Der Aufstieg der Agentic AI: Microsoft und OpenAI treiben den Wandel zu autonomen KI-Systemen voran
🔄 Update — 27. Juni 2026: Deloitte integriert autonomes Agenten-Netzwerk und Sicherheitsstandards rücken in den Fokus
Die praktische Umsetzung von Agentic AI schreitet voran: Deloitte integriert ein kollaboratives KI-Agenten-Netzwerk in seine globale Wirtschaftsprüfungs-Plattform Omnia, um komplexe Workflows autonom zu orchestrieren. Gleichzeitig gewinnt die Absicherung dieser autonomen Systeme durch Konzepte wie kryptografische Identitäten und Confidential Computing massiv an Bedeutung. Zudem zeigt ein neuer arXiv-Preprint zu OpenAI-Codex-Daten die zunehmend wissenschaftliche Auseinandersetzung mit der Systemnutzung im Arbeitsalltag.
Was ist neu?
- Deloitte Omnia Agenten-Netzwerk: Deloitte führt ein einheitliches Agentic-Intelligence-Netzwerk für rund 85.000 Wirtschaftsprüfer ein, das isolierte Tools zu kollaborativen Workflows für Risikoanalyse und Dokumentenerstellung verknüpft.
- Fokus auf Agentic Security: Neue Sicherheitsrichtlinien betonen die Notwendigkeit von kryptografischen Identitäten, Confidential Computing in Trusted Execution Environments (TEEs) und AISPM (AI Security Posture Management) zur Schadensbegrenzung.
- Akademische Fundierung: Mit dem arXiv-Preprint zu “The Shift to Agentic AI: Evidence from Codex” wird die empirische Erforschung der rasanten Akzeptanz und Auslastung autonomer Agenten im realen Arbeitsumfeld untermauert.
Warum es den Artikel ergänzt
Diese Entwicklungen zeigen, dass die von Microsoft und OpenAI initiierte Ära der Agentic AI nun konkret die operativen Kernprozesse großer Dienstleister erreicht. Sie verdeutlichen zudem, dass die Absicherung und Governance autonomer Agenten durch TEEs und kryptografische Authentifizierung zur zwingenden Voraussetzung für den produktiven Unternehmenseinsatz wird.
🔄 Update — 26. Juni 2026: Fortschritte bei der Evaluierung, Sicherheit und HR-Integration von KI-Agenten
Neue Branchensignale zeigen, dass Agentic AI rasch über die reine Entwicklung hinaus in Unternehmensbereiche wie HR und IT-Sicherheit vordringt. Unternehmen wie Jerry.ai etablieren bereits dedizierte Management-Rollen für KI-Agenten-Plattformen, während Meta neue Frameworks zur Absicherung autonomer Agenten-Workflows in Live-Umgebungen vorstellt. Parallel dazu veröffentlichen Anbieter wie Adobe und Vectra AI Leitfäden zur Integration und Überwachung dieser Systeme.
Was ist neu?
- Kontinuierliche Evaluierung: Nishant Gupta von Metas Superintelligence Labs betont die Abkehr von statischen Benchmarks hin zu kontinuierlichen Evaluierungspipelines in Live-Umgebungen, um Zuverlässigkeit, Tool-Nutzung und Drift in Echtzeit zu überwachen.
- Sicherheitsresilienz: Neue Ansätze im Bereich Agentic AI Security Operations ermöglichen es Sicherheits-Teams, Angriffsflächen, Angreiferverhalten und Risiken in der Echtzeit-Geschwindigkeit von KI-Systemen zu bewerten.
- HR-Automatisierung: Im HR-Bereich ersetzen autonome Screening-Workflows starre Automatisierungen. Manatal empfiehlt hierzu fünfstufige Kontrollprozesse zur Sicherstellung der korrekten Funktionsweise.
- Spezialisierte Plattform-Rollen: Die Etablierung neuer Jobprofile wie „Manager, AI Agents and Platform“ zeigt, dass Unternehmen systematisch eigene Teams für Prompt-Strategien, Schnittstellen und Evaluierungen aufbauen.
Warum es den Artikel ergänzt
Diese Entwicklungen bestätigen die These des Artikels, dass der Übergang zu autonomen KI-Systemen unaufhaltsam ist. Sie verdeutlichen jedoch, dass der Fokus sich nun von der bloßen Modellkapazität hin zu drängenden Fragen der Absicherung, der kontinuierlichen Evaluierung im Live-Betrieb und dem Aufbau dedizierter interner Entwicklungsstrukturen verschiebt.
Der Aufstieg der Agentic AI: Microsoft und OpenAI treiben den Wandel zu autonomen KI-Systemen voran
Zusammenfassung
Die Ära der einfachen Chat-Assistenten weicht zunehmend autonomen, zielorientierten KI-Systemen – der sogenannten Agentic AI. Zwei Meilensteine von Microsoft und OpenAI im Juni 2026 unterstreichen diesen Trend: Während Microsoft die breite Verfügbarkeit von „Microsoft Discovery“ für die autonome wissenschaftliche Forschung ankündigt, zeigt eine neue Studie von OpenAI auf Basis von Codex-Nutzungsdaten, dass Anwender immer komplexere, mehrstündige Workflows an autonome Agenten delegieren. Deloitte stuft diesen Wandel als geschäftskritische Notwendigkeit ein, mahnt jedoch zur Vorsicht bei der Governance.
