KI-Agent oder Workflow: Was Agenten im Mittelstand heute können

Die kurze Antwort: Ein KI-Agent bekommt ein Ziel und wählt die Schritte und Werkzeuge selbst, während ein KI-Workflow einem vorher festgelegten Weg folgt, in dem die KI einzelne Schritte übernimmt. Im Mittelstand sind Agenten heute dort sinnvoll, wo ihr Spielraum eng ist und ein Mensch vor folgenreichen Handlungen freigibt, etwa beim Vorbereiten von Gesprächen, beim Vorsortieren von Anfragen und beim Verarbeiten eingehender Dokumente.

Über KI-Agenten wird viel geschrieben, meist entweder als Zukunftsversprechen oder als Warnung. Dieser Beitrag beschreibt, was ein Agent ist, worin er sich von einem Workflow unterscheidet und was davon in Unternehmen mit 50 bis 500 Mitarbeitenden heute trägt. Wir schreiben das nicht aus der Theorie: Wir betreiben selbst einen KI-Agenten, der rund um die Uhr auf eigener Hardware läuft und im Vertrieb Recherche- und Vorbereitungsarbeit übernimmt.

Was ist ein KI-Agent?

Ein KI-Agent ist ein Sprachmodell mit Zugang zu Werkzeugen. Er kann Dateien lesen, Datenbanken und Programme abfragen, Entwürfe schreiben und mehrere Schritte hintereinander ausführen, ohne dass ein Mensch jeden Schritt einzeln anstößt. Was ihn ausmacht: Er bekommt kein Ablaufschema, sondern ein Ziel, und entscheidet selbst, welche Schritte dafür nötig sind. Läuft ein Schritt ins Leere, versucht er einen anderen Weg oder gibt den Fall ab.

Worin unterscheidet sich ein Agent von einem KI-Workflow?

	Feste Regel	KI-Workflow	KI-Agent
Weg	Vorgegeben	Vorgegeben	Wählt er selbst
Eingaben	Strukturierte Daten	Auch Freitext, PDFs, Fotos	Auch Freitext, PDFs, Fotos
Wer entscheidet	Die Regel	Regeln plus Mensch an Prüfstellen	Der Agent, mit Freigaben
Unerwarteter Fall	Bricht ab	Geht an einen Menschen	Sucht einen anderen Weg oder gibt ab
Prüfbarkeit	Hoch	Hoch	Aufwendiger

Ein Beispiel aus der Bestellabwicklung zeigt den Unterschied.

Im Workflow: Eine Bestellung geht ein, der Ablauf prüft den Lagerbestand, erstellt bei vorhandener Ware das Versandlabel und schickt die Bestätigung. Das funktioniert, solange der Bestand stimmt. Fehlt Ware, geht der Fall an einen Mitarbeiter.

Mit einem Agenten: Eine Bestellung geht ein, der Bestand reicht nicht. Der Agent prüft die Lieferzeiten der Lieferanten, wägt sie gegen die Bedeutung des Kunden ab, schlägt zwischen Teillieferung und Warten eine Lösung vor, bereitet die Nachricht an den Kunden vor und dokumentiert, warum er so entschieden hat.

Kein festes Regelwerk deckt alle Verzweigungen eines solchen Falls ab. Genau dort liegt die Stärke des Agenten, und genau dort liegt auch das Risiko: Er entscheidet in Situationen, die vorher niemand beschrieben hat. Was ein KI-Workflow ist und wie einer im Betrieb aussieht, zeigt der Beitrag KI-Workflows im Mittelstand.

Was kann ein KI-Agent im Mittelstand heute?

Drei Einsatzfelder tragen heute, weil der Spielraum des Agenten dort eng ist und Fehler früh auffallen.

Gespräche und Entscheidungen vorbereiten

Der unspektakulärste Einsatz und oft der beste Einstieg, weil der Agent nur liest und zusammenfasst, aber nichts auslöst. Vor einem Kundengespräch liest er die letzten Kontakte aus dem CRM, fasst offene Punkte zusammen, zieht die Bestellhistorie und legt eine einseitige Vorbereitung ab. Vor einer Einkaufsentscheidung vergleicht er eingegangene Angebote gegen festgelegte Kriterien und stellt die Unterschiede nebeneinander. Genau diese Art von Recherche und Vorbereitung erledigt unser eigener Agent im Vertrieb.

Eingehende Anfragen vorsortieren und beantworten

Ein großer Teil der Anfragen an Vertriebsinnendienst und Kundenservice sind erfahrungsgemäß Standardfälle: Lieferstatus, Verfügbarkeit, Rechnungskopie. Ein Agent liest die E-Mail, fragt den Auftragsstatus im System ab, sucht in der Wissensbasis und entwirft eine Antwort. Standardfälle bereitet er bis zum Versand vor, alles andere gibt er mit einer Zusammenfassung an den zuständigen Mitarbeiter weiter.

Entscheidend ist, dass der Agent nichts erfindet. Ist die Datenlage nicht eindeutig, gibt er den Fall ab, statt zu raten. Das macht das Modell nicht von allein, das muss ausdrücklich so eingerichtet sein. Ein Agent, der bei Unsicherheit trotzdem antwortet, erzeugt Fehler, die teurer sind als die gesparte Zeit.

Eingehende Dokumente verarbeiten

Rechnungen, Lieferscheine, Bestellungen: Ein Agent liest den Anhang, erkennt die Art des Dokuments, zieht die relevanten Felder, gleicht sie mit offenen Bestellungen ab und legt einen Vorschlag im System an. Was er nicht eindeutig zuordnen kann, gibt er mit dem Hinweis ab, was er schon geprüft hat. Wie gut das Lesen und Zuordnen heute funktioniert, haben wir in der eigenen Buchhaltung gemessen; die Zahlen stehen auf der Seite Buchhaltungs-Baustein.

