Was ist ein KI-Agent, wie funktioniert er und worin unterscheidet er sich von einem Chatbot?

Ein KI-Agent ist ein Programm auf Basis eines großen Sprachmodells, das ein Ziel erhält, die nächsten Schritte selbstständig plant und sie mithilfe von Tools ausführt – zum Beispiel einen Kunden im CRM suchen, einen E-Mail-Verlauf lesen, ein Angebot erstellen, eine Aufgabe im Kalender anlegen oder den Status eines Vorgangs aktualisieren. Anders als ein Chatbot endet seine Arbeit nicht mit einer Textantwort, und anders als die klassische Automatisierung braucht er kein starres Szenario für jede denkbare Situation. Ein gut konzipierter KI-Agent arbeitet innerhalb festgelegter Grenzen: Er hat nur die Berechtigungen, die er braucht, protokolliert jede Aktion und legt Entscheidungen von größerer Tragweite einem Menschen zur Freigabe vor.

In diesem Artikel erklären wir, was ein KI-Agent in der Unternehmenspraxis ist, aus welchen Elementen er besteht, wie seine Arbeitsschleife aussieht und wann er einfacheren Lösungen tatsächlich überlegen ist. Wenn Sie konkrete Szenarien für Ihr Unternehmen suchen, werfen Sie auch einen Blick auf unsere Übersicht mit Anwendungsbeispielen für KI-Agenten in verschiedenen Abteilungen.

Was ist ein KI-Agent – einfach erklärt

Am einfachsten vergleicht man einen KI-Agenten mit einem neuen, sehr schnellen Kollegen, der Zugang zu einigen Systemen und eine Stellenbeschreibung bekommen hat. Sie sagen ihm nicht, welche Schaltflächen er anklicken soll – Sie sagen ihm, was erreicht werden soll: „Bereite eine Antwort auf die Angebotsanfrage vor und ergänze die Kundendaten im CRM.“ Der Agent legt selbst fest, dass er zuerst die E-Mail lesen, dann prüfen muss, ob der Kunde bereits in der Datenbank ist, anschließend Produkte aus der Preisliste auswählt, einen Angebotsentwurf erstellt und ihn dem Vertriebsmitarbeiter zur Freigabe übergibt.

Im Hintergrund arbeitet ein Sprachmodell wie Claude, GPT oder Gemini oder ein Open-Source-Modell auf einem Server des Unternehmens. Das Modell allein kann „nur“ Text erzeugen. Zum Agenten wird es erst, wenn es drei Dinge erhält: ein Ziel, Tools, um in der Außenwelt zu handeln, und eine Schleife, in der es die Ergebnisse seiner Aktionen beobachten und über den nächsten Schritt entscheiden kann.

Die Frage „KI-Agenten – was ist das?“ stellen sich heute viele Unternehmen, denn der Begriff wird oft überstrapaziert. Nicht jedes Produkt mit dem Etikett „AI Agent“ ist ein Agent im engeren Sinne. Führt eine Lösung immer dieselbe Abfolge von Schritten aus und erzeugt das Modell nur in einem davon Inhalte, handelt es sich eher um KI-gestützte Automatisierung. Auch das kann sehr wertvoll sein – man sollte aber wissen, was man kauft.

Wie funktioniert ein KI-Agent – sechs zentrale Elemente

1. Ziel und Anweisung

Der Agent beginnt mit einer definierten Aufgabe und den Regeln, nach denen er sie erledigen soll. Die Anweisung (der sogenannte System-Prompt) beschreibt die Rolle des Agenten, den Kommunikationston, die Grenzen seines Handelns und die Situationen, in denen er innehalten und einen Menschen fragen soll. Je präziser Ziel und Kriterien für „Aufgabe erledigt“ beschrieben sind, desto vorhersehbarer verhält sich der Agent.

2. Planung

Das Modell zerlegt das Ziel in kleinere Schritte. Manchmal geschieht das explizit – es erstellt eine Aufgabenliste, die es anschließend abhakt –, manchmal plant es Schritt für Schritt und reagiert auf das, was es vorfindet. In Unternehmensprozessen kombinieren wir oft beide Ansätze: Der grobe Ablauf ist vorgegeben (z. B. „erst Prüfung, dann Antwort“), über die Details jeder Phase entscheidet der Agent.

3. Tools

Sie sind die Hände des Agenten. Ein Tool kann die Suche in der Wissensdatenbank sein, Lesen und Schreiben im CRM, der Versand einer E-Mail, die Prüfung freier Termine im Kalender, der Abruf einer Rechnung aus dem Buchhaltungssystem oder der Aufruf einer beliebigen API. Jedes Tool hat eine Beschreibung, aus der das Modell erfährt, wofür es dient und welche Parameter es erwartet. Immer häufiger werden Tools den Agenten über den offenen Standard MCP (Model Context Protocol) bereitgestellt, der die Anbindung weiterer Systeme erleichtert, ohne alles von Grund auf neu zu schreiben.

