Dells Agentenstrategie: Warum Unternehmens-KI jetzt echte Arbeit übernimmt

Auf dem The Six Five Summit: AI Unleashed 2026 stellte Dell Technologies agentenbasierte KI als nächsten Schritt nach den klassischen Chatbots dar. Der entscheidende Unterschied: Ein Chatbot beantwortet Fragen oder erstellt Inhalte – ein KI-Agent soll einen Geschäftsprozess ausführen.

Dell zufolge hat das Unternehmen rund 900 mögliche KI-Projekte auf 13 Initiativen mit eindeutigem Geschäftsnutzen konzentriert. Für erste gezielte Einsätze nannte Dell Produktivitätsgewinne von etwa 20 bis 40 Prozent. 1 Diese Zahlen stammen von Dell selbst und sind daher nicht als allgemeingültige Messgröße für jede KI-Einführung zu verstehen.

Von der Antwortmaschine zum digitalen Mitarbeiter

Generative KI der ersten Welle hilft Beschäftigten vor allem dabei, Informationen in Unternehmensdaten zu finden, Dokumente zusammenzufassen oder Inhalte zu erstellen. Agentenbasierte KI soll dagegen Arbeit digitalisieren: Sie kann eine Aufgabe analysieren, mehrere Schritte planen, Werkzeuge aufrufen und ein Ergebnis mit deutlich weniger direkter menschlicher Steuerung liefern. 1

Damit verändert sich nicht nur das verwendete Modell. Nach Dells Darstellung müssen Unternehmen auch ihre IT-Infrastruktur, Governance, Sicherheitskontrollen und Organisationsstrukturen anpassen. Das langfristige Ziel ist, die Menge erledigter Arbeit weniger stark an die verfügbare menschliche Kapazität zu koppeln. 1

Drei Beispiele aus dem produktiven Einsatz

Dell erklärte, über einen Zeitraum von etwa zwei Jahren an Agenten gearbeitet und sie im vorangegangenen Jahr in den Produktivbetrieb überführt zu haben. Als konkrete Einsatzfelder nannte das Unternehmen:

• Bereinigung von CRM-Daten: Agenten übernehmen wiederkehrende Aufgaben zur Datenqualität in Kundenakten.
• Softwareentwicklung: Sie unterstützen unter anderem beim routinemäßigen Programmieren, bei Annotationen und bei Teilen der CI/CD-Koordination.
• Sonderpreisgestaltung: Agenten können Prozesse unterstützen, bei denen schnelle Entscheidungen und die konsistente Anwendung von Regeln wichtig sind. 1

Das sind keine Beispiele für ein vollständig autonomes Unternehmen. Sie zeigen aber, worauf es in der Praxis ankommt: Ein produktiver Agent ist nicht bloß ein Sprachmodell in einer bestehenden Anwendung, sondern Teil eines klar abgegrenzten Workflows mit definierten Eingaben, Werkzeugen, Berechtigungen und Ergebnissen.

Warum aus 900 Projekten nur 13 wurden

Dell zufolge wurden rund 900 potenzielle KI-Projekte auf etwa 13 fokussierte Initiativen reduziert. Ausgewählt wurden sie nach ihrem konkreten Geschäftsnutzen und im Rahmen einer zentralen Priorisierung gesteuert. 1

Dahinter steckt eine nüchterne Lehre für Unternehmen: Eine lange Liste von Experimenten schafft noch keinen Wettbewerbsvorteil. Erfolgversprechender ist es, wenige Prozesse auszuwählen, deren Ergebnis sich messen lässt, und dafür verlässliche technische sowie organisatorische Kontrollen aufzubauen.

Dell schrieb gezielten Assistenten anfängliche Produktivitätssteigerungen von ungefähr 20 bis 40 Prozent zu. Wenn Agenten komplette Arbeitskategorien übernehmen, könnten die Effekte laut Unternehmen deutlich größer ausfallen. Dell erklärte außerdem, das fokussierte Programm habe dazu beigetragen, Umsatzwachstum von der Kostenstruktur zu entkoppeln. Auch das ist eine Darstellung von Dell und keine Garantie für andere Unternehmen. 1

„Agent Washing“: Nicht jeder Assistent ist ein Agent

John Roese, Technologie- und KI-Chef von Dell, warnte vor dem Begriff „Agent Washing“. Gemeint ist die Gleichsetzung von Chatbots, begrenzten Assistenten und Systemen, die tatsächlich autonom handeln können. 1

Eine praktische Unterscheidung sieht so aus:

• Chatbot: Reagiert auf eine Eingabe und liefert meist Informationen oder Inhalte.
• Gezielter Assistent: Unterstützt eine klar begrenzte Aufgabe, während ein Mensch eng eingebunden bleibt.
• Autonomer Agent: Kann planen, Werkzeuge aufrufen, Aktionen koordinieren und einen Workflow mit deutlich weniger direkter Aufsicht ausführen. 1

Diese Abstufung ist sicherheitsrelevant. Eine fehlerhafte Zusammenfassung lässt sich korrigieren. Ein Agent mit Zugriff auf Geschäftssysteme könnte dagegen Datensätze verändern, Folgeaktionen auslösen oder vertrauliche Informationen offenlegen.

