Agentic Commerce im B2B: Wenn Agenten einkaufen
KI-Agenten übernehmen B2B-Beschaffung autonom – von Bedarfserkennung bis Bezahlung. Wie Sie Ihr SAP-Ökosystem agentenfähig machen.
Autonomous CX verlagert künstliche Intelligenz von der Empfehlung in die Ausführung. KI-Assistenten und Agenten beantworten nicht mehr nur Fragen. Sie analysieren den Geschäftskontext, koordinieren Aufgaben und führen freigegebene Prozessschritte selbstständig aus – innerhalb der Ziele, Befugnisse und Kontrollmechanismen, die das Unternehmen vorgibt.
Das wirtschaftliche Potenzial ist erheblich. Gartner prognostiziert, dass KI-Agenten bis 2029 rund 80 % der häufigen Servicefälle ohne menschliches Eingreifen lösen und die operativen Kosten im Kundenservice um rund 30 % senken könnten.[1] Gleichzeitig erwartet Gartner, dass bis Ende 2027 mehr als 40 % der Agenten-Projekte eingestellt werden – aufgrund steigender Kosten, fehlenden Geschäftsnutzens oder unzureichender Risikokontrollen.[2]
Diese Prognosen widersprechen einander nicht. Sie markieren den strategischen Entscheidungsraum: Die Technologie entwickelt sich schnell. Ob daraus messbarer Nutzen entsteht, entscheidet sich jedoch an Prozessen, Daten, Integration und Governance.
Für Führungskräfte lautet die entscheidende Frage deshalb nicht, ob KI-Agenten kommen. Entscheidend ist, welche Prozesse autonom ablaufen sollen, wo menschliches Urteilsvermögen unverzichtbar bleibt und wie Wirtschaftlichkeit, Risiken und Verantwortung gesteuert werden.
SAP hat diese Entwicklung im Mai 2026 auf der Sapphire in das Leitbild des Autonomous Enterprise eingeordnet. Autonomous CX ist eine von 5 Domänen der SAP Autonomous Suite – neben Finance, Spend, Supply Chain Management und HCM.[3] Ziel ist es, Assistenten und spezialisierte Agenten über Marketing, Commerce, Vertrieb und Service hinweg mit dem operativen Geschäftskontext aus ERP, Lieferkette und weiteren Systemen zu verbinden.
Im Folgenden wird erklärt, was Autonomous Enterprise und Autonomous CX konkret bedeuten, wie sich autonome Kundenprozesse von heutiger Customer Experience unterscheiden und wie mittelständische Unternehmen den Einstieg kontrolliert und wirtschaftlich sinnvoll gestalten können.
Was „Autonomous Enterprise“ ausmacht
„Autonomous Enterprise“ beschreibt ein Betriebsmodell, in dem KI-Assistenten und KI-Agenten klar abgegrenzte Geschäftsprozesse selbstständig planen, koordinieren und ausführen. Der entscheidende Unterschied zur bisherigen Softwaregeneration liegt nicht darin, wo die Software läuft, sondern was sie innerhalb eines Prozesses leisten darf: Sie wartet nicht mehr nur auf eine Eingabe, sondern erkennt ein Ereignis, bewertet es im Geschäftskontext und löst die nächsten Schritte aus.
Autonomie bedeutet dabei nicht Kontrollverlust. Das Management definiert Ziele, Entscheidungsgrenzen, Zugriffsrechte und Eskalationsregeln. Die Kontrolle verlagert sich von der Freigabe jedes einzelnen Arbeitsschritts auf die Gestaltung und Überwachung des Entscheidungsrahmens.
Gerade in geschäftskritischen Prozessen wird Genauigkeit damit zur zentralen Voraussetzung. SAP-CEO Christian Klein brachte es auf der Sapphire 2026 auf den Punkt: „Eighty percent is just not good enough when you run the world’s most business-critical businesses.“[3] Die Aussage bezieht sich nicht auf die Gartner-Prognose aus der Einleitung, sondern auf die Verlässlichkeit von KI im laufenden Geschäftsprozess. Bei Preisfindung, Kreditfreigabe, Lieferzusage oder Compliance ist „meistens richtig“ nicht ausreichend. Ergebnisse müssen nachvollziehbar, regelkonform und sicher sein.
