Innerhalb von gut zwölf Monaten haben Anbieter aus sehr unterschiedlichen Softwaremärkten Funktionen vorgestellt, die auf ein ähnliches Problem zielen: Unternehmen müssen die Einführung von Copilots, generativer KI und KI-Agenten nicht nur technisch ermöglichen, sondern deren Nutzung, Wirkung, Kosten und Risiken dauerhaft nachvollziehen können. Microsoft baut dafür Copilot Analytics aus, Pendo macht KI-Agenten zum eigenen Analysegegenstand, Digital-Adoption-Anbieter erweitern ihre Plattformen um KI-gestützte Mess- und Unterstützungsfunktionen und LumApps positioniert einen zentralen Hub für die Bereitstellung und Steuerung von Agenten.

Eine etablierte Softwarekategorie AI Transformation Management gibt es bislang nicht. In den untersuchten Markt- und Anbieterquellen findet sich dafür noch keine unabhängige Definition oder abgegrenzte Anbieterklasse. Im Shift/Work-Kontext verwenden wir den Begriff deshalb zunächst als Arbeitsbegriff für eine erkennbare Konvergenz: Analytics, Digital Adoption, Employee Experience und Transformation Management beginnen unterschiedliche Teile derselben Aufgabe abzudecken.

Die Anbieterbewegungen lassen sich dabei entlang von drei Entwicklungslinien ordnen.

Die Mess-Schicht: KI-Einführung wird zum dauerhaften Steuerungsobjekt

Besonders weit entwickelt ist die Mess- und Steuerungsschicht im Microsoft-Ökosystem. Microsoft Copilot Analytics umfasst inzwischen sechs Bereiche: einen Readiness- und Adoption-Report im Microsoft 365 Admin Center, das Copilot Dashboard in Viva Insights, ein eigenes Agent Dashboard, ein Consumption Dashboard, vorkonfigurierte Copilot-Analytics-Reports sowie Advanced Reporting. Der Adoption Report enthält inzwischen auch einen AI Adoption Score, während das Consumption Dashboard den Verbrauch von Copilot Credits und GitHub AI Credits nach Diensten, Teams und Nutzenden sichtbar macht.

Advanced Reporting geht noch einen Schritt weiter. Mehr als 100 Copilot-Metriken können analysiert und mit eigenen Geschäftsdaten verbunden werden. Microsoft nennt dafür beispielsweise Deal-Größe und Kundenbindung im Vertrieb, Forecast-Genauigkeit im Finance-Bereich, Lösungszeiten im Customer Service oder Engagement- und Retention-Werte im HR-Kontext. Damit lässt sich untersuchen, wie Copilot-Nutzung mit betrieblichen Kennzahlen zusammenhängt. Einen kausalen Wirkungsnachweis liefert das Reporting damit allerdings nicht automatisch.

Der Messgegenstand verschiebt sich dennoch deutlich. Bei klassischen Software-Rollouts stand häufig im Vordergrund, ob eine Anwendung genutzt wird. Bei generativer KI kommen Nutzungstiefe, Use Cases und teilweise verbrauchsabhängige Kosten hinzu. Mit Agenten entsteht eine weitere Ebene: Nicht mehr nur Menschen und Anwendungen werden betrachtet, sondern zunehmend auch digitale Akteure und deren Interaktionen.

Pendo geht von einer anderen Ausgangsposition in dieselbe Richtung. Der Product-Analytics-Anbieter stellte Agent Analytics im Juni 2025 vor und machte die Lösung im Dezember allgemein verfügbar. Analysiert werden unter anderem Prompts, Gespräche, Nutzungsmuster, wiederkehrende Use Cases, Abbrüche und mögliche Probleme in Agentenkonversationen. Agenteninteraktionen können zudem mit nachfolgenden Schritten in digitalen Workflows verbunden werden.

Die plattformübergreifende Perspektive hat dabei technische Grenzen. Pendo kann Daten von Drittanbieter-Agenten erfassen, wenn Zugriff auf den Browser-Kontext oder auf den Backend-Code des Agenten besteht. Bei geschlossenen Desktop-Anwendungen ist das nicht ohne Weiteres möglich. Microsoft Copilot in einer Desktop-Anwendung nennt Pendo selbst als Beispiel für eine solche Einschränkung.

