Enterprise-KI-Agenten im großen Maßstab: Wie McKinseys Playbook mit 25.000 Agenten die Belegschaft bis 2026 neu definiert
Die mutigste Enterprise-AI-Agent-Implementierung der Welt hat einen Namen, den jeder kennt.
McKinsey hat 60.000 Mitarbeiter insgesamt. 40.000 davon sind Menschen. 25.000 davon sind AI Agents.
Das entspricht 42% von McKinseys Belegschaft. Und der CEO des Unternehmens sagt, dass man gerade erst anfängt.
CEO Bob Sternfels bestätigte: McKinsey hat in weniger als zwei Jahren 25.000 AI Agents eingeführt. Das Ziel des Unternehmens bis Ende 2026: ein AI Agent für jeden menschlichen Mitarbeiter – ein Ziel von 40.000 Agents, das das Verhältnis von Agenten zu Menschen bei 1:1 ansetzen würde.
Dies ist kein Pilotprojekt. Dies ist kein Experiment. Dies ist die renommierteste Beratungsfirma der Welt, die AI Agents als Kernbestandteil ihres Geschäftsmodells betreibt – und damit ihre Belegschaft, ihr Delivery-Modell und laut Sternfels ihr gesamtes Geschäftsmodell umgestaltet.
Dieser Artikel beleuchtet, was McKinsey tatsächlich tut, warum das über die Beratungsbranche hinaus relevant ist, wie Wettbewerber reagieren, wie das Messbarkeits-Problem aussieht, und was das 1:1-Ziel für jedes Unternehmen bedeutet, das diese Entwicklung beobachtet.
Die Zahlen
40.000 Menschen + 25.000 AI Agents = 60.000 Gesamtbelegschaft
McKinseys Personalstruktur ist die Schlagzeile. 25.000 AI Agents sind kein Rundungsfehler oder symbolische Maßnahme – sie sind eine strukturelle Neugestaltung der Art und Weise, wie das Unternehmen seine Arbeit erbringt. Und das Deployment-Tempo deutet darauf hin, dass dies beschleunigt, nicht stagniert.
25.000 Agents in weniger als zwei Jahren hinzugefügt
Die Geschwindigkeit ist genauso wichtig wie der Umfang. Von ungefähr 2024 bis Anfang 2026 hat McKinsey 25.000 AI Agents deployed. Das sind durchschnittlich etwa 1.000 Agents pro Monat. Das Deployment-Tempo – nicht nur die kumulative Gesamtzahl – ist das, worauf Enterprise-Leader achten sollten.
Ziel: 40.000 AI Agents bis Ende 2026 = 1:1-Verhältnis zu menschlichen Mitarbeitern
Das 1:1-Ziel ist der Maßstab, der das Enterprise-AI-Agent-Rennen definieren wird. Wenn McKinsey – eine Professional-Services-Firma, deren „Produkt" menschliches Fachwissen und Urteilsvermögen ist – ein Agent-zu-Mensch-Verhältnis von 1:1 erreichen kann, verschiebt sich die Frage für andere Unternehmen von „ist das möglich?" zu „wie machen wir das?"
QuantumBlack: 1.700-köpfiges Team, treibt alle McKinsey-AI-Initiativen voran, die 40% der Arbeit des Unternehmens ausmachen (Alex Singla, Senior Partner)
QuantumBlack ist McKinseys KI-Arm – und laut Alex Singla, der die Einheit gemeinsam mit Kojo Boakye leitet, macht sie inzwischen 40% der Unternehmensarbeit aus. Das ist kein Supporting-Bereich. Das ist das Kerngeschäft – operating in signifikantem Umfang durch AI Agents.
AI Agents sparen 25% bei operativen Gehältern und steigern den Output um 10% (Novoresume)
Die ROI-Daten, die den wirtschaftlichen Fall machen: 25% Ersparnis bei operativen Gehältern und 10% Output-Steigerung. Diese Zahlen sind Enterprise-Level – es handelt sich nicht um Produktivitätsgewinne eines einzelnen Agents, sondern um den aggregierten Effekt von 25.000 Agents, deployed über die gesamten Unternehmensprozesse.
