KI-Modelle und Plattformen
Dynatrace-Umfrage: Einsatz von KI-Agenten schneller als ihre Beaufsichtigung
Eine Dynatrace-Umfrage ergab, dass KI-Agenten im IT-Betrieb der befragten Unternehmen weit verbreitet sind, aber vergleichsweise wenige angeben, sich mit der Transparenz über Entscheidungen von Agenten zu befassen.
Wichtige PunkteDie Einführung von Agenten überholt die Sichtbarkeit, die nötig ist, um zu beurteilen…
Mehr anzeigen
- Die Einführung von Agenten überholt die Sichtbarkeit, die nötig ist, um zu beurteilen, was diese Agenten tatsächlich entscheiden.
- Menschen überprüfen trotz Autonomieambitionen noch durchschnittlich 66 % der KI-gestützten Entscheidungen.
- Teams sollten testen, ob sie die Aktion eines Agenten rekonstruieren können, bevor sie ihm umfassendere Befugnisse erteilen.
KI-Agenten werden in den Teams, die Unternehmenssoftware am Laufen halten, immer häufiger eingesetzt, doch die Werkzeuge, mit denen sich überwachen lässt, was diese Agenten entscheiden und tun, hinken hinterher. In den am 10. November veröffentlichten Ergebnissen von State of Observability 2026 erklärte Dynatrace, dass 87 % der befragten Technologieverantwortlichen einen mittleren oder umfangreichen Einsatz von KI-Agenten für Observability und IT-Betrieb meldeten. Nur 27 % geben an, sich derzeit mit der Transparenz über Entscheidungen und Handlungen von Agenten zu befassen.
Die Ergebnisse beruhen auf einer Online-Umfrage unter 1.202 Technologieverantwortlichen in Unternehmen aus 12 Ländern, die Dynatrace im August 2026 in Auftrag gab. Sie geben wieder, was die Befragten über ihre eigenen Organisationen berichten, nicht, was Forschende unabhängig im Produktivbetrieb überprüft haben. Dynatrace vertreibt Observability-Software. Der Bericht ist daher am besten als Momentaufnahme der von den Befragten beschriebenen Herausforderungen zu verstehen, nicht als umfassende Erhebung zum KI-Einsatz in Unternehmen.
Der Einsatz von Agenten ist
nicht dasselbe wie Autonomie
Der in der Umfrage ermittelte Einsatzwert bezieht sich auf einen bestimmten Bereich der Unternehmenstechnologie: die Überwachung von Software und den Betrieb von IT-Systemen. Er bedeutet nicht, dass 87 % der Unternehmen Agenten dazu befugt haben, eigenständig folgenreiche Entscheidungen zu treffen. Eine Organisation könnte einen Agenten nutzen, um einen Vorfall zusammenzufassen und eine Reaktion vorzuschlagen, die ein Techniker anschließend prüft. Eine andere könnte einem Agenten erlauben, innerhalb eines eng begrenzten Teils ihrer Infrastruktur eine vorab festgelegte Aktion auszuführen. Beide können den Einsatz von Agenten melden, obwohl diese sehr unterschiedliche Aufgaben und Verantwortlichkeiten haben.
Die Befragten schätzten, dass Menschen weiterhin durchschnittlich 66 % der KI-gestützten Entscheidungen überprüfen. Unabhängig davon meldeten 12 % vollständig autonome Abläufe, während 44 % angaben, innerhalb von fünf Jahren dieses Niveau erreichen zu wollen. Letztere Zahl ist daher ein Maß für die Zielsetzung und keine Prognose. Die Umfrage ergab außerdem, dass die Komplexität der Integration mit 31 % am häufigsten als Hindernis für Autonomie genannt wurde. Weitere Herausforderungen waren unter anderem Fachkenntnisse, Aufsicht und Datenqualität.
Was Teams sehen können,
nachdem ein Agent gehandelt hat
Die herkömmliche Systemüberwachung kann einem Techniker mitteilen, dass ein Dienst reagiert hat und wie lange das gedauert hat. Daraus geht jedoch nicht hervor, ob ein Agent eine angemessene Maßnahme ausgewählt oder ob diese den zugrunde liegenden Vorfall behoben hat. Empfiehlt ein Agent beispielsweise, einen Dienst neu zu starten, sollte ein aussagekräftiger Eintrag zeigen, welche Warnmeldungen in die Empfehlung eingeflossen sind, ob eine Person sie genehmigt hat und was anschließend mit dem Dienst geschah. Techniker könnten dann prüfen, ob der Neustart geholfen hat oder lediglich zeitlich mit der Wiederherstellung zusammenfiel.
Dynatrace stellte fest, dass 43 % die Transparenz über Entscheidungen von Agenten als wichtige Observability-Anforderung betrachteten, während 27 % angaben, sich damit zu befassen. Diese Lücke belegt nicht, dass alle anderen keinerlei Protokolle führen. Sie vergleicht vielmehr, was die Befragten für wichtig hielten und womit sich ihre Organisationen nach eigener Aussage befassten.
Auch die Kosten spielen eine Rolle. 81 % meldeten höhere Ausgaben für Rechenleistung und Infrastruktur durch KI-Workloads, und 77 % gaben an, bessere Einblicke in die Kostenverteilung zu benötigen. Ein Werkzeug, das misst, wie viel Zeit Mitarbeitende im Betrieb für einen Vorfall aufwenden, aber nicht die zusätzlichen Ressourcen erfasst, die ein Agent verbraucht, kann die Automatisierung kostengünstiger erscheinen lassen, als sie tatsächlich ist. Werden beide Größen miteinander verknüpft, können Teams die Kosten verschiedener Ansätze für dieselbe Aufgabe vergleichen.
Die Bewährungsprobe für weitergehende
Befugnisse von Agenten
In einer Nachbetrachtung vom 17. November skizzierte Dynatrace einen schrittweisen Weg: von der Erfassung von Erkenntnissen über Handlungsempfehlungen bis hin zum Handeln mit Genehmigung und schließlich – sofern angemessen – zu größerer Autonomie. Für ein Betriebsteam bedeutet das, einen Agenten anhand einer konkreten Aufgabe zu bewerten, statt seine Befugnisse auszuweiten, nur weil er sich bei anderen, nicht damit zusammenhängenden Aufgaben bewährt hat. Ein Agent, der Warnmeldungen zuverlässig kategorisiert, hat damit beispielsweise noch nicht bewiesen, dass er entscheiden kann, wann ein Produktionssystem geändert werden sollte.
Die Umfrage weist auf eine praktische Bewährungsprobe für Unternehmen hin, die mehr Autonomie erwägen: Kann ein Team nachvollziehen, was ein Agent getan hat, die ihm eingeräumten Befugnisse rechtfertigen und messen, ob die Maßnahme geholfen hat? Ohne Antworten auf diese Fragen kann eine höhere Einsatzquote bedeuten, dass mehr Agenten in Arbeitsabläufe eingebunden sind, statt zu belegen, dass sie bereit sind, diese Abläufe selbstständig auszuführen.












