KI-Agenten im Unternehmen: Was sie können und wie der Einstieg gelingt

1. Was sind KI-Agenten?

Ein KI-Agent ist ein Softwaresystem, das mithilfe künstlicher Intelligenz bestimmte Ziele verfolgen und dafür geeignete Aktionen auswählen kann.

Im Unterschied zu einer einfachen Texteingabe an ein KI-Modell kann ein Agent zusätzlich auf definierte Werkzeuge und Datenquellen zugreifen.

Dadurch kann er beispielsweise Informationen aus einer Datenbank abrufen, Dokumente analysieren oder einen vorbereiteten Datensatz an eine andere Anwendung übergeben.

Ein einfaches Beispiel

Ein Unternehmen erhält täglich zahlreiche E-Mails mit unterschiedlichen Anliegen.

Ein KI-Agent könnte innerhalb eines kontrollierten Prozesses:

1. Eine neue Nachricht erfassen.
2. Den Inhalt analysieren.
3. Das Anliegen einer Kategorie zuordnen.
4. Benötigte Informationen aus einem freigegebenen System abrufen.
5. Einen Antwortentwurf vorbereiten.
6. Den Vorgang einem zuständigen Mitarbeiter zuweisen.

Ob der Agent zusätzlich selbstständig eine Antwort versenden darf, sollte von der Art des Vorgangs und den festgelegten Freigaberegeln abhängen.

Sind KI-Agenten vollständig autonom?

Nicht unbedingt.

Der Begriff umfasst Systeme mit sehr unterschiedlichen Autonomiegraden.

Einige Agenten führen nur einzelne, eng definierte Aufgaben aus. Andere können mehrstufige Abläufe planen und verschiedene Werkzeuge verwenden.

Für geschäftliche Anwendungen ist eine möglichst hohe Autonomie nicht automatisch vorteilhaft.

Häufig ist ein kontrollierter Prozess mit klaren Grenzen zuverlässiger als ein System, das weitreichende Entscheidungen selbstständig trifft.

2. KI-Agenten, Chatbots und klassische Automatisierung: Was ist der Unterschied?

Die Begriffe KI-Agent, Chatbot und Automatisierung werden häufig miteinander vermischt.

Für die technische Planung ist die Unterscheidung jedoch wichtig.

Wann ist klassische Automatisierung besser?

Wenn ein Prozess vollständig durch feste Regeln beschrieben werden kann, ist eine klassische Automatisierung häufig die einfachere Lösung.

Beispielsweise benötigt die regelmäßige Übertragung strukturierter Bestelldaten zwischen zwei Systemen nicht zwangsläufig künstliche Intelligenz.

Ein zuverlässiger API-Prozess kann dafür besser geeignet sein.

Wann bietet ein KI-Agent Vorteile?

KI-Agenten werden besonders dann interessant, wenn Informationen zunächst interpretiert werden müssen.

Das betrifft beispielsweise unterschiedlich formulierte E-Mails, Dokumente mit variierender Struktur oder Aufgaben, bei denen mehrere Informationsquellen berücksichtigt werden müssen.

Auch in solchen Fällen sollte geprüft werden, ob ein einfacherer KI-gestützter Workflow ausreicht.

3. Wie funktioniert ein KI-Agent technisch?

Ein geschäftlich eingesetzter KI-Agent besteht normalerweise nicht nur aus einem Sprachmodell.

Er benötigt zusätzliche Komponenten, damit er Informationen abrufen, Aktionen ausführen und innerhalb definierter Grenzen arbeiten kann.

KI-Modell

Das Modell verarbeitet Eingaben, interpretiert Informationen und kann geeignete nächste Schritte vorschlagen.

Die Ergebnisse sind jedoch nicht grundsätzlich fehlerfrei.

Werkzeuge und Schnittstellen

Über freigegebene Werkzeuge kann der Agent mit anderen Anwendungen interagieren.

Dazu können beispielsweise gehören:

• CRM-Systeme
• ERP-Anwendungen
• Dokumentenmanagement
• E-Mail-Systeme
• Interne Datenbanken
• Aufgabenverwaltung
• Unternehmensinterne Suchfunktionen

Kontext und Wissensquellen

Ein Agent benötigt die Informationen, die für seine Aufgabe relevant sind.