Was McKinseys AI Agents tatsächlich tun
Bob Sternfels' Framing auf dem Weltwirtschaftsforum in Davos hat die strategische Intention eingefangen: Das Unternehmen will einen AI Agent, der alongside aller 40.000 Mitarbeiter arbeitet. Sie ersetzen – arbeiten alongside. In die tägliche Arbeit integriert, die Berater leisten.
Die tägliche Work-Integration: AI Agents sind in mehrere Bereiche der täglichen Arbeit von Beratern eingebettet – Research-Synthese, Datenanalyse, Dokumentenerstellung, Entwürfe für Kundenkommunikation, Case-Framework-Anwendung. Die Agents übernehmen die hochvolumige Ausführungsarbeit, die zuvor Beraterzeit gekostet hat, und ermöglichen es Beratern, sich auf Kundenbeziehungen, strategisches Urteilsvermögen und die Beratungsarbeit zu konzentrieren, die menschlichen Kontext und Beziehungen erfordert.
Die QuantumBlack-Rolle: QuantumBlack – McKinseys 1.700-köpfiges KI-Team – ist die Delivery-Engine für das alles. McKinseys KI-Initiativen sind nicht ausgelagert oder von Drittanbietern bezogen. McKinsey hat seine eigene KI-Fähigkeit durch QuantumBlack aufgebaut, und diese Fähigkeit repräsentiert inzwischen 40% der Unternehmensarbeit. Die AI Agents, die QuantumBlack baut und deployed, sind McKinseys eigenes Produkt – das das Unternehmen dann über QuantumBlacks kommerzielle Angebote an Kunden verkaufen kann.
Die Geschäftsmodell-Umgestaltung: Sternfels' Punkt, dass KI „mehr als McKinseys Belegschaft umgestaltet – dass sie McKinseys Geschäftsmodell verändert", ist die bedeutendste Aussage von allem. Das Geschäftsmodell einer Beratungsfirma sind ihre Menschen – ihre Zeit, ihr Fachwissen, ihr Urteilsvermögen. Wenn sich dieses Modell verändert, weil AI Agents signifikante Teile der Arbeit erbringen können, hat die Beratungsbranche eine fundamentale Geschäftsmodellfrage zu beantworten.
Die Case-Interview-Frage, die die Strategie erklärt
McKinsey hat die AI-Agent-Strategie bereits zur Case-Interview-Frage gemacht: „Wenn eine 40.000-köpfige Beratungsfirma 25.000 AI Agents in weniger als zwei Jahren hinzufügen würde, wie würde das ihren Wettbewerbsvorteil verändern?"
Die Tatsache, dass dies eine Case-Interview-Frage ist, sagt dir alles darüber, wie McKinsey AI Agents strategisch betrachtet. Es geht nicht um Kostensenkung – es geht um Wettbewerbsvorteil. Die Frage geht davon aus, dass das AI-Agent-Deployment passiert ist, und bittet Bewerber, die Wettbewerbsimplikationen zu analysieren – nicht zu debattieren, ob das Deployment eine gute Idee war.
Die Wettbewerbsvorteil-Logik: Wenn AI Agents einen signifikanten Teil der Research, Analyse und Ausführungsarbeit übernehmen können, die Beratung erfordert, kann eine Firma mit 40.000 Agents und 40.000 Menschen mehr Wert pro Engagement liefern – oder equivalenten Wert zu niedrigeren Kosten – als eine Firma mit nur menschlichen Beratern. Das ist ein direkter Wettbewerbsvorteil gegenüber Firmen, die nicht in vergleichbarem Umfang deployed haben.
Die Wettbewerbsreaktion: Differenzierung oder Kostenplay?
McKinseys Konkurrenten haben eine pointierte Kritik: Das AI-Agent-Deployment wirft eine genuine Frage auf, welche Art von Wettbewerbsvorteil es tatsächlich schafft.
