Warum ein KI-Proof-of-Concept 12 Monate bis zur Produktion braucht: Integration, QA und Einkauf laufen parallel
November 6, 2026
Ein KI-Agent braucht vom Proof of Concept bis zur Produktion rund 12 Monate, weil vor dem Go-live drei Tracks abgeschlossen sein müssen: der Produkt-Track, der Commercial-Track und der Governance- und Compliance-Track. Laut Omdia-Daten, vorgestellt auf der IBM TechXchange, dauert der Weg vom erfolgreichen PoC in die Produktion im Schnitt etwa 12 Monate, und nur 22 % der Unternehmen setzen Agenten in geschäftskritischer Produktion ein [1].
Der Proof of Concept selbst sollte in der Regel sechs bis acht Wochen dauern. Etwas zusammenzubauen ist ziemlich einfach, solange niemand auf Governance oder Compliance schauen muss, und in dieser Zeit lässt sich der Wert gut validieren. Danach teilt sich die Arbeit in drei Tracks, die parallel laufen, und jede davon kann die Produktion aufhalten.
Nach einem KI-Agenten-PoC bleibt in der Regel echte Produktarbeit: Die Use Cases werden erweitert, die User Experience wird angepasst, der Agent wird in bestehende Systeme integriert, getestet und deployt. Der Proof of Concept steht am Anfang des Produkt-Tracks, und auch das Deployment gehört dazu.
Die Integration ist ein großer Teil dieser Arbeit, und jedes KI-Agenten-Projekt muss sie einplanen. Gerade in Konzernen gibt es viele bestehende Systeme, die in das neue System integriert werden sollen, oder umgekehrt. Nach meiner Erfahrung gilt: Je kleiner das Unternehmen, desto weniger Systeme und desto weniger Komplexität.
Auch Tests und QA kosten viel Zeit. Für den Proof of Concept gibt es nur einen kleinen, sehr klaren Satz an Fällen. Danach werden die Use Cases Stück für Stück erweitert. Mit jedem Schritt müssen Edge Cases gefunden, behoben und erneut getestet werden. Dort geht viel Zeit hin, und das gehört von Anfang an in den Plan.
Neben dem Produkt-Track bremsen zwei weitere Tracks einen KI-PoC. Der Governance- und Compliance-Track klärt, wer den Agenten wartet und wer sich darum kümmert, wenn das Projektteam weg ist, und er umfasst Compliance und Datenschutz. Die Deployment-Entscheidung aus dem Produkt-Track fließt hier ein: Läuft der Agent im eigenen Microsoft-Azure- oder AWS-Konto oder bei einem Drittanbieter als SaaS?
Der Commercial-Track ist der Einkauf, und er kann den ganzen Weg richtig lang machen. Muss für die Lösung ein weiteres SaaS eingekauft werden, startet der komplette Beschaffungszyklus, und die Einkaufsabteilung kommt ins Spiel. IBM bewegt sich in einem sehr speziellen Sektor. Dasselbe Muster habe ich aber in vielen Branchen gesehen: Projekte werden im Beschaffungszyklus zerrieben.
Einkauf, Compliance und Vertragsabteilungen blockieren KI-Agenten-Projekte, weil die meisten von ihnen auch in diesem Jahr noch wenig darüber wissen, was Datenschutz, Governance und Haftung bei solchen KI-Systemen bedeuten.
Ein Beispiel aus meiner Praxis: Wir haben Kunden Software as a Service verkauft, die OpenAI nutzt. Die Rechtsabteilung des Kunden wollte, dass wir die gesamte Haftung übernehmen, die am Ende vom Modell ausgeht. Für einen großen Anbieter mag das verhandelbar sein. Für viele Unternehmen, und gerade für kleinere SaaS-Anbieter, ist es schlicht nicht möglich. Das ist eine weitere Ebene der Komplexität.
Ein KI-Proof-of-Concept sollte nicht in Produktion gehen, wenn er beim Wert, bei der Zeitersparnis oder bei den Betriebskosten scheitert. Diese drei Kriterien prüfe ich in genau dieser Reihenfolge.
Wert auf Qualitätsebene. Der Agent muss die Qualität liefern, die die Aufgabe verlangt. Viele machen dabei den Fehler zu glauben, er müsse perfekt sein. Heute erledigen Menschen diese Arbeit, und auch diese Menschen sind nicht perfekt. Auch menschliche Sachbearbeiter liegen nicht immer richtig. Manchmal, kleiner Scherz am Rande, halluzinieren sie sogar. Der Maßstab ist die Qualität von heute, nicht Perfektion.
Zeitersparnis. Braucht der Agent so viel Human in the Loop, dass kaum Zeit gespart wird, ist er nicht gut genug.
