwerfen und senden, die eskalieren, die einen Menschen brauchen.
• Teams - Anweisungen im Chat entgegennehmen, Updates posten, bei geringer Konfidenz einen Kollegen fragen.
• SharePoint - Dokumente als einen Input nutzen, aber das dauerhafte Wissen zurück ins Brain schreiben, nicht in eine weitere verwaiste Datei.
• CRM (Salesforce, HubSpot) - Datensätze aktualisieren, Aktivitäten protokollieren, die nächste beste Aktion auf Basis der vollständigen Historie vorbereiten, nicht eines einzelnen Ausschnitts.
• ERP (SAP und andere) - Aufträge anlegen und abgleichen, Rechnungen kontieren, abstimmen - der transaktionale Kern, in dem Fehler teuer sind.

Was ein KI-Mitarbeiter durchgängig besitzt

• Kreditorenbuchhaltung - Die Rechnung erfassen, die vom Brain gelernten Kontierungsregeln anwenden, mit der Bestellung abgleichen, an den richtigen Freigeber leiten. Genau diesen Ablauf zerlegen wir in Der KI-Mitarbeiter in der Kreditorenbuchhaltung.
• IT- und interner Service-Desk - Tickets triagieren, die bekannten lösen und beim Routing besser werden, während das Brain Ihre Systeme lernt.
• Kundenbetrieb - Antworten, aktualisieren und nachfassen mit dem vollständigen erinnerten Kontext des Kunden, nicht einer kalten Suche.
• Auftrags- und Angebotsbearbeitung - Aus einer E-Mail einen geprüften Auftrag oder ein Angebot machen und dabei die vom Brain erinnerten Preisausnahmen anwenden.
• Onboarding - Einer neuen Kraft einen KI-Kollegen geben, der den Prozess bereits kennt - beschrieben in KI-Mitarbeiter onboarden.

Die tägliche Feedback-Schleife, die Grounding nicht haben kann

Der größte Unterschied zwischen einem grounded Copilot und einem Company Brain ist, was nach einem Fehler passiert. Beim Copilot passiert nichts - der Fehler wird nicht erinnert. Beim Company Brain ist die Korrektur der Treibstoff. Hier ist der Mechanismus, Schritt für Schritt.

1. Der KI-Mitarbeiter handelt - Er kontiert die Rechnung, entwirft die Antwort, aktualisiert den Datensatz, mit dem aktuellen Gedächtnis des Brain.
2. Ein Mensch prüft die Grenzfälle - Aktionen mit geringer Konfidenz werden einem Menschen vorgelegt. Der Rest läuft mit Audit-Log durch.
3. Die Korrektur wird erfasst - Wenn der Controller eine Zeile neu kontiert oder der Vertriebler einen Absatz umschreibt, erfasst das Brain, was sich änderte und warum.
4. Die Korrektur wird zur Regel - Taucht dasselbe Muster wieder auf, wendet das Brain die gelernte Regel an, statt den Fehler zu wiederholen.
5. Das Wissen kumuliert - Über Wochen kodieren tausende kleiner Korrekturen genau das Know-how, das kein Dokument je hielt.

• Korrekturen sind billig, Neutraining nicht - Es ist kein Modell-Neutraining nötig; die Gedächtnisschicht erfasst die Regel direkt¹⁶.
• Die Schleife braucht die Arbeit - Deshalb muss ein Company Brain auf realen Systemen und realen Aufgaben aufsitzen, nicht daneben stehen.
• Konfidenz steigt mit der Nutzung - Wächst die Regelbasis, überschreiten mehr Aktionen die Konfidenzschwelle und weniger brauchen Prüfung.
• Es ist messbar - Korrekturrate je hundert Aktionen ist eine saubere Kennzahl, die Monat für Monat sinken sollte.