Diese können aus strukturierten Datenbanken, Dokumenten oder freigegebenen Unternehmenssystemen stammen.

Die Qualität und Aktualität dieser Informationen beeinflusst die Zuverlässigkeit der Ergebnisse.

Orchestrierung

Eine Orchestrierungskomponente steuert, welche Werkzeuge verwendet werden dürfen, wie einzelne Schritte zusammenhängen und wann der Vorgang beendet wird.

Sie kann außerdem Zeitlimits, Wiederholungsregeln und Fehlerbehandlungen festlegen.

Berechtigungen und Freigaben

Ein KI-Agent sollte nur auf Daten und Funktionen zugreifen können, die für seine konkrete Aufgabe notwendig sind.

Besonders sensible Aktionen sollten zusätzliche Prüfungen erfordern.

Dazu gehören beispielsweise das Löschen von Datensätzen, das Versenden verbindlicher Mitteilungen oder das Auslösen finanzieller Transaktionen.

Protokollierung und Überwachung

Für den produktiven Einsatz ist wichtig, dass relevante Aktionen nachvollziehbar sind.

Geeignete Protokolle helfen dabei, Fehler zu untersuchen und die Qualität der Prozesse zu bewerten.

Bei personenbezogenen Daten müssen Umfang und Aufbewahrung solcher Protokolle datenschutzrechtlich bewertet werden.

4. Zehn Einsatzmöglichkeiten für KI-Agenten im Unternehmen

KI-Agenten können verschiedene Unternehmensbereiche unterstützen.

Die folgenden Beispiele beschreiben mögliche Einsatzszenarien. Ob sie technisch und wirtschaftlich sinnvoll sind, hängt von den vorhandenen Systemen und Anforderungen ab.

1. Eingehende E-Mails vorsortieren

Ein Agent kann eingehende Nachrichten analysieren und Kategorien zuordnen.

Beispielsweise lassen sich Angebotsanfragen, Supportmeldungen und allgemeine Fragen unterscheiden.

Die endgültige Bearbeitung kann anschließend durch Mitarbeiter erfolgen.

2. Kundenanfragen vorbereiten

Ein Agent kann relevante Informationen aus freigegebenen Wissensquellen abrufen und einen Antwortentwurf erstellen.

Bei unklaren oder sensiblen Anliegen sollte der Vorgang an einen Mitarbeiter übergeben werden.

Weiterführend: KI im Kundenservice: Kundenanfragen sinnvoll automatisieren.

3. Dokumente analysieren

KI-Agenten können Informationen aus unterschiedlich aufgebauten Dokumenten extrahieren.

Beispiele sind Rechnungen, Lieferscheine oder interne Formulare.

Die extrahierten Werte sollten vor geschäftskritischen Folgeaktionen anhand definierter Regeln geprüft werden.

4. CRM-Daten vorbereiten

Ein Agent kann Informationen aus freigegebenen Quellen auswerten und Vorschläge zur Ergänzung vorhandener CRM-Datensätze erstellen.

Automatische Änderungen sollten nur bei ausreichender Datenqualität und passenden Berechtigungen erfolgen.

5. Interne Wissenssuche unterstützen

Mitarbeiter müssen häufig Informationen aus unterschiedlichen Dokumenten und Anwendungen zusammentragen.

Ein Agent kann relevante Quellen durchsuchen und Ergebnisse zusammenfassen.

Wichtig ist, dass die Antwort auf nachvollziehbaren Quellen basiert und die bestehenden Zugriffsrechte berücksichtigt.

6. Aufgaben aus Besprechungsnotizen ableiten

Aus freigegebenen Besprechungsprotokollen können Aufgaben, Zuständigkeiten und Termine vorgeschlagen werden.

Vor der Übernahme in ein Aufgabenmanagementsystem sollten die Ergebnisse bestätigt werden.

