27. August 2026

KI-Agenten im Unternehmen: Was heute praktisch funktioniert

Artikel geschrieben von Mitzinnek in der Kategorie KI-Tools und KI-Agenten

KI-Agenten funktionieren heute gut bei begrenzten, prüfbaren Aufgaben. Sie recherchieren, sortieren, erstellen Entwürfe und bearbeiten klar geregelte Abläufe. Freie Autonomie in kritischen Prozessen bleibt ein unnötiges Risiko.

Was einen KI-Agenten von einem Chatbot unterscheidet

Ein Chatbot beantwortet Fragen. Ein Agent verfolgt ein Ziel und nutzt dafür Werkzeuge. Er plant Schritte, führt Aktionen aus und prüft Zwischenergebnisse.

OpenAI nennt 2 Kerneigenschaften. Ein Sprachmodell steuert den Ablauf und trifft Entscheidungen. Werkzeuge liefern Informationen oder lösen Aktionen in anderen Systemen aus.

Anthropic trennt feste Workflows von echten Agenten. Workflows folgen vorgegebenen Pfaden. Agenten bestimmen ihren Weg dynamisch. Diese Unterscheidung ist für Unternehmen wichtiger als der Produktname.

Anthropic beschreibt einen Agenten als System mit selbst gesteuertem Arbeitsablauf. Diese Freiheit kostet Vorhersagbarkeit. Deshalb braucht jeder Agent Grenzen, Protokolle und klare Stopppunkte.

Wo Agenten heute zuverlässig helfen

Recherche mit Quellenprüfung

Ein Agent kann mehrere Quellen suchen, Aussagen vergleichen und ein Briefing erstellen. Menschen prüfen anschließend Quellen, Aktualität und Schlussfolgerungen. Der Prozess eignet sich für Marktbeobachtung und Vorbereitung.

Der Agent braucht einen klaren Suchraum. Offene Recherche ohne Kriterien erzeugt viel Text und wenig Entscheidung. Gebt Quellenarten, Zeitraum und Ausgabeformat vor.

Postfach und Anfragen vorsortieren

Agenten können E-Mails klassifizieren, Informationen extrahieren und Antwortentwürfe erstellen. Das funktioniert gut bei wiederkehrenden Anfragen. Versand sollte anfangs eine menschliche Freigabe brauchen.

Messpunkt: Erfasst richtige Zuordnungen, Korrekturen und Bearbeitungszeit. Prüft mindestens 100 reale Fälle vor einem breiteren Einsatz.

Dokumente prüfen und Daten übertragen

Rechnungen, Verträge oder Formulare enthalten oft unstrukturierte Angaben. Agenten können Daten erkennen und in Fachsysteme übertragen. Klare Pflichtfelder und Plausibilitätsregeln erhöhen die Zuverlässigkeit.

Bei Geld, Recht oder Personal braucht jede Ausnahme eine Freigabe. Der Agent darf fehlende Angaben nicht erfinden. Unsicherheit muss einen Stopp auslösen.

Berichte aus mehreren Systemen erstellen

Ein Agent kann Daten aus CRM, Tabellen und Projektwerkzeugen zusammenführen. Daraus entsteht ein Wochenbericht oder eine Entscheidungsvorlage. Zugriffsrechte müssen pro Quelle begrenzt sein.

Dieser Fall spart Such- und Kopierarbeit. Er scheitert oft an uneinheitlichen Kennzahlen. Definiert deshalb jede Kennzahl vor dem ersten Test.

Was heute noch schlecht funktioniert

Agenten bleiben fehleranfällig bei unklaren Zielen und seltenen Ausnahmen. Lange Abläufe erhöhen Kosten und Fehlerwahrscheinlichkeit. Fehlende Rückmeldungen lassen Fehler unbemerkt wachsen.

Diese 4 Fälle gehören nicht an den Anfang:

autonome Zahlungen oder Vertragszusagen
Personalentscheidungen ohne menschliche Prüfung
freie Änderungen an produktiven Systemen
offene Prozesse ohne messbares Endergebnis

Anthropic warnt besonders vor Prompt Injection. Dabei verstecken Dritte Anweisungen in Webseiten oder Dokumenten. Der Agent kann dann unerwünschte Aktionen ausführen.

Warum der Markt schneller wirkt als die Praxis

Microsoft befragte 31.000 Beschäftigte in 31 Ländern. 46 Prozent der Führungskräfte meldeten bereits agentische Prozessautomatisierung. 81 Prozent erwarteten Agenten in ihrer KI-Strategie binnen 18 Monaten.

Diese Zahlen zeigen Interesse und frühe Nutzung. Sie belegen keine fehlerfreie Produktion. McKinsey meldete 2025 agentische Experimente bei 62 Prozent der Organisationen. Fast 2 Drittel hatten KI noch nicht unternehmensweit skaliert.