Das Betriebsmodell folgt einem klaren Prinzip: Menschen steuern, Assistenten orchestrieren, Agenten handeln.
-
Menschen steuern: Sie setzen Geschäftsziele, definieren Befugnisse und tragen die Verantwortung für Ergebnisse und Risiken.
-
Assistenten orchestrieren: Sie sind zentralen Geschäftsrollen zugeordnet, verstehen den Prozesskontext und koordinieren mehrere spezialisierte Agenten.
-
Agenten handeln: Sie führen klar abgegrenzte Aufgaben über SAP- und Drittsysteme hinweg aus, prüfen Berechtigungen und leiten Ausnahmefälle an den Menschen weiter.
SAP hat für die kommenden Monate mehr als 50 rollenbasierte Assistenten und über 200 spezialisierte Agenten angekündigt.[3] Entscheidend ist jedoch nicht ihre Anzahl, sondern ihr messbarer Beitrag: Jeder Assistent soll auf definierte Geschäftsziele und konkrete Ergebniskennzahlen ausgerichtet sein.
Wie Autonomous CX Kundenprozesse verändert
Autonomous CX überträgt das Betriebsmodell des Autonomous Enterprise auf alle kundenbezogenen Prozesse. SAP positioniert es als eine von 5 Domänen der Autonomous Suite – neben Finance, Spend, Supply Chain Management und HCM.[3]
Der entscheidende Unterschied liegt in der Verbindung von Kundeninteraktion und operativer Ausführung. KI-Assistenten und Agenten arbeiten nicht als zusätzliche Schicht über isolierten Systemen. Sie verbinden Marketing, Commerce, Vertrieb und Service mit dem Geschäftskontext aus ERP, Lieferkette und weiteren Systemen. Dadurch basieren Kundeninteraktionen auf aktuellen Informationen zu Preisen, Beständen, Aufträgen und Liefermöglichkeiten.
Customer Experience endet damit nicht mehr an der Benutzeroberfläche. Entscheidend ist, ob das Unternehmen ein gegebenes Versprechen tatsächlich erfüllen kann. Der Kunde erlebt keine Systemlandschaft – er erlebt ein Ergebnis.
Balaji Balasubramanian, President und Chief Product Officer von SAP Customer Experience, bringt diesen Anspruch auf den Punkt: „Speed alone does not improve customer experience. It amplifies what is already there.“[4] KI verbessert einen Prozess nicht automatisch. Sie verstärkt seine Qualität – und ebenso seine Schwächen.
Der Unterschied wird an einem einfachen Beispiel deutlich: Ein klassischer Chatbot nennt schnell einen Liefertermin. Greift er auf veraltete oder unvollständige Informationen zu, liefert er lediglich schneller eine falsche Antwort. Ein autonomer Agent prüft dagegen die tatsächliche Verfügbarkeit, berücksichtigt definierte Geschäftsregeln und kann bei einem Engpass eine Alternative anbieten oder eine Eskalation auslösen.
Für Entscheider bedeutet das: Autonomous CX ist kein Chatbot-Projekt. Es ist die Neugestaltung durchgängiger Kundenprozesse. Unternehmen müssen festlegen, welche Entscheidungen automatisiert werden dürfen, wann ein Mensch übernimmt und wer für das Ergebnis verantwortlich bleibt.
