KI-Agenten werden häufig als nächster Schritt nach Chatbots beschrieben: Sie sollen nicht nur antworten, sondern selbstständig mehrere Schritte ausführen, Informationen prüfen und mit digitalen Systemen arbeiten. Für Unternehmen ist jedoch eine andere Frage wichtiger: Welche konkrete Aufgabe sollte ein Agent überhaupt übernehmen – und welche besser nicht?
Beginnen Sie nicht mit dem Agenten – beginnen Sie mit der Aufgabe
Viele Automatisierungsprojekte starten mit der falschen Frage: „Welchen KI-Agenten können wir einsetzen?“
Für ein Unternehmen ist die bessere Ausgangsfrage:
Welche wiederkehrende Aufgabe kostet heute unnötig Zeit, erzeugt Wartezeiten oder wird regelmäßig unterschiedlich bearbeitet?
Erst danach sollte geprüft werden, ob dafür überhaupt KI nötig ist. Manche Abläufe lassen sich besser mit einfachen Regeln oder klassischer Workflow-Automatisierung lösen.
| Aufgabe | Möglicher Ansatz |
|---|---|
| Immer dieselbe Information von System A nach System B übertragen | Oft klassische Automatisierung ausreichend |
| Freitext-Anfragen nach Inhalt einordnen und weiterleiten | KI-Unterstützung kann sinnvoll sein |
| Informationen aus mehreren Quellen zusammentragen und einen nächsten Schritt vorbereiten | Agentischer Workflow kann interessant werden |
| Kritische Entscheidung ohne klare Regeln und mit hohem Risiko treffen | Nicht ohne klare menschliche Entscheidungsebene automatisieren |
1. Was unterscheidet einen KI-Agenten von einem normalen Chatbot?
Ein klassischer Chatbot reagiert vor allem auf eine Eingabe und erzeugt eine Antwort. Ein Agent kann zusätzlich über mehrere Schritte hinweg arbeiten und – sofern technisch erlaubt – Werkzeuge oder Systeme verwenden.
Das kann beispielsweise bedeuten:
- eine neue Anfrage lesen
- relevante Informationen erkennen
- Daten in einem CRM nachschlagen
- eine Aufgabe einem Mitarbeiter zuordnen
- einen Entwurf für eine Antwort vorbereiten
- nach Freigabe eine Aktion in einem angeschlossenen System ausführen
Moderne Agentensysteme von verschiedenen Anbietern unterstützen solche mehrstufigen Abläufe über Werkzeuge, APIs und andere angeschlossene Systeme.
2. Welche Aufgaben eignen sich für KI-Agenten?
Geeignete Aufgaben haben meist eine erkennbare Struktur, auch wenn nicht jeder einzelne Schritt vollständig regelbasiert ist.
Typische Merkmale
- Die Aufgabe tritt regelmäßig auf.
- Der gewünschte Ausgang ist grundsätzlich beschreibbar.
- Benötigte Daten liegen digital vor.
- Die beteiligten Systeme können technisch angebunden werden.
- Fehler lassen sich erkennen und behandeln.
- Es ist klar, wann ein Mensch übernehmen muss.
Praktische Beispiele
| Geschäftssituation | Mögliche Unterstützung |
|---|---|
| Viele unterschiedliche Kontaktanfragen | Anfragen nach Thema einordnen und zur richtigen Stelle vorbereiten |
| Vertrieb muss vor einem Gespräch Informationen zusammensuchen | Vorhandene Kundendaten und freigegebene Quellen zu einer Übersicht zusammenführen |
| Serviceanfragen landen in mehreren Kanälen | Inhalte strukturieren, priorisieren und einen nächsten Bearbeitungsschritt vorbereiten |
| Regelmäßige Berichte benötigen Daten aus mehreren Systemen | Daten sammeln, zusammenfassen und für eine menschliche Prüfung vorbereiten |
| Wiederkehrende Dokumente müssen auf Vollständigkeit geprüft werden | Dokumente analysieren und fehlende Informationen markieren |
In all diesen Fällen sollte der Agent nicht als Ersatz für Verantwortung betrachtet werden. Er übernimmt einen definierten Teil eines Prozesses.
3. Welche Aufgaben sollten nicht einfach automatisiert werden?
Je höher das Risiko einer falschen Entscheidung, desto wichtiger werden klare Grenzen und menschliche Kontrolle.
