KI-Agenten für Unternehmen: Wenn Software eigenständig entscheidet
Ein KI-Agent bekommt ein Ziel, nicht eine Anweisung. Er wählt seine Werkzeuge selbst, bewertet Zwischenergebnisse und passt seinen Weg an. Wir bauen solche Agenten seit über zwölf Monaten in den Produktivbetrieb, zuerst für uns selbst, dann für unsere Kunden.
Was ist ein KI-Agent?
Ein KI-Agent ist ein Programm, das ein Sprachmodell mit Werkzeugen verbindet und ihm die Entscheidung überlässt, welches Werkzeug wann eingesetzt wird. Der Unterschied zum Chatbot ist die Handlungsfähigkeit: Ein Chatbot antwortet, ein Agent handelt.
Konkret besteht ein Agent aus vier Bestandteilen. Dem Sprachmodell als Entscheidungsinstanz. Den Werkzeugen, also Zugriffen auf CRM, E-Mail, Datenbanken oder Schnittstellen. Dem Gedächtnis, damit der Agent den Verlauf einer Aufgabe kennt. Und den Leitplanken, die festlegen, was er ohne Rückfrage tun darf.
Der praktische Test: Wenn Sie den Ablauf vollständig in ein Flussdiagramm zeichnen können, brauchen Sie keinen Agenten, sondern eine Automatisierung mit n8n. Erst wenn der Ablauf Entscheidungen enthält, die vom Inhalt abhängen, wird ein Agent sinnvoll.
Agent oder Automatisierung: Was ist wann richtig?
Die Frage wird oft falsch gestellt. Es geht nicht um ein Entweder-oder, sondern um die richtige Aufteilung. Automatisierungen sind schneller, billiger und vorhersagbar. Agenten sind flexibel, aber teurer im Betrieb und brauchen Überwachung.
| Kriterium | Automatisierung | KI-Agent |
|---|---|---|
| Ablauf | Fest vorgegeben | Wird zur Laufzeit gewählt |
| Unerwartete Fälle | Bricht ab | Versucht eine Lösung |
| Kosten pro Durchlauf | Nahe null | Wenige Cent bis Euro |
| Nachvollziehbarkeit | Vollständig | Über Logging, mit Aufwand |
| Wartung | Bei Schnittstellenänderung | Laufend, Prompts und Modelle |
| Geeignet für | Wiederkehrende, klare Abläufe | Aufgaben mit Ermessensspielraum |
In unseren eigenen Systemen liegt das Verhältnis bei etwa 70 zu 30 zugunsten der Automatisierung. Der Agent kommt dort zum Einsatz, wo Inhalte bewertet werden müssen, nicht dort, wo Daten nur von A nach B wandern.
Wo KI-Agenten im Unternehmen tatsächlich tragen
Die folgenden sechs Bereiche decken den Großteil dessen ab, was wir in der Praxis umsetzen. Die Zeitangaben stammen aus laufenden Systemen, nicht aus Anbieterversprechen.
Kundenservice und Support
Der Agent liest eingehende Anfragen, zieht sich den Kundenkontext aus dem CRM, formuliert eine Antwort und legt sie zur Freigabe vor oder versendet sie direkt. Bei unklaren Fällen eskaliert er an einen Menschen.
Entlastung: 60 bis 80 Prozent der Standardanfragen
Angebots- und Dokumentenerstellung
Aus einer Anfrage erstellt der Agent einen Angebotsentwurf auf Basis bestehender Vorlagen, historischer Preise und der Kundenhistorie. Die finale Freigabe bleibt beim Menschen.
Entlastung: 2 bis 4 Stunden pro Angebot
Recherche und Marktbeobachtung
Der Agent überwacht definierte Quellen, filtert nach Relevanz und liefert eine verdichtete Zusammenfassung statt einer Linkliste. Wettbewerbsbeobachtung läuft damit kontinuierlich statt punktuell.
Entlastung: 5 bis 10 Stunden pro Woche
Datenpflege und Abgleich
Dubletten erkennen, Adressdaten normalisieren, fehlende Felder aus öffentlichen Quellen ergänzen. Der Agent arbeitet Bestände ab, die manuell nie angefasst würden.
Entlastung: Einmalig Tage, dann laufend
Content-Produktion
Recherche, Entwurf, Bildauswahl und Veröffentlichung als durchgehende Kette. Der Mensch gibt die Richtung vor und prüft das Ergebnis, die Zwischenschritte übernimmt der Agent.
Entlastung: 70 Prozent der Produktionszeit
Interne Wissenssuche
Der Agent durchsucht Dokumente, Protokolle und Ablagen in natürlicher Sprache und antwortet mit Quellenangabe. Das ersetzt die Suche nach der Datei, in der es mal stand.
