KI-Agenten im Unternehmen: was sie heute können

KI-Agenten im Unternehmen sind Sprachmodelle, die nicht nur Text formulieren, sondern selbstständig Werkzeuge aufrufen – etwa Warenwirtschaft, Postfach oder Kalender – und eine Aufgabe in mehreren Schritten erledigen. Heute arbeiten sie verlässlich bei klar umrissenen Routinen mit wenigen Werkzeugen und eingeschränkten Rechten. Sobald eine Aktion nach außen wirkt, braucht es eine menschliche Freigabe, und jeder Schritt sollte protokolliert werden, weil Agenten Fehler machen können.

Was unterscheidet einen KI-Agenten von einem Chatbot?

Ein Chatbot beantwortet eine Frage mit Text, ein KI-Agent arbeitet auf ein Ziel hin und führt dafür Aktionen aus. Ein Chatbot kann erklären, wie man offene Bestellungen prüft. Ein KI-Agent fragt die offenen Bestellungen in der Warenwirtschaft ab, vergleicht sie mit eingegangenen Lieferscheinen, erkennt fehlende Positionen und bereitet eine Nachfrage an den Lieferanten vor.

Für einen Betrieb hat der Unterschied Folgen. Eine falsche Chatbot-Antwort bleibt Text, den ein Mensch liest und verwirft. Ein falscher Agentenschritt kann einen Datensatz ändern, eine E-Mail verschicken oder einen Termin verschieben. Mit der Fähigkeit zu handeln wächst die Verantwortung dafür, welche Rechte ein Agent bekommt.

Wie greifen KI-Agenten auf Werkzeuge und Systeme zu?

KI-Agenten greifen über Schnittstellen auf Werkzeuge zu. Jedes Werkzeug ist eine klar beschriebene Funktion, etwa „Kunde nach Nummer suchen“, „offene Aufträge abfragen“ oder „Entwurf im Postfach anlegen“. Das Sprachmodell entscheidet, welches Werkzeug es mit welchen Angaben aufruft, bekommt ein echtes Ergebnis zurück und plant damit den nächsten Schritt.

Ein offener Standard dafür ist MCP (Model Context Protocol). Ein System wie das CRM oder die Lagerverwaltung wird über einen MCP-Server bereitgestellt, der beschreibt, welche Abfragen und Aktionen möglich sind. Eine KI-Anwendung verbindet sich damit und kann die Funktionen nutzen, ohne dass für jede Kombination aus Modell und System eine eigene Anbindung programmiert werden muss. Wer worauf zugreifen darf, regelt MCP allerdings nicht – diese Rechte müssen eigens eingerichtet werden.

Was können KI-Agenten heute zuverlässig?

KI-Agenten sind heute dort zuverlässig, wo die Aufgabe klar beschrieben ist, nur wenige Werkzeuge beteiligt sind und das Ergebnis vor einer Wirkung nach außen geprüft wird. Typische Routinen in einem KMU, die sich dafür eignen:

• Informationen aus mehreren Systemen zusammentragen, etwa für die Vorbereitung eines Kundengesprächs: offene Aufträge, letzte Reklamation, aktuelle Angebote.
• Bestellungen, Lieferscheine und Rechnungen abgleichen und Abweichungen als Liste zur Prüfung vorlegen.
• Eingehende Anfragen einordnen, fehlende Angaben nachfragen und den Vorgang im Ticketsystem anlegen.
• Antwortentwürfe mit Daten aus der Warenwirtschaft vorbereiten, die ein Mitarbeiter prüft und abschickt.
• Wiederkehrende Berichte aus mehreren Quellen erstellen und auf Auffälligkeiten hinweisen.

Weniger zuverlässig sind Agenten bei offenen Zielen wie „Kümmere dich um den Einkauf“, bei sehr vielen verfügbaren Werkzeugen und bei langen Schrittfolgen ohne Zwischenprüfung. Jeder zusätzliche Schritt ist eine weitere Gelegenheit für eine Fehlinterpretation, die sich in den folgenden Schritten fortsetzt.

Warum braucht ein KI-Agent einen Menschen in der Schleife?

Ein KI-Agent braucht einen Menschen in der Schleife, weil er auf einem Sprachmodell beruht, das Falsches genauso überzeugend formuliert wie Richtiges. „Mensch in der Schleife“ bedeutet, dass der Agent an festgelegten Stellen anhält und eine Freigabe einholt, bevor er etwas Unumkehrbares tut: eine E-Mail an einen Kunden verschicken, eine Bestellung auslösen, einen Datensatz löschen oder Geld bewegen.

Eine Faustregel: Lesen und Entwürfe anlegen darf der Agent selbstständig, Ändern und Versenden nur mit Freigabe. Mit wachsender Erfahrung können einzelne, gut beobachtete Schritte freigegeben werden. Der umgekehrte Weg, zuerst alles erlauben und bei Problemen einschränken, wird im Betrieb teurer.