Trotzdem zeigt die Entwicklung, dass Agent Analytics beginnt, sich als eigener Anwendungsfall neben klassischer Product- und Adoption-Analytics herauszubilden.

Digital-Adoption-Plattformen erweitern ihre Rolle

Die zweite Bewegung kommt aus einem bestehenden Markt. Digital Adoption Platforms wurden ursprünglich entwickelt, um Mitarbeitende direkt in Anwendungen zu unterstützen. In-App-Guidance, Walkthroughs, kontextbezogene Hilfen und Nutzungsanalysen sollten die Einführung neuer Software beschleunigen und Bedienungsprobleme reduzieren.

Mit KI verändern sich sowohl die Werkzeuge als auch der Gegenstand dieser Plattformen.

SAP kündigte im Juni 2024 die Übernahme von WalkMe für einen Eigenkapitalwert von rund 1,5 Milliarden US-Dollar an und schloss die Transaktion am 12. September 2024 ab. WalkMe wurde anschließend in das Business Transformation Management von SAP integriert und ergänzt dort SAP Signavio und SAP LeanIX um die Digital-Adoption-Perspektive. SAP beschreibt heute eine integrierte Toolchain, die Prozessmanagement, Enterprise Architecture und Digital Adoption miteinander verbindet.

Das am 31. August veröffentlichte Q3-2026-Release von WalkMe zeigt, wie sich die Plattform weiterentwickelt. AI Authoring ermöglicht es, Guidance-Inhalte über natürliche Sprache zu erstellen und zu verändern. AI Insights ergänzt die Analytics-Funktionen um einen dialogorientierten Zugang: Fragen zur Workflow-Performance können in natürlicher Sprache gestellt und als Diagramme oder Dashboard-Elemente ausgegeben werden. Contextual AI Assistance wird gleichzeitig um zusätzliche Quellsysteme wie SAP CX Sales Cloud und SAP Ariba erweitert.

Damit wird aus der bisherigen Digital-Adoption-Plattform nicht automatisch ein AI-Transformation-Management-System. Die Arbeitsweise verändert sich aber: Analyse und Content-Erstellung werden selbst KI-gestützt, während die Plattform gleichzeitig die Adoption anderer Anwendungen und KI-Funktionen begleiten soll. Wichtig für die Einordnung ist zudem, dass WalkMe trotz der SAP-Übernahme weiterhin anwendungsübergreifend ausgerichtet ist. Bereits bei der Übernahme hatte SAP ausdrücklich angekündigt, auch Nicht-SAP-Anwendungen weiter zu unterstützen.

Dass dies kein WalkMe-spezifischer Sonderweg ist, zeigt Whatfix. Der DAP-Anbieter hatte bereits im September 2025 KI-Agenten für Authoring, Guidance und Insights vorgestellt und entwickelt diese Funktionen 2026 weiter. Die Plattform kombiniert damit KI-gestützte Inhaltserstellung, kontextbezogene Unterstützung und Nutzungsanalysen innerhalb eines Digital-Adoption-Modells. Whatfix beschreibt selbst die Verbindung dieser Funktionen mit Governance und Measurement als „digital adoption operating model". Das ist eine Herstellerpositionierung, zeigt aber, dass sich der gesamte DAP-Markt über klassische Walkthroughs hinaus entwickelt.

Eine weitere Variante verfolgt Userlane. Der Münchner Anbieter stellte im September 2025 einen Agenten für Microsoft 365 Copilot vor. Über einen MCP-Server können Userlane-Inhalte und Kontextinformationen innerhalb von Copilot verfügbar gemacht werden. Eine Frage in Copilot kann dadurch beispielsweise mit einer passenden Userlane-Anleitung verbunden werden, die anschließend durch einen konkreten Vorgang in einer Fachanwendung führt.

Parallel verschiebt Userlane seine Analytics-Perspektive in Richtung Application Intelligence. App Discovery soll browserbasierte Anwendungen und KI-Tools sichtbar machen, einschließlich nicht autorisierter Dienste. HEART Analytics ergänzt klassische Nutzungsdaten um Kriterien wie Engagement, Adoption, Retention und Task Success. Damit entsteht eine plattformunabhängige Sicht auf Teile der Software- und KI-Nutzung. Von einer vollständigen Governance-Schicht über sämtliche KI-Systeme eines Unternehmens kann allerdings nicht gesprochen werden: Die Erkennung ist insbesondere auf browserbasierte Nutzung ausgerichtet.

