KI-Agenten im Mittelstand: Was sie können – und was nicht

Im letzten Jahr hat sich fast jedes Softwareprodukt das Etikett „KI-Agent“ zugelegt. Manche davon sind tatsächlich Agenten, die meisten sind ein etwas klügeres Chatfenster. Dieses Durcheinander macht es mittelständischen Unternehmen schwer, eine gute Entscheidung zu treffen: Entweder sie starten mit überzogenen Erwartungen und werden enttäuscht, oder sie lassen eine Chance liegen, die sich wirklich gelohnt hätte.

In diesem Artikel erkläre ich, was KI-Agenten sind, wie sie funktionieren und wo sie in einem Unternehmen tatsächlich weiterhelfen – mit Beispielen aus Produkten, die ich entwickelt habe, und ohne Übertreibung.

Was ist ein KI-Agent?

Ein KI-Agent ist eine Software, die ein Ziel erhält, selbst entscheidet, welche Schritte sie dafür unternimmt, dabei Werkzeuge nutzt und nach jedem Schritt anhand des Ergebnisses den nächsten festlegt.

Drei Begriffe sind dabei entscheidend:

• Ziel: Nicht „Beantworte diese Frage“, sondern eine Aufgabe wie „Schließe die Reklamation dieses Kunden ab“.
• Werkzeuge: Ein Agent erzeugt nicht nur Text. Er fragt eine Datenbank ab, legt einen Vorgang in einem System an, entwirft eine E-Mail, liest ein Dokument.
• Schleife: Der Agent führt einen Schritt aus, bewertet das Ergebnis und passt bei Bedarf seinen Plan an. Das wiederholt er, bis das Ziel erreicht ist oder er an einen Punkt kommt, an dem er anhalten muss.

Kurz gesagt: Ein Chatbot redet, ein Agent erledigt Arbeit.

Chatbot, Automatisierung, Assistent, Agent – wo liegt der Unterschied?

Diese vier Begriffe werden ständig verwechselt. Der Unterschied liegt darin, wer entscheidet und wer handelt:

• Klassische Automatisierung: Die Regeln werden vorab festgelegt. „Wenn eine Rechnung eingeht, an die Buchhaltung weiterleiten.“ Schnell, günstig und berechenbar – aber sobald ein Fall nicht in die Regel passt, bleibt sie hängen.
• Chatbot: Beantwortet Fragen. Er erledigt keine Aufgabe selbst; was als Nächstes passiert, entscheidet der Nutzer.
• Assistent (Copilot): Arbeitet an der Seite eines Menschen und macht Vorschläge. Entscheidung und Handlung liegen beim Menschen.
• Agent: Übernimmt das Ziel, plant die Schritte und führt die Handlung mithilfe von Werkzeugen selbst aus. Der Mensch gibt in der Regel zu Beginn das Ziel vor und gibt kritische Schritte bei Bedarf frei.

Das ist keine Rangfolge, sondern ein Spektrum. Nicht jede Aufgabe braucht die Option ganz rechts; meistens liegt die richtige Antwort irgendwo in der Mitte.

KI-Agenten Beispiele aus meinen eigenen Produkten

In meinen Projekten habe ich KI bewusst an unterschiedlichen Stellen dieses Spektrums eingesetzt:

• Erzeugung in einem Schritt: Yess. Auf der Kleinanzeigenplattform, die wir für den Senegal entwickelt haben, schreibt der Nutzer einen einzigen Satz, und die KI macht daraus eine vollständige Anzeige. Das ist kein Agent, spart dem Nutzer aber viel Arbeit – und das Ergebnis bestätigt er selbst.
• Live-Assistent: das KI-Callcenter. Während das Gespräch läuft, wird die Sprache transkribiert, Stimmung und Kaufwahrscheinlichkeit werden analysiert, und die Mitarbeiterin am Telefon sieht live Vorschläge auf dem Bildschirm. Wir haben der KI bewusst nicht erlaubt, dem Kunden von sich aus etwas zu sagen; die Entscheidung bleibt beim Menschen. Nach dem Gespräch schreibt das System Zusammenfassung und Bericht selbstständig.
• Eine App, die im Kontext bewertet: Lullai. In dieser Baby-App wird eine Schreiaufnahme nicht isoliert ausgewertet, sondern zusammen mit dem Alter des Babys und den letzten Einträgen zu Füttern, Schlaf und Windeln. Das Ergebnis wird mit seinem Unsicherheitsgrad erklärt, und die App stellt keine Diagnose. Wo die Grenze gezogen wird, ist mindestens so wichtig wie das Modell selbst.