Klassische CX und Autonomous CX im Vergleich
Der Übergang lässt sich an 9 Merkmalen festmachen:
| Merkmal | Klassische CX-Steuerung | Autonomous CX |
| Steuerungslogik | Einzelne Kontaktpunkte und Kanäle optimieren | Kundenziele und Geschäftsergebnisse über die gesamte Journey orchestrieren |
| Auslöser | Kunde oder Mitarbeitender startet den Vorgang | Ereignisse, Verhalten oder Geschäftssignale lösen den Prozess in Echtzeit aus |
| Prozessausführung | Systeme liefern Informationen, Menschen koordinieren und führen aus | Agenten planen, koordinieren und erledigen freigegebene Prozessschritte über System- und Bereichsgrenzen hinweg |
| Entscheidung | Menschen bewerten und entscheiden jeden Einzelfall | KI entscheidet innerhalb definierter Regeln und Befugnisse, Menschen verantworten Leitplanken und Ausnahmen |
| Datenbasis | Kunden- und Kanaldaten, operative Daten oft nur punktuell eingebunden | Gemeinsamer Echtzeitkontext aus CX, ERP, Lieferkette und angebundenen Drittsystemen |
| Personalisierung | Kundensegmente und statische Regeln | Aktuelle Absicht, Verhalten und Situation, verbunden mit operativer Machbarkeit |
| Rolle des Menschen | Routinefälle bearbeiten, Informationen suchen und Bereiche koordinieren | Ziele und Leitplanken setzen, Ausnahmen entscheiden und wertvolle Beziehungen gestalten |
| Skalierung | Mehr Vorgänge erfordern meist mehr personelle Kapazität | Standardprozesse skalieren über Agenten, Menschen fokussieren komplexe und beziehungsrelevante Situationen |
| Erfolgsmessung | NPS, CSAT sowie Reaktions- und Lösungszeiten | Analyse von Kundenerlebnis, Kundenverhalten und wirtschaftlichem Ergebnis je Journey |
Besonders hervorzuheben ist der Unterschied im Bereich Entscheidung. Autonomous CX bedeutet nicht, dass niemand mehr zuständig ist. Es bedeutet, dass die Zuständigkeit von der einzelnen Aktion auf die Regel übergeht, nach der die Aktion abläuft.
Warum Agenten im Kundenumfeld gerade jetzt an Bedeutung gewinnen
Drei Entwicklungen treffen zusammen:
Die Technik ist im Standard angekommen. Gartner erwartet, dass bis 2026 rund 40 % der Unternehmensanwendungen aufgabenspezifische KI-Agenten enthalten, gegenüber weniger als 5 % im Jahr 2025.[5] Agenten kommen damit als Funktion in Anwendungen an, die ohnehin eingesetzt werden, statt als eigenes Projekt daneben zu stehen.
Der Markt investiert. Der Digitalverband Bitkom rechnet damit, dass die Umsätze mit KI-Plattformen in Deutschland 2026 um 61 % auf 4,1 Milliarden Euro steigen.[6] Zum Vergleich: Der gesamte deutsche ITK-Markt wächst im selben Zeitraum um 4,4 %.
Der Mittelstand ist nicht abgehängt, aber nicht gleich weit entwickelt. Nach der IKT-Erhebung des Statistischen Bundesamts nutzten 2025 rund 26 % der Unternehmen in Deutschland KI. Bei Unternehmen ab 250 Beschäftigten waren es 57 %, bei mittleren Unternehmen mit 50 bis 249 Beschäftigten 36 % und bei kleinen Unternehmen mit 10 bis 49 Beschäftigten 23 %.[7]
Dazu kommt der Erwartungsdruck, der aus den Entwicklungen dieses Kanals heraus entsteht. Gartner geht davon aus, dass bis 2028 rund 30 % der Fortune-500-Unternehmen Services nur noch über einen einzigen, KI-gestützten Kanal anbieten.[8] Was im Konsumentengeschäft in diesem Bereich zum Standard wird, prägt auch die Erwartung der B2B-Einkäufer.
Die technische Architektur hinter Autonomous CX
SAP organisiert Autonomous CX in 3 aufeinander aufbauenden Ebenen[3]:
-
Kontext: Die SAP Business Data Cloud verbindet operative SAP-Daten mit Informationen aus Drittsystemen. Domänenmodelle, Wissensgraphen und Prozesswissen liefern den fachlichen Zusammenhang. Dadurch verarbeitet ein Agent nicht nur einzelne Datenpunkte, sondern versteht deren Bedeutung im Geschäftsprozess.
-
Build: Im Joule Studio können Unternehmen eigene Agenten entwickeln, bestehende Agenten anpassen und sie in Geschäftsprozesse integrieren.
