Beobachtetes Signal · 14. Sept. 2026 · Research Publication · Quelle: https://martech.org/feed/ · Relevanz: 3/5 · Sentiment: Neutral
Unklare Verantwortlichkeiten bei Enterprise-KI-Agenten trotz breiter Implementierung
Eine neue Studie von Kana unter 225 Führungskräften zeigt, dass bereits 70 % Custom AI Agents im Marketing einsetzen, die Verantwortlichkeiten für Betrieb und Wartung jedoch oft ambiguous bleiben. Laut einer Ivanti-Umfrage unter IT-Profis behaupten zwar 85 %, dass es für jeden KI-Agenten einen namentlich bekannten Owner gibt, aber nur 42 % empfinden diese Ownership als klar definiert. Der Artikel plädiert für eine Aufteilung der Verantwortlichkeiten: Zentrale IT- und AI-Teams sollten Zugriff, Daten und Modelle verwalten, während das Marketing für Prompt-Instructions und die Output-Qualität zuständig ist. Historische Parallelen zur Software-Wartung zeigen, dass etwa die Hälfte des Budgets in die Instandhaltung fließt. Daher wird empfohlen, klare Zuständigkeiten über bestehende Rollen hinweg zu etablieren, um Governance-Lücken bei Enterprise-KI-Initiativen zu schließen und MarTech-Operationen abzusichern.
Heftet den Blick auf eine kritische Governance-Lücke beim Enterprise-Deployment von KI-Agenten, die MarTech-Abläufe und die operative Accountability direkt beeinträchtigt.
Marktsignale zu Salesforce in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Kana befragte 225 Führungskräfte; 70 % betreiben Custom AI Agents im Marketing.
- Ivanti befragte 1.500 IT-Profis; 85 % nennen Agent-Owner, aber nur 42 % finden die Ownership klar.
- 65 % der Unternehmen führen vor dem Deployment von KI-Agenten eine Review durch.
- Laut Kana-Studie sagen 40 % der Führungskräfte, ein Chief AI Officer sollte das agentische Marketing verantworten.
- Studien zur historischen Software-Wartung zeigen, dass rund 50 % des Budgets für Instandhaltung aufgewendet werden.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenGlobale Enterprise-SaaS-Plattform für CRM, Marketing, Daten, Analytics und automatisierte Workflows.
“Salesforce has started putting language around this with an agent development lifecycle....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Kana-Studie: 70 Prozent der Unternehmen nutzen KI-Agenten im Marketing
Kana hat die Studie The Agentic Divide veröffentlicht, für die 225 leitende Marketing-, Daten- und KI-Führungskräfte in US-Großunternehmen mit einem Jahresumsatz von über 250 Millionen US-Dollar befragt wurden. Die Ergebnisse zeigen einen massiven Einsatz maßgeschneiderter KI-Agenten für Marketing-Automatisierung in der Praxis, verdeutlichen jedoch gleichzeitig anhaltende Unklarheiten hinsichtlich Verantwortlichkeiten und Governance. Demnach setzen 70 Prozent der Befragten KI-Agenten produktiv ein, während lediglich drei Prozent keinerlei KI im Marketing nutzen. Obwohl eine hohe Selbsteinschätzung hinsichtlich Governance- und Dateninfrastruktur vorliegt, werden Datengovernance und Datenqualität als primäre Hürden genannt. Viele Unternehmen erwarten, dass KI-Agenten in den kommenden zwei Jahren einen erheblichen Teil der routinemäßigen Marketing-Entscheidungen übernehmen. Kanas CEO Tom Chavez betont die Diskrepanz zwischen rasanter Implementierung und unzureichend erprobten Kontrollstrukturen, was strategische Implikationen für MarTech-Investitionen und organisatorische Risiken birgt.
Enterprise AI Agents: Skalierte Implementierung in Unternehmen steht noch am Anfang
Ein Treffen mit rund 50 CIOs, CTOs und AI Heads in Chicago verdeutlicht, dass der flächendeckende Einsatz von Agentic AI in regulierten Großunternehmen mit Legacy-Infrastruktur noch in der Anfangsphase steckt. Kaum eine Organisation betreibt AI Agents produktiv im großen Maßstab. Wesentliche Hürden sind Sicherheitsbedenken, unklare Governance, Legacy-Modernisierung und die schwer messbare Rentabilität. Zudem entwickelt sich das Kostenmanagement für Token-Spend zu einer zentralen Herausforderung, wie Beispiele wie Uber zeigen. Unternehmen setzen künftig auf intelligentes Model Routing – Frontier Models für komplexe Aufgaben, kostengünstigere Modelle für Standard-Workflows – sowie robuste Context Layers. Die größte kommerzielle Opportunität liegt folglich bei Tooling- und Serviceanbietern, die Workflows redesignen, Enterprise-Kontext abbilden, Governance durchsetzen und Kosten vor dem Rollout optimieren.
MarTech-Governance: Warum autonome KI-Agenten zentrale Entscheidungsbefugnisse benötigen
Die rasante Adaption von KI-Agenten im Marketing überholt bestehende Governance-Strukturen: Obwohl 90,3 % der Unternehmen KI-Agenten nutzen, betreiben nur 23,3 % diese in Produktionsumgebungen und lediglich 6,3 % haben KI vollständig im Marketing-Stack integriert. Dabei wird eine kritische Lücke deutlich: Während Customer Data Platforms (CDPs) den reinen Datenzugriff steuern, fehlt es an Systemen für die verbindliche Entscheidungsautorisierung von Agenten. Fragmentierte Leitplanken auf Tool-Ebene erweisen sich als fehleranfällig. In Anlehnung an das NIST AI Risk Management Framework fordert die Analyse daher eine übergreifende Decision Architecture. Ein solches souveränes Operating Layer – wie das Brand Experience AI Operating System (BXAI-OS) – zentralisiert Berechtigungen, Pflichten und Verbote über Systemgrenzen hinweg. Dies reduziert redundante Prüfaufwände, sichert die Durchsetzbarkeit von Markenregeln und macht autonome agentenbasierte Entscheidungen lückenlos auditierbar.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.