AI Trends 2026

Governance wird zur zentralen Herausforderung

Roese sieht Governance als das bestimmende Thema für 2026, das an zwei Fronten wirkt. Über 1.000 Regierungsbehörden weltweit haben unabhängig voneinander und ohne Abstimmung untereinander eigene KI-Vorschriften erlassen, was Roese als Hindernis für den Einsatz von KI in regulierten Anwendungsfällen bezeichnet. Er fordert harmonisierte Rechtsrahmen, räumt jedoch ein, dass dies nicht innerhalb eines Jahres zu lösen sein wird.

Die interne Governance stellt eine ebenso große Herausforderung dar. Dell hat seit 18 Monaten einen Top-down-Ansatz implementiert, aber Roese stellt fest, dass vielen Unternehmen Rahmenbedingungen für die Priorisierung und ROI-Bewertung fehlen. Ohne eine starke interne Governance haben Unternehmen Schwierigkeiten, KI-Projekte in die Produktion zu überführen, wie aktuelle Studien bestätigen, die eine Ausfallrate von 95 % bei KI-Initiativen zeigen.

Wissensschicht erfordert architektonisches Umdenken

Die Infrastruktur für KI geht über die Rechenleistung hinaus und umfasst, wie Roese es nennt, eine „Wissensschicht” zwischen traditionellen Aufzeichnungssystemen und KI-Workloads. Diese Schicht umfasst Vektordatenbanken, Graphdatenbanken und Wissensgraphen, die Daten für die Nutzung durch KI organisieren.

Die strategische Frage, vor der Unternehmen stehen, ist, ob diese Wissensschicht zu den bestehenden Aufzeichnungssystemen gehört oder eher zu KI-Rechenumgebungen. Die Erfahrungen von Dell deuten darauf hin, dass eine Positionierung in der Nähe von KI-Rechenumgebungen einen größeren Mehrwert bietet. Diese Schicht erfordert hohe Leistung, extreme Ausfallsicherheit und unterhält nur Warm- oder Heißspeicher, was sich grundlegend von traditionellen Datenarchitekturen unterscheidet.

Autonome Agenten werden Unternehmen neu gestalten

Während Agenten die Diskussionen im Jahr 2025 dominierten, stellt Roese klar, dass sich echte autonome Agenten erheblich von Chatbots oder einfacher Automatisierung unterscheiden. Diese Systeme kombinieren große Sprachmodelle mit spezialisierten Wissensgraphen, Langzeit- und Kurzzeitgedächtnis, Wahrnehmungsfähigkeiten durch Protokolle wie das Model Context Protocol und Kommunikation zwischen Agenten.

Das Jahr der internen Bereitstellung bei Dell zeigt, dass Agenten Organisationsstrukturen über ihren unmittelbaren Nutzen hinaus verändern. Beispiele hierfür sind Agenten, die sich von Tools zu Koordinationsmanagern für ganze Teams entwickeln, Expertenwissen durch Replikation skalieren und Projekte ermöglichen, die zuvor allein mit personellen Ressourcen als zu kostspielig galten. Eine Anwendung konzentriert sich darauf, die Genauigkeit von CRM-Daten auf unbestimmte Zeit zu nachhaltigen Kosten aufrechtzuerhalten.

Roese betont, dass autonome Agenten unabhängig von den ursprünglichen Erwartungen die Art und Weise, wie Arbeit erledigt wird, und die Teamdynamik grundlegend verändern.

Resilienzarchitektur muss sich weiterentwickeln

Mit über 3.000 Dell-Kunden, die KI-Fabriken aufbauen, sieht sich die Branche mit einer Lücke in Bezug auf Cyber-Resilienz und System-Resilienz-Ansätze konfrontiert, die speziell für KI-Infrastrukturen gelten. Aktuelle Praktiken wie einfache Duplikation erweisen sich als ineffizient.

