KI-Agenten in der Praxis: Was ein Agent im Mittelstand heute wirklich kann

Ein KI-Agent ist ein Sprachmodell mit Werkzeugzugang: Er kann Dateien lesen, Datenbanken abfragen, E-Mails schreiben und mehrere Schritte hintereinander ausführen, ohne dass ein Mensch jeden Schritt genehmigt. Was ihn vom klassischen KI-Workflow unterscheidet: Er reagiert nicht nur auf Regeln, sondern navigiert Situationen. Das ist die Theorie. Dieser Artikel zeigt, wo das in Unternehmen zwischen 50 und 500 Mitarbeitern heute tatsächlich funktioniert.

Die Unterschiede zwischen Workflows und Agenten haben wir im Mai ausführlich behandelt: Von KI-Workflows zu KI-Agenten. Hier geht es jetzt um die Praxis. Was läuft, was läuft noch nicht, und wie Sie den ersten produktiven Agenten in Ihrem Unternehmen identifizieren.

Drei Bereiche, wo Agenten heute produktiv laufen

Eingehende Dokumente verarbeiten

Rechnungen, Lieferscheine, Bestellungen: Viele mittelständische Unternehmen verarbeiten täglich Dutzende oder Hunderte solcher Dokumente per Hand. Ein Mitarbeiter öffnet den Anhang, extrahiert die relevanten Felder, prüft sie gegen Stammdaten und legt den Datensatz im ERP an. Drei Minuten pro Beleg, multipliziert mit 80 Belegen am Tag, sind vier Stunden täglich.

Ein Agent übernimmt diese Schritte vollständig: Er liest den PDF-Anhang, identifiziert Rechnungstyp, Betrag, Lieferant und Fälligkeitsdatum, vergleicht mit offenen Bestellungen, legt den Buchungsvorschlag im ERP an und schreibt bei Abweichungen eine strukturierte Rückfrage an den Absender. Bei Belegen, die er nicht eindeutig zuordnen kann, eskaliert er an den zuständigen Mitarbeiter, mit einer Zusammenfassung, was er bereits geprüft hat.

Illustratives Beispiel: Ein Großhändler mit 65 Mitarbeitern verarbeitet täglich 90 eingehende Belege. Zwei Mitarbeiter verbringen je anderthalb Stunden täglich damit.

• Zeitaufwand: 3 Stunden täglich × 220 Arbeitstage = 660 Stunden/Jahr
• Kosten bei 38 €/Stunde: ca. 25.000 €/Jahr
• Agent übernimmt ca. 70 % autonom, 30 % mit kurzer Freigabe
• Effektive Einsparung: ca. 460 Stunden/Jahr, rund 17.500 €

Was das technisch möglich macht: ein Sprachmodell mit Fähigkeit zum Dokumentenlesen, eine API-Anbindung ans ERP und ein Qualitätscheck mit klaren Toleranzwerten (stimmen Bestellnummer und Betrag überein?). Kein exotisches Setup, kein monatelanger Integrationsaufwand.

First-Level-Kundenanfragen beantworten

Wer Support-E-Mails heute per Hand bearbeitet, kennt das Muster: Ein großer Teil der eingehenden Anfragen sind Standardfälle. Lieferstatus, Produktverfügbarkeit, Rechnungskopie. Die Mitarbeiter suchen die Information heraus, formulieren die Antwort, schicken sie ab. Wertvoll für den Kunden, aber kein hochwertiger Einsatz der Mitarbeiterzeit.

Ein Agent liest die eingehende E-Mail, fragt den Auftragsstatus im CRM ab, greift auf die Wissensdatenbank zu und formuliert eine vollständige Antwort. Standardfälle bearbeitet er autonom. Anfragen, bei denen er keine eindeutige Antwort findet, leitet er mit einer strukturierten Zusammenfassung an den zuständigen Mitarbeiter weiter.

Worauf es dabei ankommt: Der Agent darf keine Antworten erfinden. Wenn die Datenlage nicht eindeutig ist, eskaliert er; er rät nicht. Das ist keine technische Einschränkung des Modells, das muss explizit so konfiguriert sein. Ein Agent, der bei Unsicherheit trotzdem antwortet, produziert Fehler, die teurer sind als die eingesparte Arbeitszeit.

Praktisch bedeutet das: Wenn Sie heute 80 Support-E-Mails täglich bearbeiten und die Hälfte davon Standardfälle sind, bearbeitet der Agent diese 40 vollständig. Die anderen 40 bekommen Ihre Mitarbeiter mit Vorarbeit, nicht von vorn.

Gespräche und Entscheidungen vorbereiten

Dieser Einsatz ist unspektakulärer als die beiden vorherigen, aber oft der schnellste Einstieg ohne systemkritische Risiken: Ein Agent, der vor Kundengesprächen oder Einkaufsentscheidungen eine strukturierte Vorbereitung zusammenstellt.

