Das AI Agent Maturity Model: Crawl-, Walk- und Run-Stufen der Einführung

Das AI Agent Maturity Model ordnet die Agent-Einführung einer Organisation in drei Stufen: Crawl, ein einzelner beaufsichtigter Agent, der das Konzept beweist; Walk, mehrere gesteuerte Agents, die in mehr als einem Team laufen; und Run, Agents, die als koordinierte Flotte arbeiten und fest in den tatsächlichen Geschäftsablauf eingebettet sind. Die meisten Unternehmen sagen, sie „nutzen AI Agents“, ohne zu sagen, welche der drei Stufen sie meinen, und genau diese Unschärfe lässt Agent-Projekte finanzieren und dann still versanden. Dieses Modell gibt Ihnen die echten Signale für jede Stufe, damit Sie benennen können, wo Sie tatsächlich stehen, statt wo die Präsentationsfolie es behauptet.

Warum Reife die bessere Frage ist als Einführung

Einführung fragt, ob Sie überhaupt Agents nutzen. Reife fragt, wie weit diese Nutzung tatsächlich reicht, und die Lücke zwischen beiden Fragen ist enorm. Die Umfrage State of AI 2025 von McKinsey ergab, dass 88 % der Organisationen AI in mindestens einer Geschäftsfunktion einsetzen und 62 % speziell auf dem Weg zu Agentic AI sind: 23 % skalieren irgendwo im Unternehmen einen Agent, 39 % experimentieren. Doch innerhalb einer einzelnen Geschäftsfunktion haben laut McKinsey höchstens rund 10 % der Organisationen Agents im wirklich skalierten Betrieb. Der Großteil dieser Schlagzeilenzahl zur Einführung ist noch Crawl oder frühes Walk, nicht Run, was auch immer die AI-Folie im Organigramm suggeriert. Agentic AI 2026 behandelt das gesamte Bild der Einführung am Markt. Diese Seite handelt davon, was die Stufen tatsächlich unterscheidet, sobald Sie über „wir nutzen irgendwo einen Agent“ hinaus sind.

Crawl, Stufe 1: Ein Agent, eng beaufsichtigt

Crawl sieht aus wie ein einzelner, eng gefasster Agent, der einem Team gehört und meist auf einer No-Code-Plattform gebaut ist, weil die Aufgabe standardisiert statt neuartig ist. Etwas in der Art des AI Reply Agent oder AI Meeting Scheduler Agent ist ein typischer erster Bau: begrenzter Umfang, klare Regeln, geringes Risiko bei Fehlern. Die menschliche Kontrolle sitzt nah an jeder Aktion, und Erfolg bedeutet auf dieser Stufe nicht „hat es Geld gespart“, sondern „hat es funktioniert, und haben wir genug Vertrauen und Audit-Trail aufgebaut, um seinen Umfang später zu erweitern“. Die Readiness-Checkliste aus Wann Sie einen AI Agent einsetzen sollten und die Shadow-Mode-Rampe aus AI Agents in Produktion bringen gehören beide in Crawl, angewendet auf genau einen Agent. Reife ist die langsamere Uhr, die darunter läuft: wie oft Sie diese Rampe durchlaufen haben und was Sie aus jedem Durchgang behalten haben.

Deloittes Umfrage State of AI in the Enterprise 2026 zeigt, dass der Großteil des Marktes genau hier steht. 30 % der Organisationen erkunden Agentic AI noch, 38 % pilotieren es, und 35 % geben an, überhaupt keine formale Agentic-AI-Strategie zu haben. Wenn das auf Sie zutrifft, sind Sie nicht im Rückstand. Sie stehen dort, wo der Großteil des Marktes tatsächlich steht, was auch immer der Vendor-Pitch nahelegt.

