KI-Agenten im Unternehmen: Was sie können und wann sie sich lohnen

Was ist ein KI-Agent genau?

Ein KI-Agent besteht im Kern aus drei Bausteinen:

• Einem Sprachmodell als „Denkzentrale“: Es versteht die Aufgabe, plant die nötigen Schritte und entscheidet, welches Werkzeug als Nächstes gebraucht wird.
• Werkzeugen (Tools): Anbindungen an Programme und Datenquellen, zum Beispiel „Kontakt im CRM suchen“, „E-Mail-Entwurf anlegen“, „Termin im Kalender prüfen“ oder „Wissensdatenbank durchsuchen“.
• Anweisungen und Grenzen: Eine genaue Beschreibung von Rolle, Ziel, erlaubten Aktionen und Regeln, wann an einen Menschen übergeben wird.

Hinzu kommen oft ein Gedächtnis für den bisherigen Verlauf und eine Wissensbasis mit Unternehmensinformationen. Der Agent arbeitet in einer Schleife: Er betrachtet die Situation, wählt einen Schritt, führt ihn aus, prüft das Ergebnis und entscheidet über den nächsten Schritt, bis die Aufgabe erledigt ist oder er an einer definierten Grenze stoppt.

Unterschied zu Chatbot und klassischem Workflow

Die Begriffe werden oft durcheinandergeworfen. Der Unterschied ist aber wichtig, weil er bestimmt, welche Lösung für deinen Fall passt.

Eine wichtige Erkenntnis aus der Praxis: Nicht jede Aufgabe braucht einen Agenten. Wenn ein Ablauf immer gleich ist, ist ein klassischer Workflow mit einem einzelnen KI-Schritt günstiger, schneller und zuverlässiger. Agenten spielen ihre Stärke dort aus, wo der Weg zum Ziel je nach Fall unterschiedlich aussieht.

Typische Einsatzbereiche im Unternehmen

Vertrieb

Ein Agent nimmt eine neue Anfrage entgegen, recherchiert öffentlich verfügbare Informationen zum Unternehmen, prüft im CRM, ob es bereits Kontakt gab, bewertet die Anfrage nach festgelegten Kriterien und legt einen vorbereiteten Datensatz mit Antwortentwurf an. Der Vertrieb bekommt eine fertige Grundlage statt einer nackten E-Mail.

Kundenservice

Ein Service-Agent beantwortet Anfragen nicht nur aus einer Wissensbasis, sondern schaut auch in Bestell- oder Ticketsysteme, prüft den Status und kann einfache Vorgänge wie eine Adressänderung anstoßen. Bei Beschwerden, rechtlichen Fragen oder Unsicherheit übergibt er an einen Menschen. Details dazu im Artikel Kundenservice mit KI automatisieren.

Interne Assistenz

Ein interner Agent beantwortet Fragen des Teams zu Prozessen, Richtlinien oder Projekten, sucht Dokumente heraus, fasst Besprechungen zusammen und legt Aufgaben im Projektmanagement-Tool an. Gerade in wachsenden Teams reduziert das Rückfragen und Einarbeitungszeit.

Recherche und Analyse

Agenten sammeln Informationen aus mehreren Quellen, vergleichen sie und erstellen strukturierte Zusammenfassungen, etwa Marktübersichten, Wettbewerbsvergleiche oder Ausschreibungsprüfungen. Die Ergebnisse brauchen eine fachliche Prüfung, sparen aber viel Vorarbeit.

Datenpflege und Backoffice

Ein Agent prüft eingehende Dokumente, gleicht sie mit vorhandenen Daten ab, ergänzt fehlende Informationen und meldet Unstimmigkeiten. Wo früher jemand stundenlang Listen abgeglichen hat, bleibt nur die Klärung der Ausnahmen.

Wann sich ein KI-Agent lohnt und wann nicht

Ein KI-Agent ist eine sinnvolle Investition, wenn mehrere dieser Bedingungen erfüllt sind:

• Die Aufgabe kommt häufig vor, mindestens mehrmals pro Woche.
• Die Fälle unterscheiden sich so stark, dass ein starrer Workflow viele Ausnahmen bräuchte.
• Die nötigen Informationen sind digital verfügbar und über Schnittstellen erreichbar.
• Es gibt klare Kriterien, woran ein gutes Ergebnis erkennbar ist.
• Fehler sind korrigierbar oder werden durch eine Freigabe abgefangen.