Roese rechnet mit der Entstehung neuer Architekturen, darunter virtuelle KI-Fabriken in souveränen Infrastrukturen, autonome Agenten, die Failover-Funktionen verwalten, und weiterentwickelte Datenschutzsysteme, die für Wissensgraphen, Vektordatenbanken und die Agenten selbst konzipiert sind. Traditionelle Ansätze, die über Jahrzehnte entwickelt wurden, reichen für KI-Workloads und ihre besonderen Anforderungen nicht aus.

Souveräne Infrastruktur geht über ursprüngliche Anwendungsfälle hinaus

Jedes Land hat inzwischen souveräne KI-Strategien entwickelt, wobei die Infrastruktur ursprünglich für Regierungsdienste und das Training großer Modelle aufgebaut wurde. Roese identifiziert fünf zusätzliche Anwendungsfälle, die die Einführung souveräner Infrastruktur vorantreiben werden.

Physische KI und Robotik, insbesondere in militärischen Anwendungen, erfordern weltweite Fachkräfte und eine unterstützende Infrastruktur innerhalb der Landesgrenzen. Die Vergabe von Lizenzen für staatlich autorisierte Funktionen in Bereichen wie Steuerwesen, Recht und Gesundheitswesen erfordert eine Infrastruktur in der zuständigen Gerichtsbarkeit. Kritische Infrastruktur-KI-Systeme benötigen Backup-Kapazitäten innerhalb ihrer Souveränität. Die Feinabstimmung kleinerer spezialisierter Modelle erfordert zugängliche Rechenressourcen. Interoperabilitätszonen für die grenzüberschreitende Zusammenarbeit von Agenten erfordern eine vertrauenswürdige Infrastruktur für den kontrollierten Datenaustausch.

Quantum Computing schreitet stetig voran

Als ergänzende Prognose stellt Roese fest, dass Quantum Computing die Lücke zwischen Algorithmusanforderungen und Systemfähigkeiten weiter schließt. Aktuelle Systeme von Quantinuum und IBM haben über 100 vollständig fehlerkorrigierte Qubits erreicht, während KI-gesteuerte Software-Innovationen die Qubit-Anforderungen für nützliche Algorithmen reduzieren. Auch wenn für 2026 keine Durchbrüche zu erwarten sind, nähert sich die Konvergenz zwischen verfügbaren Qubits und algorithmischen Anforderungen schneller als allgemein angenommen.

Überlegungen zur Implementierung

Der Ansatz von Dell beim Einsatz von Agenten betont abgestufte Kontrollrahmen, beginnend mit Anwendungen mit engem Anwendungsbereich und einer Erweiterung der Fähigkeiten im Zuge der Entwicklung von Vertrauen. Das Unternehmen hat technische Richtlinien festgelegt, nach denen alle Agenten, ob intern oder extern, zu Kontroll- und Widerrufszwecken von Dell ausgestellte digitale Identitäten mit sich führen müssen.

Roese warnt davor, dass die Preismodelle für Agentendienste noch ausgereift sind und potenziell teuer sein können. Dell hat sich dafür entschieden, viele Agenten auf der internen Infrastruktur einzusetzen, um die Kosten zu kontrollieren, während die Preise für externe Agenten sorgfältig ausgehandelt werden, um untragbare transaktionsbasierte Ausgaben zu vermeiden.

Das durchgängige Thema aller Prognosen ist die Governance, die eine erfolgreiche Einführung von KI ermöglicht. Die technischen Fähigkeiten und Geschäftsmodelle sind klarer geworden, aber Unternehmen ohne Rahmenbedingungen für die Priorisierung und Fokussierung von Ressourcen haben Schwierigkeiten, über Pilotprojekte hinaus zur produktiven Nutzung zu gelangen.

Governance Emerges as Central Challenge

Roese positions governance as the defining issue for 2026, operating on two fronts. Over 1,000 governmental jurisdictions worldwide have implemented independent AI regulations without coordination, creating what Roese describes as a barrier to deploying AI in regulated use cases. He calls for harmonized regulatory frameworks while acknowledging this won’t be resolved within the year.