7. Servicevorgänge klassifizieren

Ein Agent kann eingehende Supportmeldungen analysieren und einer passenden Kategorie oder Bearbeitungsgruppe zuordnen.

Bei unklaren Fällen kann er eine manuelle Prüfung anfordern.

8. Daten aus mehreren Systemen zusammenführen

Wenn relevante Informationen in CRM, ERP und anderen Anwendungen verteilt sind, kann ein Agent definierte Datenabfragen koordinieren.

Voraussetzung sind geeignete Schnittstellen und eindeutige Regeln für die Datenverarbeitung.

Weiterführend: Datensilos im Unternehmen: CRM, Excel und E-Mail verbinden.

9. Wiederkehrende Berichte vorbereiten

Ein Agent kann Daten aus freigegebenen Quellen abrufen und Berichtsentwürfe erstellen.

Berechnungen sollten nach Möglichkeit durch zuverlässige Datenbankabfragen oder deterministische Funktionen erfolgen.

Das KI-Modell kann anschließend bei der sprachlichen Zusammenfassung unterstützen.

10. Mehrstufige interne Prozesse koordinieren

Ein Agent kann einen Vorgang durch mehrere definierte Bearbeitungsschritte begleiten.

Beispielsweise kann er Informationen sammeln, fehlende Angaben identifizieren und eine Freigabe anfordern.

Die tatsächliche Ausführung sollte durch technische Regeln und Berechtigungen begrenzt werden. OWASP empfiehlt für agentische Systeme, Berechtigungen in den angebundenen Systemen durchzusetzen und folgenreiche Aktionen von einer menschlichen Freigabe abhängig zu machen. Eine Anweisung an das Sprachmodell allein ersetzt diese Kontrolle nicht.

5. Welche Aufgaben sollten KI-Agenten nicht selbstständig übernehmen?

Nicht jede Tätigkeit eignet sich für einen autonomen KI-Agenten.

Besonders vorsichtig sollten Unternehmen bei Vorgängen sein, deren Fehler erhebliche rechtliche, finanzielle oder sicherheitsrelevante Folgen haben können.

Finanzielle Transaktionen

Überweisungen, Zahlungsfreigaben und vergleichbare Aktionen sollten nicht allein auf einer unkontrollierten KI-Entscheidung beruhen.

Rechtlich verbindliche Entscheidungen

Verträge, rechtliche Bewertungen oder verbindliche Erklärungen können besondere Prüfungen erfordern.

KI kann Informationen vorbereiten, ersetzt jedoch nicht automatisch die notwendige fachliche Verantwortung.

Personalentscheidungen

Der Einsatz von KI im Personalbereich kann erhebliche rechtliche und organisatorische Anforderungen auslösen.

Bestimmte KI-Systeme für Personalauswahl oder Personalmanagement können als Hochrisiko-Systeme eingeordnet werden. Maßgeblich sind der konkrete Verwendungszweck und die Einstufungsregeln: Anhang III nennt betroffene Anwendungen; Artikel 6 enthält die Einordnung und mögliche Ausnahmen. Nicht jedes KI-Werkzeug im Personalbereich fällt automatisch darunter.

Löschen oder Überschreiben wichtiger Daten

Irreversible Änderungen sollten durch technische Schutzmaßnahmen begrenzt werden.

Für besonders kritische Aktionen sind explizite Freigaben sinnvoll.

Unkontrollierte Kommunikation nach außen

Ein Agent kann überzeugend formulierte, aber sachlich falsche Aussagen erzeugen.

Deshalb sollten verbindliche Angebote, sensible Kundenmitteilungen und andere kritische Inhalte nicht ohne geeignete Prüfung versendet werden.

6. KI-Agenten mit CRM, ERP und bestehenden Anwendungen verbinden

Ein KI-Agent kann nur dann sinnvoll mit Unternehmensdaten arbeiten, wenn diese kontrolliert zugänglich sind.

In vielen Unternehmen liegen Informationen jedoch in unterschiedlichen Systemen.

Typische Beispiele sind CRM-Anwendungen, Warenwirtschaft, E-Mail, Excel-Dateien und individuelle Softwarelösungen.

