Agentwashing: 7 Fragen, die jeden „KI-Agenten“-Anbieter entlarven

Agentwashing bezeichnet das Umetikettieren einfacher KI-Assistenten oder Chatbots als „AI Agents“ — ein Phänomen, das Gartner als „Agent Washing“ benannt hat. Der Test ist einfach: Ein echter Agent verfolgt Ziele, nutzt Werkzeuge und führt mehrstufige Aufgaben in Ihren Systemen aus. Alles andere ist ein Assistent mit Marketing.

Warum plötzlich alles ein „Agent“ ist

Die Nachfrage nach AI Agents ist explodiert — und mit ihr die Zahl der Anbieter, die das Wort auf ihre bestehenden Produkte geschrieben haben. Gartner schätzte schon Mitte 2025, dass von Tausenden selbsternannten Agentic-AI-Anbietern nur rund 130 tatsächlich agentische Fähigkeiten liefern; der Rest verkauft umbenannte Chatbots, RPA-Tools und Assistenten. Dieselbe Analyse sagt voraus, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden — nicht zuletzt, weil die Erwartung und das gekaufte Produkt nie zusammenpassten. Genau das ist der Schaden für Käufer: Wer einen Agenten erwartet und einen FAQ-Bot bekommt, erlebt ein gescheitertes Projekt, verbranntes Budget und ein Team, das beim nächsten KI-Anlauf abwinkt. Warum KI-Projekte scheitern, hat ohnehin selten mit der Technologie zu tun — meist mit Erwartungen, die am Anfang falsch gesetzt wurden.

Wichtig dabei: Der Unterschied zwischen KI-Agent und KI-Assistent ist keine akademische Haarspalterei, sondern eine Budget- und Projektfrage. Ein Assistent beantwortet; ein Agent erledigt. Beides hat seinen Platz — aber es sind verschiedene Produkte zu verschiedenen Preisen mit verschiedenen Risiken. Die gute Nachricht: Sie brauchen kein technisches Studium, um Agentwashing zu erkennen. Sieben Fragen im Verkaufsgespräch reichen.

Die 7 Prüffragen (mit den Antworten, die Sie hören sollten)

Stellen Sie diese Fragen jedem Anbieter, der Ihnen „AI Agents“ verkaufen will — und achten Sie weniger auf die Buzzwords als auf die Konkretheit der Antworten.

1. „Was tut der Agent, wenn die erste Antwort nicht reicht?“

Ein echter Agent arbeitet mehrstufig: Er merkt, dass Information fehlt, fragt nach, sucht in weiteren Quellen, probiert einen anderen Weg und verfolgt das Ziel weiter. Ein umetikettierter Chatbot liefert eine Antwort — und ist fertig, egal ob sie hilft. Entlarvend ist die Antwort „Dann formuliert der Nutzer die Frage eben um“: Das verschiebt die Arbeit zurück zum Menschen, die der Agent abnehmen sollte.

2. „In welche unserer Systeme greift er schreibend ein?“

Agenten handeln — sie legen Tickets an, aktualisieren Datensätze, verschicken E-Mails, stoßen Workflows an. Ein guter Anbieter benennt konkret, welche Aktionen in welchen Ihrer Systeme möglich sind und wie diese abgesichert werden. Wenn die ehrliche Antwort „keine — er generiert Text“ lautet, sprechen Sie über einen Assistenten. Das kann völlig in Ordnung sein — nur sollte es dann auch so heißen und so bepreist sein.

3. „Wie entscheidet er, wann er einen Menschen einbezieht?“

Autonomie ohne Grenzen ist kein Feature, sondern ein Risiko. Ein seriöser Anbieter beschreibt ein durchdachtes Human-in-the-Loop-Design: Welche Aktionen laufen automatisch, welche brauchen Freigabe, wie werden Unsicherheiten eskaliert, und wie lässt sich das je Prozess konfigurieren? Misstrauen sollten Sie beiden Extremen — „der Agent macht alles allein“ genauso wie einem System, das in Wahrheit jede Aktion von einem Menschen abnicken lässt und nur die Demo autonom aussieht.

4. „Was sieht der Agent von unseren Daten — und was nie?“

Hier trennt sich Architektur von Improvisation. Die richtige Antwort beschreibt Zugriffskontrolle vor Kontext: Der Agent bekommt pro Anfrage nur die Daten zu sehen, die der jeweilige Nutzer sehen dürfte, die Rechte kommen aus Ihren Quellsystemen, und ein Audit-Log protokolliert jeden Zugriff. Entlarvend ist ausweichendes Terrain: „Das klären wir in der Implementierung“ heißt übersetzt, dass es dafür kein Konzept gibt.