Internal governance presents equally significant challenges. Dell has implemented a top-down governed approach for 18 months, but Roese notes many enterprises lack frameworks for prioritization and ROI assessment. Without strong internal governance, organizations struggle to move AI projects into production, as confirmed by recent studies showing 95% failure rates for AI initiatives.

Knowledge Layer Requires Architectural Rethinking

The infrastructure stack for AI extends beyond compute to include what Roese terms a „knowledge layer“ between traditional systems of record and AI workloads. This layer encompasses vector databases, graph databases, and knowledge graphs that organize data for AI consumption.

The strategic question facing organizations is whether this knowledge layer belongs with existing systems of record or closer to AI compute environments. Dell’s experience suggests positioning it near AI compute delivers greater value. This layer requires high performance, extreme resilience, and maintains only warm or hot storage, fundamentally differing from traditional data architectures.

Autonomous Agents Will Reshape Organizations

While agents dominated 2025 discussions, Roese clarifies that true autonomous agents differ substantially from chatbots or basic automation. These systems combine large language models with specialized knowledge graphs, long- and short-term memory, perception capabilities through protocols like Model Context Protocol, and agent-to-agent communication.

Dell’s year of internal deployment reveals agents transform organizational structures beyond their immediate utility. Examples include agents evolving from tools to coordination managers for entire teams, scaling expert knowledge through replication, and enabling projects previously deemed too costly with human resources alone. One application focuses on maintaining CRM data accuracy indefinitely at sustainable cost levels.

Roese emphasizes that regardless of initial expectations, autonomous agents fundamentally alter how work gets done and team dynamics function.

Resiliency Architecture Must Evolve

With over 3,000 Dell customers building AI factories, the industry faces a gap in cyber resiliency and system resiliency approaches specific to AI infrastructure. Current practices like simple duplication prove inefficient.

Roese anticipates new architectures emerging, including virtual AI factories in sovereign infrastructure, autonomous agents managing failover functions, and evolved data protection systems designed for knowledge graphs, vector databases, and the agents themselves. Traditional approaches developed over decades won’t suffice for AI workloads and their distinct requirements.

Sovereign Infrastructure Expands Beyond Initial Use Cases

Every country has now developed sovereign AI strategies, with infrastructure initially built for government services and large model training. Roese identifies five additional use cases that will drive sovereign infrastructure adoption.

Physical AI and robotics, particularly in military applications, require world brains and supporting infrastructure located within national boundaries. Agentic licensing for government-authorized roles in fields like tax expertise, law, and healthcare necessitates infrastructure in the authorizing jurisdiction. Critical infrastructure AI systems need backup capabilities within their sovereignty. Fine-tuning smaller specialized models requires accessible compute resources. Interworking zones for cross-border agent collaboration demand trusted infrastructure for controlled data sharing.

Quantum Computing Advances Steadily

As a supplementary prediction, Roese notes quantum computing continues closing the gap between algorithm requirements and system capabilities. Recent systems from Quantinuum and IBM have achieved over 100 fully error-corrected qubits, while AI-driven software innovations reduce qubit requirements for useful algorithms. While not expecting breakthroughs in 2026, the convergence between available qubits and algorithmic needs approaches faster than commonly understood.

Implementation Considerations

Dell’s approach to agent deployment emphasizes graduated control frameworks, starting with narrow-scope applications and expanding capabilities as trust develops. The company has established technical guidelines requiring all agents, whether internal or external, to carry Dell-issued digital identities for control and revocation purposes.

Roese warns that pricing models for agent services remain immature and potentially expensive. Dell has chosen to deploy many agents on internal infrastructure to control costs, while carefully negotiating external agent pricing to avoid unsustainable transaction-based expenses.

The consistent theme across predictions centers on governance enabling successful AI adoption. Technical capabilities and business cases have become clearer, but organizations without frameworks for prioritization and resource focus struggle to move beyond pilots into production deployment.