Gemeinsam ist diesen Entwicklungen ein Richtungswechsel: Digital Adoption wird weniger als temporäre Begleitung eines Software-Rollouts verstanden und stärker als kontinuierliche Beobachtungs-, Unterstützungs- und Optimierungsaufgabe.

Employee Hubs werden zur Orchestrierungsschicht

Eine dritte Entwicklung kommt aus dem Intranet- und Employee-Experience-Markt. Dort steht weniger die Analyse als der Zugang zu einer wachsenden Zahl unterschiedlicher Agenten und Services im Mittelpunkt.

LumApps hatte seinen Agent Hub bereits im November 2025 angekündigt und am 23. Juni 2026 den AI Employee Hub offiziell gestartet. Die Plattform soll Unternehmenswissen, Workflows und spezialisierte Agenten in einer gemeinsamen Oberfläche zusammenführen. Dazu gehören ein Agent Studio für die Erstellung eigener Agenten, eine zentrale Agent Library sowie eine Orchestrierungsschicht, die Anfragen an geeignete Systeme oder Agenten weiterleitet.

Im aktuellen Produktangebot beschreibt LumApps zusätzlich rollenbasierte Zugriffssteuerung, die Anbindung von HRIS-, ITSM-, LMS- und Productivity-Systemen sowie die Integration externer MCP- und A2A-Agenten. Damit steht hier weniger die Einführung eines einzelnen Copiloten im Mittelpunkt als die Frage, wie ein heterogenes Agentenangebot für Mitarbeitende bereitgestellt und kontrolliert zugänglich gemacht werden kann.

Auch dieser Ansatz löst nur einen Teil der Transformationsaufgabe. Er zeigt aber eine weitere mögliche Ausprägung der entstehenden Steuerungsschicht: Neben Messung und Adoption entsteht ein Bedarf nach Discovery, Bereitstellung und Orchestrierung von Agenten.

Was an der Entwicklung tatsächlich neu ist

Viele der Einzelmechanismen sind nicht neu. Nutzungsanalysen, In-App-Guidance, Software-Inventarisierung, Dashboards und Transformation Management existieren seit Jahren. Ein AI-Präfix macht daraus noch keine neue Produktklasse.

Drei Veränderungen gehen jedoch über eine reine Umetikettierung hinaus.

Erstens werden KI-Agenten selbst zum Managementobjekt. Unternehmen müssen nicht mehr nur wissen, welche Anwendungen vorhanden sind und wie intensiv sie genutzt werden. Sie müssen zunehmend nachvollziehen, welche Agenten verfügbar sind, wer sie nutzt, auf welche Informationen sie zugreifen und welche Aufgaben sie übernehmen.

Zweitens erweitert sich die wirtschaftliche Steuerung. Neben klassischen Lizenzkosten treten bei generativen und agentischen Diensten teilweise nutzungs- oder verbrauchsabhängige Kostenmodelle. Microsoft macht diesen Aspekt mit dem Consumption Dashboard für Copilot Credits bereits explizit sichtbar. Nutzung, Kosten und Wertbeitrag lassen sich dadurch weniger getrennt betrachten als bei einer reinen Seat-Lizenz.

Drittens verliert Adoption ihren klaren Endpunkt. Modelle, Copilots und Agenten werden laufend verändert und erweitert. Neue Fähigkeiten erscheinen innerhalb bestehender Produkte, andere werden ersetzt oder neu kombiniert. Adoption wird damit weniger zur Phase eines Einführungsprojekts und stärker zu einer dauerhaften Steuerungsaufgabe.

Das deckt sich mit unserer bisherigen Betrachtung zur KI-Adoption: Die Einführung von KI lässt sich nur begrenzt mit einem klassischen Rollout-Modell erklären. Wie sich Microsoft 365 Copilot zunehmend zur Ökosystem-Nabe entwickelt, haben wir zuletzt separat eingeordnet.

