CRM-Systeme sollen nicht mehr nur Kundeninteraktionen dokumentieren, sondern selbst Aktionen auslösen und Prozesse über mehrere Systeme hinweg steuern. KI-Agenten können etwa Angebote konfigurieren oder Ersatzlieferungen anstossen. Dadurch werden Datenqualität, präzise Workflows und der Zugriff auf vollständigen Kontext zu operativen Voraussetzungen. Unternehmen müssen zugleich klare Grenzen für Autonomie setzen: Aktionen sollen protokolliert, Zugriffsrechte definiert und Ausnahmen gezielt an Menschen übergeben werden. Der Schritt vom KI-Experiment zum skalierbaren Einsatz gelingt laut Interview vor allem dann, wenn Unternehmen zuerst Prozesse, Datenbasis und Governance ordnen und erst danach die Autonomie schrittweise erweitern.
Traditionell ging es beim CRM vor allem darum, Kundendaten zu erfassen und Interaktionen nachzuverfolgen. Was ändert sich, wenn CRM-Systeme beginnen, selbst aktiv zu werden und Prozesse autonom abzuwickeln, anstatt lediglich aufzuzeichnen, was geschehen ist?
Daniel Wilks: Herkömmliche CRM-Systeme waren darauf ausgelegt, Ereignisse zu protokollieren: Anrufprotokolle, Aktualisierungen von Vorgängen oder Änderungen des Bearbeitungsstatus. Das ist zwar nützlich, endet aber an der Grenze der Datenbank. Wenn das CRM jedoch aktiv wird – etwa bei der Konfiguration eines Angebots, der Auslösung einer Ersatzlieferung oder der Steuerung eines Vorgangs bis hin zur Auftragsabwicklung –, dann wird das System selbst zum Bestandteil der Transaktion und nicht nur zu deren Zeugen.
Dies verändert drei Aspekte. Erstens wandelt sich die Datenqualität von einer rein administrativen Angelegenheit zu einem operativen Risiko: Ein fehlerhafter Datensatz taucht nicht mehr nur in einem Bericht auf, sondern kann eine falsche Aktion auslösen. Zweitens müssen die Workflows im Hintergrund präzise definiert sein, denn ein Mitarbeiter, der einen Prozess ausführt, benötigt einen klaren Ablauf und keine blosse allgemeine Empfehlung. Drittens ändert sich die Definition von «gutem CRM» für das Unternehmen: Es geht weniger um Dashboards und Berichte, sondern vielmehr darum, wie viele Kundenanliegen gelöst werden, ohne dass ein Mitarbeiter zwischen verschiedenen Systemen wechseln muss. Unsere eigenen Untersuchungen zeigen, dass heute durchschnittlich drei bis fünf Anwendungen erforderlich sind, um ein einziges Kundenproblem zu lösen. Genau diese Reibungsverluste soll ein CRM beseitigen, das auf aktives Handeln ausgelegt ist.
Es gibt einen grundlegenden Unterschied zwischen einer KI, die eine Handlung empfiehlt, und einer, die diese tatsächlich systemübergreifend ausführen kann. Wenn die KI vom Berater zum Akteur wird – was ändert sich dann zuerst innerhalb einer Organisation?
Daniel Wilks: Die Schnittstelle zwischen den Systemen ist meist der Punkt, an dem es zuerst hakt. Eine Empfehlung muss nur für sich genommen korrekt sein – etwa welches Produkt, welche Antwort oder welcher nächste Schritt gewählt wird. Die Ausführung hingegen muss im Kontext stimmen:
- Welches System liefert die Antwort?
- Welche Regeln gelten?
- Und was geschieht mit anderen betroffenen Teams, sobald die Massnahme umgesetzt ist?
Früher bewältigten Menschen diese Komplexität selbst: Sie wechselten zwischen Anwendungen, nahmen den Kontext von einem Bildschirm zum nächsten mit und entschieden, was als Nächstes zu tun war. Genau diese Art von Arbeit kann ein KI-Agent nicht einfach improvisieren. Fehlen die richtigen Daten, ist das nächste System nicht erreichbar, oder stösst der Agent auf einen Prozess, der nie klar definiert wurde, kommt die Ausführung schlicht zum Stillstand. Ein leistungsfähiges Modell allein reicht nicht aus; es müssen zunächst Workflows existieren, die Systeme verbinden und den Kontext wahren – sonst fehlt dem Agenten eine verlässliche Grundlage für seine Arbeit.
