KI-Agenten für Unternehmen: Wann sie sinnvoll sind und wann ein Workflow reicht
Ein KI-Agent ist nicht einfach ein besserer Chatbot. Er erhält ein Ziel, zerlegt die Aufgabe in mehrere Schritte, nutzt dafür Werkzeuge und Datenquellen und entscheidet innerhalb eines vorgegebenen Rahmens selbst, welchen Weg er nimmt. Genau diese Flexibilität macht KI-Agenten für Unternehmen interessant. Sie macht sie aber auch komplexer als klassische Automatisierungen. Die wichtigste Frage lautet deshalb nicht: „Wo können wir einen KI-Agenten einsetzen?“ Sondern: „Wo brauchen wir tatsächlich einen Agenten und wo reicht ein einfacher, kontrollierbarer Workflow?“ Für Unternehmen ist diese Unterscheidung entscheidend. Denn ein Agent kann Aufgaben lösen, die sich nur schwer vollständig in Regeln übersetzen lassen. Gleichzeitig entstehen zusätzliche Kosten, Kontrollbedarf und neue Fehlerquellen. Die beste Automatisierung ist deshalb nicht automatisch die intelligenteste. Es ist die einfachste Lösung, die den Prozess zuverlässig erfüllt.
Inhalt9 Abschnitte
Was ist ein KI-Agent und was unterscheidet ihn von einem Chatbot?
Ein KI-Agent ist ein Softwaresystem, das ein vorgegebenes Ziel in Teilschritte zerlegt, selbstständig geeignete Werkzeuge oder Datenquellen auswählt und die einzelnen Schritte ausführt, ohne dass jeder Schritt vorher fest programmiert sein muss. Der entscheidende Unterschied liegt im Handlungsspielraum. Ein klassischer Chatbot reagiert auf eine Eingabe und liefert eine Antwort.
Ein Agent kann darüber hinaus beispielsweise:
- Informationen aus mehreren Datenquellen abrufen
- APIs oder andere Software aufrufen
- Zwischenergebnisse bewerten
- seinen nächsten Schritt anhand des bisherigen Ergebnisses auswählen
- Aufgaben über mehrere Schritte verfolgen
- bei Bedarf eine menschliche Freigabe anfordern
Autonomie bedeutet dabei nicht, dass der Agent völlig frei handelt.
Ziele, verfügbare Werkzeuge, Berechtigungen und Grenzen werden weiterhin von Menschen definiert.
Das ist ein wichtiger Unterschied zum häufigen Marktnarrativ vom vollständig autonomen KI-System.
Die Zahl beschreibt die Nutzung künstlicher Intelligenz insgesamt und nicht speziell den Einsatz von KI-Agenten. Bei Unternehmen mit 250 oder mehr Beschäftigten lag der Anteil bei 57 Prozent, bei Unternehmen mit 10 bis 49 Beschäftigten bei 23 Prozent.
Quelle: Statistisches BundesamtKI-Agenten entscheiden selbst über einzelne Schritte und Werkzeugaufrufe. Welche Ziele sie verfolgen dürfen, auf welche Systeme sie zugreifen können und welche Aktionen eine Freigabe benötigen, wird weiterhin vom Unternehmen definiert.
Was bedeutet Agentic AI?
Die Begriffe KI-Agent, AI Agent und Agentic AI werden im Markt nicht einheitlich verwendet.
Für diesen Artikel verwenden wir deshalb eine praktische Unterscheidung, die sich an der Systematik von Anthropic orientiert:
Agentische Systeme ist der Oberbegriff.
Darunter unterscheiden wir zwischen:
- Workflows mit vorher festgelegten Abläufen
- Agenten, die ihren Lösungsweg innerhalb eines definierten Rahmens dynamisch bestimmen
Das ist für Unternehmen hilfreicher als ein Streit über Begriffe.
KI-Agent oder klassischer Workflow: Was braucht Ihr Prozess wirklich?
Wenn ein Prozess vollständig als klare Wenn-Dann-Logik beschrieben werden kann, ist ein klassischer Workflow häufig die bessere Lösung. Ein Agent wird interessant, wenn der Lösungsweg nicht vollständig vorhersehbar ist.
Anthropic unterscheidet genau zwischen diesen beiden Modellen:
Bei einem Workflow werden Modelle und Werkzeuge über vorab definierte Pfade orchestriert.
Bei einem Agenten entscheidet das Modell dynamisch, welche Schritte und Werkzeuge es für die Aufgabe benötigt.
Das bedeutet nicht, dass ein Agent technisch überlegen ist.
