Organizational Intelligence als Fundament für Agentic AI

Agentic AI ist der nächste große Hype. Und dieses Mal könnte er berechtigt sein.

Die bisherigen Wellen: Machine Learning. Deep Learning. Generative AI. Agentic AI könnte anders sein — weil Agents das erste Paradigma sind, das eigenständig handelt, nicht nur antwortet.

Aber Agents sind nur so gut wie die Umgebung, in der sie operieren. Und in den meisten Unternehmen ist diese Umgebung nicht bereit.

Was „nicht bereit“ konkret bedeutet

Ein Agent bekommt typischerweise: ein LLM, Tools, einen System-Prompt. Was er nicht bekommt: ein strukturiertes, aktuelles, vernetztes Bild davon, wie das Unternehmen wirklich funktioniert.

Ohne Organizational Intelligence ist ein Agentic-AI-System ein sehr schnelles, sehr fleißiges und sehr kostspieliges Werkzeug, das trotzdem nicht weiß, was es tut.

Es kann E-Mails schreiben, Daten auswerten, Entscheidungen vorschlagen. Aber es weiß nicht, welche Entscheidung in eurem Kontext die richtige ist. Es kennt eure Regeln nicht. Es versteht eure Ausnahmen nicht.

Die drei Schichten eines belastbaren Agentic-AI-Fundaments

Schicht 1: Prozesswissen — Was wirklich passiert

Nicht wie Prozesse laufen sollen. Wie sie heute tatsächlich laufen — mit allen Varianten, Ausnahmen, Workarounds.

Ohne diese Schicht arbeitet jeder Agent auf Basis einer idealisierten Version der Realität.

Aufbau: Automatische Erfassung aus Systemdaten (ERP, CRM), Process Mining, strukturierte Interviews.

Schicht 2: Regelwissen — Nach welchen Prinzipien entschieden wird

Dokumentierte Regeln — und undokumentierte: „Stammkunden bekommen immer Kulanz.“ „Entscheidungen über 50.000 Euro brauchen zwei Unterschriften.“

Ein Agent kennt implizite Regeln nie, solange sie nicht strukturiert erfasst sind.

Aufbau: Strukturierte Regelerfassung, Mustererkennung aus historischen Entscheidungen, kontinuierliches Lernen aus Korrekturen.

Schicht 3: Beziehungswissen — Wer was weiß, entscheidet und verantwortet

Ein Agent, der nicht weiß, wer für welche Entscheidung zuständig ist, eskaliert falsch.

Aufbau: Knowledge Graph mit Verbindungen zwischen Rollen, Systemen, Verantwortlichkeiten und Kommunikationswegen.

Konkretes Beispiel: Lieferantenanfragen

Ohne OI: Standardfälle korrekt, alles andere eskaliert oder falsch beantwortet.

Mit OI: Schicht 1 liefert Prozesskontext. Schicht 2 kennt die implizite Regel über strategische Lieferanten. Schicht 3 weiß, wer zu benachrichtigen ist.

Ergebnis: 80% autonom, korrekt, ohne Nachbearbeitung. 20% eskaliert mit vollständigem Kontext — Entscheidung in zwei Minuten statt zwanzig.

Die Reihenfolge, die alles entscheidet

Falsch: Agent deployen → schlechte Performance → nachträglich Daten ergänzen → weiterhin ernüchtert.

Richtig: OI aufbauen (4–6 Wochen) → Use Cases definieren → Agent mit vollständigem Kontext deployen → lernen lassen.

Das Fundament ist einmalig und skaliert für jeden weiteren Agent. Weg B ist am Ende 40% günstiger.