-
Governance: Der SAP AI Agent Hub soll SAP-eigene, individuell entwickelte und externe Agenten in einer zentralen Steuerungs- und Kontrollebene zusammenführen. Die Verfügbarkeit ist für das dritte Quartal 2026 angekündigt – laut SAP ohne zusätzliche Lizenzkosten.
Auf dieser technischen Basis entstehen spezialisierte Assistenten für die 4 CX-Bereiche[4]:
-
Marketing: Content Assistant und Campaign Assistant
-
Commerce: Merchandising Assistant, Shopping Assistant und Order Management Assistant
-
Vertrieb: Sales Assistant, Deal Qualification Assistant und Deal Closing Assistant
-
Service: Case Management Assistant und Service Management Assistant
Der Aufbau erfolgt schrittweise. Mit dem Release Q2 2026 hat SAP unter anderem einen MCP-Server für die SAP Commerce Cloud vorgestellt. Darüber können KI-Agenten kontrolliert auf Produktdaten, Bestände und Warenkörbe zugreifen. Hinzu kommt eine Joule-Integration für die SAP Engagement Cloud, die zunächst im Early-Adopter-Programm bereitgestellt wird.[9]
Für die Planung bedeutet das: Autonomous CX ist keine vollständig ausgerollte Suite, sondern eine wachsende Architektur. Unternehmen sollten deshalb mit einem schrittweisen Ausbau entlang der SAP-Roadmap planen.
Anwendungsfälle in Marketing, Vertrieb, Commerce und Service
Autonomous CX wird konkret, wenn KI nicht nur Inhalte erzeugt oder Empfehlungen ausspricht, sondern definierte Prozessschritte selbstständig ausführt. Die folgenden Beispiele zeigen, wie sich dadurch die Arbeit in den 4 zentralen CX-Bereichen verändert.
Marketing: von der Kampagnenerstellung zur laufenden Marktsteuerung. Sie definieren das Geschäftsziel und die Leitplanken – etwa eine Kampagne für Bestandskunden mit hohem Deckungsbeitrag. Der Assistent bildet das passende Segment aus Verhaltens-, Kunden- und Auftragsdaten, gleicht die beworbenen Produkte mit Bestand und Verfügbarkeit ab und erstellt kanalspezifische Varianten. Während die Kampagne läuft, bewertet er die Ergebnisse und passt Zielgruppen oder Inhalte innerhalb des freigegebenen Rahmens an. Welche KI-Anwendungsfälle im Marketing bereits heute messbaren Nutzen stiften, zeigt unser Beitrag KI im Marketing.
Vertrieb: von der Lead-Bewertung zur orchestrierten Abschlussvorbereitung. Ein Agent analysiert eingehende Anfragen nach strategischer Passung, Potenzial und Abschlusswahrscheinlichkeit. Er führt Kundenhistorie, bisherige Interaktionen, Konditionen und verfügbare Leistungen zusammen, schlägt das weitere Vorgehen vor und bereitet ein belastbares Angebot vor. Der Verkäufer gewinnt dadurch Zeit für die Aufgaben, die menschliches Urteilsvermögen erfordern: Beziehungen aufbauen, Interessen verstehen, verhandeln und die geschäftliche Entscheidung verantworten. Eine Übersicht bereits erprobter Anwendungsfälle finden Sie im Artikel KI im Vertrieb.
Commerce: vom digitalen Vertriebskanal zur agentenfähigen Transaktion. Im Commerce ist die Entwicklung besonders weit fortgeschritten, weil zunehmend auch auf Kundenseite Agenten recherchieren, vergleichen und Bestellungen vorbereiten. Damit verändert sich nicht nur die Benutzeroberfläche: Sortimente, Preise, Verfügbarkeiten, Lieferbedingungen und Produktinformationen müssen so strukturiert sein, dass externe Agenten sie zuverlässig interpretieren und verarbeiten können. Wie sich die Beschaffung verändert, wenn ein Agent den Warenkorb zusammenstellt, erläutern wir in Agentic Commerce im B2B. Die Perspektive des Endkundengeschäfts beleuchtet unser Retail-Beitrag.
