KI-Agenten im Unternehmen: Was agentische KI wirklich kann

KI-Agenten sollten ein überprüfbares Ergebnis liefern. Dafür müssen 4 Grenzen klar sein: das Ziel, die verfügbaren Tools, die Freigaberegeln und der Punkt, an dem das System stoppt. Agentische KI bezeichnet in der Praxis ein System, das Schritte plant, Tools nutzt und mit begrenzter Aufsicht auf ein Ziel hinarbeitet.

Was sind KI-Agenten, und was bedeutet agentische KI?

Agentische KI ist Software, die auf dem Weg zu einem vorgegebenen Ziel selbst Schritte auswählen und ausführen kann. Die Ergebnisse jedes Schritts bestimmen, was als Nächstes geschieht. Ziel und Grenzen legt weiterhin der Mensch fest. Einen Teil der Entscheidungen zwischen Auftrag und fertigem Ergebnis übernimmt das System.

Ein Tool ist eine Funktion, die das System aufrufen kann, etwa eine Dokumentensuche, eine Bestellabfrage oder das Erstellen einer Datei. Ein Agent könnte eine Bestellung aufrufen, feststellen, dass der Zustellnachweis fehlt, im Sendungsverfolgungssystem des Transportdienstleisters nachsehen und anschließend eine Antwort vorbereiten. Für diese einzelnen Abfragen braucht er nicht jedes Mal einen neuen Prompt.

Entscheidend ist anpassungsfähiges Handeln. Eine flüssige Erklärung, eine lange Antwort oder eine animierte Schrittliste belegen diese Fähigkeit noch nicht.

Anthropics Leitfaden für die Entwicklung unterscheidet sinnvoll: Workflows folgen vorgegebenen Pfaden, während Agenten ihren Ablauf und den Einsatz von Tools dynamisch steuern. Beide können KI-Modelle enthalten. Welche Variante für ein Unternehmen die bessere Anschaffung ist, lässt sich daraus allein nicht ableiten. Quelle: Leitfaden zur Entwicklung wirksamer Agenten.

Chatbot, Workflow-Automatisierung und Agent: Wo liegt der Unterschied?

An derselben Kundenfrage wird der Unterschied deutlich: „Wo bleibt meine Bestellung, und was passiert, wenn sie zu spät kommt?“

Das sind Arbeitsweisen, keine unveränderlichen Produktkategorien. Hinter einer Chatoberfläche kann ein Agent arbeiten. Ein Workflow kann für einen schwierigen Einzelschritt einen Agenten einsetzen. Und ein Produkt mit der Bezeichnung „Agent“ kann trotzdem nur ein festes Skript ausführen.

Für einen Händler kann eine Kombination aus allen drei Ansätzen sinnvoll sein: Der Chat nimmt das Anliegen auf, ein Agent untersucht eine ungewöhnliche Verzögerung, und ein festgelegter Freigabeprozess kontrolliert jede Erstattung. Bei der Untersuchung ist die Flexibilität des Agenten hilfreich; über das Geld bestimmt weiterhin die Geschäftsregel.

Welche Aufgabe hat der Planer in einem KI-Agenten?

Der Planer wählt anhand des Ziels, der verfügbaren Informationen und der erlaubten Tools die nächste sinnvolle Handlung. Ändert ein Ergebnis die Ausgangslage, kann er diese Entscheidung revidieren.

Das lässt sich mit einem Koch vergleichen, der eine Bestellung zubereitet. Fehlt eine Zutat, kann er die Reihenfolge der Zubereitung ändern. Die Allergievorgaben des Gastes darf er hingegen nicht verändern. In der Software setzt die Unternehmensrichtlinie die Grenzen; der Plan des Agenten bleibt vorläufig.

Eine typische Schleife sieht so aus: Ziel festlegen, einen Schritt auswählen, ein Tool aufrufen, das Ergebnis prüfen und anschließend weitermachen oder stoppen. Eine vorab erstellte Liste ist zunächst nur ein Plan. Ob das System tatsächlich agentisch arbeitet, zeigt sich daran, was es tut, wenn die Liste nicht mehr zur Lage passt.

Das Modell braucht außerdem in jedem Schritt die richtigen Informationen. Context Engineering beschreibt, wie Anweisungen, Belege und der aktuelle Aufgabenstand beim Agenten ankommen, ohne dass das Wesentliche untergeht. Geht es um die Auswertung von Dokumenten, erklärt agentisches RAG, wie ein Agent vor dem Formulieren einer Antwort weitere Suchschritte auswählen kann. RAG bedeutet, relevante Informationen abzurufen, um eine generierte Antwort darauf zu stützen.

Was unterscheidet agentische KI von generativer KI?

Generative KI erzeugt Inhalte; agentische KI organisiert und erledigt Arbeit, um ein Ziel zu erreichen. Moderne Agenten nutzen häufig generative Modelle, um Anfragen zu verstehen, Handlungen zu planen und Ergebnisse zu formulieren. Die Kategorien überschneiden sich.