API-Schnittstellen als technische Grundlage

Programmierschnittstellen ermöglichen einen definierten Datenaustausch zwischen Anwendungen.

Über eine API kann ein Agent beispielsweise einen Kundenstatus abrufen oder einen vorbereiteten Vorgang an ein internes System übergeben.

Welche Funktionen tatsächlich verfügbar sind, hängt von der jeweiligen Software und ihren Schnittstellen ab.

Weiterführend: Software-Schnittstellen und API-Integration.

Warum direkte Datenbankzugriffe problematisch sein können

Ein KI-Agent sollte nicht automatisch uneingeschränkten Zugriff auf produktive Datenbanken erhalten.

Eine kontrollierte Anwendungsschicht kann festlegen, welche Daten gelesen und welche Änderungen durchgeführt werden dürfen.

So lassen sich Geschäftsregeln, Berechtigungen und Validierungen zentral umsetzen.

Lesen und Schreiben getrennt betrachten

Das Abrufen eines Auftragsstatus ist mit anderen Risiken verbunden als das Ändern eines Auftrags.

Deshalb sollten Lesezugriffe und schreibende Aktionen getrennt bewertet werden.

Eine schrittweise Freigabe reduziert das Risiko unbeabsichtigter Änderungen.

Wenn Schnittstellen fehlen

Bei älteren Anwendungen sind moderne APIs nicht immer verfügbar.

In solchen Fällen muss geprüft werden, ob eine geeignete Schnittstelle ergänzt oder ein anderer kontrollierter Integrationsweg verwendet werden kann.

Eine unzuverlässige Integration kann den Nutzen eines KI-Agenten erheblich beeinträchtigen.

7. Datenschutz, Sicherheit und Berechtigungen bei KI-Agenten

KI-Agenten können mit vertraulichen Unternehmensinformationen und personenbezogenen Daten arbeiten.

Deshalb müssen Datenschutz und Informationssicherheit bereits bei der Planung berücksichtigt werden.

Datensparsamkeit

Ein Agent sollte nur die Informationen erhalten, die für seine Aufgabe erforderlich sind.

Unnötige Datenübertragungen erhöhen die Risiken und können zusätzliche rechtliche Anforderungen auslösen.

Zugriffsrechte

Die Berechtigungen sollten nach dem Prinzip der minimal erforderlichen Rechte vergeben werden.

Ein Agent, der ausschließlich Supportanfragen klassifiziert, benötigt normalerweise keine Berechtigung zur Änderung von Zahlungsdaten.

Umgang mit externen KI-Diensten

Wenn externe KI-Anbieter eingesetzt werden, sollten insbesondere folgende Punkte geprüft werden:

• Welche Daten werden übertragen?
• Wo werden die Daten verarbeitet?
• Welche vertraglichen Regelungen gelten?
• Werden Daten gespeichert oder für weitere Zwecke verwendet?
• Welche Lösch- und Aufbewahrungsregeln bestehen?
• Welche technischen Schutzmaßnahmen sind vorhanden?

Ob eine Auftragsverarbeitungsvereinbarung erforderlich ist, hängt von den konkreten Rollen und Verarbeitungsvorgängen ab.

Prompt Injection

Ein besonderes Risiko entsteht, wenn ein Agent Inhalte aus E-Mails, Dokumenten oder Webseiten verarbeitet.

Solche Inhalte können manipulierte Anweisungen enthalten, die das Verhalten des Agenten beeinflussen sollen.

Deshalb dürfen externe Inhalte nicht automatisch als vertrauenswürdige Steuerungsanweisungen behandelt werden.

Technische Schutzmaßnahmen sollten unter anderem Werkzeugberechtigungen begrenzen und sensible Aktionen unabhängig vom Modell kontrollieren.

EU AI Act

Der EU AI Act führt risikobasierte Anforderungen für bestimmte KI-Systeme ein.

Welche Pflichten gelten, hängt unter anderem vom konkreten Einsatzzweck, der Rolle des Unternehmens und der rechtlichen Einordnung des Systems ab.

