Was sind KI-Agenten?

KI-Agenten sind das Thema, über das gerade jede Geschäftsführung spricht. Gleichzeitig wird der Begriff für sehr unterschiedliche Dinge verwendet: vom Chatbot mit neuem Namen bis zur Software, die selbstständig Bestellungen auslöst. Dieser Beitrag erklärt, was ein KI-Agent wirklich ist, wie er funktioniert, wo er im Unternehmen heute Nutzen bringt und welche Risiken Sie kennen sollten, bevor Sie einem Agenten Zugriff auf Ihre Systeme geben.

Definition

Ein KI-Agent ist eine Software, die ein Ziel verfolgt und dafür selbstständig Arbeitsschritte plant und ausführt. Im Kern steht ein Sprachmodell wie GPT, Claude oder Mistral. Anders als ein Chatbot beantwortet der Agent nicht nur Fragen, sondern nutzt Werkzeuge: Er liest E-Mails, fragt Datenbanken ab, ruft Schnittstellen auf, legt Datensätze im CRM an oder schreibt einen Entwurf, den ein Mensch freigibt.

Der Unterschied lässt sich an einem Beispiel zeigen:

Chatbot: Ein Kunde fragt nach dem Lieferstatus. Der Bot erklärt, wo man den Status findet.
KI-Agent: Ein Kunde fragt nach dem Lieferstatus. Der Agent sucht die Bestellung im ERP, prüft die Sendungsverfolgung beim Versanddienstleister, erkennt eine Verzögerung, informiert den Kunden mit dem neuen Liefertermin und legt im Service-Tool eine Notiz an.

Ein Agent erledigt also eine Aufgabe von Anfang bis Ende, nicht nur einen einzelnen Schritt.

So funktionieren KI-Agenten

Jeder KI-Agent besteht aus vier Bausteinen:

Sprachmodell: Es versteht die Aufgabe, plant die Schritte und entscheidet, welches Werkzeug als Nächstes gebraucht wird.
Werkzeuge: Schnittstellen zu den Systemen, mit denen der Agent arbeiten darf, etwa CRM, ERP, E-Mail, Kalender, Datenbanken oder eine Websuche.
Gedächtnis: Kontext aus der laufenden Aufgabe und bei Bedarf Wissen aus Ihren Dokumenten, oft über ein RAG-System angebunden.
Regeln und Grenzen: Welche Aktionen der Agent selbst ausführen darf, welche eine Freigabe brauchen und wann er an einen Menschen übergibt.

Die Arbeit läuft in einer Schleife ab: Der Agent analysiert die Aufgabe, wählt ein Werkzeug, wertet das Ergebnis aus und entscheidet über den nächsten Schritt. Das wiederholt sich, bis die Aufgabe erledigt ist oder eine Bedingung erreicht ist, bei der ein Mensch übernimmt.

In größeren Szenarien arbeiten mehrere Agenten zusammen. Ein Agent recherchiert, ein zweiter prüft das Ergebnis, ein dritter erstellt das Angebot. Solche Multi-Agenten-Systeme sind leistungsfähig, aber auch schwerer zu testen und zu überwachen.

KI-Agenten Beispiele

Die folgenden Einsatzbereiche funktionieren heute in vielen Unternehmen zuverlässig:

Vertrieb

Eingehende Anfragen prüfen, fehlende Informationen recherchieren und den Lead im CRM anlegen.
Angebote aus Vorlagen, Preislisten und früheren Projekten vorbereiten, die ein Vertriebsmitarbeiter prüft.
CRM-Daten nach Gesprächen aktualisieren und Folgetermine vorschlagen.

Kundenservice

Anfragen klassifizieren, Standardfälle wie Lieferstatus oder Adressänderungen selbst erledigen und komplexe Fälle mit Zusammenfassung an das Team übergeben.
Rückerstattungen vorbereiten, die ein Mitarbeiter mit einem Klick freigibt.

Backoffice und Einkauf

Eingangsrechnungen auslesen, mit Bestellung und Wareneingang abgleichen und Abweichungen melden.
Lieferantenangebote vergleichen und eine Entscheidungsvorlage erstellen.

Tickets vorsortieren, Standardanfragen wie Passwort-Resets lösen und den Rest an die richtige Stelle weiterleiten.

Gemeinsam ist allen Beispielen: viele Einzelschritte, ein wiederkehrendes Muster und ein klar messbares Ergebnis. Genau dort lohnen sich Agenten am schnellsten.

