KI-Agenten im Unternehmen: Eine praktische Einführung

Kurz gefasst: Ein KI-Agent ist ein Sprachmodell, das eine Aufgabe in Schritte zerlegt und dafür selbstständig Werkzeuge nutzt: Daten im CRM nachschlagen, eine E-Mail entwerfen, ein Ticket anlegen. Für Unternehmen lohnt sich das bei Aufgaben, die viele kleine Entscheidungen enthalten und sich mit festen Regeln schlecht abbilden lassen. Der sichere Einstieg ist ein eng abgegrenzter Agent mit wenigen Werkzeugen, klaren Freigaben und einem Menschen, der kritische Aktionen bestätigt.

Was einen KI-Agenten von einem Chatbot unterscheidet

Ein Chatbot beantwortet Fragen. Er bekommt eine Nachricht und liefert Text zurück. Ein Agent bekommt ein Ziel und arbeitet darauf hin. Er entscheidet, welche Information ihm fehlt, ruft dafür eine Schnittstelle auf, wertet das Ergebnis aus und wählt den nächsten Schritt.

Technisch passiert das über sogenanntes Tool Calling: Das Modell erhält eine Liste von Funktionen mit Beschreibung und Parametern, etwa kunde_suchen oder termin_anlegen. Statt einer Antwort gibt es einen strukturierten Funktionsaufruf aus, Ihr System führt ihn aus und gibt das Ergebnis zurück. Diese Schleife läuft, bis die Aufgabe erledigt ist oder der Agent an eine Grenze stößt.

Von klassischer Workflow-Automatisierung unterscheidet sich ein Agent dadurch, dass der Ablauf nicht vorab festgelegt ist. Ein n8n-Workflow folgt immer demselben Pfad. Ein Agent wählt den Pfad je nach Situation. Das ist flexibler, aber auch schwerer vorherzusagen. In der Praxis kombiniert man beides: feste Workflows für das Vorhersehbare, ein Agent für die Stellen, an denen Urteilsvermögen gefragt ist. Wie das zusammenspielt, zeigt unser Beitrag über intelligente Workflows mit n8n und KI-Schnittstellen.

Wo KI-Agenten im Mittelstand sinnvoll sind

Vorgänge mit vielen Rückfragen

Eine Kundenanfrage kommt herein, und bevor jemand antworten kann, müssen drei Systeme befragt werden: Wo steht die Bestellung, gibt es offene Rechnungen, welcher Ansprechpartner ist zuständig? Ein Agent kann diese Recherche übernehmen und eine fertige Antwort samt Kontext vorbereiten.

Interne Wissensfragen

Mitarbeitende suchen Informationen in Handbüchern, alten Tickets und geteilten Laufwerken. Ein Agent mit Zugriff auf eine Suchfunktion über diese Quellen findet die relevante Stelle und fasst sie zusammen, mit Verweis auf das Originaldokument.

Vorbereitung statt Entscheidung

Besonders gut funktionieren Agenten, wenn sie vorbereiten und ein Mensch entscheidet. Ein Agent entwirft das Angebot, prüft die Lagerverfügbarkeit und schlägt einen Liefertermin vor. Der Vertrieb kontrolliert und schickt ab. Das senkt das Risiko und bringt trotzdem spürbar Entlastung. Viele dieser Einsatzfelder überschneiden sich mit klassischer KI-Automatisierung für KMU, nur mit mehr Spielraum für den Einzelfall.

So bauen Sie einen ersten Agenten auf

Eine Aufgabe, wenige Werkzeuge

Je mehr Werkzeuge ein Agent hat, desto öfter wählt er das falsche. Starten Sie mit einer klar beschriebenen Aufgabe und zwei bis vier Funktionen. Jede Funktion braucht eine präzise Beschreibung, denn das Modell entscheidet anhand dieses Textes, wann es sie einsetzt.

Lesen vor Schreiben

Geben Sie dem Agenten zunächst nur lesenden Zugriff. Erst wenn die Ergebnisse über einige Wochen stimmen, kommen schreibende Aktionen dazu, und auch dann zuerst mit Bestätigung durch einen Menschen. Aktionen, die Geld bewegen oder Kunden direkt erreichen, sollten dauerhaft eine Freigabe verlangen.

Protokollieren und testen

Jeder Schritt des Agenten gehört ins Log: welche Funktion mit welchen Parametern aufgerufen wurde und was zurückkam. Nur so lässt sich nachvollziehen, warum ein Ergebnis falsch war. Legen Sie außerdem eine Sammlung typischer Testfälle an und lassen Sie diese nach jeder Änderung am Prompt oder Modell erneut laufen.

Risiken und Grenzen

Sprachmodelle können plausibel klingende, aber falsche Antworten erzeugen. Bei Agenten wirkt sich das stärker aus, weil ein Fehler in Schritt zwei die folgenden Schritte beeinflusst. Dazu kommt Prompt Injection: Enthält eine eingehende E-Mail Anweisungen an das Modell, könnte ein schlecht abgesicherter Agent ihnen folgen. Die Gegenmaßnahmen sind dieselben wie in jeder sicheren Architektur: minimale Rechte, Validierung aller Funktionsparameter auf Ihrer Seite und keine Geheimnisse im Prompt.

Rechtlich sollten Sie die DSGVO und den EU AI Act im Blick behalten. Die meisten internen Agenten fallen nicht unter die Hochrisiko-Kategorien, aber Transparenzpflichten gegenüber Kunden können greifen. Einen Überblick gibt unser Artikel zum EU AI Act und seinen Folgen für KI-Projekte.

Häufige Fragen (FAQ)

Brauche ich für einen KI-Agenten ein eigenes Sprachmodell?

Nein. Für fast alle Unternehmensanwendungen reicht ein bestehendes Modell über eine API, etwa von OpenAI, Anthropic oder einem europäischen Anbieter. Der Aufwand steckt in der Anbindung Ihrer Systeme und in sauber definierten Werkzeugen, nicht im Training eines Modells.

Wie verhindere ich, dass ein Agent falsche Aktionen ausführt?

Durch begrenzte Rechte und Freigaben. Der Agent darf nur die Funktionen nutzen, die Sie ihm geben, und Ihr Backend prüft jeden Aufruf. Kritische Aktionen landen zur Bestätigung bei einem Menschen.

Können KI-Agenten DSGVO-konform betrieben werden?

Ja, wenn die Architektur stimmt. Dazu gehören ein Auftragsverarbeitungsvertrag mit dem Modellanbieter, Verarbeitung in der EU wo möglich und das Prinzip, dem Modell nur die Daten zu geben, die es für die Aufgabe wirklich braucht.

Wie lange dauert es, bis ein erster Agent produktiv läuft?

Ein eng abgegrenzter Agent mit wenigen Werkzeugen ist in einigen Wochen einsatzbereit. Die meiste Zeit fließt in Tests mit echten Fällen und in das Feintuning der Werkzeugbeschreibungen.

Fazit

KI-Agenten sind am stärksten, wenn sie einen klaren Auftrag, wenige Werkzeuge und einen Menschen an den kritischen Stellen haben. Wer so startet, lernt schnell, wo der Agent zuverlässig arbeitet, und kann seinen Spielraum dann gezielt erweitern.

Wenn Sie prüfen möchten, welche Aufgabe in Ihrem Unternehmen sich für einen ersten Agenten eignet, sprechen Sie mit uns über KI & Automatisierung.