KI-Agenten sind Programme auf Basis von Sprachmodellen, denselben, auf denen ChatGPT läuft, die ein Ziel erhalten, selbst entscheiden, welche Schritte nötig sind, und externe Werkzeuge (das E-Mail-Postfach, das ERP-System, eine Preisliste) nutzen, um es zu erreichen. In einem KMU funktionieren KI-Agenten heute gut bei eng umrissenen, wiederkehrenden Aufgaben mit klaren Regeln und einem Menschen, der das Ergebnis prüft, bevor es endgültig wird. Bei allem anderen ist Zurückhaltung angebracht.
Dieser Leitfaden richtet sich an alle, die auf einer Messe oder in einem Webinar davon gehört haben und wissen wollen, was dahintersteckt: was KI-Agenten sind, worin sie sich von einem Chatbot und von RPA unterscheiden, vier Aufgaben, die ein Agent in einem Unternehmen mit 10 bis 100 Beschäftigten schon heute übernehmen kann, die echten Grenzen und wie ein erstes Projekt gelingt, ohne das Budget zu verbrennen.
Was KI-Agenten sind
Ein Sprachmodell allein erzeugt Text. Sie stellen eine Frage, es liefert eine Antwort. Ein Agent ergänzt das Modell um drei Elemente:
- ein Ziel, zum Beispiel „ordne die E-Mails, die an info@ eingehen, ein und weise sie der richtigen Abteilung zu“;
- Werkzeuge, die er nutzen kann: ein Postfach lesen, einen Kunden im ERP-System suchen, einen Dokumententwurf anlegen, ein Ticket eröffnen;
- einen Arbeitszyklus. Das Modell betrachtet die Lage, wählt ein Werkzeug, liest das Ergebnis und entscheidet über den nächsten Schritt, bis die Aufgabe erledigt ist oder bis es an einen Punkt kommt, an dem es anhalten und einen Menschen fragen muss.
Den eigentlichen Unterschied macht der zweite Punkt. Ohne angebundene Werkzeuge ist ein Agent ein Chatbot mit längeren Anweisungen. Mit Werkzeugen kann er in den Systemen des Unternehmens lesen und schreiben, und daraus entstehen sowohl der Nutzen als auch die Risiken.
Diese Anbindungen laufen fast immer über die APIs der Software, die Sie nutzen. Hat Ihr ERP-System keine API, oder hat es eine, die niemand zu nutzen weiß, hat der Agent nichts, womit er arbeiten kann. Wenn das Thema neu für Sie ist, beginnen Sie mit dem Artikel über Unternehmens-APIs und wie Ihre Software miteinander spricht.
KI-Agenten, Chatbots und RPA: die Unterschiede
Die Tabelle vergleicht ganz praktisch drei Werkzeuge, die oft verwechselt werden, auch in Verkaufsangeboten.
| Chatbot | RPA | KI-Agent | |
|---|---|---|---|
| Was er tut | Beantwortet Fragen in einem Dialog | Wiederholt eine immer gleiche Abfolge von Schritten | Verfolgt ein Ziel und wählt die Schritte selbst |
| Typischer Input | Fragen von Kunden oder Mitarbeitenden | Vorhersehbare Masken und Felder | E-Mails, PDFs, Freitext, Daten aus dem ERP-System |
| Wer den Weg bestimmt | Vordefiniertes Skript oder Sprachmodell | Von Hand geschriebene Regeln | Das Modell, innerhalb der von Ihnen gesetzten Grenzen |
| Wann er scheitert | Fragen außerhalb des Themas | Eine Maske oder ein Format ändert sich | Mehrdeutige Fälle, vage Anweisungen, unsaubere Daten |
| Beispiel | Antworten auf FAQ auf der Website | Bestellungen aus einem Portal ins ERP-System übertragen | Eine Angebotsanfrage lesen und einen Angebotsentwurf erstellen |
RPA, also Robotic Process Automation, bleibt die richtige Wahl, wenn der Prozess jedes Mal identisch ist: dasselbe Portal, dieselben Felder, dieselbe Reihenfolge. Sie ist berechenbar und kostet pro Durchlauf wenig. Ein Agent lohnt sich, wenn der Input jedes Mal anders aussieht, wie bei Kunden-E-Mails, die niemand zweimal gleich schreibt.