Agenten-Wildwuchs vs ein Brain

Dieselbe leichte Erstellung, die 400.000 Agenten hervorbrachte, erzeugt ein Governance-Problem, wenn niemand mitzählt. Gartner nennt es Agenten-Wildwuchs, und es ist der vorhersehbare Endzustand eines Modells, das schnell baut und sich nichts merkt.

• Explosives Wachstum - Gartner prognostiziert, dass das durchschnittliche Fortune-500-Unternehmen bis 2028 mehr als 150.000 KI-Agenten betreiben wird, gegenüber weniger als 15 im Jahr 2025¹⁰.
• Kaum Governance - Nur 13 Prozent der Organisationen glauben, eine ausreichende Agenten-Governance zu haben¹⁰.
• Konkrete Risiken - Wildwuchs setzt Unternehmen Fehlinformation, Datenübermittlung und Datenverlust aus, während Agenten sich ohne Aufsicht vermehren¹⁰.
• Einheitliche Kontrolle geht nach hinten los - Gartner warnt zudem, dass eine stumpfe Governance-Regel über jeden Agenten selbst Fehler verursacht; Agenten brauchen kontextgerechte Kontrolle²².
• Doppelung überall - Jedes Team baut denselben flachen Agenten neu, weil keines ein Gedächtnis des Unternehmens teilt.

Ein einziges gesteuertes Brain ist nicht nur leistungsfähiger als Wildwuchs. Es ist dramatisch einfacher abzusichern und unter DSGVO und der EU-KI-Verordnung zu dokumentieren, die ab August 2026 vollständig anwendbar wird²⁰. Für eine tiefere Betrachtung, wie Sie dieses Gedächtnis unter Ihrer Kontrolle halten, siehe Das souveräne Company Brain.

Der 90-Tage-Weg vom Copilot zum Company Brain

Sie reißen keinen Copilot heraus, um ein Company Brain zu bauen. Sie wählen einen Prozess, den ein grounded Copilot nicht wirklich ausführen kann, und geben ihm ein Gedächtnis. Hier ist die Abfolge, die funktioniert.

Phase 1: Den Prozess wählen (Wochen 1-3)

1. Einen gedächtnishungrigen Prozess finden - Wählen Sie eine routinemäßige, mengenstarke Aufgabe voller Ausnahmen, die ein Copilot immer wieder falsch macht: Kreditorenkontierung, Auftragserfassung, Ticket-Triage.
2. Den echten Workflow abbilden - Setzen Sie sich mit den Leuten zusammen, die ihn ausführen. Erfassen Sie die Verzweigungen und Ausnahmen, die nie in eine Arbeitsanweisung gelangten.
3. Die Zahlen als Basis erheben - Zeit pro Vorgang, Fehlerrate, Nacharbeit. Daran wird die Feedback-Schleife gemessen.

Phase 2: Brain und KI-Mitarbeiter bauen (Wochen 4-8)

4. Die Systeme verbinden - Das Brain für diesen Prozess mit E-Mail, Teams, SharePoint, CRM und ERP verdrahten. Keine neue Plattform, die das Team lernen muss.
5. Das Gedächtnis anlegen - Bestehende Regeln und Datensätze laden, dann das Brain die Live-Arbeit beobachten lassen, um die stillschweigenden Teile zu erfassen.
6. Parallel laufen lassen - Der KI-Mitarbeiter begleitet den Prozess, Menschen prüfen jede Aktion, und jede Korrektur landet im Brain.

Phase 3: Die Routine übergeben (Wochen 9-12)

7. Die Autonomie erhöhen - Sinkt die Korrekturrate, lassen Sie Aktionen mit hoher Konfidenz ohne Prüfung durchlaufen.
8. Gegen die Basis messen - Zeigen Sie die eingesparte Zeit und die sinkende Fehlerrate denen, die das Pilotprojekt genehmigt haben.
9. Das Brain wiederverwenden - Erweitern Sie dieselbe Gedächtnisschicht auf den nächsten Prozess. Hier kann das Copilot-Modell nicht folgen, weil es das Gedächtnis nie aufgebaut hat.