Die Einführung erfolgt beziehungsweise erfolgte gestaffelt; für einzelne Regelungsbereiche können Übergangsfristen und spätere Änderungen relevant sein.

Unternehmen sollten deshalb die jeweils geltende Rechtslage für ihren konkreten Anwendungsfall prüfen.

Wichtig: Die technische Implementierung eines KI-Agenten stellt nicht automatisch DSGVO- oder AI-Act-Konformität her.

8. KI-Agenten im Unternehmen einführen: Zehn praktische Schritte

Ein erfolgreicher Einstieg beginnt nicht mit der Auswahl eines KI-Modells, sondern mit der Analyse eines konkreten Geschäftsprozesses.

1. Geeigneten Prozess auswählen.

   Beginnen Sie mit einer wiederkehrenden Aufgabe, die klar abgegrenzt werden kann und bei der Fehler kontrollierbar bleiben.

2. Ist-Zustand dokumentieren.

   Erfassen Sie die bisherigen Arbeitsschritte, beteiligten Mitarbeiter, Datenquellen und typischen Probleme.

3. Ziel und Erfolgskriterien definieren.

   Legen Sie fest, welche Verbesserung erreicht werden soll und wie sie gemessen wird.

4. Datenquellen prüfen.

   Untersuchen Sie, ob die benötigten Informationen vollständig, aktuell und technisch zugänglich sind.

5. Risiken bewerten.

   Prüfen Sie Datenschutz, Informationssicherheit, mögliche Fehlentscheidungen und rechtliche Anforderungen.

6. Berechtigungen festlegen.

   Definieren Sie, welche Informationen der Agent lesen und welche Aktionen er ausführen darf.

7. Begrenzten Prototyp entwickeln.

   Setzen Sie zunächst nur die wichtigsten Funktionen um und vermeiden Sie unnötige Komplexität.

8. Mit realistischen Testfällen prüfen.

   Testen Sie normale Vorgänge, unvollständige Informationen, widersprüchliche Daten und mögliche Manipulationsversuche.

9. Menschliche Freigaben integrieren.

   Legen Sie fest, wann der Agent stoppen und einen Mitarbeiter einbeziehen muss.

10. Kontrolliert produktiv gehen.

    Starten Sie mit begrenztem Umfang, überwachen Sie die Ergebnisse und erweitern Sie den Einsatz nur bei nachgewiesener Zuverlässigkeit.

Welche Kennzahlen sind sinnvoll?

Je nach Prozess können unterschiedliche Kennzahlen verwendet werden.

• Bearbeitungszeit pro Vorgang
• Anteil korrekt klassifizierter Anfragen
• Anteil manuell korrigierter Ergebnisse
• Fehlerquote bei Datenübertragungen
• Anzahl notwendiger Freigaben
• Kosten pro bearbeitetem Vorgang
• Zufriedenheit der beteiligten Mitarbeiter

Die Kennzahlen sollten vor dem Pilotprojekt festgelegt werden.

9. Was kosten KI-Agenten für Unternehmen?

Die Kosten hängen vom Anwendungsfall und der technischen Architektur ab.

Ein einfacher Agent zur Vorbereitung interner Antworten unterscheidet sich erheblich von einem System, das mehrere Unternehmensanwendungen integriert.

Typische Kostenbestandteile

• Analyse und Prozessplanung
• Entwicklung oder Konfiguration
• Integration bestehender Systeme
• KI-Modellnutzung
• Hosting und Infrastruktur
• Tests und Qualitätssicherung
• Sicherheitsmaßnahmen
• Monitoring und Wartung

Modellkosten sind nicht die gesamten Betriebskosten

Die Nutzung eines KI-Modells kann pro Anfrage abgerechnet werden.

Bei einem mehrstufigen Agenten können jedoch mehrere Modellaufrufe und Werkzeugaktionen pro Vorgang entstehen.

Zusätzlich müssen Infrastruktur, Fehlerbehandlung und menschliche Kontrollen berücksichtigt werden.

Beispiel für eine Wirtschaftlichkeitsrechnung

Ein Unternehmen bearbeitet monatlich 800 interne Vorgänge.

