Ein KI-Agent ist ein KI-System, das ein Ziel bekommt und selbst entscheidet, welche Schritte und Werkzeuge es dafür braucht: Daten nachschlagen, etwas vorbereiten, eine Aktion in einem anderen System auslösen. Anders als ein Chatbot antwortet er nicht nur, und anders als eine klassische Automatisierung folgt er keinem fest verdrahteten Ablauf. Im Mittelstand lohnen sich KI-Agenten heute vor allem dort, wo sie Arbeit vorbereiten und ein Mensch die Entscheidung freigibt.
Was sind KI-Agenten?
Ein KI-Agent verbindet ein Sprachmodell mit Werkzeugen und einem Ziel. Er plant, führt einen Schritt aus, prüft das Ergebnis und entscheidet über den nächsten.
Die Werkzeuge sind der entscheidende Teil: Zugriff auf das ERP, das Postfach, den Kalender, das Dokumentenmanagement. Ohne sie ist ein Sprachmodell ein Gesprächspartner. Mit ihnen kann es handeln.
Anthropic, der Hersteller der KI Claude, unterscheidet in einem viel zitierten Leitfaden vom Dezember 2024 zwei Bauarten: Workflows, in denen Sprachmodell und Werkzeuge über vorgegebene Pfade gesteuert werden, und Agenten, die ihren Ablauf und die Nutzung der Werkzeuge selbst steuern. Die Empfehlung dort: mit der einfachsten Lösung beginnen und Komplexität nur erhöhen, wenn sie nötig ist. Das deckt sich mit unserer Erfahrung. »Agentic AI« ist übrigens der englische Sammelbegriff für genau diese Systeme.
Chatbot, Automatisierung, Agent: der Unterschied
Ein Chatbot antwortet, eine Automatisierung führt eine feste Regel aus, ein Agent verfolgt ein Ziel und wählt den Weg selbst.
Ein Chatbot beantwortet eine Frage, handelt aber nicht. Eine klassische Automatisierung reagiert auf einen Auslöser und arbeitet immer dieselben Schritte ab, wie im Beitrag zur Prozessautomatisierung im Mittelstand beschrieben. Ein Agent versteht dagegen auch unstrukturierte Eingaben wie eine Freitext-Mail, entscheidet, welche Information er braucht, holt sie sich und bereitet ein Ergebnis vor.
Der Preis für diese Flexibilität: Ein Agent arbeitet nicht jedes Mal gleich. Wo sich ein Ablauf sauber als Regel beschreiben lässt, ist die Regel die bessere Wahl. Sie ist günstiger, schneller und berechenbar.
Warum KI-Agenten offene Systeme brauchen
Ein Agent ist nur so gut wie die Systeme, die er erreichen kann. Ohne Schnittstellen bleibt er ein Chatfenster.
Im Beitrag Offene Systeme und MCP haben wir beschrieben, warum offene Schnittstellen und Standards wie das Model Context Protocol die Voraussetzung sind. Für Agenten gilt das doppelt. Bewährt hat sich ein klares Bild: ein starkes System im Kern, meist das ERP, mit den führenden Daten. Drumherum hängen die Werkzeuge, die der Betrieb braucht, und der Agent greift über definierte Schnittstellen darauf zu statt über Umwege. Wer heute an einer sauberen Datenbasis arbeitet, baut damit auch das Fundament für Agenten.
Realistische Beispiele aus Handwerk und Verwaltung
Realistisch sind heute Agenten, die lesen, zusammentragen und Entwürfe anlegen. Den letzten Klick macht ein Mensch.
Stellt euch einen SHK-Betrieb vor, bei dem abends eine Störungsmeldung per Mail eingeht: Heizung aus, Altbau, Stammkunde. So könnte ein Agent damit umgehen:
Lesen
Was steht in der Mail?
Eingang
Der Agent liest die Mail und erkennt: Störung, Heizung, Adresse, Dringlichkeit.
Nachschlagen
Wer ist das, welche Anlage?
ERP
Er sucht Kunde und Anlage im ERP und prüft, ob ein Wartungsvertrag besteht.
Vorbereiten
Entwurf statt Auftrag.
Vorschlag
Er legt einen Auftragsentwurf an und schlägt einen Termin vor, passend zu den freien Kapazitäten.
Freigeben
Der Mensch entscheidet.
Disposition
Am Morgen prüft die Disposition den Entwurf und gibt ihn frei oder korrigiert ihn.
Weitere Beispiele, bei denen Agenten heute sinnvoll vorarbeiten können:
- Angebot aus Anfrage: Eine Kundenanfrage kommt per Mail. Der Agent ordnet die Positionen dem Artikelstamm zu und legt einen Angebotsentwurf an. Ein Angebot automatisch aus einer eingehenden Bestellung zu erzeugen, nennen wir auf unserer Seite KI & Automatisierung als Beispiel für individuelle KI-Lösungen.
- Rechnung mit Abweichung: Eine Rechnung passt nicht zur Bestellung. Der Agent vergleicht Rechnung, Bestellung und Lieferschein, benennt die Differenz und formuliert eine Rückfrage an den Lieferanten als Entwurf.
- Posteingang in der Verwaltung: Der Agent ordnet eingehende Anfragen zu, fasst sie zusammen und legt sie der richtigen Person mit einem Antwortvorschlag vor.
Der Agent bereitet vor, der Mensch entscheidet.
Grenzen und Risiken von KI-Agenten
Die größten Risiken sind Fehler, die sich über mehrere Schritte fortpflanzen, manipulierte Eingaben und zu weit reichende Rechte.
- Fehler summieren sich. Ein Sprachmodell kann sich irren, und bei einem Agenten baut der nächste Schritt auf dem Irrtum auf. Anthropic nennt das Risiko sich verstärkender Fehler ausdrücklich als Preis der Autonomie.
