Intelligenter Agent: Was KI-Agenten sind und was sie im Unternehmen leisten

Was ist ein intelligenter Agent, einfach erklärt?

Ein intelligenter Agent ist ein Programm, das ein Ziel bekommt und selbst entscheidet, welche Schritte es dafür unternimmt. Der Begriff stammt aus der klassischen KI-Forschung. Dort ist der einfachste Fall ein Reflex-Agent, der nach festen Regeln auf das reagiert, was er gerade wahrnimmt, und kein Gedächtnis hat. IBM ordnet Agenten in fünf Stufen ein, vom einfachen Reflex-Agenten ohne Gedächtnis bis zum lernenden Agenten, der aus Erfahrung besser wird.

Wenn heute von KI-Agenten (englisch AI agents) die Rede ist, meint man fast immer etwas Neueres. Im Kern steht ein großes Sprachmodell, wie es auch hinter ChatGPT, Claude oder Gemini steckt. Dieses Modell darf Werkzeuge benutzen: eine Websuche, das E-Mail-Postfach, eine Datenbank oder das ERP-System. Die Gesellschaft für Informatik übernimmt dafür eine knappe Arbeitsdefinition des Entwicklers Simon Willison. Sinngemäß übersetzt lautet sie: Ein LLM-Agent ruft in einer Schleife Werkzeuge auf, um ein Ziel zu erreichen.

Daneben taucht oft der Begriff Agentic AI auf, auf Deutsch agentische KI. Er beschreibt die Entwicklung hin zu solchen handelnden Systemen insgesamt, der einzelne KI-Agent ist die konkrete Anwendung. Die GI weist darauf hin, dass beide Begriffe uneinheitlich verwendet werden. Für die Praxis ist der Unterschied zweitrangig.

Wie funktioniert ein KI-Agent?

Ein KI-Agent arbeitet in einer Schleife. Er liest die Aufgabe, plant den nächsten Schritt, ruft ein Werkzeug auf, prüft das Ergebnis und entscheidet dann, wie es weitergeht. Das wiederholt sich, bis das Ziel erreicht ist oder eine Regel ihn stoppt. AWS und IBM beschreiben dafür im Wesentlichen dieselben Bausteine:

• Sprachmodell: Es versteht Texte, plant und trifft die Entscheidungen.
• Werkzeuge: Schnittstellen, über die der Agent etwas tut, zum Beispiel eine E-Mail lesen, eine Artikelnummer im ERP suchen oder einen Eintrag im CRM anlegen.
• Gedächtnis und Kontext: Informationen aus früheren Schritten, Kundenhistorie oder Firmenregeln, die der Agent bei seiner Entscheidung berücksichtigt.
• Leitplanken: Regeln dafür, was der Agent allein darf und wann ein Mensch freigeben muss.

Für die Anbindung von Werkzeugen gibt es inzwischen einen offenen Standard, das Model Context Protocol (MCP). Die Projektseite vergleicht es mit einem USB-C-Anschluss für KI-Anwendungen und nennt unter anderem Claude und ChatGPT als unterstützte Anwendungen. Eine Schnittstelle zum eigenen System lässt sich so einmal bauen und dann von verschiedenen KI-Anwendungen nutzen.

Ein Beispiel macht die Schleife greifbar. Eine Bestellung kommt als PDF per E-Mail. Der Agent liest das PDF und sucht die Artikel im ERP. Eine Position ist nicht eindeutig, also schaut er in frühere Bestellungen desselben Kunden. Danach legt er den Auftrag an. Kann er eine Abweichung nicht klären, etwa einen ungewöhnlichen Preis, geht der Vorgang mit einer kurzen Notiz an den Innendienst. Einen solchen Auftragseingang haben wir bei einem Hersteller umgesetzt. Bestellungen aus E-Mail und PDF werden ausgelesen, Artikel zugeordnet und ans ERP übergeben. Ein Mensch schaut nur noch auf die Abweichungen.

Welche Arten von KI-Agenten gibt es?