Autonomie braucht klare Grenzen
Angesichts der zunehmenden Autonomie von KI-Agenten: Wie sollten Unternehmen entscheiden, welche Aufgaben diese eigenständig übernehmen dürfen und wo weiterhin menschliche Aufsicht erforderlich ist?
Daniel Wilks: Wir betrachten dies unter drei Gesichtspunkten: Transparenz, definierte Grenzen und ein bewusster Punkt für menschliche Entscheidungsfindung. Transparenz bedeutet, dass lückenlos protokolliert wird, was ein Agent getan hat und warum, sodass Entscheidungen im Nachhinein nachvollzogen werden können. Grenzen bedeuten, dass der Agent klaren Beschränkungen hinsichtlich der Daten, Systeme und Aktionen unterliegt, auf die er zugreifen darf – seine Autonomie ist also eingegrenzt und nicht grenzenlos. Menschliche Entscheidungsfindung bedeutet, im Vorfeld festzulegen, welche Prozesse durchgehend automatisiert ablaufen können und wo ein Mensch eingebunden werden muss, anstatt jede einzelne Handlung manuell freigeben zu müssen.
Im Bereich «Configure-Price-Quote» (Konfiguration, Preisgestaltung und Angebotserstellung) kann ein Agent beispielsweise ein Produkt konfigurieren und ein Angebot unterbreiten, solange er sich innerhalb der genehmigten Regeln für Preise, Margen und Rabatte bewegt. Sobald eine Anfrage von diesen Regeln abweicht – etwa bei einer Ausnahme oder einer ungewöhnlichen Vertragsbedingung –, wird sie an eine Person weitergeleitet, die über die entsprechende Freigabebefugnis verfügt. Diese Aufteilung ermöglicht es, Routineaufgaben mit Maschinengeschwindigkeit zu erledigen, während die Entscheidungsfindung dort beim Menschen verbleibt, wo sie tatsächlich von Bedeutung ist.
Wie muss eine effektive Governance in der Praxis aussehen, sobald ein KI-Agent Entscheidungen trifft und Aktionen über verschiedene Geschäftsprozesse hinweg auslöst?
Daniel Wilks: Governance muss dort verankert sein, wo die eigentliche Arbeit stattfindet – nicht in einer separaten Compliance-Ebene, die erst im Nachhinein überprüft wird. In der Praxis bedeutet das drei kontinuierliche Elemente: eine Protokollierung jeder Aktion des Agenten samt der zugrundeliegenden Logik, festgelegte Zugriffsberechtigungen sowie eine Überwachung, die Alarm schlägt, wenn der Agent seinen vorgesehenen Aufgabenbereich verlässt.
Der EU AI Act konkretisiert diese Anforderungen für europäische Unternehmen. Er schreibt menschliche Aufsicht, Protokollierung und Cybersicherheitsmassnahmen vor.
Die Verschiebung der Frist für Hochrisiko-Systeme auf Dezember 2027 sollte nicht als Aufforderung zum Abwarten verstanden werden; vielmehr ist es an der Zeit, Governance-Mechanismen schon jetzt in die Arbeitsweise der Agenten zu integrieren, bevor diese in grossem Massstab zum Einsatz kommen. Wird Governance erst nachträglich «aufgesetzt», entsteht eine Diskrepanz zwischen den auf dem Papier dokumentierten Kontrollen und dem tatsächlichen Verhalten der KI. Eine Steuerung auf Workflow-Ebene schliesst diese Lücke, da Berechtigungen, Freigaben und Audit-Trails direkt in den Prozess selbst integriert sind.
Unternehmensumgebungen basieren bereits auf einer Vielzahl von CRM-, ERP- und anderen Systemen. Wie ermöglicht man KI-Agenten den Zugriff auf den für systemübergreifendes Handeln erforderlichen Kontext, ohne die Komplexität unnötig zu erhöhen?