Wie Superkind passt

Superkind baut das Company Brain und die KI-Mitarbeiter, die darauf laufen. Der Ausgangspunkt ist nie ein generisches Produkt, an das Sie sich anpassen - es sind Ihre Prozesse, Ihre Systeme und das Know-how, das Ihr Team bereits hat. Kein weiteres Standardwerkzeug, das nur das Internet kennt.

• Company Brain als Kern - Wir bauen ein lebendiges Gedächtnis Ihres Personenwissens, Ihrer Prozesse und Daten, damit KI-Mitarbeiter danach handeln, wie Ihr Unternehmen wirklich arbeitet, nicht nach einem abgerufenen Ausschnitt.
• KI-Mitarbeiter, keine Chatfenster - Eigens gebaute Rollen - Kreditorenbuchhalter, Servicekraft, Auftragsbearbeiter - die Routinearbeit durchgängig besitzen, mit Menschen bei den Ausnahmen.
• Setzt auf Ihren Stack auf - Verbindet sich mit E-Mail, Teams, SharePoint, Salesforce, HubSpot und SAP. Kein Rip-and-Replace, nichts Neues zu lernen.
• Wird jeden Tag besser - Jede Korrektur Ihres Teams wird zur dauerhaften Regel im Brain, sodass derselbe Prozess nächste Woche schärfer läuft.
• In Wochen live - Ein erster Anwendungsfall geht in Wochen in Produktion, nicht in einem Sechs-Monats-Rollout, und die Gedächtnisschicht erweitert sich dann auf den nächsten.
• Eine gesteuerte Schicht - Ein einziges, zugriffskontrolliertes Brain statt hunderter ungesteuerter Agenten, das weit einfacher abzusichern und zu dokumentieren ist.
• Läuft in Ihrer Infrastruktur - Daten bleiben in Ihrer Umgebung mit verschlüsselten Verbindungen, Audit-Logs und DSGVO-fähigen Kontrollen.
• Ergebnisse, keine Lizenzen - Die Preisgestaltung ist an das Prozessergebnis und messbaren ROI gebunden, nicht an Platzgebühren für ein Werkzeug, das niemand nutzt.

Um es klar zu sagen: Behalten Sie Ihren Copilot. Er ist gut in dem, worin er gut ist. Hören Sie nur auf, ihn die Prozesse ausführen zu lassen, die er strukturell nicht erinnern kann, und legen Sie ein Company Brain darunter. Zur Wirtschaftlichkeit dieser Entscheidung siehe Was ein Company Brain kostet.

Entscheidungsrahmen: Copilot, Company Brain oder beides

Die Wahl ist kein Entweder-oder. Die meisten Unternehmen sollten beides betreiben, passend zur Aufgabe. So entscheiden Sie, zu welchem Werkzeug ein bestimmter Bedarf gehört.

Wenn Sie noch keinen Prozess nennen können, den Ihr Copilot nicht ausführt, brauchen Sie heute wahrscheinlich kein Company Brain. In dem Moment, in dem Sie es können - und die meisten Betriebsleiter können drei nennen -, ist das Werkzeug für diese Aufgabe Gedächtnis, nicht mehr Grounding.

Häufig gestellte Fragen

Henri Jung

Mitgründer von Superkind, wo er KMU und Konzernen hilft, individuelle KI-Agenten einzuführen, die wirklich zur Arbeitsweise ihrer Teams passen. Henri brennt dafür, die Lücke zwischen dem, was KI kann, und dem Wert, den sie in echten Unternehmen schafft, zu schließen. Er verbringt die meiste Zeit mit Betriebsleitern, die einen generischen Copilot ausprobiert haben, auf das Plateau stießen und etwas brauchten, das sich tatsächlich merkt, wie ihr Unternehmen läuft. Er ist überzeugt, dass der Mittelstand alles hat, um bei KI vorne zu liegen - er braucht nur den richtigen Ansatz.