Service: von der Ticketbearbeitung zur durchgängigen Falllösung. Ein Agent erkennt und klassifiziert das Anliegen, führt Auftrag, Garantie, Produkt- und Servicehistorie zusammen und entscheidet innerhalb definierter Leitplanken über den nächsten Schritt. Standardfälle löst er möglichst vollständig, komplexe oder sensible Anliegen übergibt er mit dem gesamten Kontext an einen Servicemitarbeiter. Der Kunde muss sein Anliegen dadurch nicht erneut erklären, während sich das Serviceteam auf Ausnahmen und beziehungsrelevante Situationen konzentrieren kann. Wie digitale Assistenten bereits heute eingesetzt werden, lesen Sie im Beitrag KI im Kundenservice. Wie weit spezialisierte Lösungen inzwischen reichen, zeigt unser Bericht zur KI-Ersatzteilerkennung per Foto.
Der eigentliche Hebel: Wenn CX- und ERP-Agenten zusammenspielen
Der wirtschaftliche Nutzen entsteht nicht durch einzelne, sondern durch das koordinierte Zusammenspiel mehrerer Agenten über System- und Bereichsgrenzen hinweg.
Ein Beispiel aus dem Maschinenbau: Ein Sensor erkennt einen drohenden Ausfall und löst definierte, miteinander verknüpfte und aufeinander aufbauende Prozesse aus. Der Service-Agent prüft Wartungshistorie, Vertrag und Dringlichkeit und ermittelt einen geeigneten Termin. Parallel identifiziert und reserviert ein Ersatzteil-Agent die benötigten Komponenten. Der Logistik-Agent prüft Bestand und Lieferzeit – und erkennt, dass ein Teil erst in 9 Tagen verfügbar sein wird. Statt eine Zusage zu machen, die das Unternehmen nicht halten kann, entwickelt der Vertriebs- oder Serviceassistent eine realistische Zwischenlösung und stimmt sie mit dem Kunden ab.
Keiner dieser Schritte ist für sich genommen revolutionär. Der Unterschied liegt in der durchgängigen Orchestrierung: Alle Agenten arbeiten mit demselben Geschäftskontext, koordinieren ihre Entscheidungen und führen den Prozess ohne manuelle Übergaben zwischen den Fachbereichen fort.
So reagiert das Unternehmen nicht länger aufgrund der Resultate einzelner Abteilungen, sondern als zusammenhängendes System. Das verkürzt Reaktionszeiten, reduziert Koordinationsaufwand und sorgt dafür, dass Kundenzusagen auf der tatsächlichen operativen Leistungsfähigkeit basieren. Wie sich der Weg dorthin mithilfe der SAP-Transformation entwickelt, ordnet der Beitrag Agentic AI: nächste Stufe der SAP-Transformation ein.
5 Stufen zur kontrollierten Autonomie
Die entscheidende Frage lautet nicht, ob KI grundsätzlich entscheiden darf. Entscheidend ist, welchen Entscheidungs- und Handlungsspielraum ein Agent in einem konkreten Prozess verantwortbar übernehmen kann.
Thomas Ziegler, Senior Vice President Customer Experience bei All for One, arbeitet dafür mit einem risikobasierten Stufenmodell. Es führt Unternehmen schrittweise von der reinen Analyse zur überwachten Prozessautonomie:
1. Beobachten. Die KI analysiert Daten, erkennt Muster und simuliert mögliche Entscheidungen, greift jedoch nicht in den Prozess ein. Diese Stufe zeigt, ob Datenqualität, Modelle und Empfehlungen für den produktiven Einsatz ausreichen.
2. Empfehlen. Die KI bewertet Handlungsoptionen und spricht eine begründete Empfehlung aus. Die Entscheidung und ihre Ausführung bleiben vollständig beim Menschen. Gleichzeitig lassen sich Entscheidungslogik, Datenbasis und Leitplanken unter realen Bedingungen überprüfen.
3. Freigeben. Die KI bereitet eine Entscheidung einschließlich der erforderlichen Prozessschritte vollständig vor. Ausgeführt wird sie erst nach ausdrücklicher Freigabe durch einen verantwortlichen Mitarbeiter. Der Mensch kontrolliert das Ergebnis, muss den Vorgang aber nicht mehr selbst bearbeiten.