Walk, Stufe 2: Gesteuert, wiederholbar, funktionsübergreifend

Walk sieht der Art nach anders aus, nicht nur der Anzahl nach. Es sind nicht „fünf Crawl-Piloten, die gleichzeitig laufen“. Es ist eine Handvoll Agents, meist zwischen drei und acht, die in zwei oder mehr Abteilungen laufen, mit einem benannten Governance-Verantwortlichen und Guardrail-Mustern, die wiederverwendet statt für jeden neuen Bau neu erfunden werden. Arten von AI Agents wird hier in der Praxis relevant, nicht nur in der Theorie, weil ein Team auf Walk-Stufe bewusst Autonomiegrad und Architektur je Aufgabe wählt, statt standardmäßig das zu nehmen, was der erste Agent zufällig nutzte. Auch Kostendisziplin tritt hinzu: Die Hebel Caching, Routing und Budget aus AI Agent Cost Optimization sind nicht mehr optional, sobald genug Agents laufen, dass ein nicht optimierter in der Rechnung sichtbar wird.

Das klarste Signal für Walk ist jedoch Messung. Ein Team auf Crawl-Stufe kommt mit „es scheint zu helfen“ durch. Ein Team auf Walk-Stufe hat Baselines, verfolgt ab Woche 4 die primären Kennzahlen und kann echte Zahlen vorlegen, die Disziplin aus AI Agent ROI. Laut Deloitte stehen etwa 14 % der Organisationen an dem Punkt „Lösung bereit zum Deployment“, der am ehesten frühem Walk entspricht, deutlich weniger als die 68 %, die auf Crawl noch erkunden oder pilotieren.

Run, Stufe 3: Flotte, orchestriert, eingebettet

Bei Run hören Agents auf, eine Sammlung einzelner Projekte zu sein, und werden zu einer Kapazitätsschicht, um die die Organisation plant. Multi-Agent-Systeme werden hier üblich, nicht weil Orchestrierung fortgeschritten klingt, sondern weil nun genug eigenständige, gut gesteuerte Agents existieren, dass es tatsächlich besser ist, sie zu verketten, als einen breiteren Agent von Grund auf zu bauen: etwa wenn ein Lead-Scoring-Agent an einen Lead-Routing-Agent übergibt, der wiederum an einen Follow-up-Agent übergibt. Die Verantwortung formalisiert sich meist in einer Struktur wie einem AI Center of Excellence, und Governance ist keine Checkliste mehr, die an jeden neuen Agent drangehängt wird, sondern wird architektonisch: von Anfang an darin verankert, wie jeder neue Agent spezifiziert wird. Bei Run wird auch die Agentic Workforce zu einer realen Beschreibung der Arbeitsweise der Organisation, nicht zu einer Wunschformel in einem Strategiepapier.

Gartners Prognose vom Juni 2025 gibt einen Eindruck, wo die Decke liegt: 15 % der alltäglichen Arbeitsentscheidungen werden bis 2028 autonom durch Agentic AI getroffen, nach 0 % im Jahr 2024, und 33 % der Unternehmenssoftware-Anwendungen werden bis 2028 Agentic AI enthalten, nach weniger als 1 % im Jahr 2024. Organisationen auf Run-Stufe sind diejenigen, die heute tatsächlich auf diese Decke zusteuern. Sie sind noch selten. Deloitte fand, dass nur 11 % der Organisationen Agentic AI derzeit produktiv betreiben, wobei 74 % erwarten, bis 2027 Agents mindestens in moderatem Umfang zu nutzen, 23 % umfassend, und 5 % erwarten, dass Agents ein vollständig eingebetteter, zentraler Teil des Betriebs sind. Die Entwicklung ist schnell. Die heutige Population auf Run ist klein.

Selbsteinschätzung: Auf welcher Stufe Sie tatsächlich stehen

Nutzen Sie die fünf Dimensionen unten als praktischen Check. Die schwächste Dimension bestimmt meist Ihre reale Reifestufe, auch wenn eine andere Dimension fortgeschritten aussieht.

Bewerten Sie sich ehrlich in allen fünf, nicht nur in der einen, die schmeichelt. Ein Team mit einer Architektur auf Run-Niveau, aber Governance auf Crawl-Niveau steht nicht bei Run. Es steht bei Crawl, mit mehr beweglichen Teilen und mehr Angriffsfläche.