Keines dieser Beispiele ist ein vollständig autonomer Agent, und das ist kein Mangel. In jedem Fall haben wir anhand des Risikos der Aufgabe entschieden, wie viel Autonomie die KI bekommt.

Wo KI-Agenten im Mittelstand helfen

Die Aufgaben, bei denen Agenten den größten Nutzen bringen, haben etwas gemeinsam: Sie sind mehrstufig, wiederkehrend, die Werkzeuge sind klar definiert, und Fehler lassen sich rückgängig machen. Typische Beispiele aus dem Unternehmensalltag:

• Dokumentenverarbeitung: Eingangsrechnungen, Anträge oder Verträge lesen, die relevanten Felder auslesen, mit dem Datensatz im ERP-System abgleichen und Abweichungen einem Menschen vorlegen.
• Serviceanfragen: Die Anfrage einordnen, den passenden Kundendatensatz und frühere Vorgänge finden, einen Antwortentwurf vorbereiten und ihn dem Kundenservice zur Freigabe vorlegen.
• Recherche: Interne Dokumente und Unterlagen zu einem Thema durchsuchen und eine Zusammenfassung mit Quellenangaben erstellen.
• Datenabgleich: Abweichungen zwischen zwei Systemen finden, dokumentieren und für einfache Fälle einen Korrekturvorschlag machen.

Wo KI-Agenten die falsche Wahl sind

Genauso wichtig ist es zu wissen, wann ein Agent eine schlechte Idee ist:

• Unumkehrbare Vorgänge. Zahlungen ausführen, Verträge unterschreiben, einem Kunden eine verbindliche Mitteilung schicken. Diese Schritte brauchen immer eine menschliche Freigabe.
• Aufgaben mit klaren Regeln. Lautet die Regel „Über 10.000 Euro geht die Bestellung an die Geschäftsführung“, ist klassische Automatisierung günstiger, schneller und zuverlässiger. Nicht jede Aufgabe braucht KI.
• Verstreute Daten. Ein Agent ist nur so gut wie die Daten, auf die er zugreift. Widersprechen sich dieselben Daten in mehreren Systemen, löst der Agent diesen Widerspruch nicht – er verbreitet ihn nur schneller.

Wie funktioniert ein KI-Agent technisch?

Hinter einem Agenten stehen meist diese Bausteine:

1. Sprachmodell: Das „Gehirn“, das das Ziel versteht, einen Plan macht und über den nächsten Schritt entscheidet.
2. Werkzeuge: Klar definierte Funktionen, die das Modell aufrufen kann: „Kunden finden“, „Vorgang anlegen“, „Dokument lesen“. Das Modell entscheidet, ein Werkzeug aufzurufen, die Software führt es aus und gibt das Ergebnis an das Modell zurück. Standards wie das Model Context Protocol (MCP) erleichtern es, dieselben Werkzeuge an unterschiedliche Modelle anzubinden.
3. Kontext: Die für die Aufgabe relevanten Dokumente, die Ergebnisse früherer Schritte und die Berechtigungen des Nutzers.
4. Schleife und Abbruchbedingungen: Wie viele Schritte der Agent machen darf, wann er aufhört und wann er einen Menschen fragt.
5. Leitplanken: Eine Liste dessen, was der Agent nicht darf, die Schritte, die eine Freigabe brauchen, und ein Protokoll aller Schritte.

Der schwierigste Teil ist meist nicht das Modell, sondern die saubere Gestaltung von Werkzeugen und Berechtigungen. Genau hier entscheidet sich, ob die KI-Integration im Unternehmen gelingt.

Risiken: Fehlerketten, Kosten und Sicherheit

Fehlerketten. Angenommen, ein Agent trifft bei jedem Schritt zu 95 Prozent die richtige Entscheidung. Für sich genommen klingt das gut. Bei einer Aufgabe mit zehn Schritten sinkt die Wahrscheinlichkeit, dass alle Schritte stimmen, aber auf etwa 60 Prozent. Deshalb sollte die Zahl der Schritte klein bleiben, und an kritischen Stellen gehört eine Kontrolle hin.

Kosten. Jeder Schritt ist ein Modellaufruf. Ein Agent, der für eine einfache Aufgabe zehn Schritte braucht, kann deutlich teurer werden als eine Lösung, die dasselbe mit einem einzigen Aufruf erledigt. Nutzung und Kosten sollten von Anfang an überwacht werden.