Im Gegenteil.
Agenten benötigen häufig mehr Modellaufrufe, mehr Werkzeugaufrufe und mehr Kontrollmechanismen. Dadurch können Kosten und Laufzeit steigen. Gleichzeitig können Fehler über mehrere Schritte weitergetragen werden.
Wenn ein fester Workflow dieselbe Aufgabe zuverlässig erfüllt, ist zusätzliche Autonomie deshalb oft unnötig.
Ablauf vorher definiert · Regeln bestimmen den nächsten Schritt · besonders geeignet für strukturierte Prozesse · Verhalten leichter nachvollziehbar · Fehlerpfade besser vorhersehbar · meist geringere technische Komplexität
Ziel wird vorgegeben, Weg bleibt flexibel · kann Werkzeuge dynamisch auswählen · verarbeitet auch unstrukturierte Informationen · kann auf Zwischenergebnisse reagieren · eignet sich für variable Entscheidungswege · benötigt stärkere Evaluation und Kontrolle
In welchen Prozessen lohnt sich ein KI-Agent?
KI-Agenten sind besonders interessant, wenn ein Prozess regelmäßig vorkommt, unterschiedliche Eingaben verarbeiten muss und mehrere mögliche Wege zum Ziel führen. Entscheidend ist nicht die Abteilung. Entscheidend sind die Eigenschaften des Prozesses.
| Prozesstyp | Beispiel | Workflow reicht oft | KI-Agent sinnvoll |
|---|---|---|---|
| Klare Regeln, strukturierte Daten | Datensatz aus System A nach System B übertragen | Ja | Meist nicht nötig |
| Unstrukturierte Anfragen | E-Mails oder Supporttickets einordnen | Bei klaren Kategorien | Wenn Kontext und mehrere Systeme berücksichtigt werden müssen |
| Recherche | Informationen aus verschiedenen Quellen zusammentragen | Bei einer festen Quelle | Wenn der Suchweg nicht vorher bekannt ist |
| Dokumente | Rechnungen, Verträge oder andere Dokumente verarbeiten | Bei gleichförmigen Dokumenten | Bei stark variierenden Dokumenten und Kontext |
| Interne Wissenssuche | Informationen aus mehreren Wissensquellen finden | Bei einer strukturierten Datenbank | Bei vielen unstrukturierten Quellen |
| Vertrieb | Gesprächsnotizen auswerten oder Leads vorbereiten | Bei festem Scoring | Bei kontextabhängiger Bewertung |
| Content | Inhalte prüfen, recherchieren und vorbereiten | Bei Formatierung und Distribution | Bei Recherche und kontextabhängiger Bewertung |
Ein gutes Beispiel ist die Kombination mehrerer Automatisierungsformen.
Nicht jede Anfrage muss sofort an einen leistungsfähigen Agenten gehen.
Ein vorgeschalteter Workflow kann zunächst einfache Fälle erkennen und direkt bearbeiten. Nur komplexe oder unklare Fälle werden anschließend an einen Agenten weitergegeben.
Damit wird KI dort eingesetzt, wo ihre Flexibilität tatsächlich gebraucht wird.
Woran erkennen Sie, dass ein Prozess automatisierungsreif ist?
Bevor ein Unternehmen einen KI-Agenten entwickelt, sollte der zugrunde liegende Prozess stabil genug sein. Ein chaotischer Prozess wird durch KI nicht automatisch zu einem guten Prozess.
Wir würden deshalb mindestens sechs Fragen beantworten:
- Kommt die Aufgabe regelmäßig genug vor?
- Ist das gewünschte Ergebnis klar definiert?
- Sind die benötigten Daten und Systeme zugänglich?
- Lassen sich gute und schlechte Ergebnisse bewerten?
- Ist klar, welche Aktionen der Agent ausführen darf?
- Wissen wir, was bei einem Fehler passieren soll?
Je schlechter diese Fragen beantwortet werden können, desto schwieriger wird eine zuverlässige Automatisierung.
Ein guter KandidatDer Prozess tritt regelmäßig auf, benötigt Kontext oder unstrukturierte Informationen und besitzt trotzdem ein klar definierbares Ziel.
Ein schlechter KandidatDer Prozess ändert sich ständig, besitzt kein messbares Ergebnis oder basiert auf Entscheidungen, deren Regeln im Unternehmen selbst nicht klar sind.
Ein WarnsignalNiemand kann erklären, wie der Prozess heute eigentlich funktioniert. Dann sollte zuerst der Prozess geklärt werden, bevor eine KI ihn übernimmt.
