Wissen

Grundlagen

KI-Agenten: Was nach dem Chatbot kommt und was KMU davon haben

KI-Agenten sollen Aufgaben nicht nur beantworten, sondern erledigen. Was dahintersteckt und wo kleine und mittlere Unternehmen sinnvoll einsteigen können.

Titelgrafik: Du gibst ein Ziel, der Agent erledigt die Schritte, du gibst frei

Wer ChatGPT im Betrieb nutzt, arbeitet meist nach einem einfachen Prinzip: Du stellst eine Frage, die KI antwortet. „Schreib diese E-Mail freundlicher.“ „Fass dieses Dokument zusammen.“ Das hilft. Aber sobald die Antwort da ist, endet die Arbeit der KI. Kopieren, einfügen, weitermachen musst du selbst.

Genau das beginnt sich zu verändern. Sogenannte KI-Agenten sollen ganze Aufgaben übernehmen, Arbeitsschritte selbstständig durchführen und dafür verschiedene Programme und Datenquellen nutzen. Für Unternehmen könnte dieser Unterschied wichtiger werden als das nächste neue Sprachmodell.

Das Wichtigste in 30 Sekunden

  • Ein Chatbot beantwortet eine Frage. Ein Agent verfolgt ein Ziel und erledigt dafür mehrere Schritte selbst.
  • Nicht jeder Ablauf braucht einen Agenten. Was immer gleich läuft, löst eine klassische Automatisierung oft besser.
  • Spannend für KMU sind die kleinen Routinen: Anfragen vorsortieren, nachfassen, Briefings, wiederkehrende Recherchen.
  • Ein Agent braucht Zugriff auf deine Systeme. Gib ihm am Anfang nur die Rechte, die er für seine Aufgabe braucht.
  • Starte mit Lesen und Vorbereiten. Selbst handeln darf er erst, wenn der Ablauf stabil läuft.

Warum gerade jetzt alle über KI-Agenten sprechen

Am 14. Oktober 2026 hat OpenAI neue Zahlen zur Nutzung agentischer KI in Europa veröffentlicht. Demnach ist die Zahl der wöchentlich aktiven Nutzer von Codex und ChatGPT Work bei kleinen und mittleren Unternehmen in der EU seit Mai auf mehr als das Achtfache gestiegen, und zwar in jedem Mitgliedsstaat.

Genau lesen lohnt sich: OpenAI zählt Unternehmen mit höchstens 200 zugeordneten Nutzern als KMU. Es sind Nutzungsdaten des Anbieters selbst, keine repräsentative Studie über alle europäischen KMU. Die Richtung ist trotzdem bemerkenswert.

Google hat am 8. Oktober einen neuen Gemini-Agenten vorgestellt und richtet ihn ausdrücklich auch an kleinere Unternehmen. Er soll sich mit Werkzeugen wie Slack, Salesforce, Shopify oder Notion verbinden und statt einer Antwort fertige Arbeit liefern. Noch ist er im Early Access, für alle soll er „bald“ kommen.

Das Wettrennen dreht sich damit um eine neue Frage: Wie kommt KI aus dem Chatfenster in die echten Abläufe eines Betriebs?

Was ist überhaupt ein KI-Agent?

Die einfachste Erklärung: Ein Chatbot beantwortet eine Frage. Ein Agent verfolgt ein Ziel.

Nimm eine kleine Hausverwaltung. Heute schreibt ein Mitarbeiter in ChatGPT: „Formuliere eine freundliche Antwort auf diese Anfrage zur Wohnung in Freiburg.“ Die KI liefert den Text, der Mitarbeiter kopiert ihn in Outlook und verschickt ihn.

Ein Agent bekommt dagegen den Auftrag: „Bereite neue Interessentenanfragen für unsere Mietobjekte vor.“ Dann erkennt er neue E-Mails, ordnet sie dem richtigen Objekt zu, prüft, ob Angaben fehlen, gleicht sie mit den Objektdaten ab, entwirft eine Antwort, trägt die Anfrage im CRM ein und schlägt einen Besichtigungstermin vor. Der Mitarbeiter prüft am Ende und gibt frei.

Schaubild: Chatbot und Agent im Vergleich am Beispiel einer Mietanfrage – beim Chatbot bleiben alle Folgeschritte beim Menschen, der Agent erledigt sechs Schritte und der Mensch gibt frei
Der entscheidende Unterschied: Du musst nicht mehr jeden Schritt selbst anstoßen.