Die manuelle Bearbeitung dauert durchschnittlich sechs Minuten.

Der bisherige Zeitaufwand beträgt damit:

800 × 6 Minuten = 4.800 Minuten beziehungsweise 80 Stunden pro Monat.

Angenommen, ein KI-gestützter Prozess reduziert den durchschnittlichen manuellen Aufwand auf drei Minuten.

Dann ergibt sich rechnerisch eine Reduzierung um 40 Stunden monatlich.

Bei angenommenen internen Vollkosten von 40 Euro pro Stunde entspricht dies einem rechnerischen Arbeitswert von 1.600 Euro pro Monat.

Dieses Beispiel ist hypothetisch und keine Einspargarantie.

Für eine realistische Bewertung müssen insbesondere Implementierungsaufwand, Betriebskosten, Fehlerkorrekturen und tatsächliche Prozessänderungen berücksichtigt werden.

Wann lohnt sich ein KI-Agent?

Ein KI-Agent kann wirtschaftlich sinnvoll sein, wenn er einen häufig wiederkehrenden Prozess messbar verbessert.

Ist die Aufgabe selten, technisch einfach oder vollständig regelbasiert, kann eine klassische Automatisierung die bessere Wahl sein.

10. Drei realistische Anwendungsszenarien für KMU

Szenario 1: KI-Agent für die interne E-Mail-Bearbeitung

Ein Dienstleistungsunternehmen erhält täglich zahlreiche E-Mails.

Ein Teil enthält allgemeine Fragen, andere Nachrichten betreffen laufende Projekte oder neue Anfragen.

Ein KI-Agent könnte die Nachrichten kategorisieren und den zuständigen Teams zuordnen.

Bei Bedarf kann er einen Antwortentwurf vorbereiten.

Der Versand erfolgt erst nach Freigabe durch einen Mitarbeiter.

Möglicher Nutzen: Weniger manueller Sortieraufwand und eine einheitlichere Bearbeitung eingehender Anfragen.

Szenario 2: KI-Agent für die interne Dokumentensuche

Ein Unternehmen verfügt über zahlreiche technische Dokumentationen, Prozessbeschreibungen und interne Anleitungen.

Mitarbeiter benötigen regelmäßig Informationen aus diesen Unterlagen.

Ein Agent könnte freigegebene Dokumente durchsuchen und relevante Passagen zusammenfassen.

Die Antworten sollten mit Quellenangaben versehen werden, damit Mitarbeiter die Informationen überprüfen können.

Möglicher Nutzen: Schnellere Informationssuche bei weiterhin nachvollziehbaren Quellen.

Szenario 3: KI-Agent zur Vorbereitung von CRM-Vorgängen

Ein Unternehmen erhält Anfragen über unterschiedliche Kommunikationskanäle.

Ein Agent könnte relevante Angaben extrahieren, vorhandene CRM-Datensätze suchen und einen neuen Vorgang vorbereiten.

Vor der Speicherung werden die Daten geprüft und bestätigt.

Möglicher Nutzen: Weniger manuelle Dateneingaben und eine strukturiertere Bearbeitung.

11. Häufige Fehler bei der Einführung von KI-Agenten

Fehler 1: KI-Agenten ohne konkretes Ziel einsetzen

Ein allgemeiner Wunsch nach mehr KI führt nicht automatisch zu besseren Prozessen.

Jedes Projekt benötigt einen klaren Anwendungsfall.

Fehler 2: Zu viel Autonomie von Anfang an

Ein Agent sollte zunächst mit begrenzten Berechtigungen arbeiten.

Zusätzliche Funktionen können nach erfolgreichen Tests freigegeben werden.

Fehler 3: Schlechte Datenqualität ignorieren

Unvollständige oder widersprüchliche Unternehmensdaten können auch durch KI nicht zuverlässig ausgeglichen werden.

Die Datenbasis sollte vor dem produktiven Einsatz geprüft werden.

Fehler 4: KI für vollständig regelbasierte Aufgaben verwenden

Wenn feste Regeln ausreichen, kann eine klassische Automatisierung einfacher, günstiger und besser vorhersehbar sein.