Ein Modell, das eine E-Mail zur Nachverfolgung schreibt, arbeitet generativ. Ein System, das die Kundenhistorie prüft, das offene Problem ermittelt, die E-Mail entwirft und um Freigabe zum Versand bittet, arbeitet agentisch.

Die Generierung ist eine Fähigkeit des zugrunde liegenden Modells. Agentisches Verhalten beschreibt, wie das umgebende System diese Fähigkeit zusammen mit Tools und Rückmeldungen einsetzt. Dafür braucht es weder Bewusstsein noch eine menschenähnliche Persönlichkeit oder die Erlaubnis, grenzenlos zu handeln. Auch Googles Erklärung unterscheidet zwischen der Erstellung von Inhalten und dem Einsatz von Tools für Handlungen, die einem übergeordneten Ziel dienen. Quelle: Google Cloud über agentische KI.

KI-Agenten in der Praxis: Diese Produkte lassen sich heute prüfen

Der Ausgangspunkt ist ein Produkt, das auf die vorhandenen Arbeitsgrundlagen zugreifen kann. Ein allgemeiner Aufgabenassistent passt zu einer Führungskraft, die die Bearbeitung eines Dokuments delegiert. Eine Plattform zum Erstellen von Agenten passt zu einem Unternehmen, das einen wiederholbaren Ablauf über mehrere Anwendungen hinweg einrichten will.

Die folgenden Produktfunktionen wurden am 14. Oktober 2026 anhand der Seiten der jeweiligen Anbieter überprüft. Die Beispiele und Testvorschläge beruhen auf der Dokumentation; sie sind keine Leistungsbenchmarks aus eigenen Praxistests. Die entscheidende Veränderung ist greifbar: Neben Gesprächsantworten bieten Produkte inzwischen Tools, Aufgabenausführung und Kontrollmöglichkeiten. Welche Funktionen verfügbar sind, hängt weiterhin von Konto, Edition und jeweiligem Feature ab.

ChatGPT Work: Ein fertiges Arbeitsergebnis delegieren

ChatGPT Work ist OpenAIs auf Aufgaben ausgerichteter Arbeitsmodus. Er kann Dateien, Plugins und freigegebene Tools nutzen, um Informationen abzurufen und Arbeitsergebnisse zu erstellen. OpenAI dokumentiert Vergleichstabellen, Präsentationen und regelmäßige Aktualisierungen; der Fortschritt lässt sich verfolgen, wichtige Handlungen lassen sich freigeben. Quelle: Einstieg in ChatGPT Work.

Ein sinnvoller Test: Lieferantenangebote bereitstellen und eine Vergleichstabelle mit Quellenverweisen und gekennzeichneten fehlenden Konditionen anfordern. Daran zeigt sich, ob das System Belege zusammentragen, den Vergleich strukturieren und die Datei erstellen kann.

Die Grenze: Die Tools müssen verfügbar und freigegeben sein. Desktoparbeit mit lokalen Ressourcen setzt Zugriff auf den betreffenden Rechner voraus. Auch ein Auftrag wie „die Beschaffung übernehmen“ braucht weiterhin eine Ausgabenrichtlinie und eine menschliche Kaufentscheidung.

ChatGPT Work eignet sich für ein konkretes Arbeitsergebnis, das sich prüfen lässt. Eine überzeugend gestaltete Tabelle beweist noch nicht, dass jeder aus den Quellen übernommene Wert stimmt.

Claude Cowork: Mit ausgewählten Dateien und Tools arbeiten

Claude Cowork ist Anthropics Umgebung zur Aufgabenausführung. Sie arbeitet in ausgewählten Ordnern und mit angebundenen Tools und zeigt ihren Fortschritt an. Die Produktseite beschreibt regelmäßige Berichte und den Abgleich von Tabellen. Claude Pro enthält Cowork für $20 bei monatlicher Abrechnung. Es gelten Nutzungslimits, die agentische Arbeit schneller ausschöpfen kann als ein Chat. Quelle: Claude Cowork.

Ein sinnvoller Test: Regionale Vertriebsexporte bereitstellen und eine zusammengeführte Arbeitsmappe anfordern, in der nicht zuordenbare Zeilen separat gesammelt werden. Bevor die Summen verwendet werden, sollten die Ausnahmefälle und Formeln geprüft werden.

Die Grenze: Berechtigungen und die Auswahl der Ordner sind wichtiger als die Bezeichnung Cowork. Mit der Ankündigung vom 16. September 2026 begann Anthropic, Cowork und Chat in einem gemeinsamen Claude zusammenzuführen, zunächst für Pro und Max. Die eigene Oberfläche kann deshalb von älteren Anleitungen abweichen. Quelle: Ankündigung zur Zusammenführung von Cowork und Chat.

