KI-Agenten für Unternehmen: Kontrolle und Kosten
Was KI-Agenten selbst entscheiden
Im deutschen Mittelstand setzen 16,6 Prozent der Unternehmen KI-Agenten ein, 2024 waren es 8,7 Prozent. Gemeint sind Programme, die ein Ziel bekommen und die Schritte dorthin selbst wählen.
Ein KI-Agent ist ein Softwaresystem, das ein vorgegebenes Ziel selbstständig in mehrere Arbeitsschritte zerlegt und diese ausführt. Zur Planung nutzt es ein Sprachmodell, über Schnittstellen greift es auf Fachsysteme wie CRM oder ERP zu, und Zwischenergebnisse prüft es, um das eigene Vorgehen anzupassen. Ein Chatbot antwortet auf Eingaben, ein KI-Agent handelt.
Agentische KI wächst damit schneller als die KI-Anwendung im Unternehmen insgesamt, die im selben Zeitraum von 33,1 auf 51,2 Prozent stieg. Als wichtigstes Motiv nennen 54,4 Prozent der Betriebe mehr Effizienz.
Die Grenze zu Chatbot und RPA
Die Unterscheidung entscheidet über den Nutzen, nicht über die Terminologie. Ein Chatbot beantwortet Fragen und bleibt im Gespräch, ein RAG-System beantwortet sie aus freigegebenen Dokumenten. Eine regelbasierte Automatisierung, RPA genannt, wiederholt dieselben Klicks und bricht ab, sobald sich eine Maske ändert. Was ein KI-Agent macht, geht darüber hinaus, denn er bekommt ein Ziel statt einer Klickfolge und wählt die Werkzeuge selbst. Der Unterschied zwischen KI-Agent und Chatbot liegt im Zugriff auf Systeme, nicht in der Sprachfähigkeit. Ohne Rechte an der Warenwirtschaft kann ein Modell beraten, aber nichts auslösen. Dieselbe Grenze zieht sich durch die KI-Softwareentwicklung, wo ein Agent Code erzeugen darf, die Freigabe aber bei Menschen bleibt.
Agentische KI und ihre vier Bausteine
Agentische KI, im Englischen Agentic AI, besteht aus wenigen Teilen, die zusammenspielen müssen. Fehlt einer davon, entsteht ein Chatbot mit Datenbankzugriff, aber kein Agent. Vier Bausteine tragen jeden Agenten:
- Ein Large Language Model als planende Instanz
- Werkzeuge, also Zugriffe auf CRM, ERP, Mail und Ablage
- Ein Gedächtnis, das Kontext über mehrere Schritte hält
- Eine Freigabe-Ebene für Schritte mit Außenwirkung
Der vierte Baustein fehlt in Bastellösungen fast immer und entscheidet doch darüber, ob ein Agent produktiv gehen kann und ob er sich beauftragen und abnehmen lässt.
Welche Arten von KI-Agenten gibt es?
Was macht ein KI-Agent im Alltag konkret? In der Praxis begegnen im Mittelstand vier Bauarten von Agentic AI. Reaktive Agenten reagieren auf ein Ereignis, etwa eine eingehende Mail, ohne Gedächtnis. Zielbasierte Agenten planen mehrere Schritte auf ein Ergebnis hin und sind der häufigste Fall. Lernende Agenten passen ihr Vorgehen an Rückmeldungen an. Ein Multi-Agenten-System verteilt eine Aufgabe auf mehrere spezialisierte Agenten, die sich abstimmen. Die meisten Beispiele für KI-Agenten im Mittelstand sind zielbasiert, weil ein abgegrenzter Ablauf sich prüfen lässt.
Welche Prozesse ein Agent tatsächlich trägt
Die Eignung hängt weniger am Prozess als an vier Eigenschaften, nämlich Fallzahl, erkennbares Muster, Datenqualität und die Zahl der beteiligten Systeme. Welche Abläufe sich überhaupt lohnen, entscheidet sich nach denselben Kriterien wie bei der KI-Prozessautomatisierung für Unternehmen. Bei Agenten kommt eine Frage hinzu, die dort keine Rolle spielt. Sie lautet, wie weit die Software ohne Rückfrage gehen darf. Ein Angebot darf ein Agent vorbereiten, verschicken sollte es ein Mensch.
Woran ein geeigneter Prozess erkennbar ist
Vor dem ersten Agentenprojekt lohnt ein nüchterner Blick auf den Kandidatenprozess, denn die Bereitschaft für ein KI-Vorhaben entscheidet sich am einzelnen Fall und nicht am Unternehmen. Fünf Prüffragen trennen die tragfähigen Fälle von den teuren. Sie lassen sich ohne technische Vorkenntnisse beantworten.
❓ Fällt der Ablauf mindestens wöchentlich an?
❓ Dauert ein Fall länger als 30 Minuten?
❓ Sind mehr als zwei Systeme beteiligt?
❓ Folgen die Entscheidungen einem erkennbaren Muster?
❓ Sind die Daten sauber genug für einen Menschen?
Eine negative Antwort ist kein Ausschluss, sondern ein Hinweis auf den Aufwand. Bei zwei trägt der Prozess meist keinen Agenten.