Eher abzuraten ist, wenn die Aufgabe selten vorkommt, das Ergebnis kaum überprüfbar ist, Fehler gravierende rechtliche oder finanzielle Folgen hätten oder die Daten verstreut und unvollständig sind. In diesen Fällen ist oft ein einfacher Workflow mit menschlicher Entscheidung der bessere Weg, oder zuerst die Datenbasis aufzuräumen.

Wie du den wirtschaftlichen Nutzen vorab abschätzt, zeigt der Artikel Was kostet KI-Automatisierung?. Agenten verursachen durch mehrere Modellaufrufe pro Vorgang höhere laufende Kosten als einfache Workflows, das sollte in die Rechnung einfließen.

Autonomiestufen: Wie viel darf der Agent selbst entscheiden?

Die wichtigste Designentscheidung bei einem Agenten ist, wie viel Eigenständigkeit er bekommt. Bewährt hat sich ein stufenweises Vorgehen:

1. Vorschlagen: Der Agent bereitet vor, ein Mensch prüft und führt aus. Ideal für den Start.
2. Ausführen mit Freigabe: Der Agent führt Aktionen aus, kritische Schritte wie das Versenden an Kunden brauchen eine Bestätigung.
3. Selbstständig mit Kontrolle: Der Agent handelt eigenständig innerhalb klarer Grenzen, alle Aktionen werden protokolliert und stichprobenartig geprüft.
4. Weitgehend autonom: Nur für sehr gut getestete, risikoarme Aufgaben mit verlässlichem Monitoring.

Starte immer auf Stufe 1 oder 2 und erhöhe die Autonomie erst, wenn du anhand echter Fälle siehst, dass die Qualität stimmt. Dieses Vorgehen nennt man oft „Human in the Loop“.

Risiken und wie du sie begrenzt

• Falsche oder erfundene Informationen: Sprachmodelle können plausibel klingende, aber falsche Aussagen erzeugen. Abhilfe schaffen eine gute Wissensbasis, die Anweisung, nur auf Basis vorhandener Quellen zu antworten, und Prüfschritte.
• Manipulation über Eingaben: Texte in E-Mails oder Dokumenten können versuchen, dem Agenten Anweisungen unterzuschieben (Prompt Injection). Agenten sollten deshalb nur die Rechte bekommen, die sie wirklich brauchen, und kritische Aktionen nicht allein auslösen dürfen.
• Zu weitreichende Zugriffsrechte: Ein Agent mit Schreibzugriff auf alle Systeme ist ein Risiko. Vergib Rechte nach dem Prinzip der minimalen Berechtigung.
• Kostenausreißer: Agenten, die in Schleifen geraten, verursachen unnötige Modellkosten. Setze Limits für Schritte und Budget.
• Datenschutz: Agenten verarbeiten oft personenbezogene Daten. Datenflüsse, Anbieter und Rechtsgrundlagen müssen geklärt sein. Mehr dazu in KI-Automatisierung & DSGVO.
• Fehlende Nachvollziehbarkeit: Ohne Protokolle weißt du nicht, warum ein Agent etwas getan hat. Logge jeden Schritt.

So führst du einen KI-Agenten ein

1. Aufgabe eng definieren: Nicht „Agent für den Vertrieb“, sondern „Agent, der eingehende Website-Anfragen qualifiziert und einen CRM-Eintrag mit Antwortentwurf erstellt“.
2. Erfolgskriterien festlegen: Woran erkennst du ein gutes Ergebnis? Welche Fehler sind inakzeptabel?
3. Werkzeuge und Rechte festlegen: Welche Systeme braucht der Agent, und darf er dort lesen oder auch schreiben?
4. Wissensbasis aufbauen: Aktuelle, widerspruchsfreie Informationen, auf die der Agent zugreifen kann.
5. Mit echten Fällen testen: Sammle Beispiele aus der Vergangenheit, inklusive schwieriger Fälle, und prüfe die Ergebnisse systematisch.
6. Mit Freigabe starten: Im Live-Betrieb zunächst jede Aktion prüfen lassen.
7. Messen und verbessern: Fehlerquote, Zeitersparnis und Kosten beobachten, Anweisungen nachschärfen, Autonomie schrittweise erhöhen.

Für den technischen Aufbau eignen sich Plattformen wie n8n, die eigene Bausteine für Agenten mitbringen. Einen Vergleich gängiger Tools findest du im Artikel n8n vs. Make vs. Zapier. Aus unseren Projekten bei EcoWise wissen wir: Der Erfolg eines Agenten hängt weniger vom gewählten Modell ab als von einer präzisen Aufgabenbeschreibung, guten Daten und sauberen Kontrollen.