Claude Cowork eignet sich für Wissensarbeit mit vielen Dateien. Ein kostenpflichtiges Abo bedeutet weder unbegrenzte Verarbeitungskapazität noch macht es eine fertige Arbeitsmappe zu einem freigegebenen Finanzbericht.

Gemini Enterprise: Verfügbare Funktionen von Early Access unterscheiden

Gemini Enterprise, Googles KI-Umgebung für Unternehmen, verbindet die Arbeit mit Unternehmensinformationen und Aktionen in Anwendungen. Auf der aktuellen Produktseite sind allerdings Funktionen wie die Delegation mehrstufiger Aufgaben im Hintergrund und die Auswahl von Modellen anderer Anbieter als Early Access gekennzeichnet. Für den geplanten Einsatz muss der Zugang zur konkreten Funktion geprüft werden. Quelle: Gemini Enterprise.

Ein sinnvoller Test: Den Assistenten in einem entsprechend eingerichteten Konto einen Termin in Google Calendar oder eine Nachricht in Gmail vorbereiten lassen. Der von Google dokumentierte Ablauf verlangt die Autorisierung des Dienstes und nach der Prüfung des Entwurfs eine Aktion über Send. Diese Anleitung gilt für die Editionen Standard, Plus, Pay-as-you-go und Frontline; für Business gibt es eine eigene Dokumentation. Quelle: Aktionen des Assistenten.

Die Grenze: Eine erfolgreiche Kalenderaktion belegt, dass die Integration funktioniert. Sie belegt nicht, dass auch ein längerer, anpassungsfähiger Ablauf gelingt. Als Nächstes sollte geprüft werden, was bei fehlenden Pflichtangaben passiert. Dieser Ansatz passt, wenn die vorgesehene Edition die benötigten Quellen und Aktionen bietet und die Administration die erforderlichen Kontrollen vorführen kann.

Ist Copilot agentische KI? Entscheidend ist die Konfiguration in Copilot Studio

Microsoft Copilot Studio ist Microsofts Plattform zum Erstellen von Agenten. Sie kann generative Orchestrierung einsetzen: eine Planungsebene, die als Reaktion auf eine Anfrage oder ein Ereignis Tools, Wissensquellen und andere Bausteine auswählt. Diese Konfiguration entspricht der hier verwendeten Definition für den betrieblichen Einsatz. Aus dem Produktnamen allein lässt sich das Verhalten eines konkreten Agenten nicht ableiten. Quelle: Leitfaden zur generativen Orchestrierung.

Ein sinnvoller Test: Die zuständige Entwicklung soll vorführen, wie ein Antrag auf Arbeitsausstattung bearbeitet wird. Der Agent sollte fehlende Angaben einholen, die Richtlinien heranziehen und den Antrag über die eingerichteten Tools vorbereiten. Dabei muss erkennbar werden, welche Schritte das Modell auswählt und welche festen Regeln folgen.

Die Grenze: Jemand muss diese Tools und Kontrollen einrichten und pflegen. Bei der dokumentierten Standardausführungsumgebung, dem sogenannten Standard Harness, lässt sich während des Tests die activity map prüfen und danach auf der Seite Activity die Ansicht Transcript + Map. Was dort sichtbar ist, hängt von den Authentifizierungs- und Freigabeeinstellungen ab. Quelle: Agentenaktivitäten prüfen.

Copilot Studio kommt infrage, wenn es eine verantwortliche Person für den Geschäftsprozess und seine Integrationen gibt. Die Demo ist der Ausgangspunkt für die Abnahmetests.

n8n-Agenten: Anpassungsfähige Arbeit in einen kontrollierten Workflow einbetten

n8n ist eine Plattform zur Workflow-Automatisierung. Ihr Knoten AI Agent verbindet ein Chatmodell mit Tools und lässt den Agenten entscheiden, welches Tool er aufruft. Mindestens ein Tool muss angeschlossen sein. So lässt sich beim Aufbau sichtbar trennen, wo das System flexibel entscheidet und wo feste Schritte gelten. Quelle: Der AI Agent-Knoten in n8n.

Ein sinnvoller Test: Einen Agenten eine eingehende Supportanfrage mit ausschließlich lesenden Abfragetools untersuchen lassen. Das Tool zum Versenden der Antwort benötigt anschließend eine Freigabe.

Im Bereich Tools des AI Agent-Knotens dokumentiert n8n einen Abschnitt Human review, über den sich freigabepflichtige Tools anbinden lassen. Die prüfende Person sieht die vorgeschlagenen Parameter und kann die Ausführung genehmigen oder ablehnen. Das hilft mehr, als eine fehlerhafte Nachricht erst nach dem Versand zu entdecken. Quelle: Menschliche Freigabe für Tools.

Die Grenze: n8n ist eine Plattform zum Erstellen solcher Abläufe. Für Zugangsdaten, Fehlerbehandlung und Wartung bleibt jemand verantwortlich. Sie passt, wenn diese Kontrolle einen Wert hat und der Workflow dauerhaft betreut werden kann.