Chatbot, Automatisierung oder Agent?

Die Begriffe werden gerne vermischt. Vereinfacht lassen sie sich so unterscheiden:

Vergleichstabelle: Chatbot, klassische Automatisierung und KI-Agent nach Ausgangspunkt, Ablauf, Umgang mit Unerwartetem, Werkzeugen, Beispiel und Einsatzgebiet
Drei Werkzeuge für unterschiedliche Aufgaben. Keines ersetzt die anderen.

Klassische Automatisierung ist dadurch nicht plötzlich schlecht. Wenn ein Ablauf immer gleich ist, brauchst du oft gar keinen Agenten. Rechnung geht ein → PDF speichern → Daten auslesen → ins System übertragen ist ein klassischer Workflow.

Ein Agent wird dort interessant, wo nicht jeder Fall gleich aussieht.

Vier Beispiele, die ich für KMU spannend finde

Bei KI-Agenten denkt man schnell an digitale Mitarbeiter, die irgendwann ganze Abteilungen ersetzen. Für die meisten Betriebe ist das gerade die falsche Perspektive. Interessanter sind die kleinen Abläufe, die jeden Tag Zeit kosten.

1. Kundenanfragen vorsortieren. Ein Handwerksbetrieb bekommt Anfragen per E-Mail, über die Website und vielleicht per WhatsApp. Ein Agent könnte sie erkennen, nach Gewerk und Dringlichkeit sortieren, fehlende Angaben markieren, Kundendaten zusammentragen, eine Antwort vorbereiten und einen Vorgang im CRM anlegen. Was verschickt oder angeboten wird, entscheidet weiterhin der Mensch.

2. Im Vertrieb nachfassen. In vielen CRMs stecken Kontakte, bei denen irgendwann jemand nachfassen wollte. Ein Agent könnte täglich prüfen, welche Angebote offen sind, wo seit zwei Wochen Funkstille herrscht und wo eine Rückmeldung versprochen wurde. Am Morgen steht dann da: „Diese fünf Kunden solltest du heute kontaktieren. Hier ist jeweils der Grund.“ Das klingt unspektakulär. Genau deshalb halte ich solche Anwendungen für interessant.

3. Das Morgenbriefing. Wahrscheinlich einer der einfachsten Einstiege. Der Agent prüft jeden Morgen wichtige E-Mails, Termine, überfällige Aufgaben und offene Antworten und fasst alles kurz zusammen: Um diese fünf Dinge solltest du dich heute kümmern. Gerade für Geschäftsführer kleiner Unternehmen, bei denen viele Themen bei einer Person zusammenlaufen, kann das interessant sein.

4. Recherche als Daueraufgabe. „Zeig mir jede Woche die Ausschreibungen in unserer Region, die zu unseren Leistungen passen.“ Oder: „Prüfe regelmäßig neue Immobilienangebote nach unseren Investitionskriterien.“ Der Unterschied zur Google-Suche: Du fängst nicht jedes Mal von vorne an. Der Auftrag bleibt bestehen und läuft regelmäßig.

Für keinen dieser Fälle braucht es einen humanoiden Roboter. Es braucht Software, die versteht, was erledigt werden soll, Zugriff auf die nötigen Informationen bekommt und innerhalb klarer Grenzen handeln darf.

Woran du einen guten ersten Anwendungsfall erkennst

Ich würde nicht mit der Frage anfangen: „Wo können wir KI-Agenten einsetzen?“ Sondern mit: „Welche wiederkehrenden Aufgaben kosten uns jede Woche unnötig Zeit?“ Dann hilft ein kurzer Check mit fünf Fragen:

Checkliste mit fünf Fragen: Wiederholt sich die Aufgabe, gibt es ein klares Ergebnis, liegen die Informationen digital vor, fällt ein Fehler rechtzeitig auf, ist der Erfolg messbar
Zum Abhaken: Je mehr Ja, desto besser eignet sich der Ablauf als Einstieg.
  • Wiederholt sich die Aufgabe regelmäßig? Je häufiger ein Ablauf vorkommt, desto eher lohnt sich Automatisierung.
  • Gibt es ein klares Ergebnis? „Erledige meine Arbeit“ ist kein guter Auftrag. „Prüfe neue Anfragen und bereite eine Antwort vor“ schon.
  • Liegen die Informationen digital vor? Wenn der Agent für jeden zweiten Fall einen Ordner aus dem Aktenschrank braucht, wird es schwierig.
  • Fällt ein Fehler auf, bevor etwas Kritisches passiert? Gerade am Anfang ist das entscheidend.
  • Kannst du messen, ob es besser wird? Etwa an eingesparter Zeit, Bearbeitungsdauer, der Zahl vorbereiteter Fälle, der Fehlerquote oder daran, wie oft noch jemand eingreifen muss.