4. Gedächtnis

Der Agent muss sich merken, was er in der aktuellen Aufgabe bereits getan hat (Kurzzeitgedächtnis, also der Gesprächskontext und die Ergebnisse der Tools), und oft auch mehr über das Unternehmen und die Kunden wissen (Langzeitgedächtnis). Letzteres wird meist über eine Wissensdatenbank mit semantischer Suche, vom Agenten gespeicherte Notizen oder schlicht das Auslesen der Historie aus dem CRM umgesetzt. Wichtig ist, dass das Gedächtnis kontrolliert wird – es ist klar, was der Agent speichert, wie lange und wer darauf Zugriff hat.

5. Arbeitsschleife

Das Herzstück des Agenten ist die Schleife: denken – handeln – Ergebnis prüfen – über den nächsten Schritt entscheiden. Das Modell wählt ein Tool, das System führt es aus, das Ergebnis geht an das Modell zurück, und dieses bewertet, ob das Ziel näher gerückt ist. Die Schleife läuft, bis die Aufgabe erledigt ist, der Agent auf eine Situation stößt, die einen Menschen erfordert, oder ein festgelegtes Limit an Schritten oder Kosten überschritten wird.

6. Menschliche Aufsicht

In geschäftlichen Anwendungen ist sie Pflicht, kein Extra. Der Agent kann selbstständig vorbereiten und prüfen, aber der Versand eines Angebots, die Änderung von Vertragsbedingungen oder eine Überweisung sollten eine Freigabe erfordern. Zur Aufsicht gehören auch Einsicht in die Logs, die Möglichkeit, den Agenten anzuhalten, und ein klarer Eskalationspfad. Dieser Ansatz entspricht dem Geist des EU AI Act, der die menschliche Aufsicht über KI-Systeme stark betont.

Die Schleife eines KI-Agenten am Beispiel einer Angebotsanfrage

So könnte das in einem Handelsunternehmen aussehen, das Anfragen über ein Formular und per E-Mail erhält:

1. Auslöser – im Vertriebspostfach geht eine E-Mail mit einer Produktanfrage ein.
2. Verstehen – der Agent liest die Nachricht, erkennt, dass es sich um eine Angebotsanfrage handelt, und extrahiert die wichtigsten Daten: Firma, Ansprechpartner, Produkte, Mengen, Termin.
3. Prüfung – er prüft im CRM, ob der Kunde existiert; falls ja, ruft er die Bestellhistorie und den zuständigen Betreuer ab.
4. Datenpflege – er legt den Kundendatensatz und die Verkaufschance an oder aktualisiert sie.
5. Vorbereitung – er wählt Positionen aus der Preisliste, erstellt einen Angebotsentwurf und eine Antwort-E-Mail.
6. Kontrolle – er prüft, ob alle Pflichtfelder ausgefüllt sind und der Rabatt im zulässigen Rahmen liegt.
7. Freigabe – er übergibt den Entwurf mit einer kurzen Zusammenfassung an den Kundenbetreuer; der Vertriebsmitarbeiter gibt frei, korrigiert oder lehnt ab.
8. Abschluss – nach der Freigabe versendet er das Angebot, setzt eine Follow-up-Erinnerung und protokolliert alle Aktionen im Log.

Beachten Sie, dass der Agent nicht für jede Variante der E-Mail einen programmierten Pfad brauchte. Ist die Anfrage unklar, kann er dem Entwurf Rückfragen hinzufügen. Hat der Kunde offene Zahlungen, kann er den Vertriebsmitarbeiter darauf hinweisen. Diese Flexibilität unterscheidet den Agenten von der klassischen Automatisierung.

KI-Agent vs. Chatbot und klassische Automatisierung – Vergleichstabelle

Drei Begriffe werden am häufigsten verwechselt: Chatbot, Prozessautomatisierung und KI-Agent. Jeder hat seinen Platz – die folgende Tabelle zeigt die wichtigsten Unterschiede.

In der Praxis werden diese Lösungen kombiniert. Ein KI-Chatbot auf der Website kann das „Gesicht“ eines Agenten sein, der im Hintergrund Termine vereinbart und Tickets anlegt. Eine Automatisierungsplattform wie n8n wiederum kann den Agenten nur in dem einen Prozessschritt aufrufen, in dem Textverständnis nötig ist, und den Rest klassisch und günstig erledigen.