- Manipulierte Inhalte (Prompt Injection). Ein Agent liest Mails, Dokumente und Webseiten, also Inhalte von außen. Darin können versteckte Anweisungen stecken. Das BSI hat schon 2023 vor solchen »Indirect Prompt Injections« gewarnt und sie als intrinsische Schwachstelle anwendungsintegrierter Sprachmodelle beschrieben.
- Zu viele Rechte. Die OWASP-Liste der größten Risiken von Sprachmodell-Anwendungen führt »Excessive Agency« als eigenen Punkt: zu viele Funktionen, zu weitreichende Berechtigungen, zu viel Autonomie.
- Daten. Was der Agent liest, geht an ein KI-Modell. Welcher Dienst, welcher Vertrag, welcher Speicherort – das muss vorher geklärt sein.
- Aufwand im Betrieb. Agenten brauchen Tests, Überwachung und Pflege. Dazu kommen laufende Nutzungskosten, die bei einer einfachen Regel nicht anfallen.
Menschliche Freigabe: wie viel Autonomie ist sinnvoll?
Für die meisten Betriebe gilt heute: Agenten dürfen lesen und vorschlagen, handeln erst nach Freigabe. Volle Autonomie nur für eng begrenzte, umkehrbare Aufgaben.
Praktisch heißt das, und so empfiehlt es auch OWASP:
- Minimale Rechte: Der Agent bekommt nur die Zugriffe, die er für seine Aufgabe braucht, wo möglich nur lesend.
- Eigene Identität: Er arbeitet unter einem eigenen, nachvollziehbaren Konto, nicht unter dem Konto der Chefin.
- Freigabe bei Wirkung: Alles, was nach außen geht, Geld bewegt oder Daten löscht, braucht einen menschlichen Klick.
- Protokoll: Jeder Schritt wird geloggt, damit ihr nachvollziehen könnt, was der Agent wann und warum getan hat.
Wo ihr anfangen solltet
Fangt mit einem Ablauf an, bei dem die Vorbereitung viel Zeit kostet und die Entscheidung beim Menschen bleibt. Prüft vorher, ob die nötigen Daten über Schnittstellen erreichbar sind.
Wer noch ganz am Anfang steht, findet den Einstieg im Beitrag KI im Unternehmen einführen. Oft zeigt sich dabei, dass eine klassische Automatisierung reicht. Das ist kein Rückschritt, sondern die günstigere Lösung. Unser Vorgehen, beschrieben auf der Seite KI & Automatisierung: Prozess-Check, Analyse, ein kleiner Pilot, dann skalieren, was sich bewährt hat. Bis zu einem ersten Prototyp vergehen dabei typischerweise vier bis acht Wochen. Bei unseren Kunden am Niederrhein und im Münsterland ist die erste Frage selten »Welcher Agent?«, sondern »Wo liegen eure Daten?«.
Häufige Fragen zu KI-Agenten
Was ist ein KI-Agent, einfach erklärt?
Ein KI-Agent ist ein Programm auf Basis eines Sprachmodells, das ein Ziel verfolgt und dafür selbst Werkzeuge nutzt, etwa euer ERP oder Postfach. Er plant Schritte, führt sie aus und prüft das Ergebnis. Im Unterschied zu einem Chatbot kann er also nicht nur antworten, sondern handeln.
Was ist der Unterschied zwischen KI-Agent und Chatbot?
Ein Chatbot beantwortet Fragen im Gespräch. Ein Agent hat Zugriff auf Systeme und kann dort Aktionen auslösen, zum Beispiel einen Auftrag anlegen oder eine Mail entwerfen. Viele Chatbots bekommen inzwischen solche Werkzeuge und werden damit zu Agenten.
Sind KI-Agenten sicher genug für den Betrieb?
Mit klaren Grenzen ja. Entscheidend sind minimale Rechte, eine eigene Identität für den Agenten, Protokollierung und eine menschliche Freigabe für alles, was Wirkung nach außen hat. Ein Agent, der Mails von außen liest, ist grundsätzlich anfällig für manipulierte Inhalte – das gehört in die Risikobewertung.
Brauchen wir für KI-Agenten Microsoft Copilot?
Nein. Agenten lassen sich mit verschiedenen Plattformen bauen. Microsoft bietet dafür etwa Copilot Studio an, es gibt aber auch andere Anbieter und eigene Entwicklungen. Wichtiger als die Plattform ist, ob eure Systeme offene Schnittstellen haben.
Was kosten KI-Agenten?
Das hängt von Umfang und Plattform ab. Neben dem Aufwand für Einrichtung, Anbindung und Tests fallen meist laufende Kosten für die Nutzung des Sprachmodells an, oft abhängig davon, wie viel der Agent arbeitet. Für klar geregelte Abläufe ist eine klassische Automatisierung in der Regel günstiger.
Was bedeutet »Agentic AI«?
Agentic AI ist der englische Sammelbegriff für KI-Systeme, die eigenständig Ziele verfolgen, planen und Werkzeuge nutzen, also für KI-Agenten. Der Begriff wird oft als Marketingwort verwendet. Fragt bei Angeboten konkret nach, was das System selbst entscheiden darf und was nicht.
Erstellt mit KI-Unterstützung, Überarbeitung sowie Freigabe von David Lensing. [Wie wir mit KI arbeiten →]
Oliver, Frank und Andreas
Eure Ansprechpartner
Wo könnte ein Agent bei euch vorarbeiten?
Prozess-Check
Wir schauen gemeinsam auf eure Abläufe und Systeme und sagen euch, wo ein Agent sinnvoll ist, wo eine einfache Automatisierung reicht und wo erst die Daten aufgeräumt werden müssen.
Gespräch vereinbaren