Wenn vier oder fünf Punkte erfüllt sind, lohnt sich zumindest ein genauerer Blick.

Warum Zugriff das eigentliche Risiko ist

Was Agenten interessant macht, ist zugleich ihr größtes Risiko. Damit ein Agent arbeiten kann, braucht er Zugriff: auf E-Mails, Kalender, CRM, Dokumente, Cloud-Speicher, im Zweifel sogar auf das ERP-System.

Ein Chatbot, der eine falsche Antwort schreibt, ist ärgerlich. Ein Agent, der eine falsche Aktion in deinem System ausführt, kann deutlich mehr Schaden anrichten.

Das World Economic Forum empfiehlt in seinem Leitfaden zu KI-Agenten vom Mai 2026 deshalb, für jeden Einsatz verbindlich festzulegen, was ein Agent darf, das laufend zu überwachen und seine Handlungen nachvollziehbar und einer verantwortlichen Person zuordenbar zu halten. Dazu kommt ein alter Grundsatz: Erst den Prozess sauber gestalten, dann automatisieren. Sonst automatisierst du im schlimmsten Fall nur einen schlechten Prozess.

Ich würde einen Agenten deshalb behandeln wie einen neuen Mitarbeiter: Am Anfang bekommt er nicht den Generalschlüssel, sondern genau die Informationen und Rechte, die er für seine Aufgabe braucht.

Wo Zahlungen ausgelöst, Verträge geschlossen, personenbezogene Daten verarbeitet oder wichtige Entscheidungen über Kunden oder Mitarbeiter getroffen werden, sollte die Grenze für selbstständige Aktionen deutlich enger gezogen werden. Denn ein Agent macht aus einem chaotischen Prozess keinen guten und aus schlechten Daten keine guten Daten. Und die Verantwortung für eine Entscheidung übernimmt er auch nicht.

Mein pragmatischer Einstieg in vier Stufen

Ich würde nicht versuchen, direkt einen vollautonomen digitalen Mitarbeiter zu bauen. Sondern so anfangen:

Stufenmodell mit vier Stufen: Beobachten, Vorbereiten, Ausführen, Ausnahme statt Routine – mit jeweils den Aufgaben von Agent und Mensch
Mehr Rechte gibt es erst, wenn die aktuelle Stufe stabil läuft.
  • Stufe 1: Beobachten. Der Agent darf Informationen lesen und zusammenstellen, aber nichts verändern.
  • Stufe 2: Vorbereiten. Er bereitet E-Mails, Angebote oder CRM-Einträge vor. Ein Mensch gibt sie frei.
  • Stufe 3: Ausführen. Erst wenn der Ablauf stabil funktioniert, darf er klar definierte Aktionen selbst durchführen.
  • Stufe 4: Ausnahme statt Routine. Die einfachen Fälle erledigt er selbst, nur außergewöhnliche Fälle landen noch bei einem Mitarbeiter.

So verschiebt sich deine Rolle: weg von „Ich bearbeite jeden einzelnen Vorgang“, hin zu „Ich entscheide dort, wo wirklich eine Entscheidung nötig ist“.

Wo du heute einen Agenten aufsetzen kannst

Bleibt die praktische Frage: Wo fängst du konkret an? Grob gibt es drei Wege. Welcher passt, hängt weniger vom Tool ab als davon, wo deine Daten liegen und wie viel du selbst bauen willst.

Schaubild: drei Wege zum ersten Agenten – im vorhandenen KI-Tool, über eine Automatisierungsplattform oder individuell entwickelt, jeweils mit Beispielen und Einordnung nach Aufwand, Flexibilität und Datenkontrolle
Vereinfachte Einordnung. Die genannten Anbieter sind Beispiele, keine Empfehlung.

