Wie weit sind wir wirklich mit dem Einsatz von Künstlicher Intelligenz in der Customer Experience? Die Dataiku-Trendumfrage für 2025 zeigt: Zwar nehmen die Investitionen in KI-gestützte Systeme deutlich zu – 88 % der befragten Unternehmen planen, ihre Ausgaben nochmals zu steigern –, doch strategisch wirksame Umsetzungsergebnisse bleiben oft aus. Viele Projekte mit Generative Artificial Intelligence (Generative AI), also softwarebasierten Systemen zur Analyse und Erzeugung von Inhalten wie Text, Bild oder Sprache, stecken weiterhin im Modus des Experimentierens. Die meisten Unternehmen haben erste Use Cases entwickelt, aber nur wenige verfügen über robuste Bewertungs- und Steuerungsmodelle.

Mit dem Aufkommen von Agentic AI verändert sich die Diskussion: Gemeint sind damit softwarebasierte Einzel-Agentensysteme, die auf analytischen und generativen Funktionen aufsetzen und eigenständig Entscheidungen innerhalb definierter Aufgabenbereiche treffen können. Sie agieren nicht mehr nur unterstützend, sondern übernehmen Verantwortung – etwa für die eigenständige Informationsbeschaffung oder die Initiierung von Aktionen in CX-Prozessen. Noch weiter geht der Ansatz der Agentic Automation: Hier arbeiten mehrere solcher Agenten koordiniert und autonom zusammen, kommunizieren untereinander und entscheiden selbst, welcher Agent für welche Aufgabe zuständig ist – auf Basis von Kompetenzprofilen, Kontext und Zielvorgaben.

Diese Entwicklung stand auch im Zentrum zahlreicher Diskussionen auf der Shift/CX-Konferenzwoche. In Vorträgen wie dem von Prof. Dr. Peter Gentsch wurde deutlich: Die technologische Reife ist vorhanden – doch es fehlt vielerorts an strategischer Klarheit, organisatorischer Befähigung und geeigneter Governance, um diese Systeme gezielt und verantwortungsvoll in Customer Journeys einzubetten.

In diesem Beitrag analysieren wir die zentralen Trends aus dem Dataiku-Report, reflektieren sie entlang der Diskussionen in der Shift/CX-Community und zeigen auf, was sie für den weiteren Weg zu strategisch wirksamer KI im CX-Kontext bedeuten – von Generative AI über Agentic AI bis hin zur Agentic Automation.

Die fünf GenAI-Trends im Dataiku-Report – ein Überblick

Der aktuelle „5 GenAI Trends for 2025“-Report von Dataiku identifiziert fünf Entwicklungen, die zeigen, wie sich der Umgang mit Generative Artificial Intelligence (Generative AI) weiter professionalisieren muss – und welche strukturellen Veränderungen bevorstehen, wenn Unternehmen den Schritt hin zu Agentic AI und Agentic Automation ernsthaft gehen wollen. Grundlage der Analyse ist eine umfangreiche Befragung von IT-, Daten- und C-Level-Führungskräften aus globalen Unternehmen.

1. Generative AI wird zur Commodity – Fokus auf Use Case wird zur Pflicht

Die erste zentrale Beobachtung: Der Einsatz von Generative AI ist längst kein Sonderfall mehr. Ihre Funktionen – von der Textgenerierung über Bildproduktion bis hin zur automatisierten Auswertung von Nutzerfeedback – sind inzwischen in einer Vielzahl von Anwendungen verfügbar. Wer in 2025 mit Generative AI arbeiten will, muss dies strategisch fundiert tun. Nur Anwendungen mit klarer Business-Logik, eingebettet in Prozesse und differenziertem Nutzenversprechen, schaffen noch Wettbewerbsvorteile. Dataiku spricht in diesem Kontext von der drohenden „Commodity Trap“ – dem Risiko, viel zu investieren, ohne spürbare Effekte zu erzielen.

2. Der ROI-Druck steigt – Messen wird zur Managementpflicht

Mit der steigenden Verfügbarkeit und dem rasanten Roll-out von KI-Anwendungen wächst auch der Nachweisdruck. Laut Studie fühlen sich 85 % der Data- und Analytics-Leitungen unter Zugzwang, den Return on Investment (ROI) ihrer KI-Projekte gegenüber der Geschäftsleitung nachzuweisen. Dabei zeigt sich: Viele Unternehmen tun sich schwer, die Wirkung von Generative AI isoliert zu messen. Fehlende KPIs, nicht eindeutige Attributionen und hohe Abhängigkeit von anderen Technologien erschweren eine klare Bewertung. Besonders mit dem Übergang zu agentischen Systemen wird diese Herausforderung noch größer – weil Entscheidungs- und Wirkprozesse zunehmend verschmelzen.