Besondere Vorsicht ist sinnvoll, wenn
- eine falsche Aktion erhebliche finanzielle Folgen haben kann
- rechtliche oder vertragliche Entscheidungen getroffen werden
- sensible personenbezogene Daten verarbeitet werden
- eine irreversible Aktion ausgeführt wird
- die zugrunde liegenden Regeln häufig unklar oder widersprüchlich sind
- niemand im Unternehmen zuverlässig bewerten kann, ob das Ergebnis korrekt ist
Ein Agent, der beispielsweise eine Anfrage kategorisiert und einen Antwortentwurf vorbereitet, trägt ein anderes Risiko als ein System, das eigenständig Verträge freigibt, Geld überweist oder Kundendaten löscht.
4. Ist der bestehende Prozess überhaupt klar genug?
Ein KI-Agent kann keinen sauberen Prozess ersetzen, wenn intern niemand weiß, wie dieser Prozess eigentlich funktionieren soll.
Ein typisches Beispiel ist die Bearbeitung neuer Kundenanfragen. Wenn drei Mitarbeiter dieselbe Art von Anfrage unterschiedlich behandeln, Zuständigkeiten wechseln und wichtige Informationen manchmal fehlen, gibt es noch keinen stabilen Prozess, den man einfach automatisieren kann.
Beschreiben Sie deshalb zuerst
-
Auslöser
Wodurch beginnt der Prozess?
-
Eingangsdaten
Welche Informationen stehen zu diesem Zeitpunkt zur Verfügung?
-
Entscheidung
Welche Regeln oder Kriterien bestimmen den nächsten Schritt?
-
Ausnahmen
Wann funktioniert der normale Ablauf nicht?
-
Ergebnis
Woran erkennen Sie, dass die Aufgabe erfolgreich abgeschlossen wurde?
-
Verantwortung
Wer entscheidet, wenn der Agent nicht sicher weiterarbeiten kann?
Wenn diese Fragen nicht beantwortet werden können, sollte zuerst der Geschäftsprozess geklärt werden.
5. Welche Daten und Systeme braucht der Agent?
Agentische Automatisierung wird interessant, wenn ein System nicht nur Text erzeugt, sondern auf vorhandene Unternehmensinformationen zugreifen oder mit anderen Anwendungen interagieren soll.
Das kann über APIs, vorhandene Schnittstellen oder freigegebene Anwendungen erfolgen.
Vor einer Integration sollten Sie klären
- Welche Informationen darf der Agent lesen?
- Welche Informationen darf er verändern?
- Welche Aktionen darf er auslösen?
- Welche Systeme benötigt er wirklich?
- Wie werden Zugriffsrechte begrenzt?
- Wie lässt sich nachvollziehen, welche Aktion ausgeführt wurde?
Technisch mögliche Zugriffe sollten nicht automatisch freigegeben werden. Ein Agent für die Bearbeitung von Website-Anfragen benötigt beispielsweise nicht automatisch Zugriff auf alle Finanz-, Personal- oder Kundendaten des Unternehmens.
6. Wo braucht es menschliche Kontrolle?
Die Frage ist nicht, ob ein Mensch jeden einzelnen Schritt bestätigen muss. Entscheidend ist, an welcher Stelle ein Fehler so relevant wird, dass eine Prüfung sinnvoll oder notwendig ist.
Drei praktische Ebenen
| Kontrollstufe | Beispiel |
|---|---|
| Agent bereitet nur vor | Antwortentwurf oder Zusammenfassung wird immer von einem Mitarbeiter geprüft |
| Agent handelt innerhalb klarer Grenzen | Standardanfragen werden automatisch zugeordnet, Sonderfälle gehen an einen Mitarbeiter |
| Freigabe vor kritischer Aktion | Agent bereitet eine Änderung vor, führt sie aber erst nach Bestätigung aus |
Google empfiehlt bei agentischen Systemen ausdrücklich, Ergebnisse zu prüfen – insbesondere bei Aufgaben, die Daten verändern oder mit externen Systemen interagieren. Auch moderne Unternehmensagenten anderer Anbieter arbeiten mit Berechtigungen, Freigabepunkten und administrativen Kontrollen.
7. Wann lohnt sich der Aufwand wirtschaftlich?
Ein Agent kann technisch interessant sein und trotzdem keinen sinnvollen Business Case haben.