Entlastung: 30 bis 60 Minuten pro Mitarbeiter und Tag
Wie ein produktiver Agent aufgebaut ist
Ein Agent, der im Unternehmen laufen soll, braucht mehr als einen API-Aufruf an ein Sprachmodell. Die Architektur, die sich bei uns bewährt hat, besteht aus drei Schichten.
Steuerungsschicht
Hier entscheidet das Sprachmodell, welcher Schritt als nächstes kommt. Ein Routing sorgt dafür, dass einfache Aufgaben an günstige Modelle gehen und nur komplexes Reasoning an teure. Das senkt die Betriebskosten erheblich, ohne die Qualität zu beeinträchtigen.
Werkzeugschicht
Die Anbindung an reale Systeme. Bei uns läuft das über n8n, weil sich dort über 400 Integrationen ohne Eigenentwicklung nutzen lassen und die Ausführung nachvollziehbar protokolliert wird.
Kontrollschicht
Freigabeschwellen, Logging und Rollback. Diese Schicht wird am häufigsten weggelassen und ist der Grund, warum viele Agentenprojekte nach dem Prototyp scheitern. Ohne sie ist ein Agent ein Experiment, kein Betriebsmittel.
Was bei uns selbst im Einsatz ist
Wir setzen keine Technik bei Kunden ein, die wir nicht selbst betreiben. Unser eigenes System läuft seit über zwölf Monaten und übernimmt Recherche, Content-Produktion, Mailbearbeitung und Systemüberwachung.
Das größte Kundenprojekt in diesem Bereich haben wir als anonymisierte Fallstudie dokumentiert: eine Führungskraft mit internationalem Mandat, für die wir ein vollständiges Assistenzsystem gebaut haben. Sieben Module, drei Architekturebenen, Betrieb auf eigener Infrastruktur.
Fallstudie ansehen →Einführung in vier Phasen
Prozessanalyse
3 bis 5 TageWir schauen uns an, welche Aufgaben wiederkehrend sind, wie viel Zeit sie binden und wo Entscheidungen fallen. Am Ende steht eine Priorisierung nach Aufwand und Wirkung, nicht nach technischer Machbarkeit.
Datenzugänge und Sicherheitsrahmen
2 bis 4 TageWelche Systeme muss der Agent lesen, welche darf er beschreiben? Hier wird die Datenklassifizierung festgelegt und entschieden, welche Modelle welche Informationen sehen dürfen.
Aufbau und Test
1 bis 3 WochenDer Agent wird gebaut und zunächst im Beobachtungsmodus betrieben. Er schlägt Aktionen vor, führt sie aber noch nicht aus. So lässt sich die Trefferquote messen, bevor etwas schiefgehen kann.
Produktivbetrieb und Nachjustierung
laufendSchrittweise Freigabe der Aktionen, beginnend bei den unkritischen. Monitoring und regelmäßige Auswertung der Logs. Die Trefferquote steigt in den ersten Wochen typischerweise von 65 auf über 85 Prozent.
Was ein KI-Agent kostet
Die Kosten teilen sich in einmalige Entwicklung und laufenden Betrieb. Der Betrieb wird regelmäßig unterschätzt, weil die Modellkosten mit der Nutzung steigen.
| Umfang | Einmalig | Laufend pro Monat |
|---|---|---|
| Ein Anwendungsfall | 4.500 bis 8.000 Euro | 150 bis 400 Euro |
| Mehrere Agenten, ein Bereich | 9.000 bis 15.000 Euro | 400 bis 900 Euro |
| Vollständiges Assistenzsystem | ab 15.000 Euro | ab 1.000 Euro |
Die laufenden Kosten enthalten Modellnutzung, Serverbetrieb und Wartung. Bei sensiblen Daten kommt eigene Hardware hinzu, was die Fixkosten erhöht, die Modellkosten aber senkt.
Häufige Fragen
Häufig gestellte Fragen
Was ist der Unterschied zwischen einem KI-Agenten und einer Automatisierung?
Ab welcher Unternehmensgröße lohnt sich ein KI-Agent?
Welche Daten verlassen dabei das Unternehmen?
Was passiert, wenn der Agent einen Fehler macht?
Wie lange dauert es, bis ein Agent produktiv läuft?
Welches Sprachmodell nutzen Sie?
Können bestehende Systeme angebunden werden?
Wo würde ein Agent bei Ihnen am meisten bringen?
Im Erstgespräch schauen wir uns Ihre wiederkehrenden Aufgaben an und sagen Ihnen ehrlich, wo sich ein Agent rechnet und wo eine einfache Automatisierung die bessere Wahl ist.