In der Theorie unterscheidet man Agenten nach ihrer Arbeitsweise. IBM und AWS nennen einfache Reflex-Agenten, modellbasierte, zielbasierte, nutzenbasierte und lernende Agenten. AWS ergänzt hierarchische Agenten und Multi-Agenten-Systeme, in denen mehrere Agenten zusammenarbeiten. Für Entscheider in Unternehmen ist eine Einteilung nach dem Einsatzort hilfreicher:

• Assistenz-Agenten in Office-Programmen: Sie stecken zum Beispiel in Microsoft Copilot und beantworten Fragen auf Basis von Dokumenten aus SharePoint oder dem Postfach. Wie man so einen Agenten anlegt, erklären wir im Ratgeber Copilot-Agent erstellen.
• Prozess-Agenten: Sie starten bei einem Ereignis, etwa einer neuen E-Mail im Auftragspostfach, und arbeiten einen Vorgang im Hintergrund ab. Gebaut werden sie oft mit Plattformen wie n8n oder als eigene Software.
• Coding-Agenten: Programme wie Claude Code, OpenAI Codex oder GitHub Copilot lesen Code, ändern Dateien und führen Tests aus. Sie richten sich an Softwareentwickler.
• Browser-Agenten: Sie bedienen Webseiten wie ein Mensch, klicken und füllen Formulare aus. Die GI beschreibt sie als fehleranfälliger als andere Agenten.
• Multi-Agenten-Systeme: Ein übergeordneter Agent verteilt Teilaufgaben an spezialisierte Agenten, zum Beispiel einen für die Recherche und einen für den Entwurf eines Angebots.

Was unterscheidet einen KI-Agenten von Chatbot, Workflow und RPA?

Der wichtigste Unterschied liegt darin, wer die nächsten Schritte festlegt. Anthropic, der Hersteller von Claude, trennt das klar: In einem Workflow sind Sprachmodell und Werkzeuge über vorher festgelegte Pfade verbunden. Bei einem Agenten steuert das Modell seinen Ablauf und die Nutzung der Werkzeuge selbst.

Anthropic rät dazu, immer die einfachste Lösung zu wählen und Komplexität nur dann hinzuzufügen, wenn sie nötig ist. Oft genügt ein fester Workflow mit einem einzigen KI-Schritt, und der ist besser vorherzusagen als ein Agent. Wer wissen möchte, wo klassische Software-Roboter weiterhin passen, findet mehr im Artikel zu RPA-Software.

Vorsicht ist auch bei Produktbezeichnungen angebracht. Das Marktforschungsunternehmen Gartner spricht von „Agent Washing“: Anbieter benennen Assistenten, RPA-Werkzeuge oder Chatbots in Agenten um, ohne dass sich an den Fähigkeiten etwas ändert. Nach Gartners Schätzung sind nur rund 130 der Tausenden Anbieter, die mit agentischer KI werben, echte Agenten-Anbieter.

Was können KI-Agenten im Unternehmen leisten?

KI-Agenten sind stark bei Vorgängen, die oft vorkommen, sich ähneln, aber nie ganz gleich sind. Typische Beispiele aus dem Mittelstand:

• Auftragseingang: Bestellungen kommen per E-Mail, PDF oder Fax in jedem denkbaren Format. Der Agent liest sie aus, ordnet Artikel zu und legt den Auftrag im ERP an.
• Vertrieb: Vor einem Termin recherchiert der Agent das Unternehmen und die Ansprechpartner und schreibt ein kurzes Briefing. Nach dem Gespräch legt er den CRM-Eintrag an und entwirft Angebot und Nachfass-Mail. In einem unserer Projekte ist der Zeitaufwand für Lead-Recherche, Kontaktrecherche und Briefing dadurch um über 90 % gesunken.
• Kundenservice: Der Agent sortiert eingehende Anfragen, sucht die Antwort in Handbüchern oder Auftragsdaten und bereitet einen Entwurf vor. Schwierige Fälle gehen an einen Menschen. Mehr dazu auf unserer Seite zum Kundenservice.
• Einkauf und Logistik: Der Agent gleicht Auftragsbestätigungen und Lieferavis mit der Bestellung ab und meldet abweichende Mengen, Preise oder Termine. Weitere Ideen stehen im Artikel KI im Einkauf.
• Reklamationen: Der Agent sammelt Lieferschein, Fotos und Prüfbericht zu einer Reklamation, schlägt eine Einordnung vor und legt den Vorgang an.