Was kostet ein KI-Agent wirklich?
Für KI-Agenten gibt es keinen seriösen allgemeinen Marktpreis. Die Kosten hängen davon ab, welche Systeme angebunden werden, wie viele Aufgaben der Agent ausführt, welche Daten benötigt werden und wie stark seine Ergebnisse kontrolliert werden müssen.
Pauschale Aussagen wie „Ein KI-Agent kostet 2.500 Euro“ oder „Mit KI sparen Unternehmen 70 Prozent“ sind deshalb ohne konkrete Annahmen wenig hilfreich.
Sinnvoller ist es, die Kosten in fünf Ebenen zu zerlegen.
| Kostenebene | Was dazugehört | Typ |
|---|---|---|
| Konzeption und Prozessanalyse | Prozessaufnahme, Zieldefinition, Use-Case-Auswahl und Machbarkeit | Einmalig, stark projektspezifisch |
| Aufbau | Entwicklung, Integrationen, Datenanbindung, Retrieval, Testing und Evaluation | Einmalig, stark projektspezifisch |
| Modell- und Plattformnutzung | Modellaufrufe, Werkzeugaufrufe und technische Infrastruktur | Nutzungsabhängig |
| Betrieb und Kontrolle | Monitoring, Protokollierung, Fehlerbehandlung und menschliche Freigaben | Laufend |
| Weiterentwicklung | Neue Fälle, geänderte Prozesse, Modellwechsel und erneute Evaluation | Laufend, projektspezifisch |
Ein häufig unterschätzter Punkt sind die laufenden Modell- und Werkzeugaufrufe.
Ein Agent kann für eine einzelne Aufgabe mehrere Zwischenschritte ausführen.
Jeder zusätzliche Schritt kann weitere Eingaben, Ausgaben oder Werkzeugaufrufe erzeugen.
Mehr Autonomie kann deshalb nicht nur mehr Möglichkeiten bedeuten, sondern auch höhere laufende Nutzungskosten.
Noch wichtiger ist allerdings der Betrieb.
Monitoring, Evaluation und Fehlerbehandlung verschwinden nach dem Launch nicht.
Gerade bei geschäftskritischen Prozessen gehört deshalb nicht nur die Entwicklung, sondern auch die laufende Kontrolle in die Kostenbetrachtung.
Wo liegen die Grenzen und wann braucht es Human-in-the-Loop?
KI-Agenten können selbstständig Zwischenschritte wählen. Genau deshalb müssen Unternehmen festlegen, wo diese Autonomie endet. Eine pauschale Regel wie „Jeder Agent braucht vor jeder Aktion eine menschliche Freigabe“ wäre unnötig. Ebenso riskant wäre: „Der Agent darf alles selbst entscheiden.“
Sinnvoll ist eine risikobasierte Abstufung.
Das NIST AI Risk Management Framework betrachtet Risiko als Kombination aus Eintrittswahrscheinlichkeit und möglichem Schadensausmaß.
Für Unternehmen ergibt sich daraus eine praktische Frage: „Was passiert, wenn der Agent falsch liegt?“
Je größer der mögliche Schaden, desto stärker sollten Kontrolle und Freigabe sein.
Ein Agent, der zehn Minuten Arbeit spart, aber bei einem Fehler eine falsche Zahlung, eine Vertragsänderung oder eine ungeprüfte Veröffentlichung auslösen kann, braucht eine andere Kontrollarchitektur als ein Agent, der interne Dokumente vorsortiert.
Menschliche Freigabe ist besonders sinnvoll, wenn:
- eine Aktion nach außen wirksam wird
- Geld bewegt wird
- Verträge oder verbindliche Angebote betroffen sind
- personenbezogene oder sensible Daten verarbeitet werden
- eine Entscheidung nicht einfach rückgängig gemacht werden kann
- der Fall außerhalb der getesteten Szenarien liegt
- der Agent mehrfach ohne Fortschritt iteriert
- das Ergebnis später nachvollziehbar begründet werden muss
Bei niedrigen Fehlerkosten kann dagegen stärker automatisiert werden.
Datenschutz und EU AI Act
Für deutsche Unternehmen gehören Datenschutz und Regulierung bereits in die Konzeption.
Vor dem Aufbau sollte unter anderem geklärt werden:
- Welche personenbezogenen Daten verarbeitet das System?
- Welche Daten verlassen die eigene Infrastruktur?
- Welche externen Modellanbieter und Plattformen erhalten Zugriff?