Speicher und CPUs werden wichtiger

Matt Murphy, CEO von Marvell, erklärte, dass produktive agentenbasierte Inferenz andere Infrastrukturengpässe erzeugt als das Training von KI-Modellen. Agenten müssen bei wiederholten Modellaufrufen, großen Kontexten und langen Interaktionen zwischen mehreren Agenten häufig den Zustand eines Workflows vorhalten. Dafür werden sogenannte Key-Value-Caches genutzt. Speichergröße und Bandbreite können dadurch zum Engpass werden, bevor die reine Rechenleistung zum Hauptproblem wird. 1

Auch CPUs gewinnen an Bedeutung. Sie übernehmen Orchestrierungsaufgaben wie Verzweigungen, Abrufe, Werkzeugaufrufe, isolierte Ausführungen in Sandboxes und die Koordination mehrerer Agenten. Murphy zufolge könnte sich das Verhältnis von CPU zu GPU bei agentenbasierten Workloads von etwa 8–16:1 bei traditioneller KI auf ungefähr 1–2:1 verschieben. 1

Für Unternehmen bedeutet das: Eine Agentenplattform sollte nicht nur nach Modellqualität und GPU-Kapazität beurteilt werden. Ebenso wichtig sind Speicher, Netzwerke, CPU-Orchestrierung, Überwachung und die Kosten wiederholter Inferenz.

Keine Einheitsarchitektur für jeden Anwendungsfall

Dell sprach sich gegen eine einzige Modellfamilie oder einen einzigen Bereitstellungsort aus. Stattdessen könne eine Kombination aus offenen Modellen vor Ort, von Dell betriebenen Spitzenmodellen, kontrollierten Virtual Private Clouds, externen APIs und Modellen auf Endgeräten sinnvoll sein. Die Auswahl hänge von Leistung, Compliance, Funktionsumfang und Kosten ab. 1

Auch die Wirtschaftlichkeit unterscheidet sich je nach Aufgabe. Ein Agent zur Unterstützung von Managemententscheidungen kann hohe monatliche Kosten rechtfertigen. Ein CRM-Agent, der große Mengen einzelner Datensätze bereinigt, muss dagegen extrem günstig pro Vorgang arbeiten – in der Diskussion wurde ein Zielwert von weniger als etwa 0,50 US-Dollar pro Datensatz genannt. 1

Die bessere Frage lautet deshalb nicht: „Welches Modell ist das beste?“ Entscheidend ist, welche Kombination aus Modell, Betriebsort und Autonomiegrad das gewünschte Ergebnis zu vertretbaren Kosten und Risiken liefert.

Digitale Identität als Sicherheitsgrenze

Dell erklärte, jeder autonome Agent mit Zugriff auf Unternehmensdaten – unabhängig davon, ob er intern oder extern betrieben wird – solle eine von Dell ausgestellte digitale Identität erhalten. Damit ließen sich Zugriffe granular steuern und im Notfall entziehen. Die Widerrufsmöglichkeit dient praktisch als Abschaltmechanismus. 1

Besonders schwierig wird die Kontrolle, wenn ein Agent nicht einfach die Identität eines Nutzers übernimmt. Ein nutzergebundener Agent handelt mit den Zugangsdaten einer bestimmten Mitarbeiterin oder eines bestimmten Mitarbeiters. Ein kopfloser Agent (Headless Agent) arbeitet unabhängiger. Dadurch werden Zuordnung, Berechtigungsvergabe und Verwaltung über den gesamten Lebenszyklus komplizierter. Laut der Diskussion erwartet Dell, dass solche Headless Agents rund 70 Prozent künftiger Bereitstellungen ausmachen könnten. 2

Dell verwies außerdem auf Protokolle für die Kommunikation zwischen Agenten und Werkzeugen sowie auf die Vorbereitung auf Post-Quanten-Kryptografie als Bestandteile eines Sicherheitsmodells für den produktiven autonomen Betrieb. 1 Ein Agent sollte damit wie eine eigene Softwareidentität behandelt werden – mit verantwortlicher Stelle, genau definiertem Zugriff, Prüfprotokoll und jederzeit möglicher Deaktivierung.

Berufe werden in Aufgaben zerlegt

Dell analysierte nach eigenen Angaben 6.800 Berufe, indem die darin enthaltenen Tätigkeiten unter anderem in Produktivität, Datenpflege, Koordination, Experten- und zwischenmenschliche Aufgaben eingeteilt wurden. Das Ergebnis: Agenten dürften eher einzelne Bestandteile von Berufen übernehmen, als automatisch ganze Stellen abzuschaffen. 1

In der Softwareentwicklung könnten Agenten etwa Routinecode, Annotationen und Teile der Auslieferungskoordination übernehmen. Menschen würden sich dann stärker auf Architektur, Anforderungen, Urteilsvermögen und den Kontakt zu Kunden konzentrieren. 1

Das bedeutet nicht, dass Arbeitsplätze unverändert bleiben. Dells These lautet vielmehr, dass sich jeder Beruf wandelt, sobald automatisierbare Tätigkeiten herausgelöst werden und Beschäftigte stärker auf Fachwissen, Kontext, Entscheidungen und menschliche Beziehungen angewiesen sind.

Der Praxistest für agentenbasierte KI

Dells Position lässt sich auf einen anspruchsvollen Test reduzieren: Ein KI-Agent ist erst dann produktionsreif, wenn sein Geschäftsergebnis messbar ist, der Workflow klar begrenzt wurde, die Kosten stimmen und Identität, Zugriffsrechte sowie der Umgang mit Fehlern geregelt sind.

Der Schritt von 900 Möglichkeiten zu 13 Initiativen bringt diese Strategie auf den Punkt. Agentenbasierte KI ist nicht einfach eine gesprächigere Benutzeroberfläche. Sie ist ein Betriebsmodell, in dem Software echte Arbeit ausführt – und in dem Infrastruktur, Sicherheit und die Gestaltung von Arbeitsplätzen gemeinsam mit den Modellen weiterentwickelt werden müssen.