Das Konkurrenzargument: In der Beratung kommt Wettbewerbsvorteil von Talentqualität und Marke – nicht nur von Agentenzahl. McKinseys Marke – sein Prestige, sein Ruf, sein Zugang zu Senior Executives – ist das, was Premium-Engagements befehligt. Wenn AI Agents einen signifikanten Teil der Delivery-Arbeit übernehmen, differenziert sich die Kundenerfahrung dann durch die beteiligten Menschen, oder konvergiert sie hin zu einer Commodity, delivered durch dieselben AI Agents, die für mehrere Firmen arbeiten?
Das Gegenargument: Wenn AI Agents die Produktivität um 10–25% steigern und 25% bei operativen Gehältern sparen, ist der Kostenvorteil real – unabhängig davon, ob er „echte" Differenzierung darstellt. Eine Firma, die vergleichbaren Output zu niedrigeren Kosten liefern kann – oder überlegenen Output zu vergleichbaren Kosten – hat einen realen Wettbewerbsvorteil in einem Markt, in dem Kunden zunehmend kostenbewusst sind.
Die ehrliche Einschätzung: McKinseys Konkurrenten stellen die richtige Frage. Das AI-Agent-Deployment schafft einen Kosten- und Produktivitätsvorteil, der kurzfristig real ist. Ob es nachhaltige Differenzierung schafft, hängt davon ab, ob McKinsey das AI-Agent-Deployment in Kundenergebnisse übersetzen kann, die Wettbewerber nicht replizieren können – und ob die Markenprämie überlebt, wenn Kunden besser verstehen, was die AI Agents tatsächlich tun.
Warum das über die Beratung hinaus wichtig ist: Die Enterprise-Implikation
McKinsey ist der Kanarienvogel im Kohlebergwerk für die Transformation von Wissensarbeit.
Die Beratungsbranche ist im Kern eine Aggregation menschlichen Fachwissens, angewandt auf Geschäftsprobleme. Wenn AI Agents einen erheblichen Teil dieser Expertise-Anwendung übernehmen können – Research, Analyse, Synthese, Dokumentproduktion – dann steht jedes Unternehmen, das auf Wissensarbeit setzt, vor derselben Transformationsfrage.
Die spezifische McKinsey-Implikation: Wenn eine 40.000-köpfige Professional-Services-Firma 25.000 Agents in weniger als zwei Jahren deployen kann, dann kann jedes Unternehmen AI Agents in vergleichbarem Umfang deployen. Die Barrieren für Enterprise-AI-Agent-Deployment – technische Infrastruktur, organisatorisches Change Management, Messframeworks – sind dieselben Barrieren, die McKinsey überwinden musste. McKinsey hat sie überwunden. Das Playbook existiert.
QuantumBlack als Produkt: Der am meisten unterschätzte Teil dieser Geschichte. QuantumBlack verkauft inzwischen, was McKinsey intern gebaut hat, an Kunden. Das Unternehmen hat seine eigene Belegschaft als Proof-of-Concept für AI-Agent-Deployment genutzt und commercialisiert dieses Proof-of-Concept jetzt als Produkt. Das interne Deployment ist nicht nur ein operativer Effizienz-Zug – es ist auch ein Product-Development- und Market-Positioning-Zug.
Das Messbarkeits-Problem
Traditionelle Professional-Services-Metriken – abrechenbare Stunden, Utilization-Rates, Revenue pro Berater – lassen sich nicht direkt auf AI-Agent-Produktivitätsmessung übertragen.
McKinsey baut neue Produktivitätsmetriken für eine Belegschaft auf, die AI Agents einschließt. Das Messbarkeitsproblem hat mehrere Dimensionen:
Output-Messung: Wenn ein AI Agent eine Research-Synthese oder eine Datenanalyse erstellt, wie wird dieser Output gezählt? Als gesparte Beraterzeit? Als zusätzlicher Output? Beides?
