Goldman Sachs setzt Tausende autonomer KI-Agenten ein. McKinsey zeigt: Nur 5,5 % der Unternehmen sehen echte Ergebnisse — weil der Unterschied nicht im Tool-Zugang liegt, sondern in der Infrastruktur dahinter. Die gute Nachricht für den Mittelstand: Diese Infrastruktur ist heute fertig verfügbar.
Die Zahl, die man erst zweimal lesen muss
Im Frühjahr 2025 sagte Goldman-Sachs-CEO David Solomon auf einer Konferenz etwas, das in der Finanzpresse kaum Wellen schlug — und eigentlich eine größere Schlagzeile verdient hätte: KI kann mittlerweile 95 Prozent eines IPO-Prospekts in wenigen Minuten erstellen. Dieselbe Arbeit hatte früher ein sechsköpfiges Team zwei Wochen beschäftigt.
„The last 5% now matters," sagte Solomon, „because the rest is now a commodity."
Das ist keine vage Aussage über die Zukunft der KI. Es ist eine Beschreibung dessen, was bei Goldman Sachs heute gerade passiert. Goldman ist dabei nicht allein: Bank of America hat bis April 2025 eine KI-Adoption von 90 Prozent der Belegschaft erreicht und meldet über 20 Prozent Effizienzsteigerung für Entwicklerinnen und Entwickler. Citigroup hat GitHub Copilot auf 40.000 Entwickler ausgerollt — mit gemessenen Produktivitätssteigerungen zwischen 2x und 20x für agentische Aufgaben. Im Juli 2025 kündigte Goldman-CTO Marco Argenti an, neben den rund 12.000 menschlichen Entwicklern Tausende autonomer KI-Agenten einzusetzen, mit einer erwarteten Produktivitätssteigerung von 3 bis 4x.
Klingt interessant?
Das sind keine Experimente mehr. Das ist Produktionsbetrieb.
Was Enterprises wirklich gebaut haben
Der Unterschied zwischen Großkonzernen und dem Rest liegt nicht im Zugang zu KI-Tools. ChatGPT, GitHub Copilot und ähnliche Produkte kann jedes Unternehmen kaufen. Der Unterschied liegt in der Infrastruktur, die diese Tools erst produktiv macht.
McKinseys State-of-AI-Report 2025, basierend auf Antworten von fast 2.000 Unternehmen, macht das messbar: 79 Prozent der Organisationen sagen, sie nutzen Generative AI — aber nur 5,5 Prozent erzielen dabei messbare finanzielle Ergebnisse. Was trennt die Top-Performer vom Rest? Sie haben Workflows grundlegend neu gestaltet. Nicht mit ChatGPT, das Mitarbeitende nach jedem Schritt neu befragen müssen, sondern mit KI-Agenten, die autonom mehrstufige Aufgaben übernehmen — und in echte Entwicklungsprozesse eingebettet sind.
Goldman Sachs, JPMorgan, Citigroup: Diese Unternehmen haben in den vergangenen 18 Monaten aufgebaut, was man dafür braucht:
- Multi-Agenten-Pipelines — keine einzelnen Copilot-Zugänge, sondern Netzwerke spezialisierter Agenten, die Code schreiben, reviewen, testen und deployen
- Qualitätsgates — automatisierte Prüfprozesse, die KI-Output validieren, bevor er in die Produktion geht
- Audit Trails — vollständige Nachvollziehbarkeit jeder KI-Aktion, für Compliance, Regulatorik und interne Kontrolle
- EU-Datenhaltung und Security — in regulierten Branchen kein Nice-to-have, sondern Grundvoraussetzung
- Human-in-the-Loop — Prozesse, bei denen Entwicklerinnen und Entwickler die Kontrolle behalten und KI-Output aktiv freigeben
Der Aufbau dieser Infrastruktur hat Zeit, Budget und spezialisierte Teams gekostet. Das ist der eigentliche Vorsprung der Enterprises — nicht der KI-Zugang selbst.
Die Lücke, die viele im Mittelstand unterschätzen
Laut IDC haben 83 Prozent der Unternehmen mit mehr als 5.000 Mitarbeitern KI im Einsatz — verglichen mit 42 Prozent bei Unternehmen mit 50 bis 499 Mitarbeitern. Diese Zahlen klingen nach einem Problem. Sie sind eigentlich eine Chance.
Mittelständische Unternehmen sind nicht in denselben Legacy-Strukturen gefangen, die großen Organisationen den KI-Umbau so teuer machen. Kürzere Entscheidungswege, weniger politischer Widerstand, mehr Bereitschaft, neue Prozesse wirklich zu implementieren — das sind echte strukturelle Vorteile.
Das Kernproblem für mittelständische CTOs ist selten mangelnder Wille. Es ist die fehlende Infrastruktur. Ein GitHub-Copilot-Zugang bringt einzelnen Entwicklerinnen und Entwicklern 10 bis 30 Prozent Produktivitätsgewinn — aber keinen systemischen Unterschied für die gesamte Delivery. Wer das mit dem vergleicht, was Goldman Sachs heute betreibt, vergleicht eine Taschenlampe mit einer Flutlichtanlage. Beides leuchtet. Nur in vollkommen anderen Größenordnungen.
McKinseys Daten sind dabei eindeutig: Wer KI-Agenten wirklich skaliert und Workflows konsequent neudenkt, gehört zur Minderheit — und zu den 5,5 Prozent, die echte Ergebnisse sehen. Weniger als 10 Prozent der befragten Unternehmen setzen KI-Agenten überhaupt in irgendeiner Funktion skaliert ein.
Der Vorsprung, den man nicht selbst aufbauen muss
Hier liegt die gute Nachricht: Was Enterprises 18 Monate und erhebliche interne Ressourcen gekostet hat, ist heute als fertige Infrastruktur verfügbar.
Genau das ist das Modell hinter Nopex: Multi-Agenten-Entwicklungsworkflows, die von Tag eins produktionsbereit sind. Keine internen KI-Spezialisten notwendig, keine monatelange Pilotphase, kein Aufbau von Compliance-Strukturen von Grund auf. Datenverarbeitung in der EU, vollständige Audit Trails, Human-in-the-Loop als Standardprozess — nicht als nachträgliche Anforderung.
Ein Mittelstandsunternehmen kann damit ab dem ersten Sprint mit einer Infrastruktur arbeiten, für deren Aufbau ein Großkonzern anderthalb Jahre gebraucht hat.
Der Unterschied zwischen Unternehmen, die KI als Tool nutzen, und solchen, die sie als Infrastruktur betreiben, wird 2026 in konkreten Zahlen sichtbar: in Delivery Speed, in Teamkapazität, in Kosten. Dieser Unterschied wächst mit jedem Quartal, in dem agentische Workflows verfeinert werden — auf der einen oder anderen Seite.
Die Frage ist nicht mehr ob — sondern wann.
Jetzt starten, nicht erst beobachten
Die Unternehmen, die heute messbare Ergebnisse aus KI ziehen, haben nicht mehr Tools als andere. Sie haben Prozesse konsequent anders gebaut. Für den Mittelstand bedeutet das: Nicht auf die nächste Generation von Modellen warten, sondern heute mit dem starten, was Enterprise-Unternehmen bereits validiert haben.
Wenn Sie wissen wollen, welche Entwicklungsprozesse in Ihrem Unternehmen als erstes skalieren — sprechen Sie uns an. Kein Verkaufsgespräch, konkrete Einblicke aus laufenden Projekten.
