Agentic AI: Was jetzt auf Schweizer Unternehmen zukommt

Unsere Agentic-Experten Timo und Beda waren beim Agentic AI Summit 2026 an der UC Berkeley bei San Francisco. Zwei Tage lang diskutierten führende KI-Forscher:innen, Unternehmen und Technologieanbieter darüber, wie sich KI von Chatbots zu autonomen Agenten entwickelt. 

Im Zentrum standen dabei nicht nur neue Modelle, sondern vor allem die Fragen, die für Unternehmen entscheidend werden: Wie lassen sich Agenten sicher betreiben? Wie evaluiert man ihre Entscheidungen? Und wie schafft man Vertrauen in Systeme, die zunehmend selbstständig handeln?

Für unsere Kund:innen in regulierten Branchen ist das besonders relevant: Banken, Versicherungen, Healthcare-Unternehmen oder Bundesämter können KI nicht einfach dort einsetzen, wo es technisch möglich ist. Datenschutz, Informationssicherheit, Nachvollziehbarkeit, Verantwortlichkeiten und regulatorische Anforderungen müssen von Anfang an mitgedacht werden.

Hier sind die fünf wichtigsten Learnings:

1. Von Chatbots zur Software Factory 

Key Takeaway: Entwicklungskapazitäten skalieren künftig durch effiziente Agenten-Orchestrierung und nicht mehr zwingend durch linearen Personalaufbau. Das verkürzt die Time-to-Market drastisch.

Die Entwicklung geht rasant voran: von Chatbots über Thinking Models zu autonomen Agents, Dev Factories und AI Ops.

Ein Chatbot beantwortet eine Frage. Ein Agent löst eine Aufgabe. Orchestrierte Agenten können zunehmend ganze Softwareprozesse übernehmen: Anforderungen verstehen, Code schreiben, testen, Fehler beheben und deployen. Im Betrieb können sie Systeme überwachen, Anomalien erkennen und direkt Verbesserungen anstossen.

Damit wird KI vom einzelnen Werkzeug zur Software Factory. Und genau hier liegt eine der grössten Chancen für Unternehmen.

Die entscheidende Frage ist deshalb nicht, ob KI autonom werden kann, sondern wie viel Autonomie wir ihr geben wollen. Gerade in regulierten Umgebungen braucht es dafür klare Berechtigungen, technische Leitplanken und nachvollziehbare Eskalationswege.

2. Systematische KI Governance statt Micro-Approvals 

Key Takeaway: Der geschäftliche Mehrwert liegt im Wechsel von fehleranfälligen «Micro-Approvals» hin zu einer automatisierten, Policy-basierten Governance. Diese vereint Entwicklungsgeschwindigkeit mit lückenloser Audit-Sicherheit, beispielsweise für FINMA-Vorgaben.

Bei klassischen Softwareprozessen bedeutet Kontrolle häufig: Human in the Loop, also ein Mensch prüft den Code, genehmigt einen Change oder bestätigt eine Aktion.

Bei autonomen Agents funktioniert dieses Prinzip nur begrenzt. Wenn ein Agent hunderte oder tausende Schritte ausführt, kann der Mensch nicht sinnvoll jeden einzelnen Schritt kontrollieren.

Die zentrale Frage verschiebt sich deshalb:

Nicht: Hat ein Mensch jede Aktion geprüft?
Sondern: Ist das Gesamtsystem zuverlässig, sicher und nachvollziehbar?

Dafür braucht es neue Kontrollmechanismen: klar definierte Berechtigungen, technische Leitplanken, Monitoring, automatisierte Tests, Evaluationen und nachvollziehbare Traces.

Gerade in regulierten Umgebungen ist das entscheidend. Ein Agent sollte beispielsweise nicht einfach Zugriff auf sämtliche Unternehmensdaten erhalten. Er sollte nur die Daten, Systeme und Aktionen erreichen können, die er für seine konkrete Aufgabe benötigt.

3. Kontext für den Agentic Wettbewerbsvorteil

Key Takeaway: Der langfristige Vorteil entsteht nicht allein durch die Wahl des besten Modells, sondern durch die sichere und kontrollierte Umgebung, in welcher der Agent arbeitet. Wer spezifischen Geschäftskontext systematisch für KI erschliesst, verwandelt proprietäre interne Daten, Regeln und Prozesse in einen unkopierbaren strategischen Wettbewerbsvorteil.

Ein Satz vom Summit ist besonders hängen geblieben:

Die leistungsfähigsten Modelle sind heute zunehmend austauschbar. Entscheidend wird deshalb, welche Umgebung wir um sie herum bauen.

Ein Agent braucht nicht nur ein Sprachmodell. Er braucht Zugriff auf den richtigen Kontext: Unternehmenswissen und Dokumentation, Business Rules, Daten und Datenquellen, APIs und interne Systeme, Architektur und technische Abhängigkeiten, etc.