Was ist passiert?
- Vorstellung von Microsoft Discovery: Im Rahmen der Build-Konferenz hat Microsoft die allgemeine Verfügbarkeit (GA) von „Microsoft Discovery“ verkündet. Die Plattform ist für den Enterprise-Einsatz konzipiert und soll autonome Teams von Agenten in der wissenschaftlichen Forschung und Entwicklung orchestrieren. Für Einzelnutzer von GitHub Copilot wurde eine Desktop-App-Vorschau gestartet.
- OpenAI Codex-Studie veröffentlicht: Am 25. Juni 2026 veröffentlichte OpenAI die Forschungsarbeit „The Shift to Agentic AI: Evidence from Codex“. Die Studie zeigt, dass sich die aktive Nutzerschaft von Codex im ersten Halbjahr 2026 verfünffacht hat. Nahezu 98 % der OpenAI-Mitarbeiter nutzen das Tool bereits für autonome Arbeitsabläufe.
- Zunahme komplexer Aufgaben: Der Anteil der Codex-Nutzer, die Aufgaben mit einer geschätzten menschlichen Bearbeitungszeit von mehr als acht Stunden einreichen, hat sich seit Anfang 2026 fast verzehnfacht.
- Deloittes strategische Einschätzung: Deloitte veröffentlichte eine Analyse, die Agentic AI als digitale Kollegen definiert, die eigenständig planen und handeln können, warnte jedoch vor einem Kontrollverlust, da die technologische Skalierung die regulatorischen Leitplanken überholt.
Warum es wichtig ist
Der Übergang von reaktiven Single-Prompt-Chats hin zu proaktiven Multi-Agenten-Systemen verändert die Wissensarbeit grundlegend. Microsoft Discovery zeigt, wie KI von der bloßen Assistenz zur eigenständigen Forschungspartnerin in der Wissenschaft wird (etwa bei der Entwicklung des Majorana-2-Quantenchips). Die breite Nutzung von Codex außerhalb der Softwareentwicklung (z. B. in Finanz- und Rechtsabteilungen) beweist, dass autonome Workflows im Massenmarkt ankommen. Unternehmen, die sich nicht auf diese Architekturen einstellen, riskieren erhebliche Produktivitätsnachteile, müssen jedoch gleichzeitig Kontrollmechanismen etablieren.
Beweise
- Wissenschaftliche Meilensteine: Die erfolgreiche Beschleunigung von F&E-Zyklen durch Microsoft Discovery beim Entwurf des Majorana-2-Chips und der Identifizierung neuer Festkörperelektrolyte dient als Beleg für den realen Nutzen.
- Nutzungsdaten von Codex: Die internen Metriken von OpenAI mit 98 % Mitarbeiterabdeckung und der weitgehende Ersatz von klassischem ChatGPT im Arbeitsalltag zeigen die Reife der Technologie.
- Enterprise-Frameworks: Die Vorstellung des „AgenticAdopt Kompass™“ von Deloitte verdeutlicht, dass globale Konzerne die Einführung autonomer Agenten-Architekturen bereits systematisch planen.
Analyse
Die technologische Reife von Large Language Models hat es ermöglicht, Agenten mit Langzeitgedächtnis, Werkzeugnutzung (Tool Use) und selbstkorrigierenden Debugging-Schleifen auszustatten. Diese Entwicklung verläuft auf zwei Ebenen: horizontal in der Breite der Büroarbeit durch die Delegation administrativer Prozesse, und vertikal in hochspezialisierten wissenschaftlichen Domänen wie der Chemie oder dem Halbleiterdesign. Der Flaschenhals liegt nicht mehr in der Modellkapazität, sondern in der Orchestrierung komplexer Agenten-Netzwerke und der Vermeidung von Kaskadenfehlern bei autonomer Ausführung.
Praktische Erkenntnisse
- Rollenbilder neu definieren: Unternehmen sollten frühzeitig damit beginnen, Jobbeschreibungen und Prozesse an eine hybride Zusammenarbeit zwischen Mensch und Agent anzupassen.
- Governance-Strukturen aufbauen: Bevor Agenten Schreibzugriffe auf Produktionsdatenbanken oder geschäftskritische Systeme erhalten, müssen strenge Validierungsschritte (Human-in-the-Loop) etabliert werden.
- Schrittweise Einführung: R&D- und IT-Abteilungen sollten zunächst kontrollierte Pilotprojekte starten, um Erfahrung mit der Interaktion und Zuverlässigkeit autonomer Agenten zu sammeln.
Offene Fragen
- Wie können Unternehmen sicherstellen, dass die regulatorische Governance und Sicherheitsstandards mit der schnellen Weiterentwicklung autonomer Agenten Schritt halten?
- Welche neuen Sicherheitsrisiken entstehen durch die zunehmende Vernetzung und Autonomie von Multi-Agenten-Systemen in Unternehmensnetzwerken?