KI-Agent

Ein KI-Agent ist ein Softwaresystem, das ein Ziel selbstständig in Arbeitsschritte zerlegt, dafür Werkzeuge wie Datenbanken, APIs oder Postfächer benutzt und das Ergebnis zurückliefert. Ein Chatbot antwortet auf eine Frage. Ein Agent erledigt eine Aufgabe und übergibt an einen Menschen, sobald seine Zuständigkeit endet.

Wie funktioniert ein KI-Agent?

Ein Agent besteht aus vier Teilen. Das Sprachmodell liefert Sprachverständnis und Urteil. Die Werkzeuge geben ihm Zugriff auf eure Systeme, etwa ein CRM, ein Ticketsystem oder eine Preisliste. Das Gedächtnis hält fest, was im laufenden Vorgang bereits passiert ist. Die Regeln legen fest, was er ohne Rückfrage tun darf.

Im Betrieb läuft das als Schleife. Der Agent bekommt ein Ziel, plant den nächsten Schritt, ruft ein Werkzeug auf, prüft das Ergebnis und entscheidet, ob er weitermacht oder abgibt. Genau darin liegt der Unterschied zu einer klassischen Automatisierung: Das Ziel steht vorher fest, der Weg dorthin nicht.

Damit das im Alltag trägt, braucht ein Agent eine saubere Zuständigkeitsgrenze. Er muss die Fälle kennen, die er nicht allein entscheiden darf, und sie weiterreichen. Wie das organisiert wird, steht unter Human-in-the-Loop.

Warum sind KI-Agenten für Unternehmen relevant?

Der Unterschied zu den ChatGPT-Experimenten der letzten Jahre liegt im Zugriff. Ein Chat-Fenster kennt eure Daten nicht und kann nichts auslösen. Ein Agent hängt an euren Systemen und arbeitet dort, wo die Arbeit tatsächlich anfällt.

Laut Bitkom nutzen inzwischen 36 % der deutschen Unternehmen mit 50 bis 500 Beschäftigten KI, nach 20 % im Jahr davor. Der Sprung kommt weniger von besseren Modellen als von der Anbindung an vorhandene Systeme.

Der Nutzen entsteht dabei selten dort, wo eine ganze Rolle ersetzt werden soll. Er entsteht in den Vorgängen, die vielfach am Tag anfallen und jedes Mal dieselben zwei oder drei Systeme berühren: Anfragen einsortieren, Angebote vorbereiten, Rechnungen gegen Bestellungen prüfen, Dokumente aus dem Postfach in die richtige Ablage bringen. Solche Vorgänge lassen sich messen, und ein Agent, der sie übernimmt, lässt sich ebenfalls messen.

Woran Agenten in der Praxis scheitern

Am Modell liegt es fast nie. Die MIT-Studie „GenAI Divide" von 2025 kommt zu dem Ergebnis, dass rund 95 % der GenAI-Piloten keinen messbaren Ergebniseffekt zeigen, und die Gründe wiederholen sich.

Häufig fehlt dem Agenten der saubere Zugriff auf die Systeme, in denen die Arbeit wirklich passiert. Oder niemand hat definiert, was ein gutes Ergebnis ist, also lässt sich hinterher nicht beurteilen, ob er es liefert. Oder die Übergabe an den Menschen fehlt, und beim ersten Grenzfall bleibt der Vorgang liegen.

Der Weg in den Produktivbetrieb führt deshalb über einen eng geschnittenen Vorgang mit klarer Erfolgsdefinition. Eine breite Plattform, die alles können soll, scheitert zuverlässiger als ein Agent, der eine Sache richtig macht. Mehr dazu im Beitrag Agentische Software im Mittelstand.

Agent oder Chatbot?

Die Begriffe werden durcheinander benutzt, auch von Anbietern. Ein Chatbot ist eine Oberfläche: Ein Mensch fragt, das System antwortet, danach ist der Vorgang vorbei. Ein Agent ist ein Arbeitsablauf. Er startet oft ganz ohne Chat, etwa durch eine eingehende E-Mail, führt mehrere Schritte aus und hinterlässt ein Ergebnis in einem System.

Ein Agent kann ein Chat-Fenster haben. Er braucht keins.