1. Im KI-Tool, das du schon nutzt. Die großen Anbieter bauen Agenten direkt in ihre Abos ein. Bei ChatGPT heißt das ChatGPT Work: Es verbindet sich über Plugins etwa mit E-Mail, Kalender, Google Drive oder dem CRM und kann Aufgaben nach Zeitplan oder bei bestimmten Ereignissen ausführen. In Microsoft Copilot gibt es einen Agent Builder, mit dem du einen Agenten in eigenen Worten beschreibst, ohne zu programmieren. Bei Claude laufen wiederkehrende Aufgaben in Cowork, etwa ein tägliches Briefing aus E-Mails und Kalender. Googles neuer Gemini-Agent ist noch im Early Access. Das ist der schnellste Einstieg, du arbeitest aber in den Grenzen des jeweiligen Anbieters.

2. Über eine Automatisierungsplattform. Hier gibt es inzwischen viele Anbieter, zum Beispiel n8n, Make, Zapier oder Langdock aus Berlin. Die ersten drei sind vor allem für klassische Workflows bekannt und haben mittlerweile eigene Agenten-Bausteine. Langdock ist eine KI-Plattform für Unternehmen mit eigenen Agenten und Workflows. Damit verbindest du deine Systeme freier, etwa Shop, CRM und Buchhaltung. Bei mehreren Anbietern lassen sich Freigabeschritte einbauen, sodass heikle Aktionen erst nach einer Bestätigung laufen. n8n und Langdock kannst du außerdem in deiner eigenen Infrastruktur betreiben. Das braucht etwas Einarbeitung, lohnt sich aber, wenn Agent und klassische Automatisierung zusammenspielen sollen.

3. Individuell entwickelt. Über die Schnittstellen der KI-Anbieter lässt sich fast alles bauen, meist mit eigenen Entwicklern oder einem Dienstleister. Das lohnt sich erst, wenn ein Ablauf auf einem der ersten beiden Wege schon funktioniert hat und klar ist, dass er sich rechnet.

Egal welcher Weg: Prüf vorher, wo deine Daten verarbeitet werden, ob es einen Vertrag zur Auftragsverarbeitung gibt und welche Rechte du dem Agenten konkret gibst. Funktionen und Tarife ändern sich gerade fast monatlich. Schau deshalb direkt beim Anbieter nach, was dein Abo heute kann.

Zum Ausprobieren: dein erstes Morgenbriefing

  1. 1Nimm das KI-Tool, das du schon bezahlst, und prüf, ob es wiederkehrende oder geplante Aufgaben kann.
  2. 2Verbinde E-Mail und Kalender, wenn möglich nur mit Leserechten.
  3. 3Formulier den Auftrag so konkret wie für einen neuen Mitarbeiter, zum Beispiel: „Fass mir jeden Werktag um 7:30 Uhr zusammen: wichtige E-Mails der letzten 24 Stunden, meine heutigen Termine und wo jemand auf meine Antwort wartet. Höchstens zehn Punkte. Schick nichts ab und ändere nichts.“
  4. 4Lass den Agenten eine Woche laufen und notier jeden Tag kurz: Was war hilfreich, was fehlte, was war falsch?
  5. 5Erst danach entscheidest du, ob der Agent mehr darf.

Das ist Stufe 1 aus dem Modell oben: Der Agent liest nur mit.

Meine Einschätzung

Ich glaube, KI-Agenten werden für kleine und mittlere Unternehmen wichtiger als viele der Modellupdates, über die gerade ständig berichtet wird. Ob ein Sprachmodell in einem Benchmark drei Prozent besser abschneidet, verändert den Alltag eines Handwerksbetriebs kaum. Wenn KI dagegen zuverlässig eine Kundenanfrage vom Eingang bis zur vorbereiteten Bearbeitung begleitet, sieht das anders aus.

KI entwickelt sich vom Werkzeug, das wir bedienen, zu einem System, dem wir Aufgaben übertragen. Noch stehen wir dabei relativ am Anfang.

Ich will das selbst ausprobieren. In einem der nächsten Beiträge baue ich einen Agenten für einen echten Arbeitsablauf. Keine Demo, sondern eine Aufgabe, die mich heute tatsächlich Zeit kostet. Dann schauen wir uns an: Was funktioniert? Was kostet es? Wo liegen die Grenzen? Und würde ich es einem KMU wirklich empfehlen?

Ein Gedanke zum Mitnehmen

Frag nicht: „Brauchen wir einen KI-Agenten?“ Frag: „Welche Arbeit erledigen wir immer wieder von Hand, obwohl ein Teil davon vorbereitet oder automatisiert werden könnte?“ Dort fängst du an.

Quellen

Abgerufen und geprüft am 17.10.2026