Wofür eignen sich KI-Agenten im Unternehmen? Fünf Einsatzfelder

Agenten kommen vor allem dann infrage, wenn eine Aufgabe unterschiedliche Informationen, ein klar begrenztes Ziel und ein überprüfbares Ergebnis umfasst. Auf Grundlage der oben dokumentierten Funktionen bieten sich die folgenden fünf Aufgaben für den Einstieg an. Sie sind Vorschläge für Pilotprojekte, kein Versprechen, dass jedes Produkt dabei gleich gut abschneidet.

1. Ein Kundengespräch vorbereiten

Vor einem Gespräch braucht eine Vertriebsleitung die jüngste Korrespondenz, offene Supportfälle und Kundennotizen auf einen Blick. Ein Agent kann relevante Belege suchen, Datumsangaben klären und eine Gesprächsvorbereitung mit Links zu den Quellen erstellen.

Ein brauchbares Ergebnis trennt Fakten, offene Fragen und vorgeschlagene Gesprächsthemen. Zusagen gegenüber dem Kunden und die Kontaktaufnahme bleiben unter der Kontrolle der für das Kundenkonto verantwortlichen Person. Enthält ein bestehender Standardbericht bereits alle nötigen Angaben, reicht womöglich herkömmliche Automatisierung.

2. Supportanfragen untersuchen und zuordnen

Im Handel beschreiben Kunden dasselbe Problem oft auf unterschiedliche Weise. Ein agentengestützter Ablauf kann das Anliegen einordnen, freigegebene Tools für Bestelldaten und Richtlinien abfragen und eine Antwort oder die Weitergabe an eine zuständige Stelle vorbereiten.

Der Pilot braucht klare Regeln für fehlende Kennungen, Ausnahmen von Richtlinien und unsichere Zuordnungen. Erstattungen und Kundennachrichten müssen ausdrücklichen Kontrollen unterliegen. Der Nutzen liegt in weniger Recherchearbeit vor der menschlichen Entscheidung, nicht bloß in einer schnelleren ersten Antwort.

3. Regelmäßige Betriebsberichte zusammenstellen

In der operativen Leitung müssen immer wieder Exporte, Notizen und Projektmeldungen zusammengeführt werden. Ein Agent kann das Sammeln und Zusammenstellen übernehmen. Ein eigener Abschnitt sollte dabei fehlende Daten und uneinheitliche Berichtszeiträume ausweisen.

Ein guter Wochenbericht macht sichtbar, was sich nicht verifizieren ließ. Ein ansprechendes Diagramm, das stillschweigend auf dem Export des Vormonats beruht, verfehlt die Aufgabe. Für stabile Kennzahlen eignen sich feste Berechnungen; ein Agent hilft dort, wo verstreute Meldungen eingeordnet werden müssen.

4. Dokumente vergleichen und Abweichungen hervorheben

Wer als Gründer Lieferantenangebote vergleicht, braucht Preise, Lieferbedingungen und Ausschlüsse in einer einheitlichen Struktur. Zu jedem Eintrag sollte die Fundstelle in der Quelle stehen. Konditionen, die sich nicht sinnvoll vergleichen lassen, gehören in eine separate Liste.

Der Agent sollte mehrdeutige Formulierungen nicht durch eine erfundene gemeinsame Definition vereinheitlichen. Seine Aufgabe ist, die Mehrdeutigkeit offenzulegen. So sinkt der Leseaufwand, während die Abwägung beim Käufer bleibt.

5. CRM-Änderungen und Entwürfe zur Nachverfolgung vorbereiten

Im Vertrieb sollen aus Gesprächsnotizen vorgeschlagene Einträge im Kundenbeziehungsmanagement und nächste Schritte entstehen. Ein Agent lässt sich so einrichten, dass er das passende Kundenkonto sucht, die Notizen auswertet und über konfigurierte Tools eine Aktualisierung vorbereitet.

Der Einstieg sollte mit Änderungsvorschlägen erfolgen: betroffener Datensatz, alter Wert, neuer Wert und die zugehörige Notiz als Beleg. Unsichere Änderungen und der Versand externer Nachrichten erfordern eine Freigabe. Ein doppelter Kontakt gehört auf die Ausnahmeliste; er darf nicht durch Raten zugeordnet werden.

Weitere Situationen und Abwägungen bei der Umsetzung behandelt der Beitrag mit Beispielen für KI-Agenten.

Drei Aufgaben, an denen Agenten weiterhin scheitern

Besonders schwierig wird es, wenn unklare Ziele, teure Fehler und schwache Rückmeldungen zusammenkommen. Die folgenden Bereiche sollten gezielt auf Fehler geprüft werden. Es handelt sich nicht um gemessene Fehlerquoten für sämtliche Agenten.

1. Ein unklar definiertes Geschäftsziel verantworten

Der Auftrag „Kundenbindung verbessern“ überlässt es dem Agenten, Prioritäten, Zielkonflikte und akzeptables Verhalten selbst festzulegen. Er könnte eine sichtbare Kennzahl optimieren und dabei eine Kundenbeziehung beschädigen.