Vor einem Kundengespräch: Der Agent liest die letzten fünf Kontakte aus dem CRM, fasst offene Punkte zusammen, zieht die aktuelle Bestellhistorie und gibt eine einseitige Briefing-Notiz aus. Was vorher 20 Minuten manuelle Recherche war, sind zwei Minuten Wartezeit.

Vor einer Einkaufsentscheidung: Der Agent vergleicht eingegangene Angebote gegen definierte Kriterien, listet Unterschiede auf und erstellt eine Entscheidungsvorlage mit den relevanten Kennzahlen nebeneinander.

Der Nutzen ist nicht dramatisch. Aber er ist schnell spürbar, und er liefert ein erstes Verständnis dafür, wie Agenten in Ihrer Systemlandschaft arbeiten, bevor Sie einen kritischeren Prozess automatisieren.

Was noch nicht zuverlässig funktioniert

Agenten machen Fehler, die kein klassisches Regelwerk machen würde. Sie können eine Situation plausibel interpretieren, die faktisch falsch ist, und diese Interpretation dann mehrere Schritte lang weiterverfolgen, bevor es jemand merkt. Das ist kein Argument gegen Agenten, sondern ein Argument dafür, sie gezielt einzusetzen.

Drei Bereiche, wo wir Agenten in Mittelstandsprozessen heute nicht für den produktiven Einsatz empfehlen:

Kritische Prozesspfade ohne Kontrollschritt. Zahlungsfreigaben, Vertragsabschlüsse, Kommunikation zu Reklamationen mit Haftungsrisiko. Hier brauchen Agenten immer einen menschlichen Freigabeschritt. Das verlangsamt den Prozess, aber es begrenzt das Risiko einer plausiblen, aber falschen Entscheidung.

Multi-Agenten-Systeme. Mehrere Agenten, die untereinander kommunizieren und Aufgaben weiterreichen, klingen attraktiv. In Produktionsumgebungen sind solche Setups heute aber noch fehleranfällig. Der Aufwand für Monitoring und Fehlerkorrektur übersteigt in den meisten Fällen den Nutzen.

Prozesse ohne klare Erfolgsdefinition. Wenn niemand sagen kann, wann das Ergebnis gut ist, kann das auch der Agent nicht einschätzen. Ein Prozess, dessen Qualitätskriterium von Fall zu Fall variiert oder im Kopf eines erfahrenen Mitarbeiters steckt, eignet sich nicht für autonome Agenten, egal wie gut das Modell ist.

Drei Voraussetzungen, die über Erfolg oder Misserfolg entscheiden

Ob ein Agenten-Einsatz produktiv wird, hängt nicht an der Technologie. Es hängt an der Prozessqualität.

API-Zugang zu relevanten Systemen. Ein Agent kann nur mit Daten arbeiten, die er programmatisch abfragen kann: ERP, CRM, E-Mail-Postfach, Dateiablage. Wer heute neue Software einführt, sollte API-Verfügbarkeit als Auswahlkriterium behandeln, nicht als nettes Extra. Eine Software ohne API schließt Agenten-Einsatz für diesen Bereich aus.

Klarer Eskalationspfad. Jeder Agenten-Prozess braucht eine explizite Antwort auf: Was passiert, wenn der Agent sich nicht sicher ist? Wer bekommt die Eskalation? Mit welcher Zusammenfassung? Ohne diese Festlegung eskaliert der Agent entweder nie, und produziert Fehler, oder immer, und bringt keinen Nutzen.

Logging aller Aktionen. Agenten müssen nachvollziehbar sein. Jede Aktion, jede API-Abfrage, jede Entscheidung wird protokolliert. Nicht aus regulatorischen Gründen, sondern weil Sie sonst keinen Fehler finden. Ein Agent, der seit drei Wochen arbeitet und dessen Entscheidungen niemand nachvollziehen kann, ist ein Risiko, kein Hilfsmittel.

Was das heute für Sie bedeutet

KI-Agenten sind keine Zukunftsmusik mehr. Dokumentenverarbeitung, First-Level-Support, strukturierte Vorbereitung: Das läuft heute in normalen Mittelstandsumgebungen, mit beherrschbarem Aufwand und ohne hochspezialisiertes KI-Team.

Was nicht funktioniert: pauschal anfangen. Ein Agent ohne klare Prozessgrundlage ist eine teure Fehlerquelle. Der sinnvolle erste Schritt ist immer derselbe: herausfinden, welche Ihrer Prozesse die drei Voraussetzungen bereits erfüllen. Das dauert keinen Monat, sondern einen strukturierten halben Tag.

Unser KI Impact Audit (1.500 €, Report in 48 Stunden) zeigt Ihnen, welche drei Prozesse in Ihrem Unternehmen den schnellsten Nutzen bringen, ob mit klassischen Workflows oder mit Agenten, mit konkreten Stunden- und Euro-Schätzungen aus Ihrer Situation.

Zum KI Impact Audit →