3. Der „LLM-Mess“ hat begonnen – Multi-Modell-Ansätze brauchen Governance

73 % der befragten Unternehmen setzen inzwischen auf mehrere Large Language Models (LLMs) parallel. Während dies technologische Flexibilität bietet, führt es gleichzeitig zu zunehmender Komplexität: Unterschiedliche Modelle werden für unterschiedliche Aufgaben genutzt, oft ohne zentrale Steuerung. Dataiku spricht hier von einem beginnenden „LLM-Mess“ – einer technischen wie organisatorischen Unübersichtlichkeit, die ohne klare Governance-Strategien kaum zu kontrollieren ist. Wer mittelfristig in Richtung Agentic AI denkt, muss spätestens jetzt ein konsistentes Framework für Modellwahl, Zugriff, Monitoring und Steuerung schaffen.

4. Governance ist kein Add-on, sondern Grundlage jeder KI-Strategie

Die Studie macht deutlich: Unternehmen sind sich der Risiken bewusst. 75 % der C-Level-Führungskräfte sehen Datenschutz- und Compliance-Themen als größte Herausforderung im Umgang mit KI. Trotzdem fehlt es häufig an konsistenten Governance-Strukturen, die diese Risiken wirksam adressieren. Gerade für agentenbasierte Systeme – ob als einzelne Agentic AI oder als Agentic Automation – ist Governance essenziell: Wer autonom agierende Systeme einführt, muss dafür sorgen, dass diese innerhalb klar definierter Regeln operieren, Entscheidungen nachvollziehbar sind und Verantwortung zugewiesen werden kann.

5. Wer den Wandel nicht gestaltet, wird von ihm überholt

Nicht zuletzt macht die Studie deutlich: Es geht nicht nur um Technologie, sondern um Transformation. 93 % der C-Level-Führungskräfte betonen, wie wichtig es ist, die Belegschaft im Umgang mit KI zu befähigen – und gleichzeitig selbst neue Steuerungsrollen einzunehmen. Besonders relevant im Kontext von Agentic AI: Das Management muss künftig stärker auf Monitoring, Kontextsteuerung und strategische Rahmensetzung ausgerichtet sein. Die Rolle der Führung ändert sich – von der Entscheidungskraft zur Strukturgeberin für autonome Systeme.

Was die GenAI-Trends für CX-Verantwortliche wirklich bedeuten

Der Dataiku-Trendreport zeigt klar: Zwischen Hype und Realität klafft eine Lücke. GenAI wird zwar breit diskutiert und vielfach getestet, doch in der Praxis fehlt es oft an Substanz. Viele Initiativen verharren im Modus des Experimentierens – mit unklaren Zielbildern, fehlender strategischer Verankerung und wenig greifbarem Nutzen. Auch auf der Shift/CX-Konferenzwoche wurde deutlich: In nahezu allen Panels war Konsens, dass Unternehmen aktuell mehr ausprobieren als wirklich umsetzen. Dr. Ralf Strauss brachte es auf den Punkt: „KI wird Customer Engagement nicht automatisch verbessern – sondern verschärft bestehende Probleme, wenn Unternehmen nicht Datenqualität, Prozesssteuerung und Entscheidungslogiken klären.“

Gleichzeitig wurde klar: Der Rückstand in der Umsetzung darf nicht zum Vorwand für Stillstand werden. Wer jetzt nicht experimentiert, lernt nicht – und wer nicht lernt, bleibt stehen. Entscheidend ist, das Testen und Erproben strategisch aufzusetzen – mit Zielhypothesen, iterativen Evaluationszyklen und einem klaren Anspruch auf Operationalisierung. Der Aufbau von datengetriebenem Know-how, die Etablierung intelligenter Routinen und die Integration regelbasierter Prozesse sind die Grundvoraussetzungen, um mit KI echten Nutzen zu stiften.

Experimentieren – aber bitte mit Struktur

Dataiku betont diesen Punkt mit Nachdruck: Unternehmen sollen Use Cases nicht nur testen, sondern vergleichen, bewerten und operationalisieren – unterstützt durch Tools zur Prompt-Generierung und -Management, LLM-agnostischer API-Anbindung oder eingebetteter Governance-Funktionen. Auch die Praxisbeispiele aus den Diskussionen der Shift/CX Events zeigen: Wer früh in Datenkompetenz und Toolintegration investiert, ist später in der Skalierung schneller und sicherer unterwegs.