Allen Beispielen ist gemeinsam, dass der Agent die Vorarbeit macht und ein Mensch die Entscheidungen mit Tragweite trifft.

Wie verbreitet sind KI-Agenten in deutschen Unternehmen?

KI-Agenten stehen in Deutschland noch am Anfang. In einer Bitkom-Umfrage unter 603 Unternehmen ab 20 Beschäftigten, veröffentlicht im September 2026, nutzen 11 % bereits KI-Agenten. Weitere 29 % planen den Einsatz und 31 % diskutieren darüber. Für 24 % sind Agenten kein Thema. Diese Anteile beziehen sich auf Unternehmen, die KI nutzen, planen oder darüber diskutieren. Zum Vergleich: KI im Allgemeinen setzen laut derselben Umfrage inzwischen 57 % der Unternehmen ein.

Gleichzeitig gibt es nüchterne Prognosen. Gartner erwartet, dass mehr als 40 % der Projekte mit agentischer KI bis Ende 2027 eingestellt werden. Als Gründe nennt Gartner steigende Kosten, unklaren geschäftlichen Nutzen und unzureichende Risikokontrollen. Ein Agent braucht deshalb eine konkrete Aufgabe, deren Nutzen sich messen lässt.

Welche Risiken haben KI-Agenten?

Die größten Risiken entstehen, weil ein Agent selbstständig handelt und dabei Zugriff auf echte Systeme hat. Die wichtigsten Punkte:

• Fehlentscheidungen: Sprachmodelle liefern nicht immer korrekte Ergebnisse. Microsoft schreibt selbst über Copilot, dass generierte Antworten nicht garantiert zu 100 % sachlich richtig sind. Deshalb gehören Prüfschritte in jeden Ablauf mit Folgen.
• Endlosschleifen und Kosten: IBM beschreibt, dass Agenten ohne gute Planung immer wieder dieselben Werkzeuge aufrufen können. Jeder Aufruf kostet Rechenzeit und Geld. Eine Obergrenze pro Vorgang verhindert böse Überraschungen.
• Prompt-Injection: Darunter versteht man versteckte Anweisungen in Eingangsdaten, etwa in einer E-Mail oder auf einer Webseite. Die GI warnt besonders vor Agenten, die drei Dinge zugleich haben: Zugriff auf Werkzeuge, Kontakt mit nicht vertrauenswürdigen Inhalten und Zugang zu sensiblen Daten.
• Zu viele Rechte: Ein Agent sollte nur die Daten und Funktionen erreichen, die er für seine Aufgabe braucht. Ein Agent für den Auftragseingang muss keine Personalakten lesen.

IBM empfiehlt außerdem Aktivitätsprotokolle, über die sich jeder Schritt nachvollziehen lässt, und eine menschliche Freigabe bei folgenreichen Aktionen wie dem Versand von Massen-E-Mails.

Rechtlich gilt seit dem 2. August 2026 Artikel 50 des EU AI Act. Danach müssen KI-Systeme, die direkt mit Menschen interagieren, so gestaltet sein, dass diese erfahren, dass sie es mit einer KI zu tun haben, sofern das nicht ohnehin offensichtlich ist. Das betrifft zum Beispiel Agenten, die mit Kunden per Chat oder E-Mail kommunizieren (Stand Oktober 2026, keine Rechtsberatung).

Wie kommt ein Unternehmen zu seinem ersten KI-Agenten?

Am Anfang steht ein einzelner, gut abgegrenzter Vorgang, der häufig vorkommt und heute viel Handarbeit kostet. Für diesen Vorgang legen Sie fest, was der Agent lesen und tun darf, wo ein Mensch freigibt und woran Sie den Erfolg messen. Erst dann geht es um die Technik.

Welche Werkzeuge es dafür gibt, von No-Code-Baukästen bis zur eigenen Entwicklung, und was das kostet, erklären wir im Ratgeber KI-Agent erstellen. Wenn Sie zuerst wissen möchten, welcher Ihrer Abläufe sich überhaupt eignet, ist unser kostenloser KI-Check ein guter Startpunkt.