Beispiel: So arbeitet ein Agent für Anfragen Schritt für Schritt

Um greifbar zu machen, wie ein Agent arbeitet, hilft ein typischer Ablauf aus dem Vertrieb eines Dienstleisters. Eine neue Anfrage kommt über das Kontaktformular der Website herein.

1. Verstehen: Der Agent liest die Anfrage und erkennt, dass es um ein Angebot für eine bestimmte Leistung geht, der Interessent aber kein Budget und keinen Zeitrahmen genannt hat.
2. Kontext sammeln: Er prüft im CRM, ob es zu dieser E-Mail-Adresse oder Firma bereits Kontakt gab. Er findet ein Gespräch aus dem Vorjahr.
3. Wissen abrufen: Er durchsucht die interne Wissensbasis nach der Leistungsbeschreibung und den üblichen nächsten Schritten.
4. Bewerten: Anhand festgelegter Kriterien ordnet er die Anfrage als passend ein und markiert, welche Angaben noch fehlen.
5. Vorbereiten: Er aktualisiert den CRM-Eintrag, verknüpft das frühere Gespräch und schreibt einen Antwortentwurf mit einem Terminvorschlag und den offenen Fragen.
6. Übergeben: Der zuständige Mitarbeitende erhält eine Benachrichtigung, prüft den Entwurf, passt ihn bei Bedarf an und versendet ihn.

Ein starrer Workflow hätte hier an mehreren Stellen feste Regeln gebraucht: für Bestandskunden, für fehlende Angaben, für verschiedene Leistungen. Der Agent entscheidet situativ, welche Schritte nötig sind. Gleichzeitig bleibt die entscheidende Handlung, der Versand an den Kunden, beim Menschen.

Woran du erkennst, dass ein Agent gut funktioniert

Ein Agent sollte nicht nach Gefühl bewertet werden, sondern anhand klarer Kennzahlen. Bewährt haben sich:

• Übernahmequote: Welcher Anteil der Vorschläge wird ohne oder mit nur kleinen Änderungen übernommen?
• Fehlerarten: Welche Fehler treten auf, und sind sie harmlos oder kritisch? Kritische Fehler müssen gegen null gehen, bevor die Autonomie steigt.
• Übergabequote: Wie oft gibt der Agent an einen Menschen ab? Zu häufig spricht für eine zu breite Aufgabe oder Lücken in der Wissensbasis, zu selten kann ein Warnsignal für Selbstüberschätzung sein.
• Zeitersparnis: Wie viel Arbeitszeit fällt pro Vorgang weg, verglichen mit dem Ausgangswert?
• Kosten pro Vorgang: Wie viel kosten Modellaufrufe und Plattform pro erledigter Aufgabe?

Lege für jede Kennzahl vor dem Start einen Zielwert fest, etwa eine Übernahmequote, ab der du die nächste Autonomiestufe freigibst. So wird aus dem Bauchgefühl eine nachvollziehbare Entscheidung, die du auch gegenüber Geschäftsführung und Team begründen kannst. Halte außerdem fest, wer die Zahlen auswertet und in welchem Rhythmus, damit die Kontrolle nicht nach den ersten Wochen einschläft.

Schau dir in den ersten Wochen regelmäßig eine Stichprobe der Protokolle an. Das zeigt dir nicht nur Fehler, sondern auch, an welchen Stellen Anweisungen oder Wissensbasis präziser werden müssen.

Beispiele nach Branche

• Handwerk: Agent nimmt Anfragen mit Fotos entgegen, fragt fehlende Angaben nach, schätzt die Art des Auftrags ein und schlägt Besichtigungstermine vor.
• E-Commerce: Agent beantwortet Fragen zu Bestellungen mit Zugriff auf das Shopsystem, bearbeitet einfache Retouren-Anfragen und eskaliert Reklamationen.
• Dienstleister und B2B: Agent qualifiziert Leads, recherchiert Unternehmen, bereitet Gesprächsnotizen vor und pflegt das CRM nach Terminen.
• Praxen und Kanzleien: Agent sortiert Anfragen vor, beantwortet organisatorische Fragen und bereitet Termine vor. Fachliche Auskünfte bleiben bei Ärztinnen, Anwälten und Fachpersonal.

Checkliste vor dem Start

• Aufgabe in einem Satz präzise beschrieben
• Häufigkeit und heutiger Zeitaufwand bekannt
• Benötigte Systeme haben nutzbare Schnittstellen
• Rechte nach dem Minimalprinzip festgelegt
• Übergabe an Menschen klar geregelt
• Testfälle aus der Praxis gesammelt
• Protokollierung und Kostenlimits eingeplant
• Datenschutz geprüft und dokumentiert