Was ist ein KI-Agent?
Ein KI-Agent ist ein KI-System, das ein Ziel selbstständig in mehreren Schritten verfolgt. Statt nur auf eine Frage zu antworten, zerlegt er eine Aufgabe, entscheidet, welches Werkzeug er als Nächstes braucht, führt den Schritt aus und prüft das Ergebnis. Werkzeuge können ein E-Mail-Postfach, das CRM, eine Datenbank, ein Kalender oder eine interne Software sein.
Das Herzstück ist meist ein großes Sprachmodell, wie es auch hinter ChatGPT, Claude oder Gemini steckt. Zum Agenten wird es erst durch drei Zutaten: Zugriff auf Werkzeuge, Wissen aus deinem Unternehmen und klare Regeln, was es tun darf und was nicht.
Was unterscheidet einen KI-Agenten von Chatbot und Automatisierung?
| Chatbot | Klassische Automatisierung | KI-Agent | |
|---|---|---|---|
| Was er tut | Beantwortet Fragen im Dialog | Führt feste Abläufe nach Regeln aus | Verfolgt ein Ziel und wählt die Schritte selbst |
| Umgang mit Ausnahmen | Gibt eine Antwort oder verweist weiter | Bricht ab oder braucht eine neue Regel | Versucht, die Ausnahme zu lösen, oder fragt nach |
| Zugriff auf Systeme | Meist keiner | Fest verdrahtete Schnittstellen | Nutzt Werkzeuge nach Bedarf, im erlaubten Rahmen |
| Typisches Beispiel | FAQ-Chat auf der Website | Rechnung landet automatisch im Ordner | Anfrage lesen, Daten im CRM prüfen, Angebot vorbereiten |
Die Grenzen sind fließend. Viele gute Lösungen kombinieren beides: feste Abläufe für das, was immer gleich ist, und einen Agenten für die Stellen, an denen Sprache verstanden oder abgewogen werden muss.
Wofür setzen Unternehmen KI-Agenten ein?

Gute Einsatzfelder haben drei Dinge gemeinsam: Sie wiederholen sich oft, folgen erkennbaren Regeln und kosten heute Zeit, weil Informationen aus mehreren Quellen zusammengetragen werden müssen. Typische Beispiele aus dem Mittelstand:
- Anfragen und Posteingang: E-Mails lesen, nach Thema sortieren, fehlende Angaben nachfragen und einen Antwortentwurf vorbereiten.
- Angebote vorbereiten: Anforderungen aus einer Anfrage herauslesen, passende Positionen und Preise aus dem System holen und ein Angebot als Entwurf anlegen.
- Interne Wissenssuche: Fragen zu Richtlinien, Handbüchern oder technischen Dokumentationen beantworten, mit Quellenangabe.
- Daten aus Software abfragen: Umsätze, Lagerbestände oder Projektstände per einfacher Frage aus der eigenen Anwendung holen.
- Dokumente prüfen: Verträge, Lieferscheine oder Behördenschreiben lesen, wichtige Punkte herausziehen und Abweichungen markieren.
- Recherche und Zusammenfassung: Informationen zu einem Kunden, Wettbewerber oder Thema aus mehreren Quellen sammeln und kompakt aufbereiten.
Wie funktioniert ein KI-Agent technisch?
Ein Agent arbeitet in einer Schleife: Er bekommt eine Aufgabe, plant den nächsten Schritt, ruft ein Werkzeug auf, liest das Ergebnis und entscheidet, wie es weitergeht. Das wiederholt sich, bis die Aufgabe erledigt ist oder der Agent eine Rückfrage stellt.
- Modell: Ein Sprachmodell versteht die Aufgabe und plant die Schritte.
- Werkzeuge: Schnittstellen zu deinen Systemen, über die der Agent lesen oder handeln darf. Ein offener Standard dafür ist das Model Context Protocol (MCP), das viele KI-Anbieter und Tools unterstützen.
- Wissen: Dokumente und Daten aus deinem Unternehmen, die der Agent bei Bedarf durchsucht.
- Regeln und Freigaben: Was der Agent allein erledigen darf, was ein Mensch freigeben muss und welche Daten tabu sind.
- Protokoll: Jeder Schritt wird festgehalten, damit nachvollziehbar bleibt, was der Agent getan hat.
KI-Agenten bauen: Plattform oder eigene Entwicklung?
Für den Einstieg gibt es fertige Plattformen, mit denen sich Agenten ohne viel Programmierung zusammenstellen lassen, zum Beispiel Microsoft Copilot Studio, n8n oder Langdock. Auch ChatGPT und Claude bieten inzwischen Agentenfunktionen für Unternehmen an.
- Plattform: schneller Start, gut für Standardaufgaben und Systeme, für die es fertige Anbindungen gibt. Grenzen zeigen sich bei eigener Software, besonderen Datenschutzanforderungen oder komplexen Abläufen.
