Agentische KI im S&OP: Wen feuert man, wenn der Agent falsch liegt?
Jeder Anbieter verkauft autonome Planung. Gartner prognostiziert, Maschinen würden bis 2031 60 % der Störungen lösen, und dass 40 % der agentischen Projekte bis 2027 gestrichen werden. Beides stimmt. So halten Sie beides im Kopf zusammen.
Es gibt eine Frage, die die meisten agentischen KI-Demos beendet, sobald man sie laut stellt: Wen feuert man, wenn der Agent falsch liegt?
Der Anbieter wird sagen, der Agent arbeite innerhalb von Leitplanken, es gebe einen Menschen in der Schleife, die Entscheidung sei auditierbar. Alles wahr, und alles am Punkt vorbei. Denn das gesamte Versprechen agentischer KI in der Planung ist, den Menschen für einen wachsenden Anteil der Entscheidungen aus der Schleife zu nehmen. In dem Moment, in dem das im großen Maßstab geschieht, muss Verantwortlichkeit irgendwo verortet sein, und in einem funktionsübergreifenden Prozess wie S&OP war Verantwortlichkeit schon vorher das, was nicht funktionierte.
Das ist die Lücke zwischen dem Versprechen agentischer KI und ihrer Realität. Es ist keine Technologielücke. Es ist dieselbe Governance-Lücke, die S&OP-Prozesse seit dreißig Jahren still zugrunde richtet, jetzt mit Maschinengeschwindigkeit.
Was „agentisch" diesmal tatsächlich bedeutet
Es lohnt sich, präzise zu sein, denn der Begriff leistet viel Marketingarbeit. Der wesentliche Unterschied zwischen agentischer KI und dem maschinellen Lernen, das Planungssysteme seit einem Jahrzehnt nutzen, sind drei Dinge: mehrstufiges Reasoning (ein Problem zerlegen und Tools zur Lösung der Teile aufrufen), Orchestrierung über Systeme des Datenbestands hinweg, und Gedächtnis, der Agent hält fest, warum er eine Entscheidung getroffen hat und was danach geschah.
Das ist ein echter Sprung bei Interface und Orchestrierung. Es ist kein Sprung bei der Optimierungsgenauigkeit. Der Optimierer bleibt derselbe; das, was ihn umgibt, kann jetzt über mehr Schritte hinweg handeln, ohne dass ein Mensch jeden einzelnen anklickt.
Gartner rahmt das Ziel als Spektrum: Aufgabenautomatisierung, dann Entscheidungserweiterung, dann vollständige Supply-Chain-Autonomie. Gartner erwartet, dass Supply-Chain-Autonomie in den nächsten fünf bis zehn Jahren zum Mainstream wird. Sowohl das Wort „Mainstream" als auch die Formulierung „fünf bis zehn Jahre" tragen dabei Gewicht. Der meiste bereitgestellte Wert liegt heute fest im mittleren Band: Erweiterung, mit einem menschlichen Freigabe-Gate.
Die Prognosen, genau gelesen
Zwei Gartner-Schlagzeilen definieren den optimistischen Fall, und beide werden ständig ohne ihre Einschränkungen zitiert.
Die erste: Bis 2030 wird die Hälfte der Supply-Chain-Management-Lösungen intelligente Agenten nutzen, um Entscheidungen autonom auszuführen. Die zweite: Gartner prognostiziert, dass 60 % der Supply-Chain-Störungen bis 2031 ohne menschliches Eingreifen gelöst werden.
Genau gelesen, sind das Prognosen über die Verfügbarkeit von Anbieterprodukten und die Obergrenze automatisierbarer Entscheidungen, nicht darüber, was das durchschnittliche Unternehmen tatsächlich betreiben wird. Und dasselbe Analystenhaus veröffentlicht das Gegengewicht: Gartner sagt, autonome Planung habe den Höhepunkt der überzogenen Erwartungen auf ihrem Hype Cycle bereits überschritten, und Vertrauen bleibe die bindende Beschränkung. Die Gemeinschaft der Chief Supply Chain Officers erwartet laut Gartners eigenen Umfragen, autonomen Entscheidungen nur über einen kleinen Prozentsatz ihrer Umsatzkosten zu vertrauen.
Die wichtigste Zahl ist also nicht die 60 % oder die 50 %. Es ist diese: Gartner prognostiziert, dass über 40 % der agentischen KI-Projekte bis Ende 2027 eingestellt werden, wegen steigender Kosten, unklarem Geschäftswert oder unzureichender Risikokontrollen.
Halten Sie beides im Kopf. Dieselbe Firma, die prognostiziert, dass Maschinen bis 2031 die meisten Störungen lösen werden, prognostiziert auch, dass fast die Hälfte der Projekte auf dem Weg dorthin bis 2027 tot sein wird. Das ist kein Widerspruch. Ersteres ist das Ziel; Letzteres die Ausfallquote auf dem Weg dorthin.