Sicherheit. Liest der Agent Inhalte von außen (E-Mails, Dokumente, Webseiten), kann jemand versuchen, ihn mit darin versteckten Anweisungen zu steuern. Das nennt man „Prompt Injection“. Der wirksamste Schutz: dem Agenten nur die Berechtigungen geben, die er für seine Aufgabe mindestens braucht, und wichtige Aktionen an eine Freigabe knüpfen.

Personenbezogene Daten. Jedes System, auf das der Agent zugreift, bedeutet potenziell Daten, die an das Modell gehen. Mit Blick auf die DSGVO muss deshalb von Anfang an festgelegt werden, welche Daten wohin fließen. Ausführlicher gehe ich darauf im Artikel KI in Kommunen ein.

So starten Sie sicher in Ihrem Unternehmen

1. Wählen Sie einen einzigen Prozess. Eine mehrstufige, wiederkehrende Aufgabe, deren Fehler sich rückgängig machen lassen. Das Einordnen von Serviceanfragen oder die Verarbeitung von Eingangsrechnungen sind gute Startpunkte.
2. Beginnen Sie als Assistent. Der Agent schlägt vor, ein Mensch gibt frei. In dieser Phase messen Sie mit echten Daten, wie treffsicher der Agent ist.
3. Halten Sie die Werkzeuge knapp. In der ersten Version darf der Agent nur lesen. Schreib- und Versandrechte öffnen Sie Schritt für Schritt, je nach Messergebnis.
4. Protokollieren Sie alles. Es muss nachvollziehbar sein, welcher Schritt warum ausgeführt wurde – für die Fehlersuche ebenso wie für Prüfungen.
5. Definieren Sie Erfolg. Gesparte Zeit, Fehlerquote, Kosten. Bauen Sie keinen Agenten aus, den Sie nicht messen können.
6. Erhöhen Sie die Autonomie schrittweise. Wenn die Trefferquote Vertrauen schafft, entfällt die Freigabe bei Schritten mit geringem Risiko.

Ein Punkt gehört von Beginn an dazu: Seit dem 2. Februar 2025 verpflichtet Artikel 4 der EU-KI-Verordnung (AI Act) Unternehmen, die KI-Systeme einsetzen, Maßnahmen zu ergreifen, damit ihr Personal über ausreichende KI-Kompetenz verfügt. Wer einen Agenten einführt, sollte die Mitarbeitenden, die mit ihm arbeiten, also gezielt schulen – auch darin, wo seine Grenzen liegen.

Häufige Fragen

Was ist der Unterschied zwischen einem KI-Agenten und ChatGPT?

Chat-Werkzeuge wie ChatGPT sind im Kern für Frage und Antwort gedacht; die eigentliche Arbeit erledigt der Nutzer. Ein Agent dagegen ist an die Systeme des Unternehmens angebunden und führt dort Schritte aus, um ein Ziel zu erreichen. Dasselbe Sprachmodell lässt sich auf beide Arten einsetzen; der Unterschied liegt in den Werkzeugen und Berechtigungen, die darum herum gebaut werden.

Ersetzen KI-Agenten Mitarbeiter?

In ihrer heutigen Form übernehmen Agenten vor allem wiederkehrende und zeitraubende Schritte; Entscheidung und Verantwortung bleiben in den meisten Aufgaben beim Menschen. Richtig eingesetzt, ersetzen sie Mitarbeitende weniger, als dass sie ihnen mehr Zeit für die wichtigen Aufgaben des Tages verschaffen.

Wie lange dauert ein KI-Agenten-Projekt?

Ein Pilot für einen einzelnen Prozess im Assistenzmodus lässt sich innerhalb weniger Wochen erproben, wenn Daten und Systemzugänge bereitstehen. Die meiste Zeit kosten in der Regel Schnittstellen, Berechtigungen und die Messung.

Fazit

KI-Agenten sind eine echte Neuerung, aber nicht die Antwort auf alles. Die richtige Frage lautet nicht „Sollen wir Agenten einsetzen?“, sondern „Wie viel Autonomie ist für diese Aufgabe richtig?“. Unternehmen, die klein anfangen – mit einem Prozess, im Assistenzmodus und mit klaren Messgrößen –, kommen deutlich schneller zu Ergebnissen als jene, die mit großen Versprechen starten.

Wenn Sie besprechen möchten, in welchem Prozess Ihres Unternehmens KI helfen könnte, werfen Sie einen Blick auf meine Leistung KI und Automatisierung oder schreiben Sie mir.