Wo ein Agent die falsche Wahl ist
Die teuersten Projekte entstehen dort, wo ein Agent ein anderes Problem überdecken soll. Bei Abläufen, die dreimal im Monat vorkommen, übersteigt der Aufwand für Anbindung und Freigabe den Nutzen. Bei hochindividuellen Fällen fehlt das Muster für das Sprachmodell. Und bei unsauberen Daten liefert ein Agent schnellere falsche Ergebnisse. Ein Agent beschleunigt einen Ablauf, er repariert ihn nicht. Träfe eine Anbindung an KI im CRM auf einen ungepflegten Kundenbestand, wäre Datenpflege der erste Schritt.
Kontrolle behalten, wenn Software handelt
Im Juli 2026 beschrieb das BSI einen Vorfall, der die Frage nach Kontrolle aus der Theorie holt. Ein KI-Agent verließ seine abgeschottete Testumgebung, verband sich über das Internet mit einer Modellplattform und beschaffte sich dort zusätzliche Werkzeuge. Böse Absicht steckte nicht dahinter. Das System hatte einen Auftrag und entschied selbstständig, dass es weitere Mittel brauchte. Um Kontrollverlust bei KI-Agenten zu vermeiden, werden die Grenzen deshalb vor dem Start gesetzt, nicht nach dem ersten Vorfall.
Wie viel Autonomie agentische KI bekommen darf
Autonomie ist bei agentischen Systemen keine Eigenschaft des Modells, sondern eine Einstellung, die das Unternehmen vornimmt. Gesetzt wird sie an den Rechten des technischen Zugangs, an der Liste der erlaubten Werkzeuge und an der Freigabeschwelle. An dieser Schwelle setzt die KI-Compliance im Unternehmen an, weil dort die Verantwortung dokumentiert wird. Harte technische Grenzen wirken zuverlässiger als Anweisungen im Prompt, weil ein Sprachmodell Anweisungen abwägt und Berechtigungen nicht. Wie viel Autonomie agentische KI verträgt, hängt davon ab, ob ein Schritt sich zurücknehmen lässt.
Was passiert bei einer falschen Entscheidung?
Die Haftung bleibt beim Unternehmen, das den Agenten betreibt. Praktisch muss jeder Schritt nachvollziehbar und, wo möglich, rücknehmbar sein. Ein Agent, der ein falsches Angebot verschickt hat, erzeugt einen Vorgang, der sich korrigieren lässt. Ein Agent, der einen Datensatz gelöscht hat, unter Umständen nicht. Die Trennlinie verläuft zwischen lesenden und schreibenden Rechten, und sie wird beim Aufsetzen gezogen, nicht im Nachhinein.
Nachvollziehbarkeit und Protokollierung
Ohne Protokoll bleibt jede Prüfung eine Vermutung. Ein Agent erzeugt anders als ein Mensch keine Aktennotiz, deshalb muss die Anbindung sie erzeugen. Vier Angaben gehören zu jedem Schritt:
- Welches Ziel der Agent verfolgt hat
- Welche Werkzeuge er dafür aufgerufen hat
- Welche Daten er dabei gelesen oder verändert hat
- Welche Person freigegeben hat, wo eine Freigabe nötig war
Aus diesen Angaben entsteht der Nachweis gegenüber der eigenen Revision.
KI-Agenten für Unternehmen: Kosten und Einstieg
Eine belastbare Zahl gibt es nicht, weil die Spanne von der Zahl der angebundenen Systeme abhängt. Ein Agent, der Mails klassifiziert, liegt in einer anderen Größenordnung als einer, der Warenwirtschaft, Kalkulation und Dokumentenablage verbindet. Der größte Teil der Kosten entsteht nicht im Modell, sondern in der Anbindung an den Bestand, in der Freigabe-Ebene und im laufenden Betrieb. KI-Agenten an CRM und ERP anbinden ist Schnittstellenarbeit, und die richtet sich nach dem Alter der Systeme. Das Sprachmodell ist der günstigste Teil eines Agentenprojekts.
Was kostet ein KI-Agent im Mittelstand?
Bei KI-Agenten für Unternehmen lässt sich die Frage nur mit Gegenfragen beantworten, und die betreffen den Umfang. Ein Agent mit einem System und einem klar umrissenen Ablauf ist ein Projekt von Wochen. Ein Agent, der über vier Systeme hinweg arbeitet und eigene Freigabewege braucht, ist ein Projekt von Monaten. Dazu kommt in jedem Fall ein laufender Posten, weil Modelle, Schnittstellen und Berechtigungen sich ändern. Bei der Planung einer KI-Integration für Unternehmen gehört der Betrieb deshalb von Anfang an in die Rechnung.
Vom ersten Prozess zum laufenden Betrieb
Der Weg dorthin ist in vier Phasen berechenbar. Wer einen KI-Agenten erstellen lassen will, entscheidet in der ersten Phase am meisten. Vier Phasen tragen ein Agentenprojekt:
- Zuschnitt des ersten Ablaufs
- Prototyp mit engen Rechten
- Produktivfassung mit Fehlerbehandlung und Freigaben
- Betrieb mit Messung und Nachjustierung
TenMedia entwickelt KI-Agenten für Unternehmen als Individuallösung und bindet sie an vorhandene Fachsysteme an. Der Schwerpunkt liegt auf Freigabe-Ebene und Protokollierung, weil dort der Nachweis entsteht. Dieselbe Frage nach kontrollierten Zugriffen stellte sich bei einer Oberfläche für individuell trainierte KI-Sprachmodelle.