Was tatsächlich in Produktion ist
Hier wird der Ehrlichkeitstest schwerer, denn die Lücke zwischen „allgemein verfügbar" und „läuft autonom in Produktion" ist groß.
Was tatsächlich bereitgestellt ist, häuft sich auf der Aufgaben- und Ausführungs-Ebene, nicht auf der funktionsübergreifenden Entscheidungsebene:
- Kinaxis-Frühanwender nutzen Maestro zur Entscheidungsunterstützung mit menschlicher Freigabe. Das Pharma-Beispiel reduzierte die Identifikation von Bestandsrisiken von 40 Klicks auf 4, das ist Erweiterung, nicht Autonomie.
- o9 berichtete 2025 von mehr als 30 Go-Lives in einem einzigen Quartal, aber das sind Go-Lives von Planungslösungen, keine autonom und unbeaufsichtigt laufenden Agenten.
- Blue Yonder berichtete von großen Mengen optimierter Lageraufgaben, auf der Ausführungsebene, nicht im S&OP.
Das Muster ist eindeutig: Autonomie wird im Lager, im Transport, auf der letzten Meile erreicht, in begrenzten Umgebungen mit klarem Feedback und geringem politischem Gehalt. Sie wird nicht bei der funktionsübergreifenden S&OP-Entscheidung erreicht, denn dort leben die ungelösten Konflikte der Organisation.
Das S&OP-Problem, das Agenten nicht lösen können
S&OP ist kein Technologieprozess. Es ist ein General-Management-Prozess, für dessen Durchführung Supply Chain die Verantwortung übertragen bekommen hat, ohne die Befugnis, ihn zum Funktionieren zu bringen. Darüber habe ich bereits geschrieben; der relevante Punkt hier ist, was passiert, wenn man einen autonomen Agenten darauf ansetzt.
Die Supply-Chain-Analystin Lora Cecere hat das strukturelle Argument wiederholt vorgebracht: Organisationen versuchen im S&OP zusammenzuarbeiten, sind sich aber über die Regeln nicht einig, wobei Führungskräfte unterschiedliche Definitionen von Supply-Chain-Exzellenz vertreten. Die Fehlerursachen sind Eigentümerschaft, Anreize und Entscheidungsrechte, nicht Algorithmen.
Ein Agent, der in dieses Umfeld eingesetzt wird, löst den Konflikt nicht. Er automatisiert eine Seite davon. Wenn Vertrieb die Prognose absichtlich niedrig hält und Finance das Budget aufpolstert, lernt ein auf diesen Daten trainierter Agent, das Zurückhalten und das Aufpolstern mit hoher Geschwindigkeit zu reproduzieren. Man hat die Politik nicht entfernt. Man hat sie kodiert und beschleunigt.
Die Darden School der University of Virginia rahmt den Weg heraus als den Übergang vom Pilot-Fegefeuer zu autonomen Supply Chains, indem Autonomiegrade bewusst an Risikoprofile angepasst werden. Übersetzt: Es gibt kein universelles autonomes S&OP. Es gibt ein Portfolio spezifischer Entscheidungen, jede mit ihrem eigenen Risikoprofil, das schrittweise automatisiert werden kann, während Vertrauen aufgebaut wird. Die Ausnahme-Triage kann zuerst kommen. Die konsentierte Nachfragezahl nicht, nicht bevor der Prozess dahinter einen Eigentümer hat.
Die Barrieren, nach Rang geordnet
Aus einer Synthese von Gartners Umfragen 2025, der Darden-Analyse und direkter Praxisbeobachtung ergibt sich für die Barrieren autonomer S&OP ungefähr diese Rangfolge, und man beachte, wie weit unten „Technologie" steht.
- Vertrauen und Erklärbarkeit, die Barriere Nummer eins in Gartners Daten.
- Datenqualität und Stammdaten-Governance, Agenten, die auf Testdaten trainiert wurden, versagen in der Produktion.
- Governance- und Audit-Infrastruktur, wer genehmigt, wer prüft, wer setzt zurück?
- Reifegrad des S&OP-Prozesses, bereits bestehende Dysfunktion wird automatisiert.
- Change Management und Bereitschaft der Belegschaft, Gartner stellte fest, dass nur 27 % der Führungskräfte eine umfassende KI-Strategie haben und nur 20 % glauben, ihre Belegschaft sei wirklich KI-bereit.
- Integration und Fragmentierung der Toolchain.
- ROI-Unklarheit, die meisten Organisationen, die überhaupt eine EBIT-Wirkung der KI zuschreiben, geben unter 5 % des EBIT an.