Daniel Wilks: Die Lösung besteht nicht darin, den Agenten selbst für die Navigation durch jedes einzelne System verantwortlich zu machen – das würde die ohnehin schon bestehende Fragmentierung um eine weitere Komplexitätsebene erweitern. Stattdessen sollte man dem Agenten einen vernetzten Blick auf die relevanten Daten ermöglichen und die Koordination der systemübergreifenden Abläufe dem zugrundeliegenden Workflow überlassen, nicht dem Agenten.
Kundendaten liegen typischerweise im CRM, im ERP und an einem halben Dutzend weiterer Orte. Ein Agent, der nur über einen Teil dieser Informationen verfügt, handelt auf Basis unvollständiger Daten – ganz gleich, wie gut seine Schlussfolgerungen sind. Die eigentliche Aufgabe
liegt also darin, diese Quellen zu vernetzen – ohne Daten in einem weiteren Speicher zu duplizieren –, damit der Agent über den vollen Kontext verfügt, und zudem den Workflow zu definieren, der die Aktion über alle beteiligten Systeme hinweg steuert. Wenn ein Kunde eine Bestellung ändert, sollte er einen einheitlichen Prozess erleben, auch wenn im Hintergrund CRM, Abrechnung und Lagerhaltung involviert sind. Bei systemübergreifender Autonomie geht es nicht darum, der KI uneingeschränkten Zugriff zu gewähren, sondern ihr den Kontext und einen kontrollierten Handlungsspielraum zu geben.
Vom KI-Experiment zum skalierbaren Einsatz
Wenn wir den EMEA-Raum betrachten: Was unterscheidet Unternehmen, denen der erfolgreiche Übergang von KI-Experimenten zu skalierbarer, kontrollierbarer autonomer KI gelingt, von jenen, die letztlich einen Rückzieher machen müssen?
Daniel Wilks: Der entscheidende Unterschied liegt darin, ob Unternehmen dies lediglich als einen weiteren Technologie-Rollout betrachten oder ob sie die Art und Weise, wie Arbeit erledigt wird, grundlegend neu gestalten. Unser «Enterprise AI Maturity Index 2026» hat ergeben, dass zwar bereits 59% der Unternehmen «Agentic AI» (KI-Agenten) einsetzen, aber nur 9% echte Fortschritte bei der Entwicklung autonomer, mehrstufiger Arbeitsabläufe erzielt haben. Die meisten Unternehmen sind bei der Einführung weiter fortgeschritten als bei den tatsächlich erzielten Ergebnissen.
Das Fundament ist wichtiger als das Modell selbst. Nur 16% der Unternehmen haben ihre fragmentierten Altsysteme weitgehend oder vollständig durch eine integrierte Plattform ersetzt, und 71% kämpfen weiterhin mit Problemen hinsichtlich Datengenauigkeit, -zugriff und -verwaltung.
Erfolgreiche Unternehmen definieren zunächst den Prozess und das gewünschte Ergebnis, legen bewusst fest, an welchen Stellen menschliches Urteilsvermögen erforderlich bleibt, führen die zugrundeliegenden Daten zusammen und weiten erst dann schrittweise die Autonomie aus.
Jene Unternehmen hingegen, die das Fundament vernachlässigen und direkt auf den grossflächigen Einsatz autonomer Agenten setzen, dürften am ehesten einen Rückschritt machen, sobald diese Agenten auf Basis echter Kundendaten agieren und reale Finanzentscheidungen treffen.
Nach einer qualitativen Umfrage in der Schweiz mit ausgewählten Unternehmen im Bereich Public Sector hat sich gezeigt, dass erfolgreiche Unternehmen zudem stark in das Change-Management investieren – Mitarbeitende werden nicht durch KI ersetzt, sondern dazu befähigt, die autonome KI zu steuern und zu auditieren. Das schafft Vertrauen im gesamten Unternehmen, in Verwaltungen, Kantonen und Städten. Zudem wird das positive Bürgererlebnis durch Einbindung von Empathie und die Vermittlung von Sicherheit und Praktikabilität was die Interaktion mit den Bürgern angeht gefördert, damit dort ebenfalls Vertrauen und Akzeptanz gesteigert werden. Nutzerinnen und Nutzer orientieren sich zunehmend an digitalen Erfahrungen aus der Privatwirtschaft und erwarten vergleichbare Standards hinsichtlich Einfachheit, Geschwindigkeit und Transparenz.
Das Interview wurde kürzlich in Relación Cliente publiziert.