KI-Agenten mit n8n

n8n ist ein Werkzeug zur Workflow-Automatisierung, das sich in Deutschland großer Beliebtheit erfreut, auch weil es sich auf eigenen Servern betreiben lässt. Mit dem AI-Agent-Baustein von n8n lassen sich einfache KI-Agenten ohne Programmierung zusammenstellen: Sie wählen ein Sprachmodell, verbinden die Werkzeuge, die der Agent nutzen darf, zum Beispiel Gmail, Slack, Google Sheets oder eine Datenbank, und legen fest, wann der Agent startet.

Für einen ersten Prototyp ist das ideal. Sie sehen schnell, ob eine Aufgabe für einen Agenten geeignet ist. Für den produktiven Einsatz mit Zugriff auf Unternehmenssysteme kommen weitere Anforderungen hinzu: saubere Berechtigungen, Tests mit echten Fällen, ein Protokoll aller Aktionen, Kostenkontrolle und ein Plan, was passiert, wenn das Modell sich falsch verhält. Ob n8n dafür reicht oder eine eigene Lösung besser passt, hängt vor allem von Volumen, Datenschutzanforderungen und der Tiefe der Integration ab.

Risiken von KI-Agenten

Ein Agent, der handeln kann, kann auch falsch handeln. Diese Risiken sollten Sie vor dem Start bewerten:

Falsche Aktionen: Sprachmodelle machen Fehler. Ein falsch verstandener Auftrag kann zu einer falschen Bestellung, einer falschen Kundenantwort oder einem gelöschten Datensatz führen.
Prompt Injection: Angreifer können Anweisungen in E-Mails, Dokumenten oder Webseiten verstecken, die der Agent liest. Ohne Schutzmaßnahmen folgt der Agent diesen Anweisungen.
Zu weite Berechtigungen: Ein Agent mit Administratorrechten ist ein Sicherheitsrisiko. Er braucht nur die Rechte, die seine Aufgabe erfordert.
Datenschutz: Personenbezogene Daten dürfen nur an Modelle und Anbieter gehen, die das DSGVO-konform zulassen. Das betrifft auch Protokolle und Zwischenspeicher.
Fehlende Nachvollziehbarkeit: Wenn niemand sieht, was der Agent getan hat und warum, lassen sich Fehler weder erkennen noch korrigieren.
Kosten: Agenten rufen das Modell oft viele Male pro Aufgabe auf. Ohne Grenzen und Monitoring steigen die Kosten unbemerkt.

Die Gegenmaßnahmen sind bekannt: eine eigene Identität mit minimalen Rechten für jeden Agenten, ein lückenloses Protokoll, menschliche Freigabe bei sensiblen Schritten wie Zahlungen oder Vertragsänderungen, Tests vor dem Go-live und laufendes Monitoring.

Auch der EU AI Act spielt eine Rolle. Die meisten Agenten im Backoffice sind kein Hochrisiko-System. Wer Agenten einsetzt, muss aber Maßnahmen zur Förderung der KI-Kompetenz der Mitarbeitenden ergreifen und bei Agenten, die mit Kunden sprechen, die Transparenzpflichten beachten. Agenten in sensiblen Bereichen wie der Personalauswahl können als Hochrisiko-System gelten. Für sie gelten die strengen Pflichten ab dem 2. Dezember 2027.

KI-Agenten im Unternehmen einführen

Erfolgreiche Projekte folgen fast immer demselben Ablauf:

Aufgabe auswählen: Eine wiederkehrende Aufgabe mit hohem Volumen, klaren Regeln und messbarem Ergebnis.
Grenzen festlegen: Was der Agent darf, was er nicht darf und wann er an einen Menschen übergibt.
Prototyp bauen: Mit einem Werkzeug wie n8n oder einer schlanken eigenen Lösung, getestet mit echten Fällen aus dem Alltag.
Messen: Bearbeitungszeit, Fehlerquote und Anteil der Fälle, die der Agent ohne Hilfe abschließt.
Absichern und ausrollen: Berechtigungen, Protokoll, Monitoring und Kostenkontrolle für den produktiven Betrieb.

Fangen Sie mit einer Aufgabe an, nicht mit einer Plattform. Ein Agent, der eine konkrete Aufgabe zuverlässig erledigt, überzeugt im Unternehmen mehr als jede Strategie-Präsentation.

Wenn Sie einen Agenten für Ihren Prozess planen, unterstützt Sie unsere KI-Agenten-Entwicklung von der Auswahl der Aufgabe bis zum überwachten Betrieb