KI-Agenten sind das Buzzword des Jahres. Microsoft hat eigene Agent-Programme für KMU vorgestellt, alle großen Anbieter zeigen Demos, in denen ein Agent eigenständig eine Reise bucht oder einen Bericht erstellt. Im Mittelstand sieht die Realität meist anders aus — ruhiger, kleinteiliger, aber durchaus produktiv, wenn man die richtigen Fälle wählt.
Was KI-Agenten von „normaler” KI unterscheidet
Klassische KI-Nutzung (ChatGPT, Copilot in Word) ist ein einzelner Austausch: Sie fragen, die KI antwortet. Sie übernehmen das Ergebnis oder nicht.
Ein KI-Agent geht weiter:
- Er bekommt ein Ziel, nicht nur eine Frage.
- Er bricht das Ziel in Teilschritte herunter.
- Er nutzt Werkzeuge (Suche, E-Mail, Datenbanken, andere Software) selbstständig.
- Er iteriert — wenn ein Schritt scheitert, versucht er einen anderen.
- Am Ende liefert er ein Ergebnis oder bittet um Klärung.
Das ist der Anspruch. Was in der Realität davon stabil funktioniert, hängt stark vom Anwendungsfall ab.
Drei Tiers im Mittelstand
Tier 1 — Funktioniert heute zuverlässig
- Recherche- und Zusammenfassungsagenten. „Sammle alle Erwähnungen unserer Wettbewerber in den letzten 30 Tagen und fasse die wichtigsten Themen zusammen.” Ergebnis: in 5–10 Minuten, was vorher einen halben Tag dauerte.
- Lange Dokumentenanalyse. Verträge, Spezifikationen, Berichte — Agent durchsucht, vergleicht, erstellt Übersicht.
- Mehrstufige Standardantworten. E-Mail kommt rein, Agent prüft Anhang, generiert passende Antwort mit relevanten Vorlagen, legt zur Freigabe vor.
Tier 2 — Funktioniert mit Vorbereitung
- Erste Triage im Support. Agent klassifiziert eingehende Anfragen, leitet weiter, schlägt Antwort vor. Mensch entscheidet.
- Onboarding-Begleitung. Neuer Mitarbeiter bekommt Agent, der bei Fragen Wissensdokumente durchsucht und konkret antwortet — entlastet HR und IT.
- Daten-Pipelines. Agent zieht regelmäßig Daten aus Quelle A, verarbeitet, legt in System B ab. Funktioniert, wenn Schnittstellen sauber sind.
Tier 3 — Vorsicht
- Vollständige Kundeninteraktion ohne Mensch. Riskant. Ein Agent, der Kunden direkt antwortet, kann falsche Zusagen machen — und das ist juristisch relevant.
- Eigenständige Entscheidungen mit Außenwirkung. Bestellungen auslösen, Verträge abschließen, Mahnungen versenden — heute nur mit menschlicher Freigabe.
- „Persönlicher Assistent für alles”. Sind Demos. In der Mittelstandsrealität bricht das schnell zusammen, weil zu viele Spezialfälle vorkommen.
Was Agenten brauchen, um zu funktionieren
| Voraussetzung | Was bedeutet das? |
|---|---|
| Klar definiertes Ziel | „Mach das gut” reicht nicht. „Klassifiziere eingehende Mails in fünf Kategorien und verschiebe sie in den passenden Ordner” ist klar. |
| Zugriff auf die richtigen Werkzeuge | Welche Software darf der Agent benutzen? Welche Daten sehen? Was darf er ändern? |
| Klare Eskalationsregeln | Wann gibt der Agent ab an einen Menschen? Wann fragt er zurück? Wann lässt er es bleiben? |
| Protokoll und Nachprüfbarkeit | Jeder Schritt, jede Entscheidung, jedes Werkzeug-Nutzung wird mitprotokolliert — sonst ist Fehlersuche unmöglich. |
| Iteration und Lernschleife | Wer prüft regelmäßig, was der Agent gut macht und wo er schief liegt? |
Was wir aus Projekten gelernt haben
- Klein anfangen. Ein Agent, eine Aufgabe, ein Team. Multipler Roll-out ohne Pilot endet in Chaos.
- Mensch behält Freigabe. Auch wenn ein Agent in 95 % der Fälle korrekt arbeitet, sind die 5 % Schmerz oft so teuer, dass sich menschliche Stichprobe lohnt.
- Datenschutz vor Werkzeug. Bevor ein Agent Mails lesen oder Kundendaten verarbeiten darf, muss Verarbeitungsverzeichnis und Auftragsverarbeitungsvertrag stehen.
- Erwartungen managen. Wer Mitarbeitern verspricht, der Agent „macht alles”, erzeugt Frust. Wer ihn als „Assistent für Routine” einführt, bekommt Akzeptanz.
Wo der EU AI Act ins Spiel kommt
Sobald ein Agent personenbezogene Daten verarbeitet, Entscheidungen vorschlägt, die Menschen betreffen, oder Außenwirkung hat, greift der EU AI Act. Die meisten KMU-Anwendungsfälle fallen in die Kategorie „begrenztes Risiko” — das verlangt Transparenz (Nutzer müssen wissen, dass sie mit einer KI interagieren) und Dokumentation. „Hohes Risiko” greift bei sensiblen Bereichen wie Personalauswahl, Kreditvergabe, kritischer Infrastruktur. Mehr im Artikel EU AI Act für Unternehmen.
Was Kosten realistisch sind
Für einen Tier-1- oder Tier-2-Agenten in einem 30-Personen-Mittelständler:
- Konzeption und Anwendungsfall-Definition: 3.000 – 6.000 €.
- Technische Umsetzung: 5.000 – 18.000 €.
- Schulung, Einführung: 1.500 – 4.000 €.
- Laufender Betrieb: 300 – 2.000 € pro Monat (Nutzung + Wartung).
Wer für einen Pilot mehr als 40.000 € hört, sollte den Scope hinterfragen — oft ist das ein Projekt-Vorhaben in Pilot-Verkleidung.
FAQ
Sind Agenten nicht nur fortgeschrittene Chatbots? Technisch verwandt, funktional anders. Ein Chatbot antwortet. Ein Agent handelt — innerhalb klar definierter Grenzen.
Können wir Agenten ohne Programmierung bauen? Für einfache Fälle ja — über Microsoft Copilot Studio, Zapier, n8n, Make. Für komplexere Anwendungen mit echten Schnittstellen ist Programmieraufwand sinnvoll.
Wer haftet, wenn der Agent einen Fehler macht? Das Unternehmen. KI ist kein Vertragspartner — wer den Agenten einsetzt, ist verantwortlich. Deshalb ist menschliche Freigabe bei Außenwirkung Pflicht.
Werden Mitarbeiter durch Agenten ersetzt? Im KMU selten. Agenten ersetzen Mikro-Aufgaben, keine Rollen. Die freiwerdende Zeit wird in der Praxis fast immer für Aufgaben verwendet, die vorher liegengeblieben sind.
Wie wir das angehen
Wir setzen Agenten dort ein, wo sie heute nachweislich rechnen — und sagen klar, wo sie noch nicht reif sind. Mehr dazu auf Geschäftsprozesse & KI. Wenn Sie konkret werden möchten, schauen wir uns mit Ihnen drei Anwendungsfälle an und sagen offen, welche heute schon machbar sind und welche besser noch ein Jahr warten.