- Welche Werkzeuge darf der Agent aufrufen?
- Welche Aktionen werden protokolliert?
- Wer kann Berechtigungen ändern?
- Welche Entscheidungen benötigen eine menschliche Prüfung?
Der EU AI Act schreibt menschliche Aufsicht nicht pauschal für jeden betrieblichen KI-Agenten vor.
Artikel 14 bezieht sich auf Hochrisiko-KI-Systeme.
Ob ein konkreter Anwendungsfall darunter fällt, muss im Einzelfall fachlich und gegebenenfalls rechtlich geprüft werden.
Dieser Artikel ersetzt keine rechtliche Beratung.
Fertige Plattform oder eigener KI-Agent?
Unternehmen müssen einen KI-Agenten nicht zwangsläufig vollständig selbst entwickeln. Zwischen fertigen Plattformen und einem individuell aufgebauten Agenten existieren unterschiedliche Abstufungen.
Eine fertige Plattform kann sinnvoll sein, wenn Standardintegrationen und vorhandene Agentenfunktionen den Prozess bereits gut abdecken.
Ein individueller Aufbau wird interessanter, wenn eigene Systeme, spezielle Berechtigungen oder besondere Prozesslogik integriert werden müssen.
schnellerer Einstieg möglich · bestehende Integrationen · Infrastruktur teilweise bereits vorhanden · weniger eigene Orchestrierung nötig · laufende Plattformkosten · Funktionsumfang durch Plattform bestimmt
stärkere Kontrolle über Prozesslogik · eigene Integrationen möglich · Berechtigungen detaillierter gestaltbar · mehr Entwicklungsaufwand · Evaluation und Monitoring selbst zu organisieren · laufende technische Weiterentwicklung notwendig
Die Entscheidung ist selten rein technisch.
Entscheidend ist, welche Teile des Systems für das Unternehmen strategisch wichtig sind.
Dazu gehören beispielsweise:
- Prozesslogik
- Prompts und Anweisungen
- Werkzeugdefinitionen
- Datenquellen
- Berechtigungen
- Evaluationen
- Protokolle
Eine sinnvolle Architektur sollte deshalb bereits vor dem Aufbau berücksichtigen, welche Teile später ausgetauscht oder erweitert werden können.
Wann ist ein KI-Agent die falsche Lösung?
Ein KI-Agent ist nicht sinnvoll, nur weil er technisch möglich wäre. Gerade einfache Automatisierungen werden häufig unnötig kompliziert, wenn jede Aufgabe mit generativer KI gelöst werden soll.
Wir würden eher von einem Agenten abraten, wenn:
- ein einfacher Workflow dieselbe Aufgabe zuverlässig löst
- die Entscheidung vollständig regelbasiert ist
- nur wenige Fälle pro Jahr auftreten
- Fehler sehr hohe oder irreversible Folgen haben
- die Datenbasis unklar oder unzuverlässig ist
- keine Möglichkeit zur Evaluation besteht
- niemand für den laufenden Betrieb verantwortlich ist
- der Prozess selbst noch nicht stabil definiert wurde
Anthropic empfiehlt selbst, zunächst mit möglichst einfachen Lösungen zu beginnen und zusätzliche Komplexität nur einzusetzen, wenn sie messbar bessere Ergebnisse liefert.
Das ist auch für Unternehmen eine gute Leitlinie.
Wenn ein fester Workflow dieselbe Aufgabe günstiger, schneller und nachvollziehbarer erledigt, ist der Workflow die bessere technische Lösung. KI sollte dort eingesetzt werden, wo ihre Flexibilität einen echten Nutzen erzeugt.
Bei komplexeren Vorhaben kann eine KI Agentur dabei helfen, Prozess, Automatisierungsform, Integrationen und Kontrollmechanismen gemeinsam zu bewerten, bevor die technische Umsetzung beginnt.
Wie starten Unternehmen sinnvoll mit KI-Agenten?
Der beste Einstieg ist kein Agent, der sofort ein halbes Unternehmen automatisieren soll. Ein guter erster Use Case ist klar abgegrenzt. Er tritt regelmäßig auf, besitzt messbare Ergebnisse und kann notfalls jederzeit wieder manuell übernommen werden.
Wir würden in fünf Schritten starten:
- 1. Prozess auswählen
- 2. heutigen Ablauf dokumentieren
- 3. Workflow und Agent gegeneinander prüfen
- 4. kleinen Pilot mit klaren Grenzen bauen
- 5. Ergebnisse evaluieren und erst danach erweitern
Für den Pilot sollte bereits definiert sein:
- Was ist ein korrektes Ergebnis?