Der Auftrag muss auf ein überprüfbares Ergebnis begrenzt werden: Kündigungsgründe sammeln, Belege anführen und Handlungsoptionen vorbereiten. Strategie braucht eine verantwortliche Entscheidungsperson. Ein System übernimmt diese Verantwortung nicht dadurch, dass es Schritte ausführt.

2. Auf unsicherer Grundlage unumkehrbare Entscheidungen treffen

Eine plausible Deutung reicht nicht aus, um einen Lieferanten zu bezahlen, Datensätze zu löschen oder einem Kunden eine verbindliche Zusage zu machen. Problematisch ist das Zusammenspiel von Unsicherheit und Tragweite.

Der Agent kann die Entscheidungsgrundlage vorbereiten. Berechtigungen und Richtlinien müssen jedoch im Ausführungsweg durchgesetzt werden; eine freundliche Anweisung, „vorsichtig zu sein“, genügt nicht. Ein Entwurf lässt sich prüfen. Eine ausgeführte Überweisung ist betrieblich ein anderer Vorgang.

3. Lange Abläufe über unzuverlässige Systeme hinweg abschließen

Eine geänderte Webseite, abgelaufene Zugangsdaten oder ein fehlendes Feld können eine längere Aufgabe unterbrechen. Ein erneuter Versuch kann zudem eine Handlung doppelt ausführen, wenn der erste Versuch erfolgreich war, aber seine Bestätigung verloren ging.

Nicht vertrauenswürdige Inhalte eröffnen einen weiteren Fehlerweg. Prompt Injection bezeichnet Anweisungen, die in gelesenen Inhalten wie Webseiten oder Dokumenten versteckt sind und den Agenten von seinem Auftrag abbringen sollen. Anthropic warnt, dass ein Agent solchen Anweisungen während einer Aufgabe folgen kann. Abgerufene Inhalte sind als Belege zu behandeln, niemals als Ermächtigung, Zugriffsrechte auszuweiten. Quelle: Sicherheitshinweise zu Cowork.

Erforderlich sind begrenzte Wiederholungsversuche, gespeicherte Zwischenstände, Schutz vor doppelter Ausführung und eine festgelegte Übergabe an eine benannte Person, wenn das System den Ausgang nicht feststellen kann. Anthropic warnt ausdrücklich vor sich aufschaukelnden Fehlern und höheren Kosten in autonomen Systemen. Quelle: Hinweise zum Entwurf von Agenten.

Welche Fragen sollten Anbieter agentischer KI beantworten?

Der Anbieter sollte einen abgeschlossenen, einen fehlgeschlagenen und einen gestoppten Durchlauf zeigen. Die Antworten müssen in der Konfiguration und den Ausführungsprotokollen erkennbar sein, nicht nur auf Präsentationsfolien.

Auf welche Tools greift der Agent zu, und wessen Zugangsdaten nutzt er?

Gefragt ist die genaue Liste der Systeme und Operationen: ein Kundenkonto lesen, einen Kontakt bearbeiten, eine E-Mail senden, eine Datei löschen. „Lässt sich in Ihr CRM integrieren“ sagt noch nichts darüber aus, welche dieser Aktionen erlaubt sind.

Der Anbieter sollte die Grenzen mit einem gewöhnlichen Benutzerkonto vorführen. Ebenso muss klar sein, ob eine unbeaufsichtigte Aufgabe mit den Rechten dieses Nutzers, der einrichtenden Person oder eines Dienstkontos läuft. Ein Agent mit den umfassenden Rechten eines Administrators erfordert eine andere Einführungsentscheidung als ein Agent, dessen Zugriff auf eine einzige Warteschlange beschränkt ist.

Was braucht eine Freigabe, und wo wird sie durchgesetzt?

In der Vorführung sollte eine folgenreiche Aktion auf Autorisierung warten. Diese Freigabe wird anschließend verweigert. Die Aktion muss unausgeführt bleiben, und der Durchlauf muss erkennen lassen, welcher Teil der Arbeit offen ist.

Auch geänderte Parameter nach einer Freigabe gehören in den Test. Die Zustimmung für einen Empfänger oder Betrag darf nicht stillschweigend einen anderen autorisieren. Die von n8n dokumentierte Tool-Prüfung zeigt konkret, wie eine Ausführung angehalten und die vorgeschlagene Eingabe offengelegt wird. Jeder Anbieter sollte seinen entsprechenden Mechanismus demonstrieren.

Was kostet eine abgenommene Aufgabe?

Entscheidend sind die Gesamtkosten der erledigten Arbeit, die die Abnahmekriterien erfüllt. Dazu gehören anteilige Abokosten, Modellnutzung, Tool-Gebühren, Fehlversuche, Prüfung, Korrekturen und Wartung.

