Agentic AI im Mittelstand

Autonome KI-Agenten können Arbeitsabläufe eigen- ständig planen, Werkzeuge nutzen und komplexe Ent- scheidungen treffen – ohne kontinuierliche menschliche Steuerung. Für mittelständische Unternehmen eröffnet diese Technologie erhebliche Chancen, birgt jedoch strukturelle Risiken. Um Unternehmen bei der gezielten Einführung zu unterstützen, wurde an der Hochschule Karlsruhe das Agentic AI Maturity Model (AAIM²) entwickelt und validiert. Das Modell strukturiert die organisationale Reife ent- lang von acht Dimensionen und fünf Reifegradstufen und bietet ein praxistaugliches Assessment-Tool für den Mittelstand. Das Ergebnis-Dashboard visualisiert die individuelle Stärken-Schwächen-Analyse und hilft Un- ternehmen bei ihrer strategischen Standortbestimmung.

Künstliche Intelligenz hat in den vergangenen Jahren eine bemerkenswerte Transformation durchlaufen: von regelbasierten Systemen und reaktiven Chatbots hin zu autonomen Softwareagenten, die eigenständig planen, Werkzeuge nutzen und komplexe Aufgaben ohne kontinuierliche menschliche Eingriffe ausführen können. Diese neue Generation von KI-Systemen, auch Agentic AI genannt, verbindet Large Language Models mit externen Diensten, Datenbanken und Automatisierungsschnittstellen und ermöglicht dadurch Arbeitsabläufe, die bislang menschliche Koordination erforderten.

Für mittelständische Unternehmen eröffnet diese Technologie erhebliche Möglichkeiten. Routineprozesse in Vertrieb, Einkauf, Buchhaltung oder Kundenservice können potenziell vollständig automatisiert werden. Gleichzeitig stehen Unternehmen vor Herausforderungen wie techno- logische Komplexität, regulatorische Anforderungen sowie Fachkräftemangel und fehlende KI-Kompetenzen.

Forschungsdesign und Methodik

Um die organisationale Bereitschaft für Agentic AI messbar zu machen, wurde das Agentic AI Maturity Model (AAIM²) entwickelt.¹ Das Modell entstand nach der Design Research Methodology (DRM) und folgt dem Vorgehensmodell zur Reifegradmodellentwicklung nach Becker et al.² Die Entwicklung verlief in drei aufeinanderfolgenden Iterationen: Zunächst wurde ein erstes Modell aus einer systema- tischen Literaturrecherche abgeleitet. Anschließend verfeinerten rund 30 Interviews mit Expertinnen und Experten aus Wissenschaft und Praxis das Modell inhaltlich. In der dritten Iteration wurde es durch Pilotanwendungen in mittelständischen Unternehmen validiert und ein Gewich- tungsschema der 43 Indikatoren durch eine Kombination aus Expert*innenbefragung (n = 29), Rank-Order-Cent- roid-Methode und Analytischem Hierarchieprozess (AHP) bestimmt.

Acht Dimensionen im TOE-Framework

Das AAIM² strukturiert die Unternehmensreife entlang von acht Dimensionen, die auf dem TOE-Framework nach Tornatzky und Fleischer beruhen.³ TOE steht für die drei Kontextfelder Technologie, Organisation und Umwelt (Environment), die gemeinsam bestimmen, ob eine neue Technologie in einem Unternehmen erfolgreich eingeführt werden kann.

Auf technologischer Ebene umfasst das Modell die Di- mension KI-Technologie (T1), welche die IT-Infrastruktur und Systemarchitekturen auf ihre Kompatibilität mit agen- tischen Systemen bewertet. Daten (T2) analysiert Daten- verfügbarkeit, -qualität und -sicherheit als Kernressourcen für wissensbasierte KI-Agenten. Das KI-Agenten-Ökosystem (T3) ist eine eigens entwickelte Dimension, die die Fähigkeit zur Integration, Koordination und Skalierung mehrerer Agenten innerhalb einer sicheren Infrastruktur bewertet, ein Aspekt, der in bisherigen KI-Reifegradmodellen bislang fehlt.

Auf organisationaler Ebene bewertet Organisation & Prozesse (O1) die Standardisierbarkeit und Automatisierbarkeit betrieblicher Abläufe. Menschen & Kompetenzen (O2) analysiert das Wissen und die Veränderungsbereitschaft der Mitarbeitenden, während Governance & Compliance (O3) die strategische Steuerung und Verantwortlichkeitsstrukturen im Kontext des EU AI Act in den Blick nimmt.⁴

Auf Umweltebene erfasst Strategie & Management (E1) die strategische Verankerung von Agentic AI auf Top-Management-Ebene, und Wertschöpfung & Use-case (E2) bewertet den nachweisbaren Nutzen agentischer Anwendungen für das Unternehmen. 