4. Delegieren. Wiederkehrende Entscheidungen und Aktionen führt die KI eigenständig aus, solange festgelegte Wert-, Risiko-, Compliance- oder Prozessgrenzen eingehalten werden. Unklare Fälle und Abweichungen werden automatisch an einen Menschen eskaliert.
5. Überwachen. Die KI koordiniert einen klar definierten Prozess über mehrere Schritte oder Systeme hinweg weitgehend selbstständig. Menschen überwachen Ergebnisse, Risiken und Kennzahlen, prüfen Auffälligkeiten und können jederzeit eingreifen oder die Autonomie begrenzen.
Die meisten Mittelstandskunden bewegen sich nach unserer Projekterfahrung heute zwischen Stufe 2 und Stufe 3. Die Daten reichen für eine Empfehlung, aber noch nicht für eine verbindliche Zusage.
Wichtig ist: Nicht jeder Anwendungsfall muss Stufe 5 erreichen. Der passende Autonomiegrad richtet sich nach dem möglichen Schaden einer Fehlentscheidung, ihrer Umkehrbarkeit, dem finanziellen Umfang, regulatorischen Anforderungen und der Qualität der verfügbaren Daten. Eine Preisempfehlung kann weitgehend automatisiert werden, während die endgültige Freigabe eines Großkundenrabatts bewusst beim Menschen bleibt.
Autonomie ist damit kein technisches Versprechen, sondern eine Managemententscheidung: Je belastbarer Daten, Regeln und Kontrollen werden, desto größer kann der Handlungsspielraum der KI sein.
Woran Agenten-Projekte scheitern
Die Gartner-Prognose zu den abgebrochenen Projekten nennt 3 Ursachen: steigende Kosten, unklarer Geschäftswert und unzureichende Risikokontrollen.[2] In der Beratungspraxis kommen 4 konkrete Muster dazu.
Ein Prozess wird automatisiert, den niemand verstanden hat. KI beschleunigt zuerst den vorhandenen Ablauf samt seiner Brüche. Wo heute 3 Abteilungen dieselbe Information unterschiedlich pflegen, erzeugt ein Agent keinen besseren Prozess. Er erzeugt einen schnelleren Widerspruch.
Es gibt keinen fachlichen Verantwortlichen. Ohne benannten Prozess-Owner mit Entscheidungsbefugnis fehlt die Stelle, die die Leitplanken festlegt und Abweichungen bewertet.
Der Agent hat keinen Zugriff auf verlässliches Unternehmenswissen. Ein generischer Assistent ohne Anbindung an Produktdaten, Konditionen und Servicehistorie erzeugt eher Frust als Entlastung.
Der Erfolg wird an der Einführung gemessen statt an der Wirkung. Eine hohe Nutzungsrate ist kein positives Ergebnis, wenn Durchlaufzeiten, Fehlerquote und Kundenzufriedenheit unverändert bleiben.
Fazit: 5 Empfehlungen für den Einstieg
Autonomous CX ist kein einzelnes Softwareprodukt, sondern ein neues Betriebsmodell für Kundenprozesse. Es entsteht dort, wo KI-Agenten auf einer belastbaren Datenbasis arbeiten, innerhalb klarer Grenzen entscheiden und Prozessschritte über Systeme und Fachbereiche hinweg ausführen können.
Die technologischen Bausteine werden schrittweise Bestandteil der Anwendungen, die Unternehmen bereits einsetzen. Der wirtschaftliche Nutzen entsteht jedoch nicht automatisch mit dem nächsten Release. Ob aus Autonomous CX ein teures Experiment oder ein skalierbarer Geschäftsvorteil wird, entscheidet sich bei der Auswahl der Prozesse, der Qualität der Daten und der Klarheit der Verantwortung.
-
Beginnen Sie beim wirtschaftlichen Hebel. Suchen Sie nicht zuerst nach einem Einsatzgebiet für KI. Identifizieren Sie Prozesse, in denen heute Zeit, Marge oder Kundenvertrauen verloren gehen – etwa durch lange Durchlaufzeiten, viele Übergaben, manuelle Entscheidungen oder wiederkehrende Fehler.
