KI Agents für Unternehmen sind mehr als ein Schlagwort. Der Einsatz von KI-Agenten in deutschen KMU hat sich innerhalb eines Jahres fast verdoppelt: von 8,5 auf 16,6 Prozent. Weitere 37 Prozent der mittelständischen Unternehmen planen, in diesem Jahr erste Projekte zu starten.
Die Technologie ist heute zugänglich. API-Kosten für Sprachmodelle sind zwischen 2023 und 2026 um mehr als 90 Prozent gefallen. Vorkonfigurierte Agenten ersetzen aufwändige Eigenentwicklungen. Das ändert die Entscheidungsgrundlage für KMU grundlegend.
Was in vielen Gesprächen fehlt: eine ehrliche Einschätzung, was KI Agents tatsächlich leisten — und wo ihre Grenzen heute noch liegen.
Was ist ein KI Agent?
Klassische Prozessautomatisierung folgt festen Regeln: Wenn X passiert, tue Y. Der Ablauf ist vorab definiert. Das System führt aus — ohne Interpretationsspielraum.
Ein KI Agent funktioniert anders. Er erhält ein Ziel, keinen festen Ablauf. Um dieses Ziel zu erreichen, wertet er Informationen aus, trifft Entscheidungen und passt sein Vorgehen an den Kontext an. Er kann Werkzeuge aufrufen, Zwischenergebnisse bewerten und bei Bedarf einen anderen Weg einschlagen.
Ein konkretes Beispiel: Rechnungsverarbeitung als klassischer Workflow extrahiert Felder nach definierten Mustern und schreibt sie ins ERP. Derselbe Prozess als KI Agent erkennt, wenn eine Rechnung ungewöhnlich ist — sucht nach fehlenden Genehmigungen, prüft Abweichungen vom Bestellwert und eskaliert automatisch an den Verantwortlichen. Ohne dass jemand eine Regel dafür programmiert hat.
Der Workflow macht dasselbe immer wieder gleich. Der Agent entscheidet situativ.
Das klingt nach einem klaren Vorteil für den Agenten. Dieser Vorteil hat aber einen Preis: Agenten sind weniger vorhersehbar als Workflows. Sie müssen aktiv überwacht werden — besonders in der Anfangsphase.
Ein Chatbot ist übrigens kein KI Agent. Ein Chatbot beantwortet Fragen. Er nimmt keine Aktionen vor, ruft keine externen Systeme auf und trifft keine Entscheidungen. Die Begriffe werden oft vermischt — sie bezeichnen aber unterschiedliche Technologien.
Wo KI Agents heute in KMU funktionieren
Nicht jedes Einsatzgebiet hält in der Praxis, was Hersteller versprechen. Diese fünf haben sich in mittelständischen Unternehmen mit klar definiertem Scope bewährt:
E-Mail-Triage und Priorisierung Der Agent liest eingehende E-Mails, erkennt die Kategorie — Störmeldung, Bestellung, Beschwerde, allgemeine Anfrage — und leitet sie automatisch weiter. Dringende Nachrichten werden sofort eskaliert. Die manuelle Sortierstunde entfällt. Ein Praxisbeispiel dazu finden Sie in unserem Beitrag über KI-Automatisierung im Mittelstand.
CRM-Datenpflege und Lead-Qualifizierung Nach einem Kundengespräch recherchiert der Agent öffentlich verfügbare Informationen zum Unternehmen, ergänzt den CRM-Eintrag und bewertet die Abschlusswahrscheinlichkeit auf Basis historischer Daten. Das Vertriebsteam sieht einen vorbereiteten Datensatz — keinen leeren Eintrag, den es selbst ausfüllen muss.
Dokumentenverarbeitung mit Ausnahmebehandlung Lieferscheine, Zertifikate und Produktdatenblätter kommen in unterschiedlichen Formaten und Qualitäten. Ein klassischer Workflow scheitert an Abweichungen. Ein Agent erkennt Fehlstellen, fragt nach fehlenden Angaben oder eskaliert an den zuständigen Mitarbeitenden — ohne dass jemand jedes Dokument einzeln prüft.
Wettbewerbs- und Marktbeobachtung Der Agent überwacht regelmäßig definierte Quellen — Preisseiten von Mitbewerbern, Branchenportale, Ausschreibungsdatenbanken — und erstellt automatisch einen strukturierten Bericht. Relevante Änderungen landen direkt in einem Dokument oder einer E-Mail-Zusammenfassung.
Interner Wissens-Assistent Statt in Ordnern und E-Mail-Archiven zu suchen, stellt der Agent Fragen an den internen Dokumentenbestand: Welche Lieferbedingung gilt für diesen Kunden? Welche Zertifikate brauchen wir für dieses Produkt? Die Antwort kommt mit Quellenangabe — direkt aus den vorhandenen Unterlagen.
Allen fünf ist gemeinsam: Es gibt einen klaren Auslöser, ein messbares Ziel und eine überschaubare Fehlertoleranz. Das sind die richtigen Rahmenbedingungen für einen produktiven Agenten-Einsatz.