Ein Token ist eine Texteinheit, die ein Modell verarbeitet oder erzeugt. Bei nutzungsabhängiger Abrechnung ergeben sich die Token-Kosten aus der Summe über alle Aufrufe: Eingabeeinheiten mal Eingabepreis plus Ausgabeeinheiten mal Ausgabepreis, gegebenenfalls unter Berücksichtigung von Caching. Hinzu kommen Tool- und Ausführungsgebühren. Maßgeblich ist der Nutzungsnachweis des Anbieters. Aus der Länge der letzten Antwort lassen sich die Kosten eines gesamten Agentendurchlaufs nicht ableiten.

Inklusivkontingente eines Abos sind von API-Tarifen zu trennen. OpenAIs Preishinweise warnen ausdrücklich davor, die Kosten der im Abo enthaltenen Aufgaben anhand von API-Token-Preisen zu schätzen. Quelle: Hinweise zu Preisen und Nutzung.

Wo lässt sich das Ausführungsprotokoll einsehen?

Der Anbieter sollte die konkrete Ansicht oder den Export zeigen, der Aufgabe, Tool-Aufrufe, Parameter, Ergebnisse, Freigaben, Fehler und Zeitstempel enthält. Zu klären ist, wer darauf zugreifen kann, wie lange die Daten aufbewahrt werden und welche sensiblen Angaben entfernt werden.

Bei der dokumentierten Standardausführungsumgebung von Copilot Studio ist Activity → Transcript + Map der Ausgangspunkt. Bei n8n eignen sich die Ausführungsliste des Workflows oder die Übersicht aller Ausführungen. Quelle: Ausführungen in n8n.

Eine nacherzählte Erklärung ersetzt kein Ausführungsprotokoll. Das behauptete Ergebnis muss im Zielsystem geprüft werden: Wurde der Entwurf gespeichert, der Datensatz geändert oder die Nachricht versendet?

Was passiert, wenn der Agent die Aufgabe nicht abschließen kann?

In der Demo sollte ein Pflichtfeld entfernt, ein Tool unzugänglich gemacht oder widersprüchliches Quellenmaterial vorgelegt werden. Erwartet wird ein sinnvoller Stopp, eine Rückfrage oder eine Weitergabe an eine zuständige Stelle. Die bereits geleistete Arbeit muss dabei erhalten bleiben.

Kaufregel: Kann der Anbieter Berechtigungen, durchgesetzte Freigaben, Kosten pro abgenommener Aufgabe und überprüfbare Protokolle nicht zeigen, sollte der Einsatz auf einen beaufsichtigten Piloten beschränkt bleiben.

Kosten pro Aufgabe: Auch die menschliche Arbeit zählt

Ein günstiger Durchlauf kann zu einer teuren Aufgabe werden, wenn jemand das Ergebnis nachbessern muss. Das folgende Rechenbeispiel dient der Budgetplanung. Es ist hypothetisch und weder ein Anbieterbenchmark noch ein berichtetes Kundenergebnis.

Angenommen, eine Arbeitskraft erledigt 200 abgenommene Aufgaben pro Monat, benötigt jeweils 12 Minuten und verursacht $40 Personalvollkosten pro Stunde. Die manuelle Bearbeitung kostet dann:

200 × 12 ÷ 60 × $40 = $1,600 pro Monat oder $8 pro Aufgabe.

Nun werden $240 pro Monat an anteiligen Software-, Modell- und Tool-Ausgaben angenommen, dazu 3 Minuten menschliche Prüfung pro abgenommener Aufgabe:

$240 + (200 × 3 ÷ 60 × $40) = $640 pro Monat oder $3.20 pro Aufgabe.

Die rechnerische Differenz beträgt $960 pro Monat; zugleich werden 30 Stunden Arbeitskapazität frei. Zu einer tatsächlichen Geldersparnis wird das nur, wenn die Ausgaben sinken. Andernfalls hängt der Wert davon ab, welche nützliche Arbeit in diesen Stunden geleistet werden kann. Einrichtung und laufende Wartung sind hier nicht enthalten und müssen im eigenen Budget ergänzt werden.

Die Rechnung kippt, sobald Prüfung und Nacharbeit im Durchschnitt 10.2 Minuten pro Aufgabe beziehungsweise 10 Minuten 12 Sekunden dauern. Dann entsprechen Personal- und anteilige Softwarekosten zusammen den Kosten der manuellen Bearbeitung. Bei 11 Minuten kostet der agentengestützte Prozess rund $8.53 pro abgenommener Aufgabe und damit mehr als die manuelle Bearbeitung.

Auch das Volumen verändert die Entscheidung. Bei denselben fix zugeordneten $240, aber nur 20 Aufgaben, kostet der Prozess einschließlich Prüfung $280 pro Monat, gegenüber $160 bei manueller Bearbeitung. Unter diesen Annahmen wird die Kostengleichheit bei 40 Aufgaben pro Monat erreicht, noch vor Einrichtung und Wartung.

