- Agenten lohnen sich, wenn sie spürbar Stunden sparen - darunter frisst der Betrieb die Ersparnis.
- Exakt beschreibbare Prozesse gehören in klassische Automatisierung, nicht in ein Sprachmodell.
- Ohne sauberen Datenbestand und Prozess-Verantwortlichen scheitert jedes KI-Projekt - Reihenfolge beachten.
Was ein Agent wirklich ist
Ein KI-Agent ist kein Chatbot mit neuem Namen. Er versteht eine Aufgabe, plant Schritte, nutzt deine Systeme - CRM, ERP, E-Mail - und liefert ein Ergebnis ab. Der Unterschied zur klassischen Automatisierung: Er kommt mit Fällen klar, die vorher niemand exakt definiert hat.
Genau darin liegt aber auch das Risiko: Was flexibel entscheidet, kann falsch entscheiden. Deshalb gehören zu jedem Agenten klare Werkzeuggrenzen und ein Mensch mit dem letzten Wort. In unseren Projekten ist das keine Fußnote, sondern Architektur: Die KI bereitet vor, freigegeben wird von Menschen.
Begriffsklärung: „Agent“ meint hier ein LLM-System mit Werkzeugzugriff und Planungsschleife - nicht jeden Chatbot, der sich so nennt.
Die Rechnung: drei Beispiele
Ob sich ein Agent rechnet, ist keine Glaubensfrage, sondern Arithmetik: eingesparte Stunden mal Stundensatz, minus Betriebskosten. Drei typische Muster aus unserer Beratungspraxis:
| Use Case | Vorher | Mit Agent |
|---|---|---|
| Eingangsrechnungen erfassen und prüfen | Beleg für Beleg Handarbeit | KI liest, prüft, kontiert vor - der Mensch gibt frei |
| Support-Standardanfragen | Ticket für Ticket beantwortet | Assistent mit Zugriff auf Bestell- und Produktdaten übernimmt die Routine |
| Interne Wissenssuche | Suchen, fragen, warten | Antworten aus den eigenen Dokumenten in Sekunden |
Der erste Fall ist bei uns keine Folie, sondern Produktion: Für entsorgo liest und klassifiziert eine Belegstrecke unterschiedliche Geschäftsdokumente, prüft sie nach freigegebenen Geschäftsregeln und bereitet die Buchhaltung vor. Menschen prüfen und geben frei - gebucht wird nichts automatisch. Die Ergebnisse stehen im Case zur KI-Buchhaltung.
Agent oder Automatisierung?
Faustregel: Ist der Prozess exakt beschreibbar, nimm klassische Automatisierung - billiger, schneller, deterministisch. Braucht er Einschätzung, Sprache oder wechselnden Kontext, lohnt der Agent. Die meisten guten Systeme sind eine Mischung: deterministische Regeln, wo es geht, KI, wo es muss.
Die Praxis zeigt: Gute Systeme kombinieren deterministische Prüfungen mit KI. Eindeutige Zuordnungen und Validierungen laufen regelbasiert; das Sprachmodell unterstützt bei uneindeutigen Inhalten und Lesefehlern. Regeln zuerst, KI danach.
Lernen statt verwalten
Der unterschätzte Teil eines Agenten-Projekts ist nicht das Modell, sondern die kontrollierte Lernschleife. Menschliche Korrekturen zeigen, wo Regeln, Datenaufbereitung oder Anweisungen verbessert werden müssen.
Wir überführen bestätigte Muster erst nach fachlicher Prüfung in wiederverwendbare Leitplanken für künftige Fälle. Wie dieses Wissen gespeichert und angewendet wird, richtet sich nach Prozess und Schutzbedarf. So wird das System im Betrieb besser, ohne ungeprüfte Einzelkorrekturen automatisch zu übernehmen.
Wann du die Finger davon lässt
Kein sauberer Datenbestand, kein klarer Prozess-Verantwortlicher, oder eine Ersparnis, die den Betrieb nicht trägt: Dann rechnet sich der Agent nicht. Erst Prozess aufräumen, dann automatisieren - in dieser Reihenfolge. Wer die Reihenfolge umdreht, automatisiert sein Chaos.