Doch das setzt ein klares Verständnis voraus: Viele Organisationen verwechseln Tool-Nutzung mit Reife. Dabei ist wirkungsvolle KI-Implementierung ein mehrstufiger Prozess, der aufeinander aufbauende Kompetenzen und Strukturen erfordert.

Reife braucht Struktur – Agentic AI ist das Ziel, nicht der Startpunkt

Erst wenn Datenbasis, Routineverständnis und Steuerungslogik etabliert sind, lässt sich über autonome Systeme sinnvoll sprechen. Die Anwendung von Agentic AI – also von KI-Systemen, die nicht nur analysieren, sondern aktiv entscheiden und Prozesse auslösen – steht am Ende dieses Weges. Viele Organisationen sind jedoch noch dabei, die ersten Schritte auf diesem Pfad zu gehen.

Das AI Maturity Model von Gartner bietet hier eine hilfreiche Struktur zur Einordnung. Es unterscheidet vier Entwicklungsstufen auf dem Weg zur vollen Wirksamkeit von KI:

1. Awareness & Experimentation: Erste Initiativen, Pilotprojekte und das Sammeln von Erfahrungen mit GenAI – oft ohne klare Zielsysteme oder Metriken.
2. Active Adoption: Erste produktive Einsätze, Aufbau von Infrastruktur, Integration einfacher Modelle in Geschäftsprozesse.
3. Strategic Integration: KI wird strategisch eingebettet, mit klar definierten Use Cases, Governance-Strukturen und übergreifender Steuerung.
4. Transformative AI: KI-gestützte autonome Entscheidungen, eingebettet in agentische Systeme, die eigenständig handeln und Prozesse auslösen.

Erst auf Stufe 4 erreichen Unternehmen die Fähigkeit, Agentic AI als Prozesssteuerungsinstanz einzusetzen – also genau das, was Dataiku als zukünftiges Leitbild identifiziert und was Prof. Dr. Peter Gentsch auf der Shift/CX als „Agent Experience“ skizziert: ein Szenario, in dem KI-Agenten proaktiv interagieren, untereinander kommunizieren und entlang der Customer Journey Entscheidungen treffen.

Gentsch betonte in seinem Vortrag, dass dieser Schritt nicht nur technologisches Können, sondern tiefgreifende organisatorische Veränderungen verlangt. Nur mit domänenspezifischer Modellierung, hybriden Steuerungsmodellen (also dem Zusammenspiel von Mensch und Maschine) und klarer Governance lassen sich diese Systeme sinnvoll und markenkonform einsetzen. Die Kontrolle über diese Agenten ist keine technologische Frage – sie ist eine Führungsaufgabe.

Governance wird zur zentralen Herausforderung

In diesem Kontext ist Governance nicht mehr Beiwerk, sondern Voraussetzung. Der Dataiku-Report formuliert es unmissverständlich: „Without solid governance, the risk of chaos outweighs any reward.“ Der Ruf nach klaren Regeln, Verantwortlichkeiten und Transparenz zieht sich durch alle Diskussionen – und spiegelt sich auch in der Praxis wider: Laut Dataiku arbeiten 66 % der Unternehmen aktiv an neuen Richtlinien und Kontrollmechanismen für den Umgang mit KI. Auch bei der Shift/CX wurde deutlich: Governance bedeutet nicht Kontrolle im traditionellen Sinn, sondern das Ermöglichen steuerbarer Intelligenz. Sie muss technische, organisatorische und ethische Dimensionen gleichermaßen abdecken.

Governance ist dabei nicht als starres Regelwerk zu verstehen, sondern als lernfähiger Ordnungsrahmen, der sich mit der Technologie mitentwickelt. Das betrifft Fragen der Datenqualität genauso wie der Entscheidungslogik, der Nachvollziehbarkeit von Outputs und der Zuweisung von Verantwortung. Gerade im Zusammenspiel mit Agentic AI wird klar: Nur wer hier Klarheit schafft, kann Vertrauen aufbauen und Risiken kontrollieren.

AI Transformation nicht nur als Managementaufgabe - sondern auch der Managementaufgabe

Die Einführung von Agentic AI verändert auch die Anforderungen an das Management. Führungskräfte müssen sich neu positionieren: Weg von operativer Kontrolle – hin zu strategischer Steuerung, Befähigung und Überwachung datenbasierter Systeme. Das bedeutet nicht, dass Menschen überflüssig werden, sondern dass ihre Rolle sich verändert. Management wird Teil der Governance – es definiert Rahmenbedingungen, überwacht Prozesse und schafft Räume für Weiterentwicklung und Rückkopplung.