Wann ein KI-Agent sinnvoll ist und wann eine einfachere Lösung genügt

Ein KI-Agent ist nicht die Antwort auf jedes Problem. Er lohnt sich, wenn ein Prozess mehrere Bedingungen gleichzeitig erfüllt:

• Die Eingangsdaten sind unstrukturiert – E-Mails, Dokumente, Notizen, Gespräche, Scans und nicht nur Formularfelder;
• es gibt viele Varianten, die sich nicht sinnvoll mit Regeln beschreiben lassen;
• der Prozess erfordert Zugriff auf mehrere Systeme – CRM, E-Mail, ERP, Kalender, Wissensdatenbank;
• ein Fehler ist umkehrbar oder eine Freigabe durch einen Menschen ist möglich, bevor er Folgen hat;
• das Volumen ist so groß, dass die Zeitersparnis für das Team ins Gewicht fällt.

Dagegen ist ein Agent meist keine gute Wahl, wenn der Prozess vollständig wiederkehrend ist und die Daten in festem Format eingehen (dann genügt Automatisierung), wenn jede Entscheidung schwerwiegende rechtliche oder finanzielle Folgen hat und keine Kontrolle eingebaut werden kann oder wenn das Volumen so gering ist, dass sich die Einführung nicht amortisiert. Ein häufiger Fehler ist auch der Versuch, einen „Agenten für alles“ zu bauen. Deutlich bessere Ergebnisse liefert ein Agent, der auf einen Prozess spezialisiert ist und eine schmale Auswahl an Tools hat.

Arten von KI-Agenten in Unternehmen

Assistent, der mit dem Menschen arbeitet

Der Agent handelt auf Anfrage eines Mitarbeiters: Er erstellt vor einem Meeting eine Kundenzusammenfassung, entwirft eine Antwort oder sucht ein Dokument. Der Mensch bewertet das Ergebnis sofort. Das ist der sicherste Einstieg und ein guter Weg, das Team mit der Technologie vertraut zu machen.

Prozessagent im Hintergrund

Er startet von selbst – bei Eingang einer E-Mail, bei einer Statusänderung im CRM, zu einer festgelegten Uhrzeit. Er erledigt die Vorarbeit und legt nur das zur Freigabe vor, was eine Freigabe erfordert. Dieser Agententyp bringt die größte Zeitersparnis im Backoffice, im Vertrieb und im Kundenservice.

Multi-Agenten-Systeme

Mehrere spezialisierte Agenten arbeiten zusammen: Einer klassifiziert Anfragen, ein zweiter sucht eine Lösung in der Wissensdatenbank, ein dritter bereitet die Antwort vor, und ein „Koordinator“ behält das Ganze im Blick. Solche Architekturen sind bei komplexen Prozessen sinnvoll, erhöhen aber Kosten und Testaufwand – damit sollte man nicht beginnen.

Programmier-Agenten

Eine eigene Kategorie sind Agenten, die mit Code arbeiten: Sie lesen das Repository, nehmen Änderungen vor und führen Tests aus. Ein Beispiel ist Claude Code. In einem Softwarehaus ist das ein Arbeitswerkzeug des Entwicklers und kein Agent, der die Geschäftsprozesse des Kunden abwickelt – das Funktionsprinzip ist jedoch dasselbe: Ziel, Tools, Schleife und Aufsicht.

Risiken von KI-Agenten und wie man sie begrenzt

Da ein Agent in Systemen handeln kann, hat sein Fehler größere Folgen als der eines Chatbots. Deshalb wenden wir bei der Konzeption einige Grundsätze an, die Sie auch als Auftraggeber kennen sollten:

• Minimale Berechtigungen – der Agent hat nur Zugriff auf die Daten und Operationen, die er braucht. Soll er Rechnungen lesen, darf er sie nicht löschen können.
• Freigabe wichtiger Aktionen – Versand an Kunden, finanzielle Änderungen, das Löschen von Daten oder Entscheidungen über Personen laufen über einen Menschen.
• Logs jeder Aktion – es ist nachvollziehbar, was der Agent getan hat, wann, auf welcher Grundlage und mit welchem Ergebnis. Das ist die Basis für Audits und die Verbesserung der Anweisungen.
• Limits – eine maximale Anzahl von Schritten pro Aufgabe, tägliche und monatliche Kostenlimits sowie Limits für die Zahl versendeter Nachrichten.
• Schutz vor Prompt Injection – externe Inhalte (E-Mails, Websites, Dokumente) können versteckte Anweisungen enthalten. Der Agent muss sie als Daten behandeln, nicht als Anweisungen, und kritische Aktionen dürfen nicht allein von seiner Einschätzung abhängen.
• Personenbezogene Daten und DSGVO – es muss geklärt sein, wo die Daten verarbeitet werden, zu welchen Bedingungen der Modellanbieter arbeitet und ob nicht besser ein Modell auf einem Server des Unternehmens eingesetzt werden sollte.
• Tests mit realen Fällen – vor dem Start durchläuft der Agent eine Reihe historischer Fälle, und seine Ergebnisse werden mit dem verglichen, was ein Mitarbeiter getan hätte.