Welche Versprechen rund um agentische KI sind überzogen?

Mehr Autonomie hilft nur, wenn sie das Ergebnis innerhalb vertretbarer Grenzen verbessert. Freigaben abzuschaffen ist kein Fortschritt, wenn sie eine notwendige Entscheidung absichern.

Drei Behauptungen verdienen besondere Prüfung. Erstens kann „lernt aus jeder Aufgabe“ lediglich bedeuten, dass das System Notizen behält oder den nächsten Schritt anpasst. Das belegt nicht, dass sich das zugrunde liegende Modell nach jedem Auftrag selbst trainiert. Zu klären ist, was dauerhaft erhalten bleibt, wo es gespeichert wird und wer es korrigieren kann.

Zweitens bedeutet „Multi-Agent“, dass mehrere Agenten beteiligt sind. Daraus folgen weder höhere Genauigkeit noch niedrigere Kosten. Zusätzliche Übergaben schaffen womöglich weitere Stellen, an denen Kontext verloren geht. Kaufentscheidend ist das Ergebnis anhand der eigenen Testfälle.

Drittens braucht „Ende zu Ende“ einen klaren Endpunkt. Eine Kaufempfehlung vorzubereiten, eine Bestellung aufzugeben und die Lieferung zu bestätigen sind unterschiedlich weit gefasste Aufträge. Der vereinbarte Endpunkt gehört in die Pilotvereinbarung.

Für einen stabilen Prozess ist ein zuverlässiger, festgelegter Workflow oft die richtige Wahl. Eine flexible Tool-Auswahl gehört dorthin, wo der Weg tatsächlich variiert. Die umgebenden Regeln müssen weiterhin ausdrücklich festgelegt sein.

Wer sollte jetzt starten, abwarten oder beim bestehenden Workflow bleiben?

Jetzt starten kann, wer die Aufgabe klar begrenzen und das Ergebnis mit geringem Aufwand prüfen kann. Abwarten sollte, wer noch nicht erklären kann, wie ein korrektes Ergebnis aussieht.

Operativ Verantwortliche: Der Einstieg gelingt mit Berichten, Vorbereitungs- oder Rechercheaufgaben, deren Ergebnisse ohnehin geprüft werden. Eine erfahrene Führungskraft im operativen Bereich sollte die Verantwortung für die Bearbeitung der Ausnahmefälle und die Abnahmekriterien übernehmen.

Einkaufsverantwortliche: Maßgeblich ist der Vergleich der Kosten pro abgenommener Aufgabe mit dem bisherigen Prozess. Auch ein Gründer mit gesicherter Finanzierung sollte keinen unternehmensweiten Agenten kaufen, bevor eine eng umrissene Aufgabe die Ausweitung rechtfertigt. Wer die Technik in einem mittelständischen Unternehmen verantwortet, sollte vor einer breiteren Einführung den Zugang in der konkreten Edition, eindeutig zugeordnete Zugangsdaten und brauchbare Protokolle verlangen.

Entwickler: Folgenreiche Handlungen müssen von deterministischen Regeln umgeben bleiben. Wer allein entwickelt, sollte mit wenigen Tools, ausdrücklichen Stoppbedingungen und repräsentativen Fällen beginnen, die sich nach Änderungen erneut durchspielen lassen.

Die bestehende Automatisierung beibehalten, wenn jeder Fall denselben stabilen Weg nimmt und das aktuelle System den Bedarf erfüllt. Ein zusätzliches Modell sollte ein konkret erkanntes Problem mit variierenden Fällen lösen.

So lässt sich am Montag anfangen

1. 1

   Ein fertiges Ergebnis festlegen

   Eine wiederkehrende Aufgabe wählen, etwa eine Gesprächsvorbereitung mit verlinkten Belegen. Eingabequellen, erforderliches Ergebnis, verbotene Handlungen und die für die Abnahme zuständige Person festlegen.

2. 2

   Abgeschlossene Fälle erneut durchspielen

   10 frühere Fälle mit bekannten Ergebnissen verwenden, darunter Fälle mit fehlenden Angaben und eine Ausnahme. Das ist eine erste diagnostische Stichprobe, kein statistischer Zuverlässigkeitsnachweis. Mit Kopien und eingeschränkten Tools arbeiten.

3. 3

   Ergebnisse und Protokolle prüfen

   Die Ergebnisse mit den bekannten Antworten vergleichen. Softwareausgaben, Prüfminuten, Korrekturen, Stopps und jeden Versuch einer Handlung außerhalb des Auftrags erfassen.

4. 4

   Nur den bewährten Umfang erweitern

   Den beaufsichtigten Einsatz fortsetzen, wenn die Ergebnisse helfen. Zugriffsrechte erst erweitern, wenn die Aufgabe die Abnahmekriterien erfüllt und sich bei vollständiger Kostenbetrachtung rechnet. Für Fehler muss weiterhin eine klar verantwortliche Person zuständig sein.

