Was ist Agent Washing?

Aktualisiert Juli 2026

Agent Washing bedeutet, dass Anbieter bestehende Chatbots, Robotic Process Automation oder skriptbasierte Assistenten als „KI-Agenten" umbenennen, ohne die zugrunde liegende Autonomie, Planung oder Tool-Nutzung mitzubringen, die echte agentische KI ausmacht. Es ist eine Marketingtaktik, kein technisches Upgrade, und Käufer zahlen am Ende Agent-Preise für Automatisierung, die sie bereits besaßen.

Der Begriff lehnt sich formal an „Greenwashing" an: Ein Produkt bekommt ein neues Etikett, keine neue Fähigkeit. Und weil „agentische KI" nahezu über Nacht zum meistgenutzten Begriff in Unternehmenssoftware wurde, ist der Anreiz enorm, ihn auf den Chatbot vom Vorjahr zu kleben. Wer gerade Anbieter evaluiert, stößt in Agent Washing wahrscheinlich auf den Hauptgrund, warum eine Demo beeindruckend wirkt, der Produktivbetrieb aber nicht hält, was sie versprach.

Warum Agent Washing zu einem echten Kaufrisiko wurde

Jeder Hype-Zyklus in der Unternehmenssoftware erzeugt dasselbe Muster: Eine wirklich neue Fähigkeit taucht auf, Budget folgt rasch, und Anbieter benennen ihr bestehendes Produkt um, um dieses Budget abzugreifen, bevor sie das tatsächlich gebaut haben, was der neue Name verspricht. Das geschah bei „Cloud" Anfang der 2010er-Jahre und bei „AI-powered" in den 2020ern. Agentische KI durchläuft das gerade jetzt, nur schneller, weil die zugrunde liegende Technologie (Large Language Models, Tool-Nutzung und Orchestrierungs-Frameworks) genau dann ausreifte, als die Beschaffungsbudgets sich für alles öffneten, das „Agent" heißt.

Der Unterschied liegt diesmal in der Präzision des zugrunde liegenden Anspruchs. Ein KI-Agent impliziert ein System, das eine Situation wahrnimmt, eine Abfolge von Schritten plant, in Ihren Systemen handelt und sich anpasst, wenn etwas schiefgeht, nicht nur ein Chatfenster mit einem freundlicheren Prompt. Das ist eine hohe Messlatte, und die meisten 2026 als Agenten vermarkteten Produkte erreichen sie nicht.

Gartners Warnung: Die meiste „agentische KI" ist keine

Gartner gab diesem Problem 2025 einen Namen und eine Zahl. Analystin Anushree Verma hat erklärt, dass die überwiegende Mehrheit der Anbieter agentischer KI ihr Produktportfolio „agent-washt": bestehende KI-Assistenten, RPA und Chatbots werden als agentisch umbenannt, ohne dass sich bei der eigenständigen Handlungsfähigkeit substanziell etwas Neues ergibt. Gartners zugehörige Prognose ist unmissverständlich, was die Folgen betrifft: Über 40 % der agentischen KI-Projekte werden bis Ende 2027 eingestellt, wegen eskalierender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen, und Gartner nennt Agent Washing explizit als einen der Gründe, warum Projekte nicht liefern, was in der Präsentationsphase versprochen wurde.

Diese Warnung ist für jeden relevant, der gerade Budget freigibt. Ein eingestelltes Projekt ist nicht nur eine verschwendete Bestellung, es ist ein Vertrauensverlust, der die nächste (womöglich legitime) KI-Investition schwerer genehmigt bekommt.

Wie man Agent Washing erkennt: Autonomie, Tool-Nutzung und Planung

Drei Fragen trennen einen echten Agenten von einem umetikettierten Tool. Stellen Sie sie jedem Anbieter, der „KI-Agenten" verkauft, und lassen Sie sich die Antwort live zeigen, nicht auf einer Folie.

1. Plant es, oder folgt es einem Skript? Ein echter Agent zerlegt ein Ziel in Schritte und passt den Plan mitten in der Aufgabe an, wenn neue Informationen auftauchen: ein fehlendes Feld, ein fehlgeschlagener API-Aufruf, eine geänderte Priorität. Ein gewashtes Produkt läuft einen einzigen festen Entscheidungsbaum ab. Kann der „Agent" ein vom Anbieter nicht vorhergesehenes Szenario nicht bewältigen, plant er nicht, sondern verzweigt lediglich Logik mit einer Chat-Oberfläche obendrauf.

