Mehr Effizienz: Das bringen KI-Agenten für Unternehmen

Generative KI war gestern, jetzt kommt agentische KI. Generative KI ist in vielen Unternehmen bereits angekommen – als Chatbot, Schreib- und Recherchehilfe oder für Zusammenfassungen. Beim Einsatz von selbstständiger KI gibt es für Unternehmen allerdings einiges zu beachten, denn ganz ohne Menschen geht es noch nicht. In der Praxis sind Agenten selten "vollautonom", sondern arbeiten meist mit Regeln, Freigaben und menschlicher Kontrolle.

Chatbots wie ChatGPT, Microsoft Copilot, Mistral, Aleph Alpha, GreenPT, Lumo oder KARLI haben mittlerweile viele Unternehmen im Einsatz, zumindest in unterschiedlichen Graden. Die nächste Stufe der Künstlichen Intelligenz ist Agentic AI, also agentische KI.

Doch was genau bedeutet dieser Begriff und wie können Unternehmen KI-Agenten einsetzen?

Was sind KI-Agenten? 

Der Begriff "Agentic AI" beschreibt im Grunde eigenständige KI. Genauer: KI-Systeme, die mehrschrittige Aufgaben zielorientiert planen, Tools nutzen und Ergebnisse iterativ verbessern. Während generative KI auf Prompts, also Anweisungen von Menschen, reagiert, kann agentische KI zusätzlich Ziele interpretieren, Zwischenschritte planen und Tool- bzw. Systemzugriffe nutzen – teils auch ohne laufende "aktive Eingabe", aber meist mit klaren Triggern, Grenzen und Freigaben.

KI-Agenten sind deshalb nicht passiv, sondern planen und setzen Aufgaben um. Sie arbeiten prozessähnlich: Entwürfe erzeugen, prüfen, iterieren. Diese Aufgaben können von den Agenten auch kritisch hinterfragt werden, wodurch sie besser werden und quasi "dazulernen". Der KI-Experte Andrew Ng bezeichnet diesen iterativen Prozess als "agentische Workflows", die aus folgenden 4 Schritten bestehen:

• Schritt 1: Nachdenken und Recherchieren
• Schritt 2: Erstellen eines ersten Entwurfs 
• Schritt 3: Lesen und Kritisieren des eigenen Entwurfs
• Schritt 4: Überarbeiten und Verbessern

Wichtig zur Einordnung: Dieses "Kritisieren" bedeutet meist Iteration innerhalb eines Workflows, nicht automatisch ein dauerhaftes "Training" des Modells. Verbesserungen entstehen in der Regel durch Feedback, Regeln, Freigaben oder gespeicherte Notizen (Memory).

Mithilfe von KI-Agenten können Menschen und Unternehmen die Tools also mehr denn je für sich arbeiten lassen. So lautet zumindest das Versprechen. Damit die Workflows allerdings funktionieren, ist das initiale Aufsetzen einer eigenständig handelnden KI aufwendiger als das einfache Prompting. Denn Ziele, Datenzugriffe, Rollenrechte, Qualitätschecks, Logging und Freigabeschritte müssen sauber definiert werden.

Beispiele für Tools und KI-Agenten am Markt

Die großen Plattformen wie ChatGPT oder Claude haben bereits Agentic-AI-Funktionen integriert. Der Ansatz hierbei ist, dass die KI die Steuerung des Desktops übernimmt, um etwa Recherchen für die Nutzer:innen zu erledigen. Sogenannte Multi-Agenten-Systeme gehen jedoch noch einen Schritt weiter, indem sie eine Schnittstelle zwischen KI-Anwendungen unterschiedlicher Hersteller bilden. Mit Tools wie n8n lassen sich Workflow-Automatisierungen aus unterschiedlichen Quellen erstellen. So ist es beispielsweise möglich, Datenquellen zu bündeln und sich einen automatisierten Bericht per E-Mail zusenden zu lassen.

Ein weiteres prominentes Beispiel für agentische KI ist OpenClaw. Die Software des österreichischen Entwicklers Peter Steinberger ist ein persönlicher Assistent, der sich per Messaging-Apps steuern lässt. Das Besondere daran ist, dass OpenClaw nicht auf einem externen Server liegt, sondern auf dem eigenen Rechner installiert werden muss. Lokal betriebene Assistenten können – je nach Architektur – für Unternehmen attraktiv sein, wenn Datenschutz und Datenhoheit zentral sind. (Hier sollte man in der Praxis genau prüfen, welche Komponenten wirklich lokal laufen und ob externe Dienste eingebunden sind.)

Berichten zufolge soll Sam Altman, CEO von OpenAI, von dieser Idee beeindruckt gewesen sein - der OpenClaw-Gründer wechselte nur wenige Wochen nach Veröffentlichung des KI-Tools zu OpenAI.

So funktionieren KI-Agenten in der Praxis

KI-Agenten sind in der Theorie also mächtig. Aber wie sieht es im beruflichen Alltag aus, vor allem außerhalb der Software-Entwicklung? "Im Alltag wirken kleine, saubere Automatisierungen am stärksten: Texte strukturieren, Daten vorbereiten oder im System erfassen, Dokumente zusammenfassen, E-Mails vorformulieren, Berichte erzeugen, Meetings mitschreiben und Protokolle sauber ausformulieren", rät KI-Experte Gerhard Stockinger.

KI-Agenten funktionieren laut ihm am besten bei klar strukturierten Tätigkeiten mit definierten Regeln: "Dazu zählen Angebots- und Protokollerstellung, Rechnungsprüfung, Dokumentenanalyse sowie Datentransfers zwischen Systemen." Ein KMU könnte beispielsweise Eingangsrechnungen per KI auslesen, validieren und automatisch weiterverarbeiten – etwa Bestellungen abgleichen, Unstimmigkeiten markieren und einen Freigabeprozess anstoßen.