Diese Grundsätze stehen dem Nutzen nicht im Weg – im Gegenteil: Erst durch sie kann der Agent echte Aufgaben übernehmen, und das Team vertraut ihm.

So starten Sie mit einem KI-Agenten im Unternehmen

Der vernünftigste Weg ist eine kurze Prozessanalyse, die Auswahl eines Prozesses mit hohem Volumen und umkehrbaren Folgen und danach ein Pilotprojekt mit klaren Erfolgskennzahlen: Bearbeitungszeit, Anteil der ohne Korrekturen abgeschlossenen Fälle, Anzahl der Eskalationen, Kosten pro Fall. Erst wenn das Pilotprojekt funktioniert, ist eine Ausweitung sinnvoll. Einen detaillierten Plan finden Sie im Artikel darüber, wie Sie KI im Unternehmen Schritt für Schritt einführen.

Bei der Wahl der Technologie sollte man bedenken, dass das Modell nur eines der Elemente ist. Über die Qualität eines Agenten entscheiden maßgeblich: gut beschriebene Tools, Zugriff auf aktuelle Daten, durchdachte Freigabepunkte und Monitoring. Das Team von 4B Systems konzipiert KI-Agenten für Unternehmen genau auf diese Weise – mit Integrationen in CRM, E-Mail, ERP und Kalender und einer Modellwahl, die zu Daten und Budget passt, einschließlich Open-Source-Modellen auf der Infrastruktur des Kunden.

Sie möchten prüfen, ob ein KI-Agent in Ihrem Prozess sinnvoll ist? Beginnen Sie mit einem kurzen Audit – wir zeigen Ihnen einen Prozess, in dem ein Agent Ihr Team entlasten kann, legen die Freigabepunkte für den Menschen fest und schlagen ein Pilotprojekt vor. Erfahren Sie, wie die Implementierung von KI-Agenten bei 4B Systems abläuft, oder schreiben Sie uns über das Kontaktformular.

Häufig gestellte Fragen

Was ist ein KI-Agent – in einem Satz?

Ein KI-Agent ist ein auf einem Sprachmodell basierendes System, das ein Ziel erhält, die Schritte selbst plant und sie mithilfe von Tools ausführt, zum Beispiel im CRM, im E-Mail-Postfach oder im Kalender. Er arbeitet in einer Schleife: Er führt eine Aktion aus, prüft das Ergebnis und entscheidet über den nächsten Schritt.

Worin unterscheidet sich ein KI-Agent von einem Chatbot?

Ein Chatbot führt Gespräche und beantwortet Fragen, führt aber in der Regel keine Aktionen in den Systemen des Unternehmens aus. Ein KI-Agent kann selbstständig Daten suchen, einen Datensatz aktualisieren oder ein Dokument erstellen – das Gespräch ist für ihn nur eines von mehreren möglichen Werkzeugen.

Ersetzt ein KI-Agent die Prozessautomatisierung?

Nein – er ergänzt sie eher. Wiederkehrende Schritte mit Daten in festem Format erledigt die klassische Automatisierung besser und günstiger. Einen Agenten setzt man dort ein, wo Inhalte verstanden, viele Varianten bearbeitet oder Entscheidungen auf Basis des Kontexts getroffen werden müssen.

Kann ein KI-Agent ohne menschliche Aufsicht arbeiten?

Technisch ja, im Unternehmen ist das bei Aktionen mit erheblichen Folgen jedoch nicht empfehlenswert. Bewährt hat sich, dass der Agent Vorbereitung und Prüfung selbstständig erledigt, während ein Mensch den Versand an Kunden, finanzielle Änderungen und Entscheidungen über Personen freigibt.

Welche KI-Modelle werden für den Bau von Agenten verwendet?

Meist kommerzielle Modelle wie Claude, GPT oder Gemini, die per API verfügbar sind. Wenn Daten das Unternehmen nicht verlassen dürfen, kann ein Open-Source-Modell auf einem eigenen Server betrieben werden – das erfordert in der Regel jedoch mehr Aufwand bei Feinabstimmung und Tests.

Womit beginnt man die Einführung eines KI-Agenten?

Mit einer Prozessanalyse und der Auswahl eines einzelnen Prozesses mit hohem Volumen, in dem Fehler umkehrbar sind. Danach empfiehlt sich ein Pilotprojekt mit klar definierten Erfolgskennzahlen – und erst nach dessen Bewertung die Erweiterung des Aufgabenbereichs des Agenten.