KI-Agenten im Unternehmen: Was sie wirklich können und wo sie scheitern

Kaum ein Begriff wird derzeit so oft verwendet und so selten erklärt. KI-Agenten im Unternehmen klingen nach einem digitalen Mitarbeiter, der Aufgaben eigenständig erledigt, während das Team sich Wichtigerem widmet. In der Praxis sehe ich zwei Muster: Entweder wird ein besserer Chatbot als Agent verkauft, oder es wird ein Agent gebaut, wo eine schlichte Automatisierung günstiger und stabiler gewesen wäre.

Dieser Artikel ordnet ein, was ein KI-Agent tatsächlich ist, wo er heute realistisch trägt, wo er zuverlässig scheitert und was geklärt sein muss, bevor ein Agent Zugriff auf Ihre Systeme bekommt.

Was ist ein KI-Agent?

Ein KI-Agent ist ein System, das ein Ziel entgegennimmt, die nötigen Zwischenschritte selbst festlegt und dafür Werkzeuge benutzt. Er kann eine Datenbank abfragen, ein Dokument lesen, einen Eintrag im CRM anlegen, eine Nachricht verschicken oder eine Aufgabe erzeugen. Zwischen den Schritten bewertet er das Ergebnis und entscheidet, was als Nächstes zu tun ist.

Drei Bestandteile machen den Unterschied:

• Ziel statt Anweisung: Der Agent bekommt ein Ergebnis vorgegeben, nicht jeden einzelnen Schritt.
• Werkzeuge: Er darf lesend und schreibend auf Systeme zugreifen, nicht nur Text erzeugen.
• Rückkopplung: Er prüft Zwischenergebnisse und korrigiert seinen Weg, statt stur eine Kette abzuarbeiten.

Damit ist auch klar, worin das eigentliche Risiko liegt. Ein Sprachmodell, das eine schwache Antwort formuliert, kostet Lesezeit. Ein Agent, der eine falsche Entscheidung trifft, schreibt sie in Ihr System. Der Sprung von „antwortet" zu „handelt" ist der Punkt, an dem Governance von der Kür zur Voraussetzung wird.

Agent, Chatbot oder Automatisierung: der praktische Unterschied

Die drei Begriffe werden oft vermischt, beschreiben aber unterschiedliche Werkzeuge mit unterschiedlichen Kosten.

Ein Chatbot beantwortet Fragen. Er verändert nichts, er formuliert. Für Auskünfte aus einer gepflegten Wissensbasis ist das genau richtig und deutlich günstiger als alles andere.

Eine klassische Automatisierung führt einen festgelegten Ablauf aus: Wenn eine Rechnung eintrifft, lies diese Felder aus, gleiche sie mit der Bestellung ab, leite bei Abweichung an die Buchhaltung weiter. Der Weg steht fest, das Ergebnis ist reproduzierbar, und jeder Fehler ist im Ablauf lokalisierbar.

Ein Agent lohnt sich erst dort, wo der Weg nicht feststeht. Wenn eine Anfrage je nach Inhalt drei, sieben oder zwölf Schritte in wechselnder Reihenfolge braucht, wird ein starrer Ablauf schnell zum Flickenteppich aus Sonderregeln. Genau dann spielt ein Agent seine Stärke aus.

Die praktische Faustregel: Je stabiler und gleichförmiger ein Prozess ist, desto weniger Agent brauchen Sie. Wer einen immer gleichen Ablauf mit einem Agenten löst, zahlt für Flexibilität, die er nicht nutzt, und handelt sich Unvorhersehbarkeit ein, die er nicht will.

Wo KI-Agenten heute realistisch tragen

Belastbar sind Anwendungsfälle, die klar begrenzt sind, auf zugänglichen Daten arbeiten und deren Ergebnis überprüfbar ist.

• Anfragen vorqualifizieren: Eingehende Anfragen einordnen, fehlende Angaben erkennen, im CRM anlegen und mit einer gezielten Rückfrage vervollständigen.
• Recherche mit Quellen: Interne und freigegebene externe Quellen durchsuchen, Ergebnisse zusammenführen und eine Zusammenfassung mit Fundstellen erzeugen, die ein Mensch prüft.
• Dokumentenvorgänge: Eingang klassifizieren, Daten auslesen, mit vorhandenen Vorgängen abgleichen, Abweichungen markieren und die nächste Aufgabe anlegen.
• Statusanfragen beantworten: Mehrere Systeme abfragen, den aktuellen Stand zusammensetzen und eine verständliche Antwort vorbereiten.
• Nachfassen im Vertrieb: Offene Vorgänge erkennen, den passenden Zeitpunkt bestimmen und einen kontextbezogenen Entwurf zur Freigabe vorlegen.

Auffällig ist, was diese Beispiele gemeinsam haben: Der Agent bereitet vor, verbindet und strukturiert. Die verbindliche Entscheidung bleibt in fast allen Fällen bei einem Menschen. Das ist keine Schwäche der Technik, sondern der Grund, warum solche Lösungen im Betrieb überhaupt bestehen.

Wo KI-Agenten scheitern

Genauso wichtig ist die andere Liste. Diese Muster sehe ich regelmäßig, und sie kosten Geld, bevor sie Erkenntnis bringen.