5. „Läuft der Pilot auf der Produktionsplattform?“

Eine beliebte Falle: Der Proof of Concept läuft auf einer Demo-Umgebung mit präparierten Daten — und die Ernüchterung kommt beim Übergang in den echten Betrieb, der dann ein zweites Projekt ist. Die Antwort, die Sie hören wollen: Der Pilot läuft von Tag eins auf derselben Plattform wie später der Produktivbetrieb, mit Ihren echten Daten und echten Nutzern — nur im begrenzten Zuschnitt. Alles andere bedeutet, dass Sie den Beweis zweimal bezahlen.

6. „Welche messbaren Kriterien gelten für den Erfolg?“

Ein Anbieter, der an sein Produkt glaubt, legt sich vor dem Start fest: gelöste Tickets, eingesparte Stunden, Durchlaufzeiten, Antwortqualität — gemessen an Ihrer heutigen Baseline. Vage Formulierungen wie „mehr Effizienz“ oder „das sehen wir dann im Projekt“ sind ein Warnsignal: Ohne vorab definierte Kriterien lässt sich jedes Ergebnis zum Erfolg erklären. Bestehen Sie auf Zahlen, die auch ein Scheitern sichtbar machen würden.

7. „Was passiert beim Modellwechsel?“

Der Ehrlichkeits-Test zum Schluss. Sprachmodelle altern in Monaten — ein zukunftsfähiges System ist modellagnostisch gebaut, sodass das Modell ausgetauscht werden kann, ohne dass Datenanbindungen, Rechte und Workflows neu entstehen. Wer auf diese Frage keine klare Antwort hat oder Sie fest an das Modell eines einzelnen Anbieters bindet, verkauft Ihnen eine Architektur mit Verfallsdatum.

Der ehrliche Gegentest: Wann Sie KEINEN Agenten brauchen

Zur Wahrheit gehört auch die Gegenrichtung — nicht jedes Problem braucht einen Agenten, und wer Ihnen für jede Aufgabe einen verkauft, betreibt nur eine andere Form von Agentwashing. Für wiederkehrende Standardfragen von Kunden reicht oft ein guter FAQ-Bot mit Wissensbasis; für Rechercheaufgaben, Zusammenfassungen und Textarbeit ist ein Assistent ohne Schreibzugriff das richtige, günstigere Werkzeug. Einen echten Agenten brauchen Sie dort, wo mehrstufige Prozesse mit Systemzugriff automatisiert werden sollen — also dort, wo heute ein Mensch zwischen Ticketsystem, ERP und E-Mail hin- und herspringt. Die ausführliche Abgrenzung mit Entscheidungshilfe finden Sie in unserem Artikel AI Agent vs. Chatbot. Ein Anbieter, der Ihnen auch mal vom Agenten abrät, ist übrigens das beste Gegenteil von Agentwashing.

FAQ

Was ist Agentwashing?

Agentwashing ist das Vermarkten einfacher KI-Produkte — Chatbots, Assistenten, klassische Automatisierung — unter dem Etikett „AI Agent“, ohne dass echte agentische Fähigkeiten dahinterstehen: Zielverfolgung, Werkzeugnutzung und mehrstufiges eigenständiges Handeln. Der Begriff „Agent Washing“ wurde von Gartner geprägt, die schätzen, dass nur ein Bruchteil der selbsternannten Agent-Anbieter die Bezeichnung verdient.

Ist ChatGPT ein AI Agent?

In der Standardnutzung nein — es ist ein Assistent, der auf Anfragen antwortet, aber nicht eigenständig mehrstufige Ziele in Ihren Systemen verfolgt. Mit Erweiterungen und Werkzeuganbindung lassen sich agentische Funktionen ergänzen, doch ein Firmen-Agent braucht mehr: Zugriff auf Ihre Systeme, Ihr Rechte-Modell und definierte Grenzen. Das Modell ist der Motor — der Agent ist das Fahrzeug drumherum.

Woran erkenne ich einen echten AI Agent am schnellsten?

Er verändert etwas in Ihren Systemen, nicht nur im Chatfenster. Wenn nach der Interaktion ein Ticket angelegt, ein Datensatz aktualisiert oder ein Prozess angestoßen wurde — ohne dass ein Mensch jeden Schritt ausgeführt hat —, haben Sie einen Agenten vor sich. Wenn am Ende nur Text steht, den ein Mensch weiterverarbeiten muss, war es ein Assistent.

Stellen Sie uns die 7 Fragen — wir beantworten sie gern im Discovery-Gespräch. Auf alle sieben, inklusive der unbequemen: 45 Minuten buchen. Und wenn Sie erst sehen wollen, wie ein sauber aufgesetzter Einstieg aussieht: So führen Sie AI Agents im 2-Monats-Pilot ein — auf der Produktionsplattform, mit messbaren Kriterien, versteht sich.