Qualitätsmessung: Die Qualität von AI-Agent-Output muss gemessen, nicht angenommen werden. Der Ruf des Unternehmens hängt von der Qualität seiner Deliverables ab – was bedeutet, dass AI-Agent-Outputs dieselbe Qualitätslatte erfüllen müssen wie menschliche Outputs, und Messsysteme diese Latte verifizieren müssen.
Produktivitätsaggregation: Die Produktivität einzelner Agents zu messen ist machbar. Zu messen, wie 25.000 Agents sich zu unternehmensweiten Produktivitätsgewinnen aggregieren, ist komplexer – und die Unternehmen, die dieses Messproblem zuerst lösen, werden einen signifikanten operativen Vorteil gegenüber Unternehmen haben, die noch auf traditionelle Produktivitätsframeworks setzen.
Die Unternehmen, die AI-Agent-Produktivitätsmessung knacken, werden einen signifikanten Vorteil haben: Sie werden wissen, welche Agents ROI produzieren, welche Use Cases am produktivsten sind, und wie man Agent-Ressourcen für maximale Impact alloziert. Die Unternehmen, die es nicht tun, werden bei ihrer größten Technologieinvestition blind fliegen.
Das Workforce-Ratio-Rennen
McKinseys 1:1-Agent-zu-Mensch-Ziel bis Ende 2026 wird branchenübergreifend als Maßstab beobachtet.
Die Logik von Workforce-Ratio-Zielen: Mit der Skalierung von AI-Agent-Deployment brauchen Unternehmen einen Rahmen, um über das richtige Verhältnis von Agents zu Menschen nachzudenken. McKinseys 1:1-Ziel – ein Agent pro menschlichem Mitarbeiter – ist ein konkretes, ehrgeiziges, öffentlich kommuniziertes Ziel, das andere Unternehmen als Referenzpunkt nutzen können.
Die realistische Enterprise-Implikation: Die meisten Unternehmen sind heute nicht bei 1:1. Die meisten sind nicht einmal in der Nähe des Verhältnisses, das sie mit McKinseys aktueller Position von 25.000 Agents, 42%-der-Belegschaft vergleichbar machen würde. Aber die Trajektorie ist entscheidend – McKinsey ist in weniger als zwei Jahren von null auf 25.000 Agents gegangen. Die Unternehmen, die jetzt starten, werden in zwei Jahren deutlich weiter sein als die Unternehmen, die warten.
Der Wettbewerbsdruck: Sobald eine große Firma in einer Branche ein Workforce-Ratio-Ziel ankündigt, intensiviert sich der Druck auf Wettbewerber, vergleichbare Ziele anzukündigen. McKinseys Ankündigung ist ein Schuss vor den Bug für jede Beratungsfirma und jedes Unternehmen, das auf Wissensarbeit setzt. Die Frage ist nicht mehr, ob man AI Agents deployen soll – sondern welches Verhältnis man anstrebt und bis wann.
Das Fazit
25.000 AI Agents. 42% von McKinseys Belegschaft. In weniger als zwei Jahren hinzugefügt. Ziel: 1:1-Agent-zu-Mensch-Verhältnis bis Ende 2026.
QuantumBlack treibt alle AI-Initiativen voran, repräsentiert 40% der Unternehmensarbeit. AI Agents in tägliche Consultant-Workflows eingebettet. Bob Sternfels sagt, dass KI McKinseys Geschäftsmodell verändert – nicht nur seine Belegschaft.
Die Konkurrenzkritik ist berechtigt: Wettbewerbsvorteil in der Beratung kommt von Talent und Marke – nicht nur von Agentenzahl. Ob McKinseys AI-Agent-Deployment nachhaltige Differenzierung schafft oder nur einen Kostenvorteil, ist die richtige Frage.
Aber das Messbarkeitsproblem ist lösbar. Der Workforce-Ratio-Maßstab ist real. Die Enterprise-Implikation – wenn McKinsey 25.000 Agents in weniger als zwei Jahren deployen kann, kann jedes Unternehmen das – ist die strategische Erkenntnis, die am meisten zählt.
Das Enterprise-AI-Agent-Rennen hat offiziell begonnen. McKinsey hat gerade das Tempo gesetzt.