74 % der Unternehmen rollen ihre KI-Agenten wieder zurück. Warum?
Fast drei Viertel der Unternehmen schalten ihre KI-Agenten wieder ab. Am Modell liegt das selten.

In shortKurz gesagt
Laut dem Report „The AI Production Paradox” von Sinch (Mai 2026, 2.527 befragte Entscheider:innen) haben 74 % der Unternehmen einen KI-Agenten im Kundenkontakt nach dem Livegang wieder zurückgerollt oder abgeschaltet. Bei Unternehmen mit den ausgereiftesten Governance-Strukturen liegt die Quote sogar bei 81 %. KI-Projekte scheitern also selten an der Technik. Sie scheitern an fehlendem Vertrauen, an schlechter Experience und an Systemen, die technisch laufen, aber für Menschen nicht funktionieren.
Was besagt die Zahl genau?
Erst die Einordnung, damit die 74 % nicht nach Clickbait klingen.
Für den Sinch-Report „The AI Production Paradox” wurden 2.527 Senior-Entscheider:innen aus zehn Ländern und sechs Branchen befragt. Die größten Gruppen kamen aus Finanzdienstleistung und Gesundheitswesen, dazu Telekommunikation, Technologie, Handel und professionelle Dienstleistungen. 74 % dieser Unternehmen haben einen KI-Agenten im Kundenkontakt nach dem Deployment wieder zurückgerollt oder abgeschaltet.
Zwei weitere Zahlen gehören dazu, damit das Bild stimmt:
- Es geht nicht um Projekte, die im Pilot stecken bleiben. 62 % hatten ihre Agenten bereits produktiv im Einsatz. Gescheitert sind sie nach dem Livegang.
- Die Investitionen steigen trotzdem. 98 % der Unternehmen erhöhen 2026 ihr Budget für KI-Kommunikation. Niemand steigt aus, alle wollen es zum Laufen bringen.
Der Report sagt also nicht „KI funktioniert nicht”. Er sagt, dass es schwerer ist, KI live zu halten, als sie live zu bringen. Genau das macht ihn interessant.
Warum rollen Unternehmen mit besserer Governance mehr Agenten zurück?
An dieser Stelle wird die Studie unerwartet.
Man würde annehmen, dass ein Unternehmen seinen Bot umso seltener abschalten muss, je ausgereifter seine Kontroll- und Sicherheitsstrukturen sind. Es ist umgekehrt. Bei Unternehmen mit den reifsten Governance-Frameworks liegt die Rollback-Quote bei 81 %, also über dem Durchschnitt.
Sinchs Produktchef Daniel Morris erklärt das sinngemäß so: Die fortgeschrittensten Unternehmen scheitern nicht öfter, sie bemerken ihr Scheitern früher. Wer besser überwacht, findet die Fehler, die bei anderen unbemerkt weiterlaufen.
Für die Branche ist das unbequem. Die 74 % sind dann eher die Untergrenze. Bei Unternehmen ohne gutes Monitoring laufen die Probleme vermutlich einfach weiter, nur merkt es niemand. Governance verhindert das Scheitern nicht, sie macht es sichtbar. Die eigentliche Arbeit liegt woanders.
Woran scheitern KI-Agenten wirklich?
Am Modell jedenfalls kaum. Die Hauptgründe für Rollbacks drehen sich laut Report um Vertrauen und Kontrolle. Ganz oben stehen die Sorge, Kundendaten preiszugeben (rund 31 %), sowie Halluzinationen und Risiken für die Marke (rund 22 %).
Das deckt sich mit dem, was wir in Projekten sehen. Agenten werden aus drei Gründen zurückgerollt.
Das Vertrauen fehlt. Kund:innen trauen dem System nicht, und oft trauen ihm die Unternehmen selbst nicht. Ein Bot, der einmal mit voller Überzeugung etwas Falsches gesagt hat, hat sein Vertrauen verspielt. Und Halluzinationen lassen sich nicht ganz abstellen, weil sie aus der Funktionsweise der Modelle entstehen. Warum Sprachmodelle immer halluzinieren werden und was dagegen hilft, haben wir ausführlich beschrieben.
Die Experience ist schlecht. Technisch ist der Agent beeindruckend, im Alltag aber frustrierend. Er versteht Nutzer:innen nicht, führt sie im Kreis und bietet keinen Ausweg. Menschen wollen ihr Anliegen erledigen und nicht mit einer Maschine ringen. Wie Nutzer:innen tatsächlich mit Bots umgehen und warum viele Bots daran vorbei gestaltet sind, zeigen wir im Artikel Niemand will mit eurem Chatbot reden.
Die Kontrolle fehlt. Niemand hat sauber festgelegt, was der Agent darf und was nicht. Ohne klare Grenzen und funktionierende Eskalation wird jeder Fehler zum Risiko, bis hin zur Haftung. Dass Unternehmen für die Aussagen ihrer Bots geradestehen, hat das OLG Hamm im Mai 2026 klargestellt. Mehr dazu im Artikel zum OLG-Hamm-Urteil und zur Haftung für Chatbots.
Keiner dieser drei Gründe ist ein Modellproblem. Es sind Probleme mit Design, Vertrauen und Governance. Ein besseres Sprachmodell löst keines davon.
Warum reicht gute Technik nicht?
„Funktioniert technisch, aber nicht menschlich.” Diesen Satz hören wir gerade von vielen Unternehmen, und er beschreibt das Problem genauer als jede Statistik.