Fehler 5: Berechtigungen zu großzügig vergeben

Unnötig weitreichende Zugriffe erhöhen die Auswirkungen möglicher Fehler oder Manipulationsversuche.

Fehler 6: Ergebnisse nicht überprüfen

KI-generierte Ergebnisse können plausibel wirken und trotzdem falsch sein.

Geeignete Validierungen sind deshalb notwendig.

Fehler 7: Prompt Injection unterschätzen

Externe Inhalte können manipulierte Anweisungen enthalten.

Ein Agent benötigt technische Grenzen, die nicht allein von seinen textuellen Anweisungen abhängen.

Fehler 8: Keine Fehlerbehandlung vorsehen

Schnittstellen können ausfallen, Daten können fehlen und Modellantworten können unbrauchbar sein.

Der Prozess muss solche Situationen kontrolliert behandeln können.

Fehler 9: Laufende Kosten nicht überwachen

Mehrstufige Agenten können zahlreiche Modellaufrufe und Werkzeugaktionen auslösen.

Nutzungsgrenzen und Kostenkontrollen sollten deshalb Bestandteil der Architektur sein.

Fehler 10: Mitarbeiter nicht einbeziehen

Die spätere Nutzung hängt auch davon ab, ob Mitarbeiter den Prozess verstehen und seine Ergebnisse sinnvoll kontrollieren können.

12. Checkliste: Ist Ihr Unternehmen bereit für KI-Agenten?

Die folgenden Fragen helfen bei einer ersten Einschätzung.

• Gibt es einen klar definierten Geschäftsprozess?
• Wird die Aufgabe regelmäßig wiederholt?
• Ist der bisherige Zeitaufwand bekannt?
• Enthält der Prozess unstrukturierte Informationen?
• Wurde geprüft, ob klassische Automatisierung ausreicht?
• Sind die benötigten Datenquellen bekannt?
• Ist die Datenqualität ausreichend?
• Existieren geeignete Schnittstellen?
• Sind die notwendigen Benutzerrechte definiert?
• Wurden Datenschutzanforderungen geprüft?
• Wurden mögliche Sicherheitsrisiken bewertet?
• Gibt es klare Regeln für schreibende Aktionen?
• Sind menschliche Freigaben vorgesehen?
• Existieren geeignete Testfälle?
• Wurden Fehlerszenarien berücksichtigt?
• Gibt es technische Nutzungs- und Kostenlimits?
• Ist eine nachvollziehbare Protokollierung vorgesehen?
• Sind Verantwortliche für den Betrieb benannt?
• Wurden messbare Erfolgskriterien festgelegt?
• Ist ein begrenztes Pilotprojekt möglich?

Wenn mehrere Voraussetzungen noch nicht erfüllt sind, sollte zunächst die technische und organisatorische Grundlage geschaffen werden.

Ein kleiner, kontrollierter Pilot ist häufig sinnvoller als die sofortige Automatisierung eines vollständigen Geschäftsbereichs.

Fazit: KI-Agenten gezielt einsetzen statt möglichst viel automatisieren

KI-Agenten können Unternehmen dabei unterstützen, Informationen aus unterschiedlichen Systemen zu verarbeiten und wiederkehrende Aufgaben effizienter zu organisieren.

Besonders interessant sind Prozesse, in denen unstrukturierte Informationen interpretiert und anschließend definierte Arbeitsschritte ausgeführt werden müssen.

Der praktische Nutzen hängt jedoch nicht allein von der Leistungsfähigkeit des KI-Modells ab.

Mindestens ebenso wichtig sind zuverlässige Datenquellen, geeignete Schnittstellen, klar begrenzte Berechtigungen und nachvollziehbare Freigabeprozesse.

Unternehmen sollten deshalb mit überschaubaren Pilotprojekten beginnen und die Ergebnisse anhand messbarer Kriterien bewerten.

Ein guter KI-Agent ersetzt keine durchdachte Prozessarchitektur. Er wird dann wertvoll, wenn er innerhalb einer solchen Architektur konkrete Aufgaben zuverlässig unterstützt.