Bonn, 7 Mai 2026. Agentische KI hält Einzug in die Entwicklungszusammenarbeit (EZ), noch bevor sie dort gesteuert werden kann. Deutschland sollte bei der technologischen Transformation des Sektors eine Führungsrolle übernehmen.
Agentische KI hält Einzug in die EZ, noch bevor der Sektor die Mittel hat, sie zu steuern. Anders als die bisher genutzten Chatbots handeln agentische Systeme eigenständig: Sie rufen Tools auf und verknüpfen Schritte, um Aufgaben zu lösen. Wenn das OECD-DAC-Governance-Netzwerk diesen Monat über KI berät, stellt sich daher eine schwierige Frage: Wie lässt sich eine derart schnelllebige, zunehmend autonome Technologie einführen und steuern?
Als größter Geber unter den DAC-Ländern sollte Deutschland eine Führungsrolle bei der technologischen Transformation des Entwicklungssektors übernehmen. Das Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) könnte eine technische Einheit aufbauen, die mit KI-Tools experimentiert und Rechenschaftsstandards setzt. Dafür braucht es politischen Willen und einen institutionellen Rahmen, der KI als sich stetig verschiebende technologische Grenze begreift.
Der EZ-Sektor ist noch nicht bereit für agentische KIDas erste Problem ist das enorme Tempo des Wandels. In nur 18 Monaten hat sich die Technologie deutlich gewandelt: von Chatbots, die Informationen abrufen, hin zu Systemen, die Daten generieren und eigenständig mit mehreren Tools arbeiten. Laut AI Index 2025 der Stanford University sanken die Betriebskosten dieser Modelle im selben Zeitraum um mehr als das 280-Fache. Die Hürden für fortschrittliche KI sinken entsprechend. Bei Innovationszyklen von Wochen kommt die EZ mit ihren langen Beschaffungsfristen und der starren Bürokratie kaum hinterher.
Aus dieser Diskrepanz ergibt sich ein Kapazitätsproblem. Entwicklungsorganisationen gelingt es kaum, KI-Innovationen zu verfolgen, eigene Tools zu entwickeln und zugleich Qualifikationslücken zu schließen. Die absehbare Folge: Einzelne Mitarbeitende experimentieren nebenbei, während kleinere Einheiten auf das jeweils günstigste kommerzielle Modell zurückgreifen.
Diese Kapazitätsengpässe haben zwei Folgen. Erstens wird die Skalierbarkeit beeinträchtigt: Laut einer OECD-Übersicht verbleiben die meisten KI-Pilotprojekte in der explorativen Phase. Zweitens führen ad-hoc eingesetzte KI-Anwendungen zu inkompatiblen Standards und Lücken in der Rechenschaftspflicht.
Die größere Hürde sind jedoch die Daten. KI ist nur so leistungsfähig wie die Informationen, auf denen sie beruht. In fragilen Staaten und Gemeinschaften mit eingeschränktem digitalen Zugang – etwa dort, wo viele unterrepräsentierte afrikanische Sprachen in Trainingsdaten kaum vorkommen – können agentische Systeme irreführende Ergebnisse liefern, mit teils gravierenden Folgen für Entwicklungsprogramme.
Das BMZ sollte eine Führungsrolle übernehmenDas BMZ hat bereits Vorarbeit für sektorale Reformen geleistet. Das BMZ Data Lab hat Datenpipelines und einen ministeriellen Chatbot (KIEZ) entwickelt. FAIR Forward hat gemeinsam mit sieben Partnerländern an offenen KI-Daten gearbeitet und dabei aufschlussreiche Materialien produziert. Der neue Reformplan des BMZ greift KI ebenfalls an drei Stellen auf, darunter die Einrichtung einer neuen Einheit für strategische Vorausschau. Doch versteht er KI weiterhin als Instrument – und nicht als sich verschiebende Grenze, die kontinuierliche institutionelle Beobachtung erfordert.
Das BMZ könnte ein Team aufstellen, welches sektorweite KI-Kompetenz bereithält. Dies wäre eine agile Einheit aus Ingenieur*innen und Entwicklungspraktiker*innen, die Ressourcen verschiedener Akteure bündelt, Protokolle entwickelt und modernste KI-Tools für Geber und Entwicklungsorganisationen testet – für eine sichere und dennoch schnellere Einführung. Ihr Mandat ginge über die interne Unterstützung des Ministeriums hinaus. Es würde mit kürzeren Vertrags- und Beschaffungszyklen arbeiten als im Sektor üblich, mit Klauseln, die eine kontinuierliche Weiterentwicklung der Tools im Zuge des technologischen Fortschritts erlauben. Kleinere Geber und andere Organisationen könnten über Co-Entwicklung, gemeinsame Schulungen und offenen Zugang zu Tools und Protokollen auf dieselben Ressourcen zugreifen.
Eine solche Einheit würde zwei Probleme zugleich adressieren. Das BMZ würde zu einem zentralen Knotenpunkt für die Bündelung von Ressourcen und den Aufbau gemeinsamer Kapazitäten im Sektor. Zugleich könnte es sektorspezifische Standards für algorithmische Rechenschaftspflicht entwickeln – etwa verpflichtende Prüfpfade für Entscheidungen in jedem agentischen KI-System. Diese Instrumente wiederum würden das BMZ stärken, indem sie die normativen Debatten über den Einsatz von KI in der EZ weltweit aktiv mitgestalten.
Dieselbe Einheit könnte auch das Datenproblem aufgreifen. Sie könnte Leitlinien für „Datenbereitschaftsbewertungen“ entwickeln – als Standardvoraussetzung für jede KI-gestützte Programmierung (vergleichbar mit Umweltverträglichkeitsprüfungen). Zudem könnte sie dazu beitragen, über Jahrzehnte gewachsenes institutionelles Erfahrungswissen des Sektors in öffentlich zugängliches, KI-gestütztes und handlungsorientiertes Wissen zu überführen (über KIEZ hinaus). Dieses könnte erstens digital benachteiligten Gemeinschaften mehr Sichtbarkeit verschaffen und zweitens Fachkräfte weltweit stärken. Statt eines 100-seitigen, statischen PDF-Toolkits wäre ein interaktives System denkbar, in dem Anwender*innen fragen können: „Was hat in ähnlichen Kontexten wie meinem funktioniert?“ und das daraufhin synthetisierte, quellenbasierte Antworten liefert.
Deutschland sollte dieses enge Zeitfenster nicht verpassen, um zur führenden Stimme der KI-Transformation in der EZ zu werden.