Stockinger rät dabei aber weiterhin zum Prinzip "Human in the Loop", denn auch KI-Agenten können Fehler machen. Durch Querchecks können diese Fehler vermieden oder korrigiert werden. Ergänzend helfen Stichproben, definierte Prüfregeln und Freigabeschritte besonders bei Ausnahmen und widersprüchlichen Daten.

Schritt für Schritt zur agentischen KI

Wer die fortgeschrittene KI im Unternehmen nutzen möchte, sollte nicht mit Agenten starten, sondern mit generativer KI, empfiehlt Gerhard Stockinger: "Ein sinnvoll konfigurierter KI-Dialog kann bereits agentenähnliche Aufgaben übernehmen. Erst wenn das stabil läuft, lohnt sich der nächste Schritt in Richtung Automatisierung oder Agentenlogik. In der Praxis führt der Weg dorthin oft über halbautonome KI-Browser."

Stockinger selbst möchte seine eigenständigen KI-Agenten im Alltag nicht mehr missen: "Mein Telefon-Agent Oskar übernimmt Gespräche, wenn ich in Workshops oder Terminen bin. Er telefoniert faktisch mehr als ich, liefert saubere Mitschriften und klare Anforderungen der Interessenten." Sein Meeting-Agent schreibt Meetings in Präsenz, via Teams, Zoom oder Telefon mit, strukturiert Diskussionen und erzeugt automatisch verwertbare Protokolle mit Aufgaben, Entscheidungen und offenen Punkten.

Wann sich KI-Agenten nicht lohnen

"Wenn Prozesse nicht standardisiert sind oder die Agenten mehr Komplexität als Nutzen erzeugen, ist der Aufwand allerdings zu hoch", warnt der KI-Experte und ergänzt: "Vollautonome Systeme sind für die meisten KMU aktuell weder wirtschaftlich sinnvoll noch notwendig." Einen automatisierten Workflow auf einer Plattform wie n8n zu erstellen, ist nicht immer so einfach, wie die Anbieter es darstellen. Wer KI-Agenten im Unternehmen und Berufsalltag einsetzen möchte, muss besonders auf Datenschutz, Transparenz und Qualitätssicherung achten.

KI-Agenten lohnen sich oft nicht, wenn:

• viele Ausnahmen auftreten
• Datenqualität schwankt
• Rollen bzw. Berechtigungen unklar sind
• Monitoring/Fehlerbehandlung fehlt

Datenschutz: Darauf müssen Unternehmen beim Einsatz von KI-Tools achten

Hier sieht der KI-Berater auch die Limitationen der agentischen KI in ihrer jetzigen Phase. Die menschliche Überprüfung dient als Sicherheitsnetz und macht den Agenten somit nicht vollständig autonom: "Die klassische eierlegende Wollmilchsau klingt verlockend, funktioniert in der Praxis aber selten ohne Risiken." Um seine Daten nicht zu entblößen, müsse man sich tief mit der Materie auskennen.

KMU und EPU, die KI-Agenten einsetzen wollen, müssen deshalb wie bei anderen Programmen auf die DSGVO-Konformität achten. Als Leitfaden für die Umsetzung dient die "AI Auditing Checklist" des Europäischen Datenschutzausschusses. Für den Einsatz von KI braucht es laut dem Regelwerk nicht nur technische Sicherheit, sondern auch eine ausführliche Dokumentation des Zwecks und der Nutzung der KI-Anwendungen.

So dürfen nur die Daten verarbeitet werden, die wirklich notwendig sind, und es müssen auch Fristen für die Löschung der Daten definiert werden. Die betrieblichen KI-Systeme müssen ausführlich getestet werden. Wie auch von IT-Berater Gerhard Stockinger empfohlen, ist zudem eine menschliche Kontrolle im Prozess notwendig. 

Fazit: Das Potenzial von KI-Agenten für Unternehmen

Aufgrund dieser Vorgaben ist es für Unternehmen derzeit noch schwierig, KI-Agenten für bestimmte Prozesse einzusetzen. Davon sollte man sich allerdings nicht entmutigen lassen, denn KI-Assistenten haben langfristig großes Potenzial – vor allem für Unternehmen mit sauber etablierten Prozessen und vielen repetitiven Tätigkeitsfeldern. Je autonomer ein System, desto wichtiger sind Prozessklarheit, Governance, Datenschutz und Qualitätskontrollen – ein schrittweiser Ausbau (GenAI → Teilautomation → Agenten) reduziert Risiko.

Das Wichtigste in Kürze:

• KI-Agenten sind Tools, die nicht nur auf Prompts reagieren, sondern auch eigenständig Aufgaben übernehmen können. 
• Der Einsatz von agentischer KI kann die Effizienz in Unternehmen steigern, allerdings ist der Aufwand für das Aufsetzen der Agenten höher als der Einsatz generativer KI. 
• In der Praxis funktionieren Agenten am besten bei klaren, regelbasierten Tätigkeiten mit menschlicher Überprüfung (Human-in-the-Loop). Dazu zählen etwa die Dokumentenverarbeitung oder die Rechnungsprüfung.
• Multi-Agenten-Systeme können unterschiedliche Plattformen und KI-Tools verbinden. Dabei ist allerdings auf Datenschutz sowie Rechtekonzepte, Logging und Monitoring zu achten.
• Für den Start empfiehlt es sich, kleine Workflows mithilfe generativer KI zu erstellen.