Fünf Reifegradstufen: Vom AAI-Starter zum AAI-Pioneer

Das AAIM² beschreibt den Transformationsweg eines Unternehmens in fünf aufsteigenden Reifegradstufen. Der AAI-Starter agiert reaktiv, ohne KI-Strategie, mit hetero- gener Infrastruktur und ohne aufgebaute KI-Kompetenzen. Der AAI-Adopter legt erste Fundamente: projektbasierte KI-Experimente werden gestartet, erste Modelle erprobt, die Systemlandschaft bleibt jedoch noch unintegriert. Auf Stufe drei, dem AAI-Integrator, werden koordinierte Initiativen umgesetzt: Eine dokumentierte KI-Strategie liegt vor, Prozesse sind in Pilotbereichen standardisiert, und Schnitt- stellen zu ERP- und CRM-Systemen werden aufgebaut. Der AAI-Orchestrator auf Stufe vier kennzeichnet die tiefe stra- tegische Integration von KI: Skalierbare Architekturen mit Data Lakes und APIs unterstützen spezialisierte KI-Teams, ein institutionalisierter Governance-Rahmen ist etabliert, und ein orchestriertes Agenten-Ökosystem erzeugt mess- bare wirtschaftliche Mehrwerte. Den höchsten Reifegrad repräsentiert der AAI-Pioneer: Agentische Fähigkeiten sind ein zentrales strategisches Asset, Prozesse sind vollständig KI-agenten-optimiert, und weitgehend autonome Agenten führen validierte Use-cases abteilungsübergreifend aus. Kontinuierliches Monitoring und lernende Systeme sichern die nachhaltige Weiterentwicklung.

Validierung und Praxistransfer

Die Güte des AAIM² wurde durch ein zweistufiges Validierungsverfahren überprüft. Zwölf Expertinnen und Experten aus Wissenschaft und Unternehmenspraxis bewerteten das Modell quantitativ: Der Gesamtmittelwert lag bei 4,0 von 5 Punkten, wobei Relevanz (4,5), Vollständigkeit (4,3) und Nutzen (4,2) besonders hoch eingestuft wurden.¹ Die anschließende Pilotanwendung in mittelständischen Unter- nehmen bestätigte die Praxistauglichkeit des Instruments. Die begleitende Umfrage (n = 64) belegt: Die Mehrheit der befragten Unternehmen ist aktuell den Stufen AAI-Starter oder AAI-Adopter zuzuordnen, Kompetenzlücken im Bereich Agentic AI sind weitverbreitet.

Für den unmittelbaren Praxiseinsatz wurde ein Assessment-Tool entwickelt. In rund 30 Minuten können Unternehmen ihre Reife in allen acht Dimensionen selbst einschätzen. Das Ergebnis-Dashboard zeigt ein Netzdiagramm für die Stärken-Schwächen-Analyse sowie eine AAI-ImpAct-Matrix: Diese stellt auf der x-Achse die Agentic-AI-Readiness und auf der y-Achse die Fähigkeit zur Bewältigung unter- nehmerischer Herausforderungen gegenüber. Vier strategische Handlungsfelder, FOUNDATION FIRST, RETHINK, AUTONOMIZE und LEVERAGE, liefern konkrete Handlungsempfehlungen.

Ausblick: AAI-Excellence-HUB Karlsruhe

Die Ergebnisse bilden die Grundlage für eine geplante Initi- ative am Institut für Digital Economy and Venturing (IDEV) der Hochschule Karlsruhe: den AAI-Excellence-HUB Karls- ruhe.⁵ Dieser HUB soll Unternehmen, Forschende und Bera- tungspartner zusammenbringen und über praxisnahe Work- shop-Formate den Wissenstransfer in die regionale Wirtschaft fördern. Fünf Transformationsmuster – Problem-first, Synchronized, Capability-first, Greenfield-Leap und S-Curve Adoption – bieten Orientierung für Unternehmen auf unter- schiedlichen Reifegradstufen. Das AAIM² liefert somit ein diagnostisches Instrument als strategische Navigationshilfe für die KI-Transformation des Mittelstands. 

Autoren

Dominik Raphael Kimmig, M.Sc.
Absolvent des Masterstudiengangs Wirtschaftsingenieurwesen an der Hochschule Karlsruhe. Entwickler des Agentic AI Maturity Models (AAIM²) im Rahmen seiner Masterarbeit am IDEV

Johannes Lauer, M.Sc.
Stellvertretender Institutssprecher am Institut für Digital Economy and Venturing (IDEV) der Hochschule Karlsruhe. Wissenschaftlicher Mitarbeiter mit Forschungsschwerpunkt Digitale Geschäftsmodelle und KI im Mittelstand

Prof. Dr. Carsten H. Hahn
Professor für Wirtschaftsinformatik und Institutssprecher des IDEV an der Hochschule Karlsruhe. Forschungsschwerpunkte: Digitale Geschäftsmodelle, Geschäftsmodellinnovation und unternehmerische KI-Anwendungen