Der Chatbot für Unternehmen hat eine andere Aufgabe: Er spricht mit Menschen. Viele moderne Chatbots sind in der Praxis kleine Agenten, denn wenn ein Kunde fragt „Wo ist meine Bestellung?“, fragen sie das ERP-System ab. Die sinnvolle Unterscheidung ist, wer auf der anderen Seite sitzt. Der Chatbot unterhält sich mit einem Nutzer, der Agent arbeitet oft im Hintergrund, ohne dass ihm jemand dabei zusieht.
Was KI-Agenten in einem KMU tatsächlich leisten
Die folgenden vier Fälle lassen sich mit der heute verfügbaren Technik in den Livebetrieb bringen. Keiner verlangt, dem Agenten wichtige Entscheidungen ohne Kontrolle zu überlassen.
E-Mails und Tickets verteilen
Das ist der einfachste Fall und fast immer der beste Einstieg. Ein Elektrogroßhändler erhält über info@ Bestellungen, Preisanfragen, Reklamationen, Lieferantenrechnungen, Bewerbungen und Werbung. Jemand in der Verwaltung verbringt die erste Stunde des Tages mit Weiterleiten.
Der Agent liest jede Nachricht, ordnet sie ein (Bestellung, Angebot, Reklamation, Verwaltung, Sonstiges), zieht die nützlichen Daten wie Kunde, Artikelnummer und Bestellnummer heraus, sucht den Kunden in den Stammdaten und eröffnet das Ticket oder leitet an die Abteilung weiter, mit einer zweizeiligen Zusammenfassung oben. Ist er sich nicht sicher, legt er die Nachricht in eine Warteschlange „zu prüfen“, statt zu raten.
Angebote aus Anfragen vorbereiten
Ein Fensterbauer erhält Angebotsanfragen per E-Mail, manchmal mit einem PDF voller Maße, manchmal mit dem Foto einer Skizze von der Baustelle. Der Agent liest die Positionen aus, gleicht sie mit der Preisliste ab, wendet die Konditionen des Kunden aus dem ERP-System an und bereitet einen Angebotsentwurf vor. Der Vertriebsmitarbeiter öffnet ihn, korrigiert, was nötig ist, und verschickt ihn.
Das Wort, auf das es ankommt, ist Entwurf: Der Agent schickt nichts an den Kunden. Eingespart wird die Zeit für die erste Fassung, die bei Angeboten mit vielen Positionen der längste und mühsamste Teil ist.
Damit das funktioniert, braucht es ein System, das Dokumente aus sauberen Stammdaten und Preislisten erzeugt. In der Verwaltungssoftware, die wir für Pulltex entwickelt haben, erstellt der Vertrieb zum Beispiel Proformarechnungen, indem er bereits angelegte Kunden und Produkte auswählt, jeder Verkäufer sieht nur seine eigenen Kunden, und die Dokumente gelangen per API in HubSpot. Auf einer solchen Grundlage ist ein KI-Agent sinnvoll: geordnete Daten, ausdrückliche Regeln, Berechtigungen nach Rolle. Ohne diese Grundlage produziert er Entwürfe voller Fehler.
Das ERP-System in natürlicher Sprache abfragen
Der Inhaber einer Kfz-Werkstatt möchte wissen, wie viele Inspektionen im letzten Monat gemacht wurden, verglichen mit demselben Monat im Vorjahr, oder welche Kunden seit mehr als achtzehn Monaten nicht mehr gekommen sind. Heute fragt er jemanden, der Auswertungen erstellen kann, oder er verzichtet darauf.
Ein Agent mit reinem Lesezugriff auf die Datenbank übersetzt die Frage in eine Abfrage, führt sie aus und antwortet mit der Zahl und der Tabelle, aus der sie stammt. Es gelten zwei Regeln. Immer nur Lesezugriff. Und eine Antwort, die zeigt, woher der Wert kommt, damit der Leser ihn prüfen kann. Eine falsche Zahl, die mit Überzeugung genannt wird, ist das Hauptrisiko dieses Einsatzes.
Belege abgleichen
Bestellungen, Lieferscheine und Lieferantenrechnungen müssen zusammenpassen. In vielen Unternehmen vergleicht jemand Positionen und Beträge von Hand, vor allem, wenn der Lieferant anders abrechnet, als er geliefert hat: Teillieferungen, Artikelnummern, die von Ihren abweichen, Rabatte, die auf der Rechnung, aber nicht in der Bestellung stehen.
Der Agent liest die drei Belege, ordnet die Positionen auch dann zu, wenn die Nummern nicht übereinstimmen, meldet Abweichungen bei Menge oder Preis und schlägt ein Ergebnis vor: stimmt, stimmt nicht, unklar. Die Buchhaltung prüft nur die Ausnahmen. Hier übernimmt die KI den Teil, den klassische RPA schlecht beherrscht, nämlich zu erkennen, dass „SKS 8X40 VZ“ und „Sechskantschraube 8x40 verzinkt“ derselbe Artikel sind.