- Welche Fehler sind akzeptabel?
- Welche Aktionen darf der Agent selbst durchführen?
- Wann muss ein Mensch übernehmen?
- Welche Daten und Systeme darf der Agent verwenden?
- Wie wird jede relevante Aktion protokolliert?
Erst wenn diese Grundlagen funktionieren, sollte der Handlungsspielraum erweitert werden.
Das reduziert das Risiko, einen technisch beeindruckenden Agenten zu bauen, der im Unternehmensalltag keinen belastbaren Nutzen erzeugt.
Quellen & Daten
- Building Effective Agents
- Tool use with Claude
- Agents Guide
- Was sind KI-Agenten? Definition, Beispiele und Arten
- Was sind KI-Agenten?
- Was sind KI-Agenten? (IBM Think)
- Was sind KI-Agenten: Vorteile und geschäftliche Anwendungen
- KI Agent: Einführung und Umsetzung
- AI Risk Management Framework 1.0 (NIST AI 100-1)
- EU AI Act, Artikel 14: Human Oversight
- Unternehmen mit Nutzung von Technologien der künstlichen Intelligenz
- Key concept glossary
- AI Agents
Häufige Fragen
Was ist ein KI-Agent?
Ein KI-Agent ist ein Softwaresystem, das ein vorgegebenes Ziel selbstständig in mehrere Schritte zerlegen kann. Dabei kann es Werkzeuge und Datenquellen verwenden und innerhalb eines definierten Rahmens entscheiden, welchen nächsten Schritt es ausführt.
Was kostet ein KI-Agent?
Es gibt keinen belastbaren allgemeinen Marktpreis für einen KI-Agenten. Die Kosten hängen unter anderem von Prozessanalyse, Entwicklung, Integrationen, Modell- und Plattformnutzung, Monitoring und menschlichen Freigaben ab. Erst mit einem konkreten Use Case und Mengengerüst lässt sich ein seriöser Aufwand bestimmen.
Ist ChatGPT ein KI-Agent?
Das hängt von der jeweiligen Funktionsweise ab. Ein reiner Chat, der auf eine Eingabe antwortet, entspricht eher einem Assistenten. Ein System, das selbstständig Werkzeuge aufruft, Aufgaben plant und Aktionen über mehrere Schritte ausführt, erfüllt dagegen typische Merkmale eines KI-Agenten. Deshalb sollte die Einordnung über die Mechanik und nicht allein über den Produktnamen erfolgen.
Was ist der Unterschied zwischen einem KI-Agenten und einer klassischen Automatisierung?
Bei einer klassischen Automatisierung ist der Ablauf weitgehend vorher definiert. Ein KI-Agent kann innerhalb eines gesetzten Rahmens dynamisch entscheiden, welche Schritte und Werkzeuge für ein Ziel notwendig sind. Diese Flexibilität ist hilfreich bei variablen oder unstrukturierten Aufgaben, erzeugt aber zusätzlichen Kontrollbedarf.
Für welche Prozesse eignen sich KI-Agenten?
Besonders interessant sind Prozesse mit unstrukturierten Informationen, unterschiedlichen Entscheidungspfaden und mehreren möglichen Werkzeugen oder Datenquellen. Beispiele sind Recherche, Wissenssuche, Dokumentenverarbeitung, Ticket-Triage oder bestimmte vertriebliche und administrative Aufgaben.
Braucht ein KI-Agent immer menschliche Kontrolle?
Nicht jede Aktion benötigt eine manuelle Freigabe. Der Kontrollbedarf sollte sich am Risiko orientieren. Je teurer, schwerer rückgängig zu machen oder sensibler eine falsche Entscheidung wäre, desto stärker sollte menschliche Kontrolle in den Prozess eingebaut werden.
Wann sollte ein Unternehmen keinen KI-Agenten einsetzen?
Wenn ein Prozess vollständig regelbasiert ist und sich zuverlässig mit einem klassischen Workflow lösen lässt, ist ein Agent häufig unnötig. Gleiches gilt bei sehr hohen Fehlerkosten, fehlender Datenbasis, unklaren Prozessen oder wenn niemand für Evaluation und laufenden Betrieb verantwortlich ist.
Lassen Sie uns über Ihr Projekt sprechen
Ob neue Website, Relaunch, SEO, GEO oder KI-Lösung: Wir schauen uns Ihr Vorhaben an und zeigen Ihnen, welche Lösung für Ihr Unternehmen sinnvoll ist.
Projekt besprechen