Die technische Seite von KI wird zur Massenware. Modelle werden besser, billiger und austauschbarer. Was ein Modell heute kann, kann morgen jedes. Ob ein Agent zurückgerollt wird oder bleibt, entscheidet sich deshalb fast nie an der Technik. Es entscheidet sich an Dingen, die man nicht einfach einkaufen kann:
- Versteht das System, wie echte Menschen sich verhalten, oder nur, wie sie sich verhalten sollten?
- Schafft es Vertrauen, weil es nachvollziehbar ist, ehrlich mit Unsicherheit umgeht und seine Grenzen zeigt?
- Ist es in echte Prozesse eingebunden, oder ist es ein hübsches Chatfenster vor einer Blackbox?
- Weiß es, wann es an einen Menschen übergeben muss, und tut es das sauber?
Das sind Fragen an UX, Design und Vertrauen. Ein Agent, der technisch läuft, aber darauf keine Antwort hat, wird irgendwann abgeschaltet. Spätestens dann, wenn das Monitoring gut genug ist, um zu zeigen, dass er mehr schadet als nützt.
Wie verhindern Unternehmen, dass ihr KI-Projekt scheitert?
Die naheliegende Reaktion auf diese Zahlen wäre, noch mehr in Guardrails zu investieren. Die Studie zeigt aber, dass das allein nicht reicht. Mehr Kontrolle macht Fehler sichtbar, die Ursache behebt sie nicht.
Ansetzen müsst ihr früher, bei der Konzeption statt bei der Absicherung eines fertigen Systems:
- Vom Anliegen der Nutzer:innen her denken. Die erste Frage lautet nicht „Welches Modell nehmen wir?”. Sie lautet „Welches Anliegen lösen wir für wen, und wie fühlt sich das an?”
- Vertrauen von Anfang an gestalten. Unsicherheit sichtbar machen, Quellen zeigen, Grenzen offen sagen. Ein Agent, der ehrlich passt, wird wieder genutzt.
- Grenzen und Eskalation als Teil der Experience bauen. Der beste KI-Agent weiß, was er nicht kann, und übergibt dann sauber an einen Menschen.
- In echte Prozesse einbinden. Ein Agent ohne Anbindung an die realen Systeme und Abläufe bleibt eine Demo. Rollbacks passieren dort, wo die Integration nur an der Oberfläche war.
Die 74 % scheitern also nicht, weil KI nicht funktioniert. Sie scheitern, weil zu viele Projekte bei der Technik anfangen und beim Menschen aufhören. Es müsste umgekehrt laufen.
Fazit: Das Problem ist nicht die KI. Es ist alles drumherum.
Die 74 % sind keine Absage an Conversational AI. Sie sind eine Absage an eine bestimmte Art, sie zu bauen: Projekte, die mit der Technik beginnen und den Menschen erst am Ende mitdenken. Die Unternehmen, deren Agenten live bleiben, haben nicht das bessere Modell. Sie haben verstanden, dass ein KI-Agent erst dann funktioniert, wenn er auch Menschen überzeugt.
Wir bauen seit 2007 in Berlin Chat- und Voicebots. Dabei fangen wir beim Gespräch an und nicht beim Modell, binden die Bots an eure echten Systeme an und gestalten den Weg zum Menschen gleich mit. Ihr habt einen Agenten, der technisch läuft, aber nicht angenommen wird? Oder ihr plant einen, der von Anfang an bleiben soll?
FAQ: KI-Agenten und Rollbacks
Wie viele Unternehmen rollen ihre KI-Agenten zurück?
Laut dem Sinch-Report „The AI Production Paradox” vom Mai 2026 haben 74 % der befragten Unternehmen einen KI-Agenten im Kundenkontakt nach dem Livegang zurückgerollt oder abgeschaltet. Bei Unternehmen mit ausgereiften Governance-Strukturen sind es sogar 81 %.
Warum scheitern KI-Projekte nach dem Livegang?
Selten an der Technik. Die Hauptgründe sind die Sorge um Kundendaten, Halluzinationen und Risiken für die Marke, eine schlechte Nutzererfahrung und fehlende klare Grenzen. Das sind Probleme mit Design und Governance, keine Modellprobleme.
Warum rollen Unternehmen mit besserer Governance mehr Agenten zurück?
Weil sie ihre Fehler früher bemerken. Bessere Überwachung deckt Probleme auf, die bei anderen unbemerkt weiterlaufen. Die höhere Quote spricht also für bessere Kontrolle und nicht für schlechtere Systeme. Branchenweit dürften die echten Fehlerquoten eher höher liegen.
Lohnt sich KI im Kundenservice dann überhaupt?
Ja. 98 % der befragten Unternehmen erhöhen 2026 sogar ihre Investitionen. Die Studie zeigt, dass es schwerer ist, KI live zu halten, als sie live zu bringen. Ob das gelingt, entscheiden Design, Vertrauen und Integration.
Was unterscheidet einen KI-Agenten, der bleibt, von einem, der zurückgerollt wird?
Ein Agent, der bleibt, versteht echtes Nutzerverhalten und schafft Vertrauen, weil er nachvollziehbar ist und ehrlich mit seinen Grenzen umgeht. Er ist in reale Prozesse eingebunden und übergibt bei Bedarf sauber an einen Menschen. Technische Leistung allein reicht dafür nicht.
QuoteZitat