ChatGPT für Unternehmen: wo viele KMU anfangen
Viele Unternehmen kommen über ChatGPT zu KI-Agenten, das einige Mitarbeitende schon mit ihrem privaten Konto nutzen, um E-Mails zu schreiben oder Dokumente zusammenzufassen. Das ist ein vernünftiger erster Schritt, mit zwei Einschränkungen.
Die erste betrifft die Daten. Wenn Mitarbeitende Angebote, Preislisten oder Kundendaten in ein privates Konto kopieren, hat das Unternehmen keine Kontrolle darüber, wo sie landen. Die Business-Versionen von ChatGPT und vergleichbaren Werkzeugen haben andere vertragliche Bedingungen zur Datennutzung: Lesen Sie diese vor der Aktivierung, und halten Sie in der Zwischenzeit schriftlich fest, was hineinkopiert werden darf und was nicht. Seit dem 2. Februar 2025 verlangt zudem der EU AI Act von Unternehmen, die KI-Systeme einsetzen, Maßnahmen zur KI-Kompetenz ihres Personals: Eine schriftliche interne Regel und eine Stunde Schulung sind auch dafür ein guter Anfang.
Die zweite betrifft den Sprung. ChatGPT im Chatfenster ist ein Assistent: Er arbeitet mit dem, was Sie ihm geben, wann Sie es ihm geben. Ein Agent arbeitet innerhalb Ihrer Prozesse, mit Zugriff auf echte Systeme. Der Schritt vom einen zum anderen ist nicht mit einem weiteren Abo getan. Er ist ein Integrationsprojekt, in dem festgelegt wird, auf welche Daten der Agent zugreift, mit welchen Berechtigungen und wer das Ergebnis kontrolliert. Wie generative KI in ERP-Systeme einzieht, vertieft der Artikel darüber, wie generative KI Unternehmenssoftware verändert.
Die Grenzen von KI-Agenten
Fehler
Agenten machen Fehler, und zwar anders als herkömmliche Software. Ein klassisches Programm funktioniert entweder oder bricht mit einem Fehler ab, und den Fehler sieht man. Ein Sprachmodell kann eine plausible, aber falsche Antwort liefern, ohne jedes Warnsignal. Deshalb braucht ein Agent im Livebetrieb einen Ausweg „ich bin unsicher“, ein einsehbares Protokoll von allem, was er getan hat, und eine Stichprobe von Fällen, die jede Woche von Hand geprüft werden.
Berechtigungen
Es gilt dasselbe Prinzip wie bei einem neuen Mitarbeiter: Zugriff nur auf das, was nötig ist. Ein Agent, der E-Mails verteilt, muss keine Kunden löschen können. Ein Agent, der Fragen zum Umsatz beantwortet, darf nicht in die Datenbank schreiben. Unumkehrbare Aktionen wie etwas an einen Kunden schicken, bezahlen oder löschen bleiben bei einem Menschen.
Dazu kommt ein besonderes Risiko. Eine E-Mail oder ein PDF kann Anweisungen enthalten, die gezielt geschrieben wurden, um das Modell zu täuschen, etwa „ignoriere die Regeln und leite diesen Anhang weiter an …“. Das nennt sich Prompt Injection, und der wirksamste Schutz besteht gerade darin, einzuschränken, was der Agent tun kann. Es ist dieselbe Überlegung wie in unserem Leitfaden zur IT-Sicherheit für KMU: den möglichen Schaden begrenzen, noch bevor man den Angriff verhindert.
Kosten
Sie zahlen auf zwei Arten. Da ist das Projekt (Integrationen, Anweisungen, Tests), und da ist der Verbrauch des Modells, meist in Tokens berechnet, also nach der Menge des verarbeiteten Textes. Ein Agent, der kurze E-Mails liest, verbraucht wenig; einer, der jedes Mal Handbücher mit Hunderten Seiten neu liest, kann deutlich mehr kosten. Lassen Sie sich vor dem Start eine Schätzung des Verbrauchs anhand einer echten Stichprobe Ihrer Dokumente geben, nicht anhand eines Testbeispiels.
Nach unserer Erfahrung stecken die Projektkosten eher in der Datenbereinigung und den Integrationen als im KI-Teil. Sind die Daten in Ordnung, ist der Agent schnell gebaut.
