Wer die Qualität von KI-Agenten-Insights verbessern will, muss vor allem Geschäftskontext, Datenzugang und klare Regeln stärken. Denn laut einem Bericht führen erst 48 % der von Analyseagenten erzeugten Erkenntnisse zu Maßnahmen, die das Geschäft verbessern. Entscheidend ist deshalb nicht die Menge der Insights, sondern ihr Nutzen für konkrete Entscheidungen.

Das Wichtigste in Kürze

• Durchschnittlich 48 % der Agenten-Insights führen bei den befragten Unternehmen zu Maßnahmen, die das Geschäft verbessern.
• Fehlender Geschäftskontext ist laut 55 % der befragten Führungskräfte der Hauptgrund für mangelhafte Insights.
• Bei 52 % der befragten Unternehmen erzeugen Analyseagenten mehr Insights, als sich ausreichend bewerten lassen.
• Die befragten Unternehmen setzen auf stärkere Governance mit 60 % und eine semantische Schicht mit 45 %.

Generative KI hat Unternehmensanalysen für mehr Beschäftigte zugänglich gemacht. Agentische KI soll nun ganze Arbeitsabläufe automatisieren und auf Basis eigener Erkenntnisse handeln. Doch damit wächst auch das Risiko: Falsche Erkenntnisse können falsche Aktionen auslösen und dadurch finanzielle Schäden verursachen oder den Ruf eines Unternehmens gefährden.

Ein Bericht von Insights, dem Custom-Content-Bereich von MIT Technology Review, untersucht die Qualität solcher Analyseergebnisse. Er stammt nicht von der Redaktion. Die Ergebnisse zeigen Fortschritte, aber auch klare Grenzen beim geschäftlichen Nutzen.

Wie nützlich sind die Erkenntnisse von Analyseagenten bisher?

Im Durchschnitt führen 48 % der Agenten-Insights in den befragten Unternehmen zu geschäftlich hilfreichen Maßnahmen. Ein Jahr zuvor lag dieser Anteil nach Angaben der Befragten bei 37 %. Das entspricht einem Anstieg um 11 Prozentpunkte.

Trotzdem führt weiterhin mehr als die Hälfte der Erkenntnisse nicht zu einer Verbesserung des Geschäfts. Das bedeutet nicht automatisch, dass alle diese Insights falsch sind. Der Bericht zeigt auch, dass Unternehmen viele Ergebnisse nicht ausreichend prüfen können.

Beschreiben gelingt besser als Empfehlen

Die meisten Befragten bewerten beschreibende Insights positiv. Solche Erkenntnisse zeigen, was passiert ist. Deutlich gemischter fallen die Bewertungen für vorschreibende, sogenannte präskriptive Insights aus. Diese liefern Empfehlungen dafür, was ein Unternehmen tun sollte.

Wer die Qualität seiner KI-Agenten-Insights verbessern möchte, sollte deshalb Handlungsempfehlungen besonders genau betrachten. Auf ihnen beruhen die Aktionen, mit denen Agenten in Geschäftsabläufe eingreifen.

Qualität von KI-Agenten-Insights verbessern: Geschäftskontext ist entscheidend

Fehlender Geschäftskontext ist laut 55 % der befragten Führungskräfte der wichtigste Grund für unzureichende Erkenntnisse. Weitere 45 % nennen fragmentierte oder unzugängliche Daten als wesentlichen Faktor.

Damit liegt ein zentraler Ansatzpunkt bei den Informationen, die Agenten nutzen können. Unternehmen sollten prüfen, ob ihre Agenten den nötigen Geschäftskontext erhalten und auf relevante Daten zugreifen können. Ein Agent kann nur begrenzt hilfreiche Empfehlungen liefern, wenn ihm entscheidende Informationen fehlen.

Die Qualität der Insights von KI-Agenten zu verbessern, ist somit auch eine Aufgabe für die Datenverantwortlichen. Der Bericht zeigt: Besonders erfolgreiche Unternehmen berichten seltener von Problemen beim Zugang zum Geschäftskontext.

Was machen die erfolgreichen Unternehmen besser?

Bei einer kleinen Gruppe führen mehr als 70 % der Agenten-Insights zu Maßnahmen, die das Geschäft verbessern. Der Bericht bezeichnet diese Unternehmen als „Insight Leaders“.

Diese Gruppe bewertet die Qualität ihrer Agenten-Erkenntnisse höher als die Gesamtheit der Befragten. Besonders groß ist der Abstand bei präskriptiven Insights, also bei den Empfehlungen für konkrete Handlungen.

Das macht die Qualität von Handlungsempfehlungen zu einem wichtigen Vergleichsmaßstab. Der Bericht zeigt allerdings keine allgemeingültige Erfolgsformel. Er beschreibt Unterschiede zwischen den Gruppen, aus denen Unternehmen Ansatzpunkte für ihre eigene Verbesserung ableiten können.

Zu viele Insights erschweren die Bewertung

Bei 52 % der befragten Unternehmen erzeugen Analyseagenten zu viele Erkenntnisse, um sie ausreichend zu bewerten und anschließend zu nutzen. Nur 24 % können sämtliche Agenten-Insights prüfen.

Die meisten Unternehmen bewerten Ergebnisse von Fall zu Fall. Dieser Prozess erfordert derzeit viel menschliche Arbeit. Mehr automatisch erzeugte Analysen bedeuten deshalb nicht automatisch mehr geschäftlichen Nutzen.

Um die Qualität ihrer KI-Agenten-Insights zu verbessern, sollten Unternehmen auch den Weg von der Erkenntnis zur Entscheidung betrachten. Dazu gehört die Frage, welche Ergebnisse geprüft werden und welche tatsächlich eine hilfreiche Maßnahme auslösen.

Governance und Semantik stehen bei Verbesserungen im Mittelpunkt

Die befragten Unternehmen setzen vor allem auf stärkere KI- und Daten-Governance sowie auf eine semantische Schicht in ihrer Datenarchitektur. Governance bezeichnet dabei die Regeln und Verantwortlichkeiten für den Umgang mit KI und Daten.

• 60 % nennen eine stärkere KI- und Daten-Governance als Schwerpunkt für bessere Agenten-Insights.
• 45 % ergänzen ihre Datenarchitektur um eine semantische Schicht.
• Die im Bericht interviewten Fachleute halten die semantische Schicht für entscheidend für leistungsfähige Agenten.

Für Führungskräfte ist die Verbesserung deshalb nicht nur eine technische Aufgabe. Sie betrifft auch die Organisation des KI-Einsatzes. Weiterführende Orientierung bietet unser Leitfaden zur sicheren KI-Einführung für Führungskräfte.

Wenn Sie die Qualität Ihrer KI-Agenten-Insights verbessern wollen, beginnen Sie beim Geschäftskontext, beim Datenzugang und bei der Bewertung von Handlungsempfehlungen. Messen Sie den Erfolg daran, wie viele Erkenntnisse zu nachweislich hilfreichen Maßnahmen führen, nicht daran, wie viele Analysen Ihre Agenten erzeugen.

(Quelle: https://www.technologyreview.com/2026/11/02/1147660/raising-the-quality-of-insights-in-agentic-analytics/)

Mehr dazu: alle Beiträge in dieser Rubrik

FAQ