Vor einer Umsetzung sollten deshalb nicht nur mögliche Zeiteinsparungen betrachtet werden.
Berücksichtigen Sie auch
- Häufigkeit der Aufgabe
- heutigen manuellen Aufwand
- Kosten von Fehlern
- Integrationsaufwand
- laufende Modell- und Systemkosten
- Pflege der Regeln und Wissensquellen
- notwendige Kontrolle
- Aufwand bei Ausnahmen
Eine Aufgabe, die einmal im Monat zehn Minuten dauert, braucht wahrscheinlich keinen individuell entwickelten Agenten. Ein Prozess, der täglich viele ähnliche Vorgänge erzeugt und mehrere Mitarbeiter bindet, kann wesentlich interessanter sein.
Deshalb sollte nicht gefragt werden: „Wie viel kann KI automatisieren?“, sondern: „Wo entsteht heute ausreichend Reibung, damit eine Automatisierung wirtschaftlich relevant wird?“
Selbstcheck: Eignet sich Ihr Prozess für einen KI-Agenten?
Wählen Sie einen einzigen wiederkehrenden Prozess. Nicht das ganze Unternehmen.
-
Aufgabe konkret beschreiben
Formulieren Sie in einem Satz, was heute manuell erledigt wird. Vermeiden Sie allgemeine Ziele wie „Kundenservice automatisieren“.
-
Häufigkeit feststellen
Wie oft tritt dieser Vorgang tatsächlich auf und wie viel Zeit bindet er?
-
Ein- und Ausgaben definieren
Welche Informationen kommen hinein und welches Ergebnis soll am Ende vorliegen?
-
Regeln und Ausnahmen notieren
Was passiert normalerweise und bei welchen Fällen muss heute schon ein Mitarbeiter nachdenken?
-
Benötigte Systeme auflisten
Muss der Prozess auf E-Mail, CRM, Website, Dateien oder andere Systeme zugreifen?
-
Risiko des Fehlers bewerten
Was passiert, wenn der Agent einen Vorgang falsch einordnet oder eine falsche Aktion vorbereitet?
-
Freigabepunkt bestimmen
Welche Aktion darf automatisch erfolgen und welche sollte zunächst ein Mensch bestätigen?
-
Einfache Alternative prüfen
Fragen Sie abschließend, ob derselbe Nutzen nicht mit einer einfachen Regel oder klassischen Workflow-Automatisierung erreicht werden kann.
Beispiel: Website-Anfragen automatisch vorbereiten
Vereinfachtes Beispiel: Ein B2B-Dienstleister in Baden-Württemberg erhält täglich unterschiedliche Anfragen über seine Website. Einige betreffen neue Projekte, andere Support, Bewerbungen oder allgemeine Fragen.
Heute liest eine Mitarbeiterin jede Nachricht, sucht vorhandene Kundendaten und leitet die Anfrage anschließend manuell weiter.
Ein möglicher erster Agenten-Workflow könnte die Nachricht analysieren, den Vorgang einer definierten Kategorie zuordnen, vorhandene freigegebene Informationen aus dem CRM ergänzen und einen Bearbeitungsvorschlag erstellen.
Neue Projektanfragen könnten zunächst weiterhin von einem Mitarbeiter bestätigt werden, bevor Daten geändert oder Antworten verschickt werden. Unklare Anfragen würden automatisch in eine manuelle Prüfung gehen.
Damit wird nicht „der Kundenservice durch KI ersetzt“. Ein klar abgegrenzter Teil eines vorhandenen Prozesses wird vorbereitet und beschleunigt.
Dieses Beispiel dient ausschließlich zur Veranschaulichung und ist kein Kundenfall von Kubertino.
Warum ein kleiner Pilot meist sinnvoller ist als sofortige Vollautomatisierung
Ein klar begrenzter Pilot macht Fehler, Ausnahmen und fehlende Daten sichtbar, bevor ein Agent tief in bestehende Prozesse eingebunden wird.
Ein sinnvoller Pilot hat
- eine klar definierte Aufgabe
- einen begrenzten Datenzugriff
- bekannte Erfolgskriterien
- einen manuellen Ausweichweg
- eine verantwortliche Person
- eine Möglichkeit, Ergebnisse und Fehler zu prüfen
Erst wenn der Ablauf stabil ist, lässt sich entscheiden, ob weitere Schritte automatisiert werden sollten.