Unklare Prozesse. Wenn niemand im Haus präzise sagen kann, wie ein Vorgang abläuft und wer wann entscheidet, kann auch kein Agent es. Ein unklarer Prozess wird durch Automatisierung nur schneller unklar.

Schlechte Datenlage. Ein Agent, der in verstreuten Ablagen und widersprüchlichen Ständen sucht, produziert plausible Antworten auf falscher Grundlage. Das ist gefährlicher als gar keine Antwort, weil der Fehler nicht auffällt.

Fehlende Abbruchbedingungen. Ohne definierte Grenze arbeitet ein Agent weiter, auch wenn er den Punkt längst überschritten hat, an dem ein Mensch nachgefragt hätte. Er muss wissen, wann er aufhört und übergibt.

Zu weit gefasste Rechte. Ein Agent mit Schreibrechten auf alles ist ein Risiko ohne Gegenwert. Rechte gehören auf das eingegrenzt, was der konkrete Anwendungsfall braucht.

Kein Protokoll. Wenn nicht nachvollziehbar ist, welche Quellen der Agent genutzt und welche Aktionen er ausgelöst hat, lässt sich weder ein Fehler finden noch Vertrauen aufbauen.

Der Wunsch nach dem Universalagenten. Ein System, das alles kann, kann nichts verlässlich. Enge Anwendungsfälle funktionieren, breite Versprechen enttäuschen.

Was ein Agent im Betrieb braucht

Bevor ein Agent Zugriff auf produktive Systeme erhält, sollten fünf Punkte schriftlich geklärt sein.

Ein abgegrenzter Auftrag. Was genau soll der Agent erreichen, und was ausdrücklich nicht? Diese Abgrenzung ist wichtiger als die Modellauswahl.

Definierte Werkzeuge und Rechte. Welche Systeme darf er lesen, welche beschreiben, und unter welcher technischen Identität? Rollen und Zugriffsrechte gehören in die erste Analyse, nicht in die Abnahme.

Eskalation und Abbruch. Bei welchen Fällen übergibt er an einen Menschen? Unsicherheit, fehlende Daten, ungewöhnliche Beträge oder sensible Themen gehören zu den typischen Auslösern.

Protokollierung. Jede Aktion und jede genutzte Quelle muss nachvollziehbar sein. Ohne das ist Fehlersuche Raten.

Testfälle und Messgröße. Eine Sammlung realer Fälle mit bekannter richtiger Lösung, dazu eine Kennzahl, die besser werden soll: Bearbeitungszeit, Vollständigkeit oder Nacharbeitsquote.

Diese fünf Punkte sind kein bürokratischer Überbau. Sie sind der Unterschied zwischen einem Piloten, der in den Regelbetrieb geht, und einem Prototyp, der nach der Demo verschwindet.

Was ein KI-Agent kostet

Die Frage kommt meist früh, und die ehrliche Antwort ist unbequem: Die Modellkosten sind selten der entscheidende Posten. Ins Gewicht fallen die Anbindung an vorhandene Systeme, ein sauberes Rechtekonzept, der Aufbau von Testfällen, die Protokollierung und vor allem der laufende Betrieb einschließlich der Prüfung von Ergebnissen.

Deshalb lässt sich ein Preis erst nach der Analyse eines konkreten Prozesses seriös nennen. Zwei Unternehmen mit derselben Aufgabenstellung landen bei sehr unterschiedlichem Aufwand, wenn Datenlage und Schnittstellen sich unterscheiden. Wer eine Pauschalzahl nennt, bevor er den Prozess kennt, rät.

Ein kontrollierter Einstieg

Wählen Sie einen Vorgang, der häufig vorkommt, dessen Ergebnis überprüfbar ist und bei dem ein Fehler nicht sofort teuer wird. Beschreiben Sie den Ist-Ablauf, legen Sie Datenquellen, Rechte und Eskalation fest und definieren Sie vorab, woran Sie Erfolg messen.

Die ASDAR Method sorgt für die Reihenfolge: erst analysieren, dann strukturieren, digitalisieren, automatisieren und im Betrieb verankern. Die Frage, ob am Ende ein Agent, ein einfacher Workflow oder eine gepflegte Wissensbasis steht, fällt bewusst spät. Der Potenzial-Check hilft, den ersten Anwendungsfall zu priorisieren, statt mit dem sichtbarsten zu beginnen.

Wie so ein Einstieg in einzelnen Bereichen aussieht, zeigen die Beispiele unter Branchen. Wenn Sie noch grundsätzlicher stehen, ist KI im Unternehmen einführen der passendere Startpunkt.

Fazit

KI-Agenten sind kein Hype ohne Substanz, aber auch kein digitaler Mitarbeiter. Sie sind Systeme, die handeln dürfen, und genau daraus ergeben sich Nutzen wie Risiko. Sie tragen dort, wo Fälle unterschiedlich verlaufen, Daten zugänglich sind, Rechte eng gefasst und Ergebnisse überprüfbar bleiben. Sie scheitern dort, wo der Prozess unklar, die Datenlage schlecht oder der Auftrag zu breit ist.

Wer das trennt, spart sich eine teure Runde Enttäuschung und bekommt eine Lösung, die im Alltag hält. Wenn Sie einordnen möchten, ob in Ihrem Fall ein Agent, eine schlichte Automatisierung oder zunächst saubere Daten die richtige Antwort sind, klären wir das im Erstgespräch.