Was funktioniert noch nicht zuverlässig?

Agenten machen Fehler, die eine feste Regel nicht macht. Sie können eine Situation plausibel, aber falsch deuten und diese Deutung mehrere Schritte lang weiterverfolgen, bevor es jemand merkt. Das spricht nicht gegen Agenten, sondern dafür, sie gezielt einzusetzen. Vier Punkte, an denen wir heute vom produktiven Einsatz abraten oder besondere Vorsicht empfehlen:

Kritische Schritte ohne Freigabe. Zahlungen, Vertragsabschlüsse, Antworten auf Reklamationen mit Haftungsrisiko. Hier gehört immer ein Mensch vor die Ausführung. Das kostet Zeit, begrenzt aber das Risiko einer plausiblen, falschen Entscheidung.

Mehrere Agenten, die sich Aufgaben zuspielen. Das klingt reizvoll, ist im Betrieb aber noch fehleranfällig. Der Aufwand für Überwachung und Fehlersuche übersteigt erfahrungsgemäß meist den Nutzen.

Abläufe ohne klares Erfolgskriterium. Wenn niemand sagen kann, wann das Ergebnis gut ist, kann es der Agent auch nicht. Steckt das Qualitätsurteil im Kopf eines erfahrenen Mitarbeiters, eignet sich der Ablauf nicht für einen Agenten, egal wie gut das Modell ist.

Stilles Aufhören. Diese Erfahrung haben wir selbst gemacht: Unser Agent hat eine Zeit lang nicht mehr gearbeitet, weil das Kontingent eines angebundenen Suchdienstes aufgebraucht war. Eine Fehlermeldung gab es nicht, der Agent lief, er lieferte nur nichts mehr. Seitdem prüfen wir am Ergebnis, ob ein Agent arbeitet, nicht an der Meldung, dass er gelaufen ist.

Welche Voraussetzungen braucht es?

Ob ein Agent produktiv wird, hängt weniger an der Technik als an der Qualität des Ablaufs.

Zugang zu den Systemen. Ein Agent kann nur mit Daten arbeiten, die er über eine Schnittstelle abfragen kann: Warenwirtschaft, CRM, Postfach, Dateiablage. Wer heute neue Software einführt, sollte eine Schnittstelle als Auswahlkriterium behandeln, nicht als nettes Extra.

Ein klarer Weg für Ausnahmen. Jeder Agent braucht eine Antwort auf die Frage, was passiert, wenn er unsicher ist: Wer bekommt den Fall, mit welcher Zusammenfassung? Ohne diese Festlegung gibt der Agent entweder nie ab und macht Fehler, oder er gibt immer ab und bringt nichts.

Ein Protokoll aller Aktionen. Jede Abfrage, jeder Entwurf und jede Entscheidung wird festgehalten. Nicht wegen einer Vorschrift, sondern weil Sie sonst keinen Fehler finden.

Beschriebene Abläufe. Ein Agent braucht eine klare Vorstellung davon, was der Ablauf leisten soll. Unternehmen, die ihre Abläufe beschrieben haben, kommen beim Einsatz von Agenten schneller voran als solche, die dann erst anfangen.

Agent oder Workflow: womit sollten Sie anfangen?

In den meisten Fällen mit einem Workflow. Er lässt sich leichter prüfen und verantworten, und er schafft genau die Grundlagen, die ein Agent später braucht: beschriebene Abläufe, angebundene Systeme, klare Prüfstellen. Bauen Sie dabei in einzelnen Bausteinen statt in einem großen Block, dann lässt sich ein Schritt später durch einen Agenten ersetzen, ohne alles neu zu bauen.

Ein Agent lohnt sich dort, wo das Ziel klar ist, der Weg aber von Fall zu Fall anders aussieht, und wo ein Fehler auffällt, bevor er Schaden anrichtet. Die Vorbereitung von Gesprächen ist dafür oft der beste Einstieg, weil der Agent dort nur liest und nichts auslöst.

Häufige Fragen

Was ist der Unterschied zwischen einem KI-Agenten und einem KI-Workflow? Im KI-Workflow ist der Weg vorher festgelegt, die KI übernimmt einzelne Schritte darin. Ein KI-Agent bekommt ein Ziel und wählt Schritte und Werkzeuge selbst. Der Workflow ist leichter zu prüfen, der Agent kommt besser mit unerwarteten Fällen zurecht.

Was kann ein KI-Agent im Mittelstand heute wirklich? Er liest, fragt Systeme ab, schreibt Entwürfe und führt mehrere Schritte nacheinander aus. Sinnvoll ist das heute beim Vorbereiten von Gesprächen, beim Vorsortieren von Anfragen und beim Verarbeiten eingehender Dokumente, jeweils mit Freigabe vor folgenreichen Handlungen.

Welche Risiken haben KI-Agenten? Ein Agent kann eine Situation plausibel, aber falsch deuten und still aufhören zu arbeiten. Deshalb braucht er Freigaben vor kritischen Schritten, klare Grenzen, ein Protokoll und eine Kontrolle am Ergebnis.

Sollten wir mit einem Agenten oder mit einem Workflow anfangen? Meist mit einem Workflow, weil er sich leichter prüfen lässt und die Grundlagen für einen späteren Agenten schafft.

Der nächste Schritt: Unser KI Impact Audit (Report 48 Stunden nach dem Interview) zeigt, welche Ihrer Abläufe sich heute für einen Workflow eignen und wo ein Agent später den größeren Nutzen bringt.

KI Impact Audit ansehen →