Was passiert, wenn ein KI-Agent halluziniert?

Halluzination bedeutet, dass ein Sprachmodell eine Angabe erzeugt, die plausibel klingt, aber nicht stimmt, etwa eine Artikelnummer, die es nicht gibt, oder einen Liefertermin, der nirgends steht. Bei einem Chatbot ist das ärgerlich, bei einem Agenten kann es zu einer falschen Aktion führen. Das Risiko sinkt, wenn der Agent Fakten immer aus Werkzeugen abfragt statt sie selbst zu formulieren, wenn Werkzeuge ungültige Eingaben ablehnen und wenn Ergebnisse vor der Wirkung geprüft werden. Ganz ausschließen lässt es sich nicht.

Warum ist Protokollierung bei KI-Agenten unverzichtbar?

Protokollierung ist bei KI-Agenten unverzichtbar, weil sonst niemand nachvollziehen kann, warum eine Aktion passiert ist. Ein gutes Protokoll hält fest, welcher Auftrag gegeben wurde, welche Werkzeuge mit welchen Angaben aufgerufen wurden, welche Ergebnisse zurückkamen und wer welche Freigabe erteilt hat. Damit lassen sich Fehler finden, Abläufe verbessern und Fragen von Kunden oder Prüfern beantworten.

Wann ist eine klassische Automatisierung besser als ein KI-Agent?

Eine klassische Automatisierung ist besser als ein KI-Agent, wenn ein Ablauf immer gleich ist und sich vollständig in feste Regeln fassen lässt. Wenn jede Bestellung über einem bestimmten Wert an die Geschäftsführung zur Freigabe geht oder jede neue Rechnung aus einem bestimmten Postfach in die Buchhaltung übernommen wird, braucht es kein Sprachmodell. Eine regelbasierte Automatisierung ist in solchen Fällen günstiger im Betrieb, vorhersehbar und leichter zu prüfen. Welche Abläufe sich dafür eignen, beschreiben wir im Beitrag über Prozessautomatisierung im KMU.

Ein KI-Agent ist dort sinnvoll, wo Eingaben unstrukturiert sind und Entscheidungen ein gewisses Verständnis von Text verlangen: eine Kundenanfrage in eigenen Worten, ein Lieferschein mit ungewöhnlichem Aufbau, eine Reklamation, die zuerst eingeordnet werden muss. In der Praxis ergänzen sich beide Ansätze oft: Der Agent versteht und ordnet ein, die feste Automatisierung führt die eigentliche Buchung oder Weiterleitung aus.

• Feste Regeln, gleichbleibende Eingaben: klassische Automatisierung.
• Unstrukturierte Texte, wechselnde Formulierungen, Einordnung nötig: KI-Agent mit Freigabe.
• Beides im selben Ablauf: Agent für das Verstehen, Automatisierung für das Ausführen.

Wie führen Sie einen KI-Agenten schrittweise ein?

1. 01Routine auswählen: eine wiederkehrende, mehrstufige Aufgabe, die heute Zeit kostet und klare Regeln hat.
2. 02Systeme prüfen: Haben die beteiligten Programme Schnittstellen, und sind die Daten dort geordnet und aktuell?
3. 03Werkzeuge eng schneiden: nur die Funktionen bereitstellen, die für die Routine nötig sind, mit einem eigenen, eingeschränkten Benutzerkonto.
4. 04Freigabepunkte festlegen: Wo hält der Agent an und wartet auf einen Menschen?
5. 05Protokollierung einrichten, bevor der Agent zum ersten Mal echte Daten sieht.
6. 06Im Schattenbetrieb testen: Der Agent schlägt vor, Mitarbeiter arbeiten wie bisher und vergleichen.
7. 07Schrittweise freigeben und laufend beobachten, ob die Ergebnisse auch nach Änderungen an Systemen oder Abläufen passen.

Wie setzt NDVDL KI-Agenten im Betrieb um?

NDVDL beginnt nicht beim Agenten, sondern beim Ablauf. Wir kommen in Ihren Betrieb und lassen uns zeigen, wie die Routine heute erledigt wird, welche Systeme beteiligt sind und wo Entscheidungen fallen. Danach bekommen Sie einen schriftlichen Vorschlag: welche Schritte ein Agent übernehmen kann, wo ein Mensch freigibt und welche Schnittstellen dafür nötig sind.

Wir bauen die Anbindungen an Warenwirtschaft, CRM, Postfach oder Ticketsystem, bei Bedarf über MCP, geben dem Agenten nur die Rechte, die er braucht, und richten Protokollierung und Freigaben ein. Danach betreiben und warten wir den Agenten und passen ihn an, wenn sich Systeme oder Abläufe ändern. Ist ein Ablauf mit einer klassischen Automatisierung ohne Sprachmodell besser gelöst, sagen wir das. Sie haben einen festen Ansprechpartner für Technik und Ablauf.