Der Fehler, der eine Stufe überspringt

Der häufigste Fehler ist nicht, zu lange bei Crawl zu bleiben, obwohl auch das vorkommt. Es ist der Sprung direkt von Crawl zu Run: ein Multi-Agent-System aufzusetzen oder einem Agent breite Autonomie zu geben, bevor die Grundlagen der Walk-Stufe, ein benannter Governance-Verantwortlicher, wiederverwendete Guardrails, ein reales Kostenmodell, irgendwo in der Organisation existieren. Multi-Agent-Systeme betont ausdrücklich, dass zusätzliche Agents zusätzliche Koordinationsfläche schaffen, und Koordinationsfläche ist dort, wo sich Governance-Lücken verstecken. Gartners Prognose, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, nennt steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen als Hauptursachen, und alle drei treten überproportional in Projekten auf, die eine Stufe übersprungen haben, statt sich durch sie hindurchzuarbeiten.

Der leisere Fehler läuft in die andere Richtung: dauerhaft bei Crawl zu bleiben. Ein einzelner beaufsichtigter Pilot, der nie einen zweiten Agent bekommt, nie einen benannten Verantwortlichen und nie über „hat es funktioniert“ hinaus gemessen wird, entschärft in Wahrheit nichts. Er vertagt die eigentliche Entscheidung. Wenn Ihr Agent seit zwei Quartalen im Pilot ist und niemand Ihnen seine Kosten pro erledigter Aufgabe nennen kann, waren Sie nicht vorsichtig. Sie stehen still, und AI Agent ROI behandelt genau diese Messlücke und wie Sie sie schließen, bevor ein stagnierender Pilot mangels eines Business Case, den niemand erstellt hat, still gestrichen wird.

Key Facts

• Die Umfrage State of AI 2025 von McKinsey ergab, dass 88 % der Organisationen AI irgendwo einsetzen und 62 % auf dem Weg zu Agentic AI sind (23 % skalieren, 39 % experimentieren), aber keine einzelne Geschäftsfunktion mehr als rund 10 % der Organisationen im wirklich skalierten Status zeigt.
• Deloittes Umfrage State of AI in the Enterprise 2026 ergab, dass 30 % der Organisationen Agentic AI erkunden, 38 % pilotieren, 14 % eine einsatzfähige Lösung haben und nur 11 % tatsächlich in Produktion sind, während 35 % überhaupt keine formale Agentic-Strategie angeben.
• Für 2027 ergab Deloitte, dass 74 % der Organisationen erwarten, Agents mindestens in moderatem Umfang zu nutzen, 23 % umfassend, und 5 % erwarten Agents als vollständig eingebetteten, zentralen Teil des Betriebs.
• Gartner prognostiziert, dass bis 2028 15 % der alltäglichen Arbeitsentscheidungen autonom durch Agentic AI getroffen werden (nach 0 % im Jahr 2024) und 33 % der Unternehmenssoftware-Anwendungen Agentic AI enthalten werden (nach weniger als 1 % im Jahr 2024).
• Gartner prognostiziert außerdem, dass über 40 % der Agentic-AI-Projekte bis 2027 wegen Kosten, unklarem Nutzen und schwacher Risikokontrollen eingestellt werden, Risiken, die sich in Projekten konzentrieren, die die Walk-Stufe ganz überspringen.

Wie es weitergeht

Crawl, Walk und Run sind nur dann nützliche Bezeichnungen, wenn Sie danach handeln, in welcher Stufe Sie tatsächlich stehen. Wenn Sie noch bei Crawl sind, sind Wann Sie einen AI Agent einsetzen sollten und Wie Sie einen AI Agent bauen die richtigen nächsten Lektüren. Wenn Sie in Richtung Walk oder Run drängen, behandelt AI Agent ROI die Messdisziplin, die diese Stufe braucht, und die Agentic Workforce zeigt, wie Run aussieht, wenn Agents weniger ein Projekt als eine Workforce-Schicht sind, um die Sie planen. Für Tooling, das zu einem ersten Agent auf Crawl-Stufe passt, sind die Übersicht der Automatisierungstools und der Leitfaden zu den besten No-Code-Automatisierungstools gute Ausgangspunkte.