Betriebskosten. Die Kosten sind das größte Problem. Gemeint ist nicht die einmalige Implementierung, sondern der laufende Betrieb: wenn der Agent so viele Tokens und so viele Abfragen in Wissensdatenbanken braucht, dass jeder Durchlauf mehr kostet, als wirtschaftlich sinnvoll ist.
Nach dem, was ich im Mittelstand sehe, kommen die 22 % gut hin [1]. Die Zahl hängt weniger von der Technik ab als davon, wem das Projekt gehört.
Arbeite ich mit Personen sehr weit oben in der Organisation und mit jemandem aus der Fachabteilung, die den Agenten tatsächlich nutzen soll, sind die Chancen auf Produktion deutlich höher. Steuert eine Innovationsabteilung das Projekt, sind sie geringer. Das ist meine persönliche Erfahrung.
Bei JadenX beginnt der erste Agent mit einer Entscheidung über den Rahmen, nicht über das Modell. Wir versuchen, den gesamten Aufwand für Compliance und Governance zu eliminieren, indem wir ganz am Anfang eine übergeordnete Technologieentscheidung treffen. Deployt ein Kunde zum Beispiel bereits in Microsoft Azure, läuft der Agent dort, und damit ist man in der Regel auf der sicheren Seite.
Danach konzentrieren wir uns nur noch auf den Use Case. Wir polieren ihn und machen ihn so gut wie irgend möglich. Dazu gehört die Produktarbeit: die Use Cases, die Integration in bestehende Systeme und die QA an den Edge Cases. Und damit gehen die meisten Agenten, die wir bauen, tatsächlich in Produktion.
Vor dem Start eines PoC sollte feststehen, wo der Agent laufen wird, wer ihn betreibt und welche Abteilung ihn nutzt. Außerdem gehört die Produktarbeit nach dem PoC in den Plan, vor allem die Integration in bestehende Systeme und die QA, wenn die Use Cases wachsen.
Wie lange sollte ein KI-Proof-of-Concept dauern?
Nach der Erfahrung von Dr. Marcel Müller in der Regel sechs bis acht Wochen, weil sich der Wert validieren lässt, bevor Governance und Compliance ins Spiel kommen.
Warum bleiben KI-Pilotprojekte vor der Produktion stecken?
KI-Pilotprojekte bleiben in einem von drei parallelen Tracks stecken, die alle abgeschlossen sein müssen: im Produkt-Track nach dem PoC (mehr Use Cases, UX, Integration in bestehende Systeme, QA an Edge Cases, Deployment), im Commercial-Track, wo Rechtsabteilungen im Einkauf vom Anbieter die volle Haftung für das Modell verlangen können, und im Governance- und Compliance-Track mit Verantwortung, Compliance und Datenschutz.
Warum ist die Integration ein großer Teil eines KI-Agenten-Projekts?
Gerade in Konzernen gibt es viele bestehende Systeme, die in das neue Agentensystem integriert werden sollen, oder umgekehrt. Nach der Erfahrung von Dr. Marcel Müller gilt: Je kleiner das Unternehmen, desto weniger Systeme und desto weniger Komplexität.
Nach welchen Kriterien wird ein KI-PoC gestoppt?
Wenn er die Qualität, die Menschen heute liefern, nicht erreicht, wenn er so viel Human in the Loop braucht, dass kaum Zeit gespart wird, oder wenn die Betriebskosten für Tokens und Wissensabfragen nicht sinnvoll sind.
Wie kommt ein KI-Agent schneller in Produktion?
Durch eine übergeordnete Deployment-Entscheidung am Anfang, zum Beispiel für das Cloud-Konto, das das Unternehmen bereits nutzt, und danach volle Konzentration auf die Qualität des Use Case.
Wem sollte ein KI-Agenten-Projekt gehören?
Einer Führungskraft aus der Fachabteilung, die den Agenten nutzt. Solche Projekte erreichen laut Dr. Marcel Müller deutlich häufiger die Produktion als Projekte einer Innovationsabteilung.
[1] Torsten Volk, "IBM TechXchange 2026: Agents scale when the model has less to guess", TechTarget, 3. Nov. 2026. https://www.techtarget.com/news/ibm-techxchange-2026-agents-scale-when-the-model-has-less-to-guess/873672/
[2] Dieser Artikel entstand mit KI-Unterstützung auf Basis der Sprachantworten von Dr. Marcel Müller. Alle Meinungen sind seine.
Wer einen funktionierenden PoC hat, der noch auf die Produktion wartet, oder den ersten Agenten plant, kann ein kostenloses Erstgespräch mit mir buchen. Gemeinsam prüfen wir die Rahmenentscheidung, den Integrationsaufwand, die drei Go-live-Kriterien und den schnellsten Weg in die Produktion und wählen das passende JadenX-Transformationspaket.