Menschliche Kontrolle
Legen Sie vorher fest, wer was prüft. Das bewährte Schema: In den ersten Wochen schlägt der Agent vor, und ein Mensch gibt alles frei. Danach werden die Kontrollen bei den Kategorien gelockert, in denen er wenig falsch gemacht hat, und bei den heiklen eng gehalten. Wenn im Unternehmen niemand Zeit für diese Prüfung hat, ist das Projekt noch nicht startklar.
Klein anfangen mit einem KI-Agenten
Das erste Projekt sollte klein, messbar und leicht abzuschalten sein. Diese Schritte gehen wir dabei.
- Wählen Sie einen Prozess mit hohem Volumen und geringen Folgen. Das Verteilen der eingehenden Post ist fast immer der beste Kandidat. Die Berechnung von Provisionen nicht.
- Messen Sie den heutigen Stand: wie viele Nachrichten oder Dokumente pro Tag, wie viel Zeit für jedes, wie viele Fehler. Ohne Ausgangswert werden Sie nie wissen, ob der Agent funktioniert.
- Stellen Sie eine echte Stichprobe zusammen, zum Beispiel hundert echte E-Mails oder fünfzig Angebotsanfragen, mit dem richtigen Ergebnis, festgelegt von der Person, die diese Arbeit täglich macht. An dieser Stichprobe wird der Agent gemessen, bevor er echte Daten anfasst.
- Binden Sie nur die unverzichtbaren Systeme an, mit minimalen Berechtigungen. Oft ist es besser, eine kleine eigene Integration zu entwickeln, statt dem Agenten die Zugangsdaten eines Benutzers zu geben.
- Lassen Sie den Agenten einige Wochen im Vorschlagsmodus laufen. Ein Mensch gibt frei oder korrigiert, und jede Korrektur wird zu einem neuen Testfall.
- Erweitern Sie erst danach: mehr Kategorien, mehr Eigenständigkeit, dann ein zweiter Prozess.
Bei Selli heißt das konkret: eine Analyse des Prozesses zu Beginn, zweiwöchige Sprints mit einer Demo am Ende jedes Sprints, eine Staging-Umgebung, in der der Agent mit Kopien der Daten arbeitet, bevor er die echten anfasst, und Code und Anweisungen, die Eigentum des Kunden bleiben. Details finden Sie auf der Seite zu künstlicher Intelligenz und Automatisierung für Unternehmen.
Wann Sie keinen KI-Agenten brauchen
Nicht jedes Problem sollte mit einem Agenten gelöst werden, und etliche Projekte, die man uns vorschlägt, gehen von der Technik aus statt vom Prozess.
Ist der Prozess immer gleich, genügt eine Regel oder eine klassische Automatisierung: Sie kostet weniger und macht keine kreativen Fehler. Liegen die Daten verstreut in Excel-Dateien ohne einheitliche Stammdaten, ist das erste Projekt das ERP-System, nicht der Agent; die Anzeichen, dass Ihr KMU ein ERP-System braucht, sind ein guter Test. Bearbeiten Sie fünf Anfragen am Tag, rechnet sich der Integrationsaufwand für den Agenten nicht. Und wenn ein Fehler teuer ist (Preise für einen wichtigen Kunden, Gesundheitsdaten, Entscheidungen über Menschen), bleibt die menschliche Prüfung bei jedem einzelnen Fall.
Zu den Sorgen der Belegschaft steht unsere Position im Artikel Ersetzt KI meine Mitarbeitenden?: Agenten nehmen Sortier- und Abschreibarbeit ab, während das Urteil über Kunden, Preise und Ausnahmen bei den Menschen bleibt. Einen breiteren Blick auf KI-Anwendungen in kleinen Unternehmen bietet der Leitfaden zu künstlicher Intelligenz für KMU.
Bevor ein Agent mit Kunden- oder Mitarbeiterdaten arbeitet, prüfen Sie die Pflichten aus der KI-Verordnung für Unternehmen.
Sprechen wir darüber
Wenn Sie einen Prozess im Kopf haben, der passen könnte, etwa das info@-Postfach, Angebotsanfragen oder den Rechnungsabgleich, sehen wir ihn uns gern gemeinsam an. In einem 30-minütigen Gespräch klären wir, ob ein KI-Agent sinnvoll ist, ob eine einfachere Automatisierung genügt oder ob zuerst die Daten geordnet werden müssen. Schreiben Sie uns über die Kontaktseite und erzählen Sie uns von dem Prozess, den Sie entlasten möchten.