Für Schweizer Unternehmen ist genau dieser Punkt besonders relevant. Ein Agent, der auf generisches Wissen zugreift, ist etwas anderes als ein Agent, der die internen Prozesse einer Bank, die Policenlogik einer Versicherung oder die Fachprozesse eines Bundesamtes versteht.

4. Cybersecurity: vom Schutzschild zum kontinuierlichen Prozess mit Agents

Key Takeaway: Für regulierte Unternehmen wird aus Cybersecurity und Legacy Modernisierung kein einmaliges Projekt, sondern ein kontinuierlicher Prozess. Aus Management-Sicht wird Agentic AI hier vom reinen Innovationstreiber zu einem handfesten Instrument der Risikomitigation, um operative Risiken und hohe Wartungskosten veralteter Kernsysteme aktiv zu senken.

Agentic AI verändert auch die Cybersecurity. AI macht Verteidiger effizienter, aber dasselbe gilt für Angreifer. Gerade Legacy Systeme werden dadurch zum Risiko: Was schwer zu testen, langsam zu patchen und komplex zu verstehen ist, lässt sich immer schwieriger zuverlässig absichern.

Die Antwort kann nicht sein, Legacy einfach weiter zu betreiben. Modernisierung, Migration und schrittweise Ablösung werden zur strategischen Notwendigkeit.

Dabei kann KI selbst zum Werkzeug werden: Agents analysieren Legacy Code, verstehen Abhängigkeiten, generieren Tests, unterstützen Migrationen und erkennen Schwachstellen. Gleichzeitig können sie moderne Systeme kontinuierlich testen und absichern.

5. Die Agentic AI Zukunft beginnt mit kontrollierten Anwendungsfällen

Key Takeaway: Entscheidungsträger:innen sollten nicht auf die «perfekte» KI warten, sondern jetzt mit klar definierten, outcome-orientierten Pilotprojekten in einer Sandbox starten. So lässt sich der ROI risikominimiert nachweisen und die Basis für autonome Systeme schaffen.

Die Entwicklungen rund um Agentic AI wirken teilweise futuristisch. Gleichzeitig zeigt die Geschwindigkeit der letzten Jahre, wie schnell aus Forschung produktive Technologie werden kann.

Für Unternehmen bedeutet das nicht, morgen sämtliche Prozesse autonom zu machen. Im Gegenteil: Gerade in regulierten Umgebungen ist ein kontrollierter Einstieg entscheidend.

Ein sinnvoller Ansatz kann sein, zunächst Prozesse zu identifizieren, bei denen Agenten einen hohen Nutzen bieten, aber das Risiko beherrschbar bleibt. Dabei sollte nicht die Technologie selbst im Mittelpunkt stehen, sondern der konkrete Outcome: Welches messbare Ergebnis soll durch den Einsatz eines Agents verbessert werden? Anschliessend lassen sich Berechtigungen, Evaluationen, Monitoring und Eskalationsmechanismen gezielt aufbauen und testen.

Dabei sollte von Anfang an eine zentrale Frage gestellt werden:

Wie beweisen wir, dass unser Agent zuverlässig funktioniert?

Dafür reichen klassische Software Tests allein nicht aus. Agents arbeiten probabilistisch und können sich bei unterschiedlichen Situationen unterschiedlich verhalten. Deshalb werden Traces, Evaluationen und reale Fehler zu wichtigen Bestandteilen des Betriebs.

Die besten Evaluationen entstehen dabei nicht unbedingt im Labor, sondern aus echten Fehlern in der Produktion. Jeder Fehler kann zum Feedback werden, mit dem das System verbessert wird. 

Agentic AI für Schweizer Unternehmen?

Agentic AI verändert die Art, wie digitale Prozesse ausgeführt werden. Für die Schweiz stellt sich deshalb weniger die Frage, ob Agents relevant werden, sondern wie sie sicher und kontrolliert eingesetzt werden können.

Dazu gehören aus unserer Sicht 5 zentrale Säulen: 

1. Klare Grenzen: Welche Entscheidungen und Aktionen darf ein Agent selbstständig durchführen?

2. Technische Kontrolle: Welche Daten, Systeme und Tools darf er nutzen?

3. Nachvollziehbarkeit: Wie können wir Entscheidungen und Aktionen später rekonstruieren?

4. Kontinuierliche Evaluation: Wie erkennen wir Fehler und verbessern das System?

5. Verantwortlichkeit: Wer trägt die Verantwortung für das Verhalten des Agents?

Die Technologie entwickelt sich weiter. Welche Modelle in einem Jahr führend sind, lässt sich heute kaum zuverlässig vorhersagen. Die Fähigkeit, KI-Systeme sicher in die eigene Unternehmensumgebung zu integrieren, wird dagegen langfristig relevant bleiben.

Wir stehen erst am Anfang. Unternehmen, die jetzt anfangen, ihre Systeme, Prozesse und Teams auf Agentic AI vorzubereiten, können sich einen entscheidenden Wettbewerbsvorteil sichern.