Wann ein Agent sinnvoll ist und wann ein Workflow reicht
Das ist die Frage, die in den meisten Gesprächen zu kurz kommt. Viele Anbieter positionieren KI Agents als Upgrade für jeden Prozess. Das ist kein seriöser Rat.
| Situation | Empfehlung |
|---|---|
| Prozess läuft immer gleich ab, Eingaben sind strukturiert | Klassischer Workflow |
| Viele Ausnahmen, Interpretation erforderlich | KI Agent |
| Ergebnis ist immer identisch messbar | Klassischer Workflow |
| Ergebnis variiert je nach Kontext und Eingabe | KI Agent |
| Begrenztes Budget, klar definierter Scope | Workflow zuerst |
| Komplexe Entscheidungslogik mit vielen Variablen | KI Agent mit Kontrollpunkten |
Aus mehr als 30 abgeschlossenen Projekten wissen wir: Die Mehrheit der Anwendungsfälle, die Unternehmen mit einem KI Agent lösen wollen, lässt sich zunächst mit einem gut konfigurierten Workflow abdecken. Der Agent wird relevant, wenn der Workflow an seine Grenzen stößt — weil zu viele Ausnahmen entstehen oder die Eingaben zu unstrukturiert sind.
Ein KI Agent ist kein Upgrade, das man einfach draufpackt. Er braucht einen klar definierten Scope, messbare Erfolgskriterien und eingebaute Kontrollpunkte. Wer das überspringt, bekommt ein System, das gelegentlich richtig liegt — aber nicht zuverlässig genug für den täglichen Betrieb.
Was KI Agents heute noch nicht können
KI Agents sind heute leistungsfähig. Aber sie sind keine autonomen Mitarbeitenden.
In produktiven Umgebungen liegt die Erfolgsquote für komplexe Aufgaben ohne klare Einschränkungen bei 70 bis 85 Prozent. Mit guter Datenbasis, engem Scope und sauber gesetzten Berechtigungen steigt sie auf über 90 Prozent. Für viele Unternehmensprozesse reicht das nicht, um auf manuelle Kontrolle vollständig zu verzichten.
Was Agents heute noch nicht zuverlässig leisten:
- Compliance-kritische Entscheidungen ohne Freigabe. Ein Agent kann Anomalien erkennen und markieren. Zahlungen freigeben oder Verträge zeichnen sollte er ohne menschliche Bestätigung nicht.
- Langfristige Planung über mehrere Monate. Strategische Einschätzungen, die Kontext über längere Zeiträume erfordern, liegen außerhalb dessen, was aktuelle Agenten verlässlich beherrschen.
- Vollständige Eigenverantwortung für Kundenkommunikation. Automatisch verfasste Antworten können in sensiblen Situationen unpassend oder fehlerhaft sein.
Das kommunizieren die meisten Hersteller nicht laut genug. Es ist aber entscheidend für eine realistische Erwartungshaltung.
Wir bauen deshalb in jeden Agenten-Workflow Kontrollpunkte ein — Stellen, an denen ein Mitarbeitender prüft und bestätigt, bevor das System weiterarbeitet. Nicht aus Misstrauen gegenüber der Technologie. Sondern weil das der Unterschied zwischen einem produktiv eingesetzten Agenten und einem vermeidbaren Fehler sein kann.
Mehr zur Frage der menschlichen Kontrolle in KI-Projekten finden Sie auf unserer Seite zur KI-Beratung.
Mit einem KI Agent starten
Der häufigste Fehler: zu groß anfangen. Ein universeller KI-Assistent „für das gesamte Unternehmen" scheitert fast immer — nicht an der Technologie, sondern an einem unklaren Scope.
Was in der Praxis funktioniert:
- Einen Prozess auswählen, der täglich läuft und ein messbares Ergebnis hat. Nicht den wichtigsten Prozess — den am einfachsten isolierbaren.
- Erfolgskriterien vor dem Start festlegen. Was muss der Agent leisten, damit der Einsatz sinnvoll ist? Zeitersparnis, Fehlerquote, Eskalationsrate — konkret, nicht vage.
- Testphase mit echten Daten einplanen. Zwei Wochen Realbetrieb mit definierten Kriterien, bevor der Betrieb in den Normalmodus übergeht.
- Kontrollpunkte definieren. Welche Entscheidungen trifft das System allein? Welche brauchen eine menschliche Freigabe? Das muss vor dem Go-Live feststehen.
Ein klar abgegrenztes Agenten-Projekt ist bei uns in rund 15 Tagen produktiv im Einsatz. Danach folgen 14 Tage Testbetrieb — mit klar definierten Kriterien und regelmäßigen Statusgesprächen.
Wenn Sie unsicher sind, ob Ihr Anwendungsfall besser als Workflow oder als KI Agent umgesetzt werden sollte, klären wir das im Erstgespräch. Ein konkreter Prozess als Ausgangspunkt ist die Voraussetzung.
Mehr zu unserer Arbeit mit KI Agents finden Sie auf der Seite KI Agents für Unternehmen.