Was sich verändert hat

Nach der Bitkom-Presseinformation vom 11. März 2026 (Befragung KW 2 bis 6/2026, 604 Unternehmen ab 20 Beschäftigten) nutzen 41 Prozent der deutschen Unternehmen KI; im Vorjahr waren es 17 Prozent. Das ist mehr als eine Verdopplung innerhalb eines Jahres, und sie hat einen konkreten Grund: Die Technologie hat einen Reifegrad erreicht, bei dem echter Einsatz möglich ist, nicht nur Pilotprojekte.

Das Segment, das dabei am stärksten wächst, sind KI-Agenten: Systeme, die nicht nur antworten, sondern eigenständig Aufgaben zu Ende bringen.

KI-Agenten sind kein Chatbot-Upgrade. Sie sind der Unterschied zwischen einem System, das wartet, bis du fragst, und einem, das selbstständig handelt, sobald eine Bedingung erfüllt ist.

Was ein KI-Agent konkret tut

Ein Chatbot beantwortet Fragen. Ein KI-Agent führt Aufgaben aus und trifft dabei eigenständig Zwischenentscheidungen.

Ein Beispiel: Du hast ein Angebot verschickt. Fünf Tage später hat sich der Kunde nicht gemeldet. Ein KI-Agent prüft den CRM-Status, bewertet, ob ein Follow-up sinnvoll ist, formuliert eine passende E-Mail, versendet sie und trägt das Ergebnis zurück ins CRM ein. Kein manueller Auslöser, kein Vergessen.

Was das technisch ermöglicht, ist Tool Calling: Der Agent ruft externe Systeme auf (CRM, E-Mail, Datenbanken, interne Schnittstellen) und verknüpft deren Ergebnisse zu einem kohärenten Ablauf.

Die drei häufigsten Einstiegsfälle im Mittelstand:

  • Angebots- und Lead-Follow-up: automatisiert, zeitgesteuert, personalisiert auf den Stand im CRM
  • Daten-Aggregation und Reporting: der Agent zieht Zahlen aus mehreren Quellen und fasst sie strukturiert zusammen
  • Eingehende Anfragen vorqualifizieren: filtern, priorisieren und weiterleiten, bevor ein Mensch sie sieht

Bevor du loslegst, eine ehrliche Vorfrage: Wenn der Ablauf jedes Mal derselbe ist und sich vollständig in feste Regeln fassen lässt, ist eine klassische Automatisierung oft die günstigere und robustere Antwort. Ein Agent lohnt dort, wo der Weg zum Ziel nicht vorab feststeht.

Warum der Einstieg heute einfacher ist als je zuvor

Noch vor zwei Jahren brauchte man für Agenten-Workflows Entwickler, Serverinfrastruktur und erhebliches technisches Know-how. Inzwischen gibt es visuelle Low-Code-Plattformen (unter anderem n8n und Make.com), mit denen sich erste Workflows ohne Programmierung bauen lassen. Der Einstieg ist damit weniger eine IT-Frage als eine Prozessfrage: Welche Aufgabe soll der Agent übernehmen?

Das verschiebt die Verantwortung. Wer in seinem Betrieb die Prozesse kennt, kann heute selbst konfigurieren, oder zumindest konkret beschreiben, was automatisiert werden soll, und jemanden damit beauftragen.

Ohne Agent:
[Angebot verschickt] → [Mensch erinnert sich] → [Follow-up]
                        ↑ vergessbar, verzögerbar, skaliert nicht

Mit KI-Agent:
[Angebot verschickt] → [Agent: 5 Tage vergangen?]
                        ├→ Ja:   Mail generieren + senden + CRM updaten
                        └→ Nein: warten

Der Unterschied ist nicht die Technologie. Es ist die Frage, ob ein Prozess überhaupt strukturiert genug ist, um ihn einem Agenten zu übergeben.

Warum Warten teurer werden kann als Starten

Das Argument „wir warten, bis die Technologie reif ist" trägt weniger weit als früher. Was jetzt zählt, ist der Aufbau von Kompetenz, und der braucht Zeit.

KI-Agenten zu konfigurieren lernt man nicht im Seminar. Man lernt es durch den ersten Workflow, den zweiten, den fünften. Durch das Verstehen, was schiefläuft und warum. Jedes Unternehmen, das heute anfängt, baut einen Erfahrungsvorsprung auf.

Zur Einordnung, ausdrücklich als Prognose: Das Marktforschungsunternehmen Gartner erwartet laut seiner Pressemitteilung vom 21. Oktober 2024, dass bis 2028 mindestens 15 Prozent der alltäglichen Arbeitsentscheidungen autonom durch agentische KI getroffen werden, nach 0 Prozent im Jahr 2024. Prognosen dieser Art sind keine Tatsachen und werden regelmäßig korrigiert. Die Richtung ist trotzdem der Grund, warum Erfahrungsaufbau heute sinnvoll ist.

Wie du anfängst: ohne IT-Projekt

Der Einstieg braucht weder Budget-Antrag noch Entwickler. Er braucht einen konkreten Prozess und etwas Zeit.

  • Einen repetitiven Prozess wählen. Spürbarer wöchentlicher Handaufwand, wiederholbare Logik, klare Bedingungen. Klassiker: Follow-ups, Reporting aus mehreren Quellen, Anfragen-Vorfilterung.
  • Den Prozess sauber beschreiben. Was ist der Auslöser? Was passiert dann? Was sind Ausnahmen? Wer einen Prozess nicht präzise beschreiben kann, kann ihn keinem Agenten übergeben.
  • Klein anfangen. Nicht der perfekte Prozess, sondern der erste funktionierende. Der Lerneffekt liegt im Bauen, nicht im Ergebnis.
  • Ergebnisse dokumentieren. Was hat funktioniert? Was nicht? Welche Bedingungen wurden nicht abgedeckt? Diese Notizen sind das Wissen, das beim nächsten Workflow die Aufbauzeit deutlich verkürzt.

Beispiel: Maschinenbauer mit 65 Mitarbeitenden

Ein illustratives Beispiel. Die Ausgangswerte sind Annahmen:

Ausgangssituation
  Angebots-Follow-up läuft manuell über den Vertrieb
  Handaufwand je Mitarbeiter: mehrere Stunden pro Woche
  Angebote gehen verloren, wenn niemand nachfasst

KI-Agent-Workflow
  [CRM: Angebot > 5 Tage ohne Reaktion]
     ↓
  [KI-Agent]
     ├→ CRM-Status lesen
     ├→ Follow-up-Mail generieren (personalisiert)
     ├→ Mail zur Freigabe vorlegen oder versenden
     └→ CRM-Eintrag aktualisieren

Was sich messen lässt
  Anteil der Angebote mit Nachfassung
  Verbleibender Handaufwand
  Aufbauzeit bis zum ersten stabilen Lauf

Die drei Kennzahlen oben gehören vor dem Start erhoben und nach sechs Wochen erneut, sonst weißt du am Ende nicht, ob es gewirkt hat. Und plane die Einrichtung mit realistischem Puffer: Der erste Workflow braucht in aller Regel mehrere Anläufe, bis Ausnahmen und Sonderfälle abgedeckt sind.

Weiterlesen im Wissen-Hub

Wie sich KI-Agenten architektonisch von einem Chat-Produkt unterscheiden und warum das für den Einsatz im Betrieb entscheidend ist, erklärt KI-Agenten und ChatGPT im Vergleich. Und wie ein zweiter Anlauf nach einem gescheiterten Digitalisierungsprojekt vorbereitet wird, liest du in Wenn ein Digitalisierungsprojekt scheitert.