Das Risiko, das niemand einpreist: der Bullwhip mit Maschinengeschwindigkeit
Der klassische Bullwhip-Effekt trägt Nachfrageverzerrungen stromaufwärts, weil jede Ebene auf die darunterliegende Ebene überreagiert. Die Ausbreitung dauert Wochen, was, paradoxerweise, ein Sicherheitsmerkmal ist. Wochen geben einem Menschen Zeit zu bemerken, dass etwas nicht stimmt, und einzugreifen.
Agentische Systeme, die mit Maschinengeschwindigkeit handeln, entfernen diesen Puffer. Ein falsch kalibrierter Agent auf einer Ebene kann automatisierte Reaktionen auf drei weiteren Ebenen auslösen, bevor irgendein Mensch ein Dashboard sieht. Die Verzerrung, die früher ein Quartal brauchte, um sich durch ein Versorgungsnetzwerk auszubreiten, kann das jetzt an einem Tag tun. Wir haben Jahrzehnte damit verbracht, S&OP so zu gestalten, dass es den Bullwhip dämpft. Schnelle, unbeaufsichtigte Agenten auf dasselbe Netzwerk anzusetzen, riskiert, ihn stattdessen zu verstärken, und der Fehler wäre sowohl schneller als auch schwerer nachzuverfolgen.
Was 2026 tatsächlich zu tun ist
Für eine Planungsleitung ist die vertretbare Haltung weder Verweigerung noch Mondschuss.
Kaufen Sie die Fähigkeit von Ihrem bestehenden Anbieter statt als eigenständige Wette; Gartner stellt fest, dass sich KI bis 2026 im Tal der Enttäuschungen befindet und meist vom bestehenden Anbieter verkauft wird statt als neuer Mondschuss gekauft. Setzen Sie zunächst auf Aufgabenebene ein, Ausnahme-Triage, Parameterempfehlung, Analyse nach dem Zyklus, mit menschlichen Freigabe-Gates. Investieren Sie in Data Governance und Audit-Infrastruktur, bevor Sie einen Agenten eine Entscheidung ausführen lassen. Und widerstehen Sie der konkreten Versuchung, Agenten in den S&OP-Konsens einzubringen, bevor der Prozess klare Eigentümerschaft und ausgerichtete Anreize hat, denn ein Agent, der abstimmt, ohne einen Verantwortlichkeitspfad zu haben, beschleunigt die Verzerrung des lautesten Stakeholders, statt sie zu entfernen.
Beobachten Sie dann die Abbruchquote als Ihren eigenen Frühindikator. Wenn Ihr Pilot achtzehn Monate ohne messbare wirtschaftliche Wirkung durchläuft, gehört er zur 40-Prozent-Kohorte, und die ehrliche Reaktion ist, das auch so zu sagen.
Das unbequeme Fazit
Die autonome Supply Chain ist technisch näher, als die Skeptiker denken, und organisatorisch weiter entfernt, als die Anbieter zugeben. Der Engpass war nie der Algorithmus. Er ist, dass S&OP ein Prozess darüber ist, wer recht haben darf, wenn Funktionen uneins sind, und man kann sich aus einem Konflikt, den man nicht gelöst hat, nicht heraus-automatisieren.
Agentische KI wird an den Rändern der Planung schnell echten Wert liefern. Sie wird autonomes S&OP ungefähr dann liefern, wenn Organisationen die Eigentümerschafts- und Anreizprobleme beheben, die S&OP ohnehin schon am Funktionieren hindern, also nicht wegen der Technologie und nicht auf deren Zeitplan.
Wen feuert man, wenn der Agent falsch liegt? Bis Sie das beantworten können, sind Sie nicht bereit, ihn entscheiden zu lassen.
Quellen
- Gartner. (2025). Gartner Predicts Half of Supply Chain Management Solutions Will Include Agentic AI Capabilities by 2030. gartner.com
- Gartner. (2026). Gartner Predicts 60% of Supply Chain Disruptions Will Be Resolved Without Human Intervention by 2031. gartner.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2025). Autonomous Planning Has Passed the Peak of Inflated Expectations. gartner.com
- Gartner. (2025). How CSCOs Can Maximize Growth With Autonomous Supply Chains. gartner.com
- Gartner. (2026). 2026 Supply Chain Surge: Growth, Control Costs, and AI Truth. gartner.com
- Kinaxis. (2025). Maestro Agents. kinaxis.com
- o9 Solutions. (2025). o9 Reports Strong Q3 2025: 30+ Go-Lives. o9solutions.com
- Blue Yonder / Business Wire. (2026). Blue Yonder Transforms Retail Supply Chains With New AI-Driven Innovations. businesswire.com
- Cecere, L. In Search of Supply Chain Excellence. Supply Chain Movement; LinkedIn.
- Laseter, T., & DuVall, T. (2025). From Pilot Purgatory to Autonomous Supply Chains. UVA Darden Ideas to Action.
- McKinsey & Company. (2025). The State of AI in 2025. mckinsey.com