Wann wird aus einer Idee ein sinnvolles Automatisierungsprojekt?
Wenn Sie bereits einen wiederkehrenden Prozess identifiziert haben, aber nicht wissen, ob klassische Automatisierung, KI-Unterstützung oder ein Agent sinnvoll ist, sollte zuerst der Ablauf selbst untersucht werden.
Dabei geht es um Datenquellen, Systeme, Ausnahmen, Zugriffsrechte, Kontrollpunkte und den tatsächlichen wirtschaftlichen Nutzen.
Was KI-Agenten nicht versprechen
Ein KI-Agent garantiert keine fehlerfreie Bearbeitung, keine feste Zeitersparnis und keinen bestimmten wirtschaftlichen Nutzen.
Ergebnisse hängen unter anderem von Prozessqualität, Daten, Modell, Integrationen, Berechtigungen, Ausnahmen und der Qualität der Kontrolle ab.
Das Ziel sollte deshalb nicht maximale Autonomie sein. Sinnvoller ist ein Prozess, bei dem klar ist, welche Aufgaben automatisiert werden, wann ein Mensch eingreift und wie überprüft wird, ob die Automatisierung tatsächlich hilft.
Häufige Fragen zu KI-Agenten im Unternehmen
Was ist ein KI-Agent?
Ein KI-Agent ist ein System, das nicht nur eine einzelne Antwort erzeugt, sondern innerhalb eines definierten Rahmens mehrere Arbeitsschritte ausführen und dafür Werkzeuge, Datenquellen oder andere Systeme verwenden kann. Umfang und Autonomie hängen von der konkreten technischen Umsetzung ab.
Was ist der Unterschied zwischen einem Chatbot und einem KI-Agenten?
Ein Chatbot konzentriert sich häufig auf Dialog und Antworten. Ein Agent kann zusätzlich mehrstufige Aufgaben bearbeiten und – sofern erlaubt – Aktionen über angeschlossene Systeme oder Werkzeuge vorbereiten oder ausführen.
Kann ein KI-Agent auf unser CRM zugreifen?
Technisch kann eine Integration möglich sein, wenn das CRM geeignete Schnittstellen oder andere unterstützte Verbindungen bietet. Ob und auf welche Daten der Agent zugreifen darf, sollte jedoch bewusst über Berechtigungen und den konkreten Anwendungsfall festgelegt werden.
Kann ein KI-Agent automatisch E-Mails verschicken?
Das kann technisch möglich sein. Ob ein Agent E-Mails nur vorbereiten oder auch automatisch versenden sollte, hängt vom Risiko, vom Inhalt und von den definierten Freigaberegeln ab. Bei sensiblen oder geschäftskritischen Nachrichten kann eine menschliche Freigabe sinnvoll bleiben.
Kann ein KI-Agent Mitarbeiter ersetzen?
Diese Frage ist für die Prozessplanung meist zu allgemein. Sinnvoller ist zu prüfen, welche konkreten wiederkehrenden Aufgaben unterstützt oder automatisiert werden können und welche Verantwortung, Fachentscheidung oder Kundenkommunikation weiterhin bei Menschen bleiben sollte.
Brauche ich für KI-Agenten eine API?
Nicht in jedem Fall. Manche Plattformen bieten bereits fertige Verbindungen zu Anwendungen und Werkzeugen. Für individuelle Geschäftsprozesse oder eigene Systeme werden jedoch häufig APIs oder andere Schnittstellen benötigt.
Wie starte ich am besten mit einem KI-Agenten?
Beginnen Sie mit einem einzelnen, häufig wiederkehrenden und überschaubaren Prozess. Definieren Sie Aufgabe, Daten, Systeme, Ausnahmen und Freigabepunkte und testen Sie den Ablauf zunächst mit begrenzten Zugriffsrechten.
Muss ein KI-Agent vollständig autonom arbeiten?
Nein. Viele sinnvolle Unternehmenslösungen kombinieren automatisierte Schritte mit menschlichen Freigaben. Ein hoher Autonomiegrad ist kein Qualitätsmerkmal für sich. Entscheidend ist, dass Risiko, Aufwand und Kontrolle zum Geschäftsprozess passen.