- Eigene Entwicklung: mehr Aufwand am Anfang, dafür volle Kontrolle über Daten, Modelle, Kosten und die Einbindung in deine bestehende IT.
Oft ist ein Mix sinnvoll: Der Pilot entsteht auf einer Plattform, und was sich bewährt, wird später passgenau eingebunden. Wichtig ist, dass die Wahl zu deinen Systemen und deinen Daten passt, nicht umgekehrt.
Was ist bei Datenschutz und AI Act zu beachten?
Für KI-Agenten gelten dieselben Regeln wie für jede andere KI im Unternehmen, nur mit einem Unterschied: Ein Agent handelt. Deshalb kommt es besonders darauf an, welche Zugriffe er bekommt.
- Nur nötige Rechte: Der Agent darf nur die Daten lesen und die Aktionen ausführen, die er für seine Aufgabe braucht.
- Mensch in der Schleife: Schritte mit Außenwirkung, etwa eine E-Mail an Kunden oder eine Bestellung, gibt am Anfang ein Mensch frei.
- Datenschutz: Verarbeitet der Agent personenbezogene Daten, brauchst du eine Rechtsgrundlage und mit externen Anbietern einen Vertrag zur Auftragsverarbeitung. Mehr dazu im Artikel KI und Datenschutz.
- Transparenz: Schreibt ein Agent direkt mit Kunden, müssen diese erkennen können, dass sie mit einer KI kommunizieren.
- KI-Kompetenz: Wer mit dem Agenten arbeitet, sollte wissen, was er kann und wo er Fehler macht. Dazu verpflichtet auch Art. 4 des AI Act, mehr im Artikel zur KI-Schulungspflicht.
Ein Beispiel: Ein Agent für Angebotsanfragen

Angenommen, ein Handwerks- oder Industriebetrieb bekommt jeden Tag Anfragen per E-Mail, oft unvollständig und in sehr unterschiedlicher Form. So könnte ein Agent helfen:
- Er liest jede neue Anfrage und erkennt, worum es geht und welche Angaben fehlen.
- Fehlen Maße, Mengen oder ein Termin, schlägt er eine Rückfrage an den Kunden vor.
- Er sucht im CRM, ob es den Kunden schon gibt und welche Aufträge es früher gab.
- Er stellt aus dem Artikelstamm passende Positionen zusammen und legt ein Angebot als Entwurf an.
- Eine Mitarbeiterin prüft den Entwurf, passt ihn an und schickt ihn ab.
Der Agent ersetzt hier niemanden. Er nimmt dem Team das Suchen, Abtippen und Zusammentragen ab, und die Entscheidung bleibt beim Menschen. Erst wenn die Entwürfe über Wochen zuverlässig passen, lohnt es sich, einzelne Schritte freizugeben.
Typische Fehler
- Zu groß anfangen. Ein Agent, der „den Vertrieb übernehmen“ soll, scheitert. Ein Agent, der Anfragen vorsortiert, funktioniert.
- Zu viele Rechte vergeben. Voller Schreibzugriff auf alle Systeme ist bequem, aber riskant. Jede Freigabe sollte begründet sein.
- Ohne Testfälle starten. Sammle vorher echte Beispiele, auch schwierige, und prüfe den Agenten daran.
- Keine Protokolle. Ohne Aufzeichnung lässt sich später nicht nachvollziehen, warum der Agent etwas getan hat.
- Das Team nicht einbeziehen. Die Menschen, die den Ablauf heute erledigen, wissen am besten, wo die Ausnahmen liegen.
Checkliste für deinen ersten KI-Agenten
- Ein Ablauf, der sich oft wiederholt und heute spürbar Zeit kostet, ist ausgewählt.
- Ziel und Erfolgskriterium sind festgelegt, zum Beispiel weniger Bearbeitungszeit pro Anfrage.
- Die nötigen Systeme und Daten sind bekannt, ebenso die Zugriffe, die der Agent braucht.
- Datenschutz ist geklärt: Rechtsgrundlage, Anbieter, Verarbeitungsort.
- Schritte mit Außenwirkung gibt zunächst ein Mensch frei.
- Es gibt 20 bis 50 echte Testfälle, auch schwierige.
- Jeder Schritt des Agenten wird protokolliert.
- Das Team ist eingebunden und geschult.
So unterstützt dich uberneu
Wir helfen dir, den passenden ersten Anwendungsfall zu finden, bauen den Agenten als Pilot und binden ihn in deine bestehenden Systeme ein, ob über eine Plattform oder als eigene Entwicklung. Dabei achten wir von Anfang an auf Datenschutz, saubere Zugriffsrechte und Freigaben, und wir schulen dein Team im Umgang mit dem Agenten.