2. Nutzt es Tools, um zu handeln, oder beschreibt es nur, was zu tun wäre? Echte agentische Systeme rufen APIs auf, aktualisieren Datensätze und handeln in Ihren tatsächlichen Geschäftssystemen durch Tool-Nutzung. Ein gewashtes Produkt bleibt oft dabei stehen, eine Empfehlung oder einen Entwurf zu erzeugen, den ein Mensch manuell ausführen muss, was es zu einem gut verpackten KI-Copiloten macht, nicht zu einem Agenten.

3. Trägt es Erinnerung und operiert mit echter Autonomie innerhalb von Leitplanken, oder beginnt jede Interaktion bei null? Ein Agent erinnert sich, was er bei dieser Aufgabe bereits versucht hat, und oft auch, was bei ähnlichen Aufgaben zuvor funktioniert hat. Er operiert innerhalb eines definierten Rahmens eigenständig und eskaliert erst, wenn er an dessen Grenze stößt. Ein gewashtes Produkt setzt sich meist bei jeder Nachricht zurück und braucht bei jedem Schritt menschliche Aufsicht, was den Sinn zunichtemacht, es „autonom" zu nennen.

Typische Verräterzeichen einer gewashten Demo: Sie funktioniert nur in einem einzigen skriptierten Idealszenario, sie kann nicht zeigen, was passiert, wenn ein Tool-Aufruf fehlschlägt, sie hat kein sichtbares Gedächtnis über Schritte hinweg, und der Anbieter kann keinen Audit-Trail der Entscheidungen vorlegen, die das System eigenständig getroffen hat.

Agent Washing versus echte agentische KI

Die Käufer-Checkliste vor der Unterschrift eines „KI-Agent"-Vertrags

1. Fordern Sie eine live, nicht skriptierte Demo an. Geben Sie eine Aufgabenvariante vor, die der Anbieter nicht geprobt hat. Ein echter Agent passt sich an, ein gewashter bricht zusammen oder greift auf eine Standardantwort zurück.
2. Fragen Sie, was passiert, wenn ein Tool-Aufruf oder API-Aufruf fehlschlägt. Echte agentische Systeme haben einen Fallback- oder Wiederholungspfad. Lautet die Antwort „es stoppt und benachrichtigt jemanden", ist das näher an Automatisierung als an eigenständigem Handeln.
3. Fragen Sie nach der Persistenz des Gedächtnisses. Erinnert sich das System, was es bei dieser Aufgabe bereits versucht hat, oder startet jeder Versuch bei null?
4. Fordern Sie einen Audit-Trail an. Sie sollten die Abfolge der Entscheidungen des Systems sehen können, nicht nur das Endergebnis. Kein Audit-Trail bedeutet meist keine echte Planungsschleife dahinter.
5. Fragen Sie, welcher Prozentsatz des Workflows noch manuell von einem Menschen ausgeführt werden muss. Ist die Zahl hoch, kaufen Sie einen Copiloten mit Agent-Marketing.
6. Fragen Sie, worauf es technisch aufbaut. Manche legitimen Produkte sind eigentlich regelbasierte Automatisierung mit agentischen Funktionen für bestimmte Schritte obendrauf. Das kann in Ordnung sein, solange es offengelegt statt als vollständig autonom verkauft wird.
7. Fordern Sie einen Referenzkunden an, der es im echten Volumen einsetzt, nicht nur in einem Pilotprojekt. Pilotprojekte können eng begleitet werden. Beim Produktivbetrieb in großem Maßstab fliegt Agent Washing auf.
8. Führen Sie die Anbieterbewertung nach einem standardisierten Rahmenwerk durch, nicht nach Bauchgefühl. Eine vollständigere Checkliste, die für jeden KI-Kauf gilt, nicht nur für Agenten, finden Sie unter KI-Anbieterbewertung.

Das Geschäftsrisiko beim Einstieg in Agent Washing

Die direkten Kosten sind das Budget: Agent-Preise für etwas, das sich als RPA oder ein Chatbot entpuppt, den man unter ehrlichem Etikett günstiger hätte kaufen können. Die größeren Kosten zeigen sich später. Teams, die sich an einem gewashten „Agenten" die Finger verbrannt haben, werden oft skeptisch gegenüber dem nächsten KI-Angebot, selbst wenn es das Echte ist, was die Einführung von Tools verlangsamt, die echten Wert geliefert hätten. Angesichts Gartners Prognose, dass über 40 % der agentischen KI-Projekte bis 2027 eingestellt werden, geht ein Teil dieser Fehlerquote direkt darauf zurück, dass Käufer einen „Agenten" genehmigt haben, der von Anfang an nie dafür gebaut war, selbstständig zu planen, zu handeln und sich anzupassen.