-
Nutzen Sie den Standard vor der Individualentwicklung. Prüfen Sie, welche Assistenten, Agenten und Integrationen Ihre bestehenden Anwendungen bereits bieten oder auf der Roadmap haben. Standardfunktionen reduzieren Entwicklungs-, Integrations- und Betriebsaufwand und erleichtern eine verlässliche Governance.
-
Klären Sie die Verantwortung vor der Autonomie. Legen Sie fest, wer den Prozess fachlich verantwortet, auf welche Daten und Systeme ein Agent zugreifen darf und innerhalb welcher Grenzen er entscheiden kann. Dazu gehören auch Freigabeschwellen, Eskalationswege, Protokollierung und die Möglichkeit, jederzeit einzugreifen.
-
Steigern Sie den Autonomiegrad erst bei entsprechender Qualität. Starten Sie mit Beobachtung und Empfehlungen. Erweitern Sie den Handlungsspielraum erst, wenn Datenqualität, Entscheidungslogik und Ergebnisse stabil sind. Jede höhere Stufe sollte eine bewusste fachliche Freigabe sein – keine technische Standardeinstellung.
-
Messen Sie Geschäftsergebnisse statt Agentennutzung. Definieren Sie vor dem Start eine belastbare Ausgangsbasis und konkrete Zielwerte. Durchlaufzeit, Lösungsquote und Fehlerquote müssen gemeinsam mit Kundenzufriedenheit, Kosten und wirtschaftlichem Ergebnis betrachtet werden. Nutzungszahlen zeigen Aktivität – aber noch keinen Geschäftswert.
Der Einstieg in Autonomous CX beginnt deshalb nicht mit maximaler Autonomie. Er beginnt mit einem klar abgegrenzten Prozess, in dem sich Wertbeitrag, Ergebnisqualität und Verantwortung nachweisbar beherrschen lassen.
FAQ: Autonomous CX
Was ist Autonomous CX?
Autonomous CX beschreibt ein Betriebsmodell, in dem KI-Assistenten und KI-Agenten Kundenprozesse über Marketing, Commerce, Vertrieb und Service hinweg analysieren, koordinieren und innerhalb definierter Grenzen ausführen. Dafür greifen sie auf denselben Geschäftskontext zu wie die operativen Systeme – etwa auf Aufträge, Bestände, Preise oder Liefertermine. Menschen definieren Ziele und Leitplanken, entscheiden über Ausnahmen und tragen die Verantwortung für das Ergebnis.
Was ist der Unterschied zwischen Autonomous Enterprise und Autonomous CX?
Das Autonomous Enterprise ist das übergreifende Betriebsmodell für ein zunehmend KI-gestütztes Unternehmen. Autonomous CX überträgt dieses Prinzip auf alle kundenbezogenen Prozesse. Bei SAP bildet Customer Experience eine Domäne neben Finance, Spend Management, Supply Chain Management und Human Capital Management.
Wie unterscheidet sich Autonomous CX von einem Chatbot?
Ein Chatbot ist zunächst eine dialogorientierte Benutzeroberfläche. Er beantwortet Fragen und kann – abhängig von seiner technischen Ausgestaltung – auch auf Daten und Funktionen zugreifen. Ein KI-Agent geht weiter: Er zerlegt ein vorgegebenes Ziel in Teilaufgaben, koordiniert Systeme und andere Agenten und führt freigegebene Aktionen aus. Der entscheidende Unterschied liegt nicht in der Qualität des Dialogs, sondern in der Fähigkeit, einen Prozess tatsächlich voranzubringen.
Brauche ich dafür SAP im Backend?
Nein. Entscheidend ist nicht der Hersteller, sondern der verlässliche Zugriff auf operative Daten und ausführbare Prozesse. Unternehmen mit einer bereits integrierten SAP-Landschaft können jedoch schneller starten, weil Aufträge, Bestände, Preise, Verträge und Liefertermine häufig schon in einem gemeinsamen Geschäftskontext verfügbar sind.