Anthropic untersuchte Millionen agentischer Interaktionen. Bei erfahrenen Nutzern stieg volle automatische Freigabe von rund 20 auf über 40 Prozent. Gleichzeitig unterbrachen erfahrene Nutzer die Agenten häufiger.

Die Lehre ist klar. Erfahrung führt zu mehr Autonomie und besserer Kontrolle. Blinde Freigabe ist kein Reifezeichen.

Aus meiner Arbeit mit mittelständischen Unternehmen kenne ich ein wiederkehrendes Muster. Der beste Startfall wirkt oft langweilig. Gerade dort sind Regeln, Daten und Nutzen meist klar.

Welche Technik ein Agent wirklich braucht

Ein Agent braucht Modell, Werkzeuge und Anweisungen. Werkzeuge können Daten lesen oder Aktionen ausführen. Anweisungen legen Ziele, Grenzen und Verhalten bei Fehlern fest.

Speicher und Wissenszugriff kommen nur bei Bedarf hinzu. Jede weitere Komponente erhöht Testaufwand und Angriffsfläche. Ein kleiner Aufbau ist am Anfang leichter beherrschbar.

Das beste Startmodell für den Mittelstand

Startet mit 1 Agenten und 1 begrenzten Prozess. Gebt ihm nur notwendige Werkzeuge und Daten. Jede riskante Aktion braucht Zustimmung.

Ein brauchbares Startdesign besteht aus 6 Teilen:

klares Ziel und messbares Endergebnis
definierte Eingaben und erlaubte Quellen
wenige Werkzeuge mit kleinen Rechten
Regeln für Stopp, Fehler und Eskalation
Protokoll aller Aktionen und Ergebnisse
menschliche Freigabe bei Außenwirkung

OpenAI empfiehlt ebenfalls, zunächst mit einem einzelnen Agenten zu beginnen. Mehrere Agenten erhöhen Koordination, Kosten und Fehlersuche. Sie lohnen sich erst bei klar getrennten Aufgaben.

Beispiel: Angebotsvorbereitung im B2B-Vertrieb

Ein Vertriebsagent erhält Unternehmensname und Gesprächsnotizen. Er recherchiert öffentliche Fakten und prüft vorhandene CRM-Daten. Danach erstellt er einen Angebotsentwurf mit offenen Punkten.

Der Agent darf nichts versenden und keine Preise ändern. Ein Vertriebsmitarbeiter prüft Quellen, Leistungsumfang und Konditionen. Erst danach wird das Angebot freigegeben.

Der Test umfasst 50 Angebote. Gemessen werden Entwurfszeit, Korrekturen und fehlende Angaben. Nach 4 Wochen entscheidet das Team über den weiteren Einsatz.

5 Fragen vor jedem Agentenprojekt

Ist das Ergebnis objektiv prüfbar?
Tritt die Aufgabe mindestens wöchentlich auf?
Sind Daten und Zugriffe geklärt?
Kann ein Fehler rechtzeitig gestoppt werden?
Ist der Nutzen größer als Betrieb und Kontrolle?

Fehlt eine klare Antwort, braucht ihr zuerst Prozessarbeit. Ein Agent repariert keinen unklaren Ablauf. Er beschleunigt ihn nur.

Häufige Fragen

Braucht ein KI-Agent Programmierkenntnisse?

Einfache Agenten lassen sich ohne Programmierung bauen. Produktive Prozesse brauchen häufig Schnittstellen, Tests und technische Betreuung. No-Code ersetzt keine Verantwortung.

Was kostet ein erster Agent?

Die Kosten hängen von Werkzeugen, Modellen und Datenzugriffen ab. Startet mit einem klaren Pilotbudget. Messt Modellkosten und interne Arbeitszeit getrennt.

Darf ein Agent selbst E-Mails versenden?

Technisch ja. Im Pilot sollte jede externe Nachricht freigegeben werden. Später können risikoarme Standardfälle begrenzt automatisiert werden.

Wie lange dauert ein sinnvoller Pilot?

Für einen begrenzten Prozess reichen oft 4 bis 8 Wochen. Die Fallzahl zählt. Wenige Testfälle liefern keine belastbare Fehlerquote.

Sind mehrere Agenten besser als einer?

Meist nicht am Anfang. Ein einzelner Agent ist leichter zu testen und kontrollieren. Mehrere Agenten lohnen sich bei klar getrennten Aufgaben.

Quellen

Nächster Schritt

Wählt 1 wiederkehrende Aufgabe mit prüfbarem Ergebnis. Testet sie an 50 Fällen mit Freigabe.