Häufige Fragen

Was ist KI – in 2 Minuten erklärt?

Künstliche Intelligenz ist Software, die Aufgaben wie Mustererkennung, Inhaltserstellung oder die Auswahl von Handlungen übernimmt. Ein Sprachmodell verarbeitet Sprache; ein agentisches System kann ein Modell zusammen mit Tools und Rückmeldungen einsetzen, um ein Ziel zu verfolgen. Für Unternehmen ist vor allem der Unterschied relevant, ob das System nur eine Antwort liefert oder auch einen kontrollierten Teil der Arbeit erledigt.

Welche 7 Hauptarten von KI gibt es?

Eine allgemein gültige Einteilung in sieben Arten gibt es nicht. Manche Listen vermischen Kategorien nach Leistungsfähigkeit mit Kategorien nach Funktionsweise. Diese Bezeichnungen sagen wenig darüber aus, was ein Produkt heute sicher leisten kann. Entscheidend sind die vorgeführte Aufgabe, die Tools, Berechtigungen und das Verhalten beim Stoppen.

Welche 5 Arten von KI-Agenten gibt es?

Eine verbreitete Einteilung unterscheidet einfache Reflexagenten, modellbasierte Reflexagenten, zielbasierte, nutzenbasierte und lernende Agenten. Im Mittelpunkt stehen dabei jeweils unmittelbare Regeln, eine interne Darstellung der Umgebung, Ziele, Vergleiche zwischen Ergebnissen und die Verbesserung durch Erfahrung. Das sind Entwurfskategorien, keine Liste der fünf führenden Produkte. Quelle: IBMs Überblick über KI-Agenten.

Ist agentische KI kostenlos?

Einen einheitlichen Preis gibt es nicht. Der Zugang kann in einem Abo enthalten sein oder über eine Testphase angeboten werden; bei der Ausführung können zusätzliche Nutzungs- und Tool-Kosten entstehen. Laut Produktseite von Claude ist Cowork in kostenpflichtigen Tarifen enthalten. Googles aktuelle Seite bietet eine 30-tägige Testphase für Gemini Enterprise Plus an. Die Kosten für die Prüfung der Ergebnisse entfallen dadurch in keinem der beiden Fälle.

Welche App für agentische KI ist die beste?

Für Führungskräfte bietet sich zunächst ein Assistent an, der auf die Quelldateien zugreifen und ein überprüfbares Arbeitsergebnis erstellen kann. Für einen wiederholbaren Geschäftsprozess kommt eine Entwicklungsplattform mit ausdrücklich definierten Tools und Freigabekontrollen infrage. Am besten passt die Lösung, die die eigenen Fälle zu vertretbaren Gesamtkosten abschließt und überprüfbare Protokolle liefert.

Ist ChatGPT ein Agent oder ein LLM?

ChatGPT ist ein Produkt, das auf großen Sprachmodellen, kurz LLMs, beruht. Ein LLM ist das zugrunde liegende Modell; ein Agent ist ein System, das ein Modell, Tools und Rückmeldungen nutzt. Die dokumentierten Funktionen von ChatGPT Work zur Aufgabenausführung entsprechen diesem agentischen Muster. Eine gewöhnliche Antwort allein belegt noch kein agentisches Handeln.

Wer sind die großen 4 KI-Agenten?

Eine allgemein anerkannte Gruppe von vier gibt es nicht. Anbieterlisten vermischen Assistenten, Entwicklungsplattformen und einzelne Agenten. Verglichen werden sollte die konkrete Aufgabenkonfiguration. Ein bekannter Markenname bedeutet nicht, dass jeder Kunde dieselben Funktionen erhält.

Warum $20 für ChatGPT bezahlen?

OpenAIs Preisseite führt ChatGPT Plus mit $20 pro Monat auf. Das Abo lohnt sich, wenn die verfügbaren Funktionen und die Kapazität den Preis für die eigene Arbeit rechtfertigen. Ein Preis pro Nutzer garantiert weder unbegrenzte Agentendurchläufe noch feste Kosten pro erledigter Aufgabe. Quelle: OpenAI-Preise.

Wofür steht GPT?

GPT steht für Generative Pre-trained Transformer. Die Abkürzung bezeichnet eine Familie von Sprachmodelltechnologien. Sie verspricht nicht, dass das darauf aufbauende Produkt autonom handeln kann.

Ist Claude agentische KI?

Claudes Aufgabenfunktionen, einschließlich der unter Cowork dokumentierten, können Arbeit planen und über ausgewählte Dateien und Tools handeln. Das entspricht der Definition. Entscheidend sind die im eigenen Konto verfügbaren Fähigkeiten und die für die Aufgabe erteilten Berechtigungen – weniger, ob die Oberfläche den Namen Cowork verwendet.

Den Newsletter abonnieren: für fundierte Entscheidungen über KI, orientiert an Fähigkeiten, Kosten und betrieblichen Grenzen.