Wie viel Entscheidungsfreiheit sollte ein Agent bekommen?
Nur so viel, wie Datenqualität, Ergebnisstabilität und Risikoprofil nachweislich zulassen. Das Stufenmodell in Kapitel 8 führt von der reinen Beobachtung über Empfehlungen und Freigaben bis zur überwachten Autonomie. Der passende Autonomiegrad wird für jeden Prozess einzeln festgelegt, nicht pauschal für das gesamte Unternehmen.
Ab welcher Unternehmensgröße lohnt sich Autonomous CX?
Nicht die Unternehmensgröße ist ausschlaggebend, sondern die wirtschaftliche Relevanz des Prozesses. Besonders geeignet sind Abläufe mit hohen Fallzahlen, wiederkehrenden Entscheidungen, vielen manuellen Übergaben oder spürbaren Fehlerkosten. Ein standardisierter Prozess mit 200 ähnlichen Vorgängen pro Monat bietet meist einen größeren Hebel als ein hochkomplexer Einzelfall, der nur wenige Male im Jahr auftritt.
Was kostet der Einstieg?
Das lässt sich ohne konkreten Anwendungsfall nicht seriös beziffern. Kosten entstehen durch Lizenzen, Integration, Datenaufbereitung, Prozessgestaltung, Governance und den laufenden Betrieb. Welche Assistenten oder Agenten bereits Bestandteil einer Standardanwendung sind und welche Funktionen separat lizenziert werden, hängt von Produkt, Release und Vertrag ab. Deshalb sollte der Business Case immer für einen abgegrenzten Prozess gerechnet werden.
Wie funktioniert Autonomous CX in der Praxis?
Ein geschäftliches Signal löst den Prozess aus – etwa eine Bestellung, eine Reklamation oder eine Verzögerung im Lieferprozess. Ein Assistent ordnet das Ereignis dem richtigen Vorgang zu, stellt den relevanten Kontext her und koordiniert die benötigten Agenten. Diese bearbeiten ihre Aufgaben in den angebundenen Systemen und führen den Prozess innerhalb der freigegebenen Grenzen fort. Nur bei Abweichungen, Risiken oder nicht vorgesehenen Entscheidungen wird der Mensch einbezogen.
Welche Software unterstützt Autonomous CX in deutschen Unternehmen?
Autonomous CX entsteht nicht durch ein einzelnes Produkt, sondern durch das Zusammenspiel mehrerer Komponenten. Im SAP-Umfeld gehören dazu die CX-Anwendungen für Marketing, Commerce, Vertrieb und Service, Joule als Interaktions- und Orchestrierungsebene, die SAP Business Data Cloud für den Geschäftskontext und der SAP AI Agent Hub für Verwaltung und Governance. Entscheidend bleibt, ob Agenten kontrolliert auf dieselben operativen Daten und Prozesse zugreifen können wie das ERP.
Welche Vorteile bieten KI-gestützte Self-Service-Portale?
Kunden können Standardvorgänge rund um die Uhr selbst anstoßen und abschließen, ohne Warteschleife und ohne Medienbruch. Dadurch sinkt die Zahl manueller Routinefälle, während das Serviceteam mehr Kapazität für komplexe und beziehungsrelevante Anliegen gewinnt. Der Unterschied zum klassischen Portal: Ein Agent zeigt nicht nur Informationen an, sondern kann den zur Lösung der Anfrage erforderlichen Vorgang innerhalb definierter Grenzen tatsächlich ausführen.
Wie unterscheidet sich Autonomous CX im Handel vom B2B-Geschäft?
Im Handel stehen Produktsuche, Verfügbarkeit, Personalisierung und Kaufabschluss im Mittelpunkt. Im B2B-Geschäft geht es häufiger um wiederkehrende Beschaffung, kundenspezifische Konditionen, Rahmenverträge, technische Kompatibilität und langfristige Serviceverpflichtungen. Die technologische Grundlage kann dieselbe sein – Entscheidungslogik, Datenmodelle und Risiken unterscheiden sich jedoch deutlich.