Was die neuen Dashboards nicht beantworten

Mit den neuen Werkzeugen wächst die Menge der verfügbaren Daten. Damit wächst allerdings nicht automatisch das Wissen darüber, ob KI zu besserer Arbeit führt.

Ein AI Adoption Score kann zeigen, wie breit bestimmte KI-Funktionen genutzt werden. Agent Analytics kann dokumentieren, welche Use Cases auftreten oder wo Konversationen abbrechen. Consumption Analytics macht den Ressourcenverbrauch sichtbar. Selbst die Verbindung von Nutzungs- und Business-Daten zeigt zunächst Zusammenhänge und keine eindeutige Ursache-Wirkungs-Beziehung.

Damit bleibt eine entscheidende Grenze: Nutzung ist nicht gleich Arbeitsqualität.

Ob Teams mit KI bessere Entscheidungen treffen, belastbarere Analysen erstellen oder lediglich mehr Ergebnisse in kürzerer Zeit produzieren, lässt sich aus Adoption-Metriken allein nicht ableiten. Ebenso wenig beantwortet ein Dashboard, wann menschliche Kontrolle notwendig ist oder welche Qualitätsmaßstäbe für KI-gestützte Ergebnisse gelten sollen.

Die Verantwortungs- und Qualitätsfragen, die wir in unserer Serie AI Governance @ Work diskutiert haben, bleiben deshalb Managementaufgaben. Messsysteme können Transparenz schaffen. Sie ersetzen weder Qualitätskriterien noch Verantwortlichkeiten und organisatorische Entscheidungen.

Entsteht daraus eine eigene Lösungskategorie?

Die aktuelle Anbieterlandschaft liefert darauf noch keine eindeutige Antwort.

Microsoft integriert Analytics, Adoption und Consumption tief in das eigene Copilot-Ökosystem. SAP verbindet WalkMe mit Signavio und LeanIX innerhalb des Business Transformation Managements. Pendo erweitert Product Analytics auf KI-Agenten. WalkMe, Whatfix und Userlane entwickeln Digital Adoption in Richtung kontinuierlicher Analyse und KI-gestützter Unterstützung weiter. LumApps setzt dagegen auf einen zentralen Zugang zu Agenten, Unternehmenswissen und Workflows.

Ähnliche Aufgaben werden damit aus unterschiedlichen Softwarekategorien heraus adressiert.

Gerade deshalb erscheint AI Transformation Management im September 2026 eher als entstehende Funktionsschicht denn als klar abgegrenzter Softwaremarkt. Zu dieser Schicht gehören mindestens vier Aufgaben:

• Nutzung von KI und Agenten transparent machen,
• Adoption und Befähigung kontinuierlich unterstützen,
• Kosten und Wirkung nachvollziehbar machen,
• Agenten, Zugriffe und Angebote organisatorisch steuerbar halten.

Ob diese Funktionen langfristig in eigenständigen Plattformen gebündelt werden oder als Bestandteile großer Workplace-, ERP-, Digital-Adoption- und Analytics-Suiten aufgehen, ist derzeit offen.

Fazit: Aus KI-Adoption wird eine dauerhafte Managementaufgabe

Die Anbieterbewegungen sprechen weniger für die plötzliche Entstehung einer neuen Softwarekategorie als für eine Konvergenz bestehender Märkte. Analytics-Anbieter messen Agenten. Digital-Adoption-Plattformen erweitern ihre Rolle. Business-Transformation-Suiten verbinden Prozesse, Architektur und Adoption. Employee Hubs wollen Agenten und Workflows an einem gemeinsamen Einstiegspunkt orchestrieren.

Neu ist vor allem der Gegenstand dieser Steuerung. Unternehmen verwalten künftig nicht mehr nur Anwendungen, Lizenzen und klassische Software-Rollouts. Mit Copilots und Agenten entsteht ein dynamischeres Portfolio, bei dem Nutzung, Kosten, Befähigung, Qualität und Governance stärker zusammenhängen.

AI Transformation Management lässt sich deshalb zum Stand September 2026 am sinnvollsten als Arbeitsbegriff für diese neue Managementaufgabe verstehen. Ob daraus später auch eine eigenständige Lösungskategorie entsteht, hängt davon ab, ob sich eine unabhängige Plattformschicht zwischen den großen Technologie-Ökosystemen dauerhaft behaupten kann.