Wie auf dem Shift/CX Trends Kickoff formuliert: „Agentic AI verlangt ein anderes Verständnis von Steuerung – eines, das technische und organisatorische Perspektiven integriert.“ Prof. Gentsch beschreibt diesen Übergang als Entwicklung hin zu einer „Agent Experience“, in der KI-Agenten aktiv mit Kund:innen interagieren – über Sprachmodelle, proaktive Vorschläge und automatisierte Services. Diese Entwicklung verändert nicht nur Touchpoints, sondern ganze Steuerungsmodelle. Unternehmen müssen lernen, Systeme nicht nur zu bedienen, sondern zu gestalten – mit Blick auf Markenidentität, Kundennähe und strategische Ziele.

Fazit: Agentic AI verlangt neue Steuerungslogik in der CX

Die Diskussion um GenAI hat sich 2024 in weiten Teilen auf Möglichkeiten, Tools und Pilotprojekte konzentriert – ein Befund, der sich klar aus den Ergebnissen der Dataiku-Trendumfrage ableiten lässt. Zwar planen 88 % der befragten Unternehmen, ihre Investitionen in Generative AI weiter zu erhöhen, doch 37 % messen den Erfolg ihrer Projekte noch immer lediglich qualitativ. Viele Unternehmen stecken also fest in der Experimentierphase – eine Phase, die technologisch notwendig ist und war, nun aber an ihre Grenzen stößt.

Mit Blick auf 2025 zeigt sich: Der Übergang von Generative AI hin zu Agentic AI und perspektivisch zu Agentic Automation verlangt mehr als funktionierende Tools. Agentic AI – als softwarebasierte Einzel-Agentensysteme, die Entscheidungen eigenständig treffen – bringt nicht nur neue Möglichkeiten der Automatisierung, sondern verändert die Grundlogik der Steuerung. Noch deutlicher wird das bei Agentic Automation: Wenn mehrere KI-Agenten gemeinsam und autonom handeln, braucht es klare Strukturen, Governance und ein neues Verständnis von Führung.

Die Erkenntnis aus dem Dataiku-Trendreport und den Diskussionen der Shift/CX-Konferenzwoche ist eindeutig: Agentic AI ist kein zusätzlicher Trend, sondern ein Paradigmenwechsel. Organisationen, die nicht strukturell vorbereitet sind, riskieren Kontrollverlust – organisatorisch wie markenseitig. Prof. Dr. Peter Gentsch hat dies treffend formuliert: Nur mit gezielter Steuerung und hybriden Modellen aus menschlicher Verantwortung und maschineller Autonomie kann das Potenzial der Agenten-Logik voll ausgeschöpft werden.

Diese Entwicklung wirft grundlegende Fragen für CX-Verantwortliche auf:

• Wie schaffen wir Governance-Modelle, die flexibel, nachvollziehbar und skalierbar sind?
• Welche Rollen und Eingriffsrechte benötigen Menschen in agentischen Systemen?
• Und wie sichern wir markenkonforme Erlebnisse bei zunehmender Systemautonomie?

Diesen Fragen widmen wir uns auch weiterhin in 2025 auf weiteren Veranstaltungen. Bereits im Juni, auf der Shift/CX Customer Service Management & Automation Konferenz (25. & 26. Juni), rücken wir Automatisierung und Effizienz im Service in den Fokus. Im September, auf der Shift/CX Chatbot & Conversational Experience Konferenz (30.09. & 01.10.), beleuchten wir den Weg von dialogbasierten Lösungen zu agentischer Interaktion.

Als thematischen Schwerpunkt steht das Thema dann aber auf der neu im Event-Programm aufgenommenen Shift/CX AI & Agentic Automation Konferenz am 05.11.2025: Dort diskutieren wir, wie sich Agentic AI systematisch und strategisch in CX-Prozesse integrieren lässt – mit Praxisbeispielen, Modellen für Governance und Ansätzen für zukunftsfähige Steuerung.

Wir freuen uns auf viele weitere spannende Diskussionen und hoffen, dass wir gemeinsam dem Thema noch nicht schnell „über“ werden. Wir sehen, dass diese Entwicklung viele spannende Neuerungen bringt, bei der es gilt: Wer Agentic AI strategisch steuern kann, wird die Customer Experience der Zukunft prägen.