Es gibt auch eine Governance-Dimension. Ein echter Agent, der eigenständig in Ihren Systemen handelt, braucht echte KI-Governance: definierte Leitplanken, einen Audit-Trail und einen Human-in-the-Loop-Eskalationspfad. Ein gewashtes Produkt braucht davon nichts, weil es gar nicht wirklich eigenständig handelt, aber Teams wenden manchmal Agent-Level-Aufsicht auf ein Tool an, das sie nie brauchte, oder schlimmer, sie überspringen die Aufsicht bei einem Tool, das sie heimlich doch braucht, weil alle annahmen, „es ist ja nur Automatisierung". Zu wissen, was man tatsächlich gekauft hat, entscheidet darüber, ob das Governance-Modell zum Risiko passt.

Eine ehrliche, neutrale Anmerkung dazu, wo das breit gilt: Jedes Tool, das als „KI-Agent" vermarktet wird, einschließlich integrierter Copiloten in Plattformen, die Teams bereits für Vertrieb und Betrieb nutzen, verdient denselben Drei-Fragen-Test von oben. Das Etikett auf der Preisseite sagt Ihnen, was das Marketing Sie glauben lassen will, eine live nicht skriptierte Demo sagt Ihnen, was das System tatsächlich tut.

Wichtige Fakten

• Gartner-Analystin Anushree Verma hat erklärt, dass die überwiegende Mehrheit der Anbieter agentischer KI ihr Produktportfolio „agent-washt", indem sie bestehende KI-Assistenten, RPA und Chatbots umbenennen, ohne dass wesentliche neue agentische Fähigkeiten hinzukommen. Gartner
• Über 40 % der agentischen KI-Projekte werden bis Ende 2027 eingestellt, wegen eskalierender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen. Gartner
• 33 % der Unternehmenssoftware-Anwendungen werden bis 2028 agentische KI enthalten, gegenüber weniger als 1 % im Jahr 2024, eine Wachstumskurve, die den Anreiz zur Falschetikettierung nicht-agentischer Produkte weiter verschärft. Gartner
• Nur 16 % der Unternehmens-KI-Einsätze qualifizieren sich als echte Agenten (Systeme, die planen, ausführen, Rückmeldungen beobachten und sich anpassen), die meisten sind weiterhin feste Workflow-Sequenzen im Agent-Gewand. Menlo Ventures
• Innerhalb der horizontalen KI-Ausgaben von Unternehmen erfassten Agent-Plattformen 2025 nur 750 Millionen US-Dollar (etwa 10 % dieser Kategorie), während einfachere KI-Copiloten 7,2 Milliarden US-Dollar (86 %) erfassten, ein Zeichen dafür, wie viel vom „Agent"-Markt eigentlich Copiloten-Ausgaben sind. Menlo Ventures
• 23 % der Organisationen geben an, dass sie ein echtes agentisches KI-System irgendwo im Unternehmen skalieren, weitere 39 % experimentieren noch, laut McKinseys globaler KI-Umfrage 2025, was eine breite Lücke zwischen „KI-Agenten nutzen" und „Agenten tatsächlich im Produktivbetrieb" offenlegt. McKinsey
• 25 % der Unternehmen, die bereits generative KI nutzen, planten 2025 Pilotprojekte oder Machbarkeitsnachweise für agentische KI zu starten, ein Anteil, den Deloitte bis 2027 auf 50 % steigen sieht, genau die Kaufwelle, die Agent Washing abfangen soll. Deloitte

Verwandte KI-Konzepte

• KI-Agenten - Die autonomen Systeme, die Agent Washing fälschlich zu liefern behauptet
• Was ist agentische KI? - Die echte Fähigkeit, deren Namen Agent Washing sich borgt
• Agentische Workflows - Wie echte mehrstufige autonome Systeme von Anfang bis Ende arbeiten
• KI-Copiloten - Die kollaborativen Tools, die oft als Agenten umetikettiert werden
• KI-Anbieterbewertung - Ein vollständigeres Due-Diligence-Rahmenwerk für jeden KI-Kauf
• Beste KI-Agenten 2026 - Eine geprüfte Zusammenstellung von Tools, die das Agent-Etikett mit echter Fähigkeit untermauern

Externe Ressourcen

• Gartner: Absagen von agentischen KI-Projekten - Die Prognose und die „Agent Washing"-Warnung
• McKinsey: The State of AI - Globale Umfrage zu Unternehmens-KI und Agentenakzeptanz
• Deloitte: Autonomous Generative AI Agents - Prognosen zum Wachstum agentischer KI-Pilotprojekte
• Menlo Ventures: State of Generative AI in the Enterprise - Daten zu Unternehmensausgaben und Einsätzen echter Agenten

Teil der KI-Begriffe-Sammlung. Zuletzt aktualisiert: 2026-07-16