Welche KI-Agenten lohnen sich für Unternehmen? 8 Einsatzfelder aus dem Betrieb

KI-Agenten für Unternehmen: die kurze Antwort

Von den deutschen Unternehmen ab 20 Beschäftigten, die KI nutzen, den Einsatz planen oder diskutieren, setzen 11 Prozent bereits KI-Agenten ein, 29 Prozent planen den Einsatz und 31 Prozent diskutieren ihn. Das zeigt die Bitkom-Umfrage vom September 2026. Befragt wurden insgesamt 603 Unternehmen; die Agentenwerte beziehen sich nur auf die genannte Teilgruppe. Die Frage ist also nicht mehr, ob KI-Agenten in Unternehmen ankommen, sondern in welchem Prozess sie sich zuerst lohnen. In diesem Artikel findest du acht Einsatzfelder aus dem Betrieb, jeweils mit dem, was der Agent übernimmt, und wo der Mensch bleibt. Wo wir ein Feld aus eigenen Projekten kennen, steht das dabei.

Ein KI-Agent lohnt sich, wenn sein prüfbarer Nutzen Bau, Betrieb und die verbleibende menschliche Arbeit rechtfertigt. Und wenn eine einfachere Automatisierung dasselbe nicht günstiger schafft.

Die folgenden KI-Use-Cases sind eine redaktionelle Auswahl für Unternehmen, die Geschäftsprozesse automatisieren wollen, keine Rangliste der betrieblichen Nachfrage. Wer in der Angebotskalkulation, in der Buchhaltung oder im Vertrieb jede Woche dieselben Handgriffe macht, findet hier den Prozess, mit dem er anfangen sollte.

Was ein KI-Agent im Betrieb tut, und was nicht

Ein KI-Agent ist Software, die ein Ziel bekommt, selbst entscheidet, welche Schritte dafür nötig sind, Werkzeuge benutzt (Datenbank, E-Mail, ERP, Dokumente), ihr Ergebnis prüft und es bei Bedarf noch einmal versucht. Der Unterschied liegt in der Steuerung: Ein Agent wählt seine nächsten Schritte dynamisch, ein klassischer Workflow folgt vorgegebenen Regeln, auch mit Verzweigungen und Fehlerpfaden. Ein Chat kann die Oberfläche für beides sein. Was genau den Unterschied ausmacht und woran du erkennst, ob ein Prozess einen Agenten braucht, steht in Was sind KI-Agenten, und was unterscheidet sie von ChatGPT?.

Der Begriff wird allerdings gedehnt. Gartner hat im Juni 2025 geschätzt, dass von Tausenden Anbietern, die mit „Agentic AI" werben, nur rund 130 ein echtes agentisches Produkt haben. Viele etikettieren laut Gartner bestehende KI-Assistenten, Chatbots oder RPA-Werkzeuge neu, ohne wesentliche agentische Fähigkeiten hinzuzufügen. Für dich als Käufer heißt das: Frag nicht, ob etwas ein Agent ist, sondern was er im konkreten Prozess entscheidet, welche Systeme er anfasst und wer sein Ergebnis freigibt.

Wichtig ist auch, was ein Agent nicht ist: kein Ersatz für Fachwissen und keine Lizenz, Entscheidungen ohne Verantwortlichen laufen zu lassen. In jedem der acht Felder unten gibt es eine Stelle, an der ein Mensch freigibt, korrigiert oder übernimmt. Wer die Verantwortung dafür offenlässt, schafft ein vermeidbares Risiko.

Acht Einsatzfelder: KI-Agenten Beispiele aus dem Betrieb

1. Angebote kalkulieren und erstellen

In Handwerk, Elektro, Anlagen- und Maschinenbau hängt der Umsatz an der Angebotskalkulation. Eine Anfrage oder ein Leistungsverzeichnis kommt herein, und jemand sucht Material, Preise und Montagezeiten zusammen, rechnet Zuschläge und baut daraus ein Angebot. Bei öffentlichen Ausschreibungen mit hunderten Positionen kann schon die Aufbereitung viel Arbeit machen. Klassische Software für die Angebotserstellung hilft beim Formatieren und Rechnen und kann Artikel-, Preis- und Zeitdaten übernehmen. Ob die Zuordnung zu jeder Position fachlich passt, verantwortet weiterhin der Kalkulator.

Genau dort setzt der Agent an. Er findet passende Ausschreibungen auf den Portalen, liest die Anfrage oder das Leistungsverzeichnis (bei Bauleistungen über GAEB), zerlegt es in Positionen, ordnet Artikel aus den Großhandelspreislisten zu, schlägt Montagezeiten aus früheren Angeboten vor und erzeugt eine bepreisbare Kalkulation samt Angebotsentwurf. So wird aus automatisierter Angebotserstellung kein Blindflug: Preise, Aufschläge und die Angebotssumme gibt der Kalkulator frei.

Das ist das Feld, in dem wir am meisten eigene Praxis haben. Bei einem Elektrobetrieb umfasste eine einzige Ausschreibung rund 1.000 Seiten PDF. Daraus hat die Anwendung 3.367 strukturierte Positionen mit Gliederung und Vorbemerkungen gemacht, in Minuten statt in Tagen. Einmal zugeordnete Positionen merkt sich das System, sodass wiederkehrende Positionen beim nächsten Mal kaum Arbeit machen. Die Preise trägt der Betrieb ein. Welche Fehler bei der GAEB-Kalkulation typisch sind, steht in GAEB-Leistungsverzeichnis kalkulieren.

2. Buchhaltung automatisieren: Rechnungseingang und Mahnwesen

Beim Rechnungseingang schafft die E-Rechnung eine Grundlage für digitale Abläufe. Seit dem 1. Januar 2025 müssen inländische Unternehmen E-Rechnungen empfangen können. Für die Ausstellung bei Umsätzen zwischen inländischen Unternehmen enden die allgemeinen Übergangsfristen Ende 2026; bei höchstens 800.000 Euro Vorjahresumsatz und für bestimmte EDI-Verfahren erst Ende 2027. Dauerhafte Ausnahmen gelten etwa für Kleinunternehmer, Kleinbetragsrechnungen und bestimmte steuerfreie Umsätze, wie die FAQ des Bundesfinanzministeriums zur E-Rechnung erläutern. E-Rechnungen enthalten strukturierte Daten, mit denen KI-Agenten für Finanzen arbeiten können, etwa im Format XRechnung oder ZUGFeRD ab Version 2.0.1 (ohne die Profile MINIMUM und BASIC-WL).

Der Agent öffnet die Rechnung, sucht die Bestellung, vergleicht Positionen und Beträge, prüft Pflichtangaben und legt einen Prüfvorschlag mit Kontierung vor. Freigegeben wird von einem Menschen, nach den Betragsgrenzen, die das Unternehmen selbst festlegt. Auf der anderen Seite der Buchhaltung bereitet derselbe Ansatz das Mahnwesen vor: welche Kunden überfällig sind, welche Mahnstufe ansteht, welcher Text passt. Verschickt wird nach Freigabe. So lassen sich Rechnungseingang und Mahnwesen automatisieren, ohne dass die Buchhaltung die Kontrolle abgibt.

Wie sich das rechnet, zeigt unser offenes Rechenmodell mit 400 Eingangsrechnungen im Monat in Was kostet ein KI-Agent? So rechnest du deinen Prozess durch. Die wichtigste Erkenntnis daraus: Die 20 Prozent Ausnahmen kosten mehr menschliche Arbeit als die 80 Prozent brauchbaren Vorschläge zusammen. Wer den Nutzen kalkuliert, sollte also zuerst seine Ausnahmen zählen.

3. Kundenanfragen und internes Wissen: der KI-Chatbot für Unternehmen

Der Kundenkontakt liegt in der Bitkom-Umfrage vorn: 72 Prozent der befragten KI-Nutzer ab 20 Beschäftigten setzen KI dort ein, etwa zur Bearbeitung von Anfragen. Ein Chatbot beantwortet Fragen aus einer Wissensbasis. Ein Agent kann darüber hinaus weitere Arbeitsschritte übernehmen: Er erkennt, ob die Anfrage eine Reklamation, eine Rechnungsfrage oder ein Terminwunsch ist, zieht den Auftrag aus dem ERP, bereitet die Antwort vor und legt sie dem Servicemitarbeiter vor oder beantwortet sie innerhalb festgelegter Grenzen selbst. Alles, was Geld kostet (Gutschrift, Rücksendung, Terminverschiebung mit Kosten), geht an einen Menschen.

Dieselbe Technik funktioniert nach innen. Im Wissensmanagement setzen laut derselben Bitkom-Erhebung nur 22 Prozent der KI-Nutzer ab 20 Beschäftigten KI ein. Dabei verlassen jedes Jahr Menschen den Betrieb, deren Wissen in Ordnern, Präsentationen und im Kopf liegt. Ein Wissens-Agent soll Fragen nur aus den freigegebenen Unterlagen beantworten, die Fundstelle zeigen und ohne passenden Beleg lieber keine Antwort geben. Das passiert nicht von selbst: Diese Quellenbindung musst du technisch umsetzen und prüfen, und auch dann bleiben falsche Antworten möglich. Für Kunden wie für Mitarbeitende gilt dieselbe Regel: Vor dem Start klärst du, aus welchen Quellen der Agent antworten darf.

Wie ein Wissens-Chat für das Fachwissen eines Verbands technisch funktioniert, steht in Verbandswissen für Mitglieder durchsuchbar, warum das Thema vor dem Ruhestand einer Schlüsselperson dringend wird, in Wissenstransfer vor der Rente.

Seit dem 2. August 2026 gilt außerdem Art. 50 des AI Act: Anbieter von KI-Systemen für die direkte Interaktion mit Menschen müssen grundsätzlich sicherstellen, dass diese spätestens bei der ersten Interaktion erfahren, dass sie es mit einer KI zu tun haben. Das entfällt, wenn es für eine angemessen informierte und aufmerksame Person im Nutzungskontext ohnehin offensichtlich ist. Mehr dazu in EU AI Act im Mittelstand: Was seit August 2026 gilt.

4. Vertrieb automatisieren: Neukunden finden, Bestandskunden zurückholen

Ein Agent für die Neukundenansprache sucht Unternehmen, die zum Zielprofil passen, prüft Signale (Stellenanzeigen, Pressemeldungen, Handelsregister), recherchiert den Ansprechpartner, schreibt einen Entwurf und legt ihn in einen Freigabekanal. Erst wenn ein Mensch freigibt, wird gesendet. So bleibt bei automatisierter Leadgenerierung die Entscheidung, wen du wie ansprichst, bei dir. Diese Freigabe ersetzt aber keine erforderliche Einwilligung: Für Werbung per E-Mail und Telefon gelten in Deutschland, Österreich und der Schweiz jeweils eigene Regeln.

Die zweite Hälfte des Vertriebs liegt im eigenen Bestand, bei Kunden, die länger nichts gekauft haben. Ein Agent liest die Kundenhistorie, erkennt Muster (letzter Kauf, letzter Service, Vertragsende), schlägt eine Kampagne vor und legt die Ansprache in Paketen zur Freigabe vor: 50 oder 100 Kontakte, nicht 20.000 auf einmal. Prüfe dabei auch die Datenqualität: Dubletten über Standorte hinweg, falsche Telefonnummern oder Adressen können eine Bereinigung nötig machen. Wie das Rechenmodell dafür aussieht, steht in Bestandskunden im Autohaus reaktivieren.

In der Neukundenansprache sind wir am längsten produktiv. Unser Lead Generator läuft seit Juni 2026 im bezahlten Einsatz, mit einer siebenstufigen Pipeline von der Recherche bis zum Versand, einer Freigabe über Slack vor jedem Versand und einer eigenen Mail-Engine. Worauf du bei der Ansprache im DACH-Raum achten musst, steht in B2B-Neukundenansprache im DACH-Raum, das Werkzeug selbst unter Lead Generator.

5. Bestellanforderungen und Lieferantenanfragen: der KI-Agent für Beschaffung

Wenn dein Einkauf Anforderungen per E-Mail und Excel bearbeitet, kann der Ablauf so aussehen: Jemand braucht Material, schreibt eine Anforderung, jemand anderes gibt frei, ein Dritter fragt bei zwei Lieferanten an. Ein KI-Agent für Beschaffung nimmt die Anforderung entgegen, prüft Pflichtfelder und Budget, leitet nach Betragsgrenze an die richtige Freigabe, fragt bei hinterlegten Lieferanten Preise und Lieferzeiten an und stellt die Antworten nebeneinander. Die Lieferantenwahl und die Bestellung über dem Limit bleiben beim Menschen.

Als Grundlage dienen Einkaufsrichtlinie, Freigabegrenzen und die Liste der Stammlieferanten, soweit es sie gibt. Wer sie einmal sauber aufschreibt, hat die halbe Spezifikation für den Agenten schon fertig.

6. Liquidität und Controlling: der Agent für die kaufmännische Leitung

Der zweite KI-Agent für Finanzen sitzt nicht in der Buchhaltung, sondern bei der kaufmännischen Leitung. Er liest offene Posten, Zahlungsziele, Bestände und Bestellungen aus ERP oder DATEV-Export, rechnet Forderungslaufzeit (DSO), Verbindlichkeitslaufzeit (DPO) und Lagerreichweite (DIO), meldet Ausreißer und bereitet den Liquiditätsbericht vor. Wenn du diese Daten bisher jede Woche in einer Excel-Datei zusammenträgst, liegt dort ein Ansatzpunkt. Der Agent übernimmt das Zusammentragen; die Bewertung und die Entscheidung, welche Stellschraube gedreht wird, bleiben beim Menschen.

Was ein Agent im Controlling sonst übernimmt, steht in KI-Agenten im Controlling, und wie du Liquidität simulierst, in Cashflow-Simulation im Mittelstand.

7. Telefonie: der KI Voice Agent

Ein KI Voice Agent nimmt Anrufe an oder führt sie: Terminbestätigungen, Rückrufe, Erinnerungen, einfache Auskünfte. Technisch ist das heute machbar, und für Betriebe mit vielen gleichartigen Anrufen (Werkstatt, Praxis, Logistik) ist es ein naheliegendes Feld. Neben der Technik zählen aber Akzeptanz und Recht. Für den Hinweis, dass eine KI spricht, gilt die oben beschriebene Transparenzpflicht nach Art. 50 samt ihrer Ausnahme. Bei Werbeanrufen hängt die Einwilligungsfrage auch davon ab, ob der konkrete Voicebot rechtlich als automatische Anrufmaschine gilt. Für solche Anrufe verlangt das deutsche Wettbewerbsrecht eine vorherige ausdrückliche Einwilligung, auch gegenüber Unternehmen. Kläre diese Einordnung vor dem Einsatz.

Miss einen Voice Agent nicht nur daran, ob er Anrufer richtig versteht und die Aufgabe erledigt, sondern auch daran, ob dein Kunde das Gespräch als angenehm empfindet. Prüfe also neben dem Inhalt auch Stimme, Tempo und Ton. Teste ihn mit einer kleinen Gruppe echter Kunden, bevor du ihn an alle schickst.

8. Anforderungen aufnehmen und IT-Nachfrage strukturieren

Das achte Feld liegt zwischen Fachbereich und IT: die Aufnahme von Anforderungen. Fehlen in einer Anforderung Ziele, Rahmenbedingungen oder Abnahmekriterien, muss die IT nachfragen. Ein Agent nimmt Anforderungen aus Gesprächen, E-Mails und Dokumenten auf, bringt sie in eine einheitliche Struktur, prüft sie auf Lücken und Widersprüche und stellt Rückfragen, bevor jemand baut oder kauft.

Bei einer internationalen Finanzinstitution hat unsere Anforderungsprüfung in einem Pilot Lücken in einem bestehenden Anforderungsdokument sichtbar gemacht, was die Fachseite ausdrücklich bestätigt hat. Wie du Anforderungen für einen Agenten selbst aufschreibst, steht in Lastenheft für einen KI-Agenten.

Was sonst noch geht

Zwei weitere Felder kommen infrage: Marktbeobachtung und die Analyse von Altsystemen. Bei der Markt- und Wettbewerbsbeobachtung liest ein Agent Websites, Feeds und Newsletter und liefert einen wöchentlichen Bericht; die Grenze ist, dass nicht jede Quelle maschinell erreichbar oder lizenzrechtlich erlaubt ist. Bei der Analyse von Altsystemen liest ein Agent alten Quellcode und schreibt die fachlichen Regeln mit Fundstelle auf, bevor abgelöst wird. Was das kostet, steht in Was kostet die Ablösung eines Altsystems?.

Was die acht Felder gemeinsam haben

Die acht Felder unterscheiden sich in Zweck, Daten, Rechten, Regeln und Werkzeugen, teilen aber ein Grundmuster. Es lässt sich aufschreiben, und es ist dasselbe Muster, nach dem wir KI-Agenten-Lösungen bauen:

Muster eines KI-Agenten im Betrieb

Eingang      Dokument, E-Mail, Anruf, Datensatz, Website
Verstehen    Was ist das, welche Regel gilt, was fehlt?
Werkzeuge    ERP lesen, Datenbank abfragen, Preisliste holen,
             Entwurf schreiben, Termin anlegen
Prüfen       Stimmt das Ergebnis gegen die Regeln?
             Wenn nein: neuer Versuch oder Übergabe an Mensch
Freigabe     Mensch entscheidet an der vorher festgelegten Stelle
Protokoll    Was hat der Agent wann auf welcher Grundlage getan?
Lernen       Korrekturen fließen in die nächste Entscheidung ein

Fehlen die Zeilen „Prüfen", „Freigabe" und „Protokoll", können Fehler und unklare Zuständigkeiten den Betrieb gefährden. Ein Alleinstellungsmerkmal von Agenten sind sie nicht: Auch ein klassischer Automatisierungsbaukasten wie Power Automate kennt Freigaben, Fehlerpfade und Protokollierung. Wer mehrere Agenten in einem Prozess kombiniert, etwa einen zum Lesen, einen zum Rechnen und einen zum Prüfen, spricht von einem Multi-Agenten-System. Für dich als Auftraggeber ändert das nichts an der Frage, wer am Ende freigibt.

Was kostet ein KI-Agent pro Prozess?

Die Kosten bestehen aus drei Blöcken: dem Bau, dem Betrieb und der menschlichen Zeit, die trotz Agent bleibt. Wie stark Tokenverbrauch, Systemanbindung und Regelwerkpflege ins Gewicht fallen, hängt vom konkreten Prozess ab. Wie du das für deinen eigenen Prozess durchrechnest, mit Formel und einem vollständigen Beispiel, steht in Was kostet ein KI-Agent? So rechnest du deinen Prozess durch.

Wo hört der Agent auf, und wo fängt der Mensch an?

Wo der Agent aufhört, legst du vor dem Bau fest, im Rahmen dessen, was technisch zuverlässig und rechtlich zulässig ist. Als Orientierung schlagen wir eine eigene Staffelung vor, die du je Prozess festlegst:

Freigabestufen für KI-Agenten

Stufe 0  Agent liest und sortiert, Mensch tut alles Weitere
         (möglicher Einstieg, Eignung und Datenzugriff prüfen)
Stufe 1  Agent bereitet vor, Mensch gibt jeden Vorgang frei
         (Rechnungen, Angebote, Ansprache, Mahnungen)
Stufe 2  Agent entscheidet innerhalb fester Grenzen, Mensch
         sieht Stichproben und alle Ausnahmen
         (Standardauskünfte, Bestellungen unter dem Limit)
Stufe 3  Agent entscheidet allein, Mensch prüft Protokoll
         (nur bei rein internen Vorgängen ohne Außenwirkung)

Vier Regeln helfen bei der Einordnung. Erstens: Alles mit Außenwirkung (Geld, Kunde, Vertrag) startet auf Stufe 1, auch wenn die Technik Stufe 2 könnte. Zweitens: Die Stufe steigt erst, wenn das Protokoll über Wochen zeigt, dass der Agent die Regeln trifft. Drittens: Jede Entscheidung des Agenten muss nachvollziehbar sein, also wer, wann, auf welcher Grundlage; ohne Protokoll (im Fachjargon Audit-Trail) keine Stufe 2. Die Freigabe durch einen Menschen an einer festgelegten Stelle heißt Human in the Loop. Sie gehört nicht zur Definition eines Agenten, ist in diesem Modell aber bewusst eingebaut.

Viertens: Manche Felder sind gesetzlich festgelegt. KI, die Bewerbungen sichtet, filtert oder bewertet, gilt nach Anhang III des AI Act grundsätzlich als Hochrisiko-Anwendung. Ob eine eng begrenzte Ausnahme nach Art. 6 Abs. 3 greift, hängt vom konkreten Zweck und vom Einfluss auf die Entscheidung ab; bei Profiling natürlicher Personen greift sie nicht.

Die zentralen Pflichten dafür gelten grundsätzlich ab dem 2. Dezember 2027: Anbieter müssen menschliche Aufsicht technisch ermöglichen, Betreiber sie im Einsatz sicherstellen. Für schon zuvor eingeführte Systeme gibt es Übergangsregeln, vor allem solange ihre Konzeption nicht erheblich verändert wird. Einen Agenten, der Bewerbungen vorsortiert, solltest du deshalb von Anfang an so bauen, als gälten diese Pflichten schon.

Dazu kommt der Datenschutz: Welche personenbezogenen Daten der Agent liest, wo das Modell läuft (EU-Hosting oder nicht) und ob ein Vertrag zur Auftragsverarbeitung besteht, klärst du vor dem ersten Lauf. Was dabei zu beachten ist, steht in KI-Agenten DSGVO-konform einsetzen.

KI-Agenten programmieren lassen oder selbst bauen?

Die Frage, ob du KI-Agenten programmieren lässt oder selbst baust, hängt an drei Dingen: Hast du Entwickler, hast du Zeit, und wer betreibt den Agenten danach? Die Ausgangslage im Mittelstand ist bekannt. Von den befragten Unternehmen ab 20 Beschäftigten, die noch keine KI einsetzen, nennen laut Bitkom 85 Prozent fehlendes Know-how für die technische Umsetzung als Hemmnis.

Eine weitere Bitkom-Erhebung vom September 2026 beziffert die unbesetzten IT-Stellen in Deutschland auf 79.000; 78 Prozent der befragten Unternehmen beobachten einen Mangel. Grundlage sind zwei Befragungen von Unternehmen ab drei Beschäftigten. Die Zahl der offenen Stellen sinkt zwar seit 2023, einen KI-Entwickler bekommt ein Mittelständler aber weiterhin nicht nebenbei.

Drei Wege stehen offen:

1. Baukasten oder Plattform des Softwareherstellers. Kann bei einfachen Abläufen innerhalb eines vorhandenen Systems Aufwand sparen, etwa im CRM oder in der Buchhaltungssoftware. Prüfe Lizenzkosten, Schnittstellen und Prüfaufwand. Wo die Grenzen liegen, hängt vom konkreten Produkt ab: Unterstützt es deine Systeme und Regeln, und wie abhängig wirst du vom Hersteller?
2. KI-Agenten selbst bauen. Kann sinnvoll sein, wenn du Entwickler hast und mehrere Agenten planst. Ob es sich lohnt, zeigt erst der Vergleich von Bau, Einkauf und laufendem Betrieb. In der McKinsey-Umfrage 2026 gab fast ein Drittel der Befragten an, ihre Organisation habe mindestens ein Softwareprodukt oder eine Funktion nicht gekauft, weil sie diese mit agentischen Programmierwerkzeugen selbst bauen konnte. Für deine Rechnung bleibt wichtig: KI-Agenten erstellen und KI-Agenten betreiben sind zwei getrennte Kostenfragen.
3. KI-Agenten entwickeln lassen. Eine Option für Unternehmen ohne eigene Entwickler. Entscheidend ist dann nicht der Bau, sondern der Vertrag: Wer betreibt den Agenten, wer pflegt das Regelwerk, wem gehört der Code, wie wird die Spezifikation gepflegt, wenn sich dein Ablauf ändert?

Wie auch immer du dich entscheidest: Der Agent braucht vorher eine Beschreibung, die du lesen und freigeben kannst. Welche zwölf Punkte in ein Lastenheft für einen KI-Agenten gehören, von der Autonomiestufe bis zu den Abnahmekriterien, steht in Lastenheft für einen KI-Agenten.

Warum viele Agenten-Projekte trotzdem scheitern

Gartner erwartet, dass mehr als 40 Prozent der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden, wegen steigender Kosten, unklarem Nutzen und unzureichender Risikokontrolle. Die McKinsey-Umfrage zeigt, wie es um die Skalierung steht: Von den Befragten aus Organisationen mit weniger als rund einer Milliarde US-Dollar Jahresumsatz berichteten 2026 unverändert 22 Prozent, dass ihre Organisation Agenten in mindestens einem Bereich über die Pilotphase hinaus einsetzt. Eine Mittelstandsstichprobe ist das nicht. Einen positiven Beitrag von KI insgesamt zum Betriebsergebnis (EBIT) ihrer Organisation berichteten 37 Prozent aller Befragten. Einzelne Bereiche können auch ohne einen solchen Gesamteffekt profitieren.

Für deine Planung heißt das: Kläre vier Risikofelder früh. So sieht es aus, wenn eines davon offenbleibt:

• Der Prozess war nicht beschrieben. Der Agent wurde gegen eine Vermutung gebaut, nicht gegen Regeln. Ungeklärte Ausnahmen können dann zusätzliche Arbeit verursachen.
• Die Daten waren nicht sauber. Dubletten, falsche Postleitzahlen, fehlende Bestellnummern. Fehlende Vorarbeit kann den Nutzen schmälern; Fehler des Agenten können hinzukommen.
• Es gab keine Freigabestelle. Entweder lief der Agent ohne Kontrolle, oder jeder Vorgang blieb beim Chef hängen. Beides kann den Nutzen aufzehren.
• Niemand war für den Betrieb zuständig. Nach dem Go-live änderte sich die Schnittstelle, das Regelwerk veraltete, und der Agent lief leise ins Leere.

Warum Piloten so oft nicht in den Betrieb kommen, und welche fünf Lücken dabei immer wieder auftauchen, steht in Warum KI-Piloten nicht in den Produktivbetrieb kommen.

Häufige Fragen zu KI-Agenten im Unternehmen

Welche KI-Agenten gibt es für Unternehmen? Zum Beispiel Agenten für Angebotskalkulation und Ausschreibungen, Buchhaltung mit Rechnungseingang und Mahnwesen, Kundenservice und internes Wissen, Vertrieb, Beschaffung, Liquidität und Controlling, Telefonie und Anforderungsaufnahme. Das sind die acht Einsatzgebiete dieses Artikels; dazu kommen Marktbeobachtung und die Analyse von Altsystemen. Ob sich seltene oder offene Aufgaben wie strategische Entscheidungen eignen, musst du gesondert prüfen.

Wie erstelle ich einen KI-Agenten für meinen Prozess? Zuerst beschreibst du den Prozess mit Regeln, Ausnahmen und Abnahmekriterien. Dann entscheidest du die Freigabestufe. Erst danach wird gebaut, egal ob mit einem Baukasten, eigenen Entwicklern oder einem Dienstleister. Ohne geklärte Anforderungen riskierst du unnötige Nacharbeit.

Was ist der Unterschied zwischen Prozessautomatisierung und einem KI-Agenten? Klassische Prozessautomatisierung folgt vorgegebenen Regeln, einschließlich Verzweigungen, Fehlerpfaden und Wiederholungen. Ein KI-Agent kann nächste Schritte dynamisch wählen und Ergebnisse prüfen, dabei aber auch Abweichungen falsch interpretieren. Wenn du Prozesse mit festem Ablauf automatisieren willst, ist klassische Automatisierung oft die einfachere Wahl. Welche Lösung günstiger ist, zeigt erst der Vergleich im konkreten Fall.

Lohnt sich ein KI-Agent auch für ein Unternehmen mit 30 Mitarbeitenden? Ja, wenn der nutzbare Ertrag die gesamten Kosten rechtfertigt. Dafür zählen Vorgangszahl, verbleibende menschliche Arbeit, Ergebnisqualität sowie Bau- und Betriebskosten, nicht die Unternehmensgröße allein. 300 Eingangsrechnungen im Monat können bei 30 wie bei 300 Beschäftigten ein Ansatzpunkt sein. Je nach Systemen und Ausnahmen rechnet sich derselbe Fall aber sehr unterschiedlich.

Was ist mit agentischer KI gemeint, und ist das dasselbe wie ein Software-Agent? Agentische KI (Agentic AI) ist der Oberbegriff für Systeme, die selbstständig Schritte planen, Werkzeuge nutzen und Ziele verfolgen. Der ältere Begriff des Software-Agenten umfasste bereits zielorientierte, planende und lernende Systeme. Die hier beschriebenen Agenten sind eine Ausprägung davon: Sie nutzen Sprachmodelle, um Texte, Dokumente und unklare Eingaben zu verarbeiten. Die Grundfrage bleibt gleich: Was darf das System allein entscheiden?

Wo AthenaRun hier steht

Wir bauen KI-Agenten für den Mittelstand über unsere eigene Plattform: einen End-to-End Software Development Lifecycle mit KI-Agenten, also einen durchgängigen Ablauf von der Anforderung über Spezifikation, Bau und Tests bis zur Dokumentation und zum Betrieb. Die Kette beginnt mit der Anforderungsaufnahme. Sie nimmt ein Gespräch oder vorhandene Unterlagen als Eingabe und macht daraus eine Spezifikation mit Freigabestufe und Abnahmekriterien, gegen die die Agenten bauen und testen. Ein Mensch gibt die Ergebnisse frei. Vault, das Gedächtnis der Plattform, hält fest, welche Entscheidungen im Projekt getroffen wurden und welche Muster und Fehler sich aus früheren Bauten ergeben haben; der Agent für den zweiten Prozess profitiert so vom ersten.

Wir bieten den Bau als Festpreis für die komplette Implementierung an, ohne offene Rechnung. Wer den Agenten danach pflegt, legen wir vorher mit dir fest: dein Team, wir, oder beide.

Wenn du wissen willst, ob einer deiner Abläufe ein Fall für einen KI-Agenten ist: In einem 30-Minuten-Gespräch nehmen wir uns einen deiner Prozesse vor und zeigen dir live an der Plattform, wie daraus eine Spezifikation und eine laufende Anwendung wird, keine Folien. Wenn es nicht funktioniert, sagen wir dir das auch.

Weiterlesen im Wissen-Hub

Was KI-Agenten von einem Chat unterscheidet, steht in Was sind KI-Agenten, und was unterscheidet sie von ChatGPT?. Wie du den Nutzen eines Agenten vorrechnest, liest du in Was kostet ein KI-Agent? So rechnest du deinen Prozess durch. Und wie du die Anforderungen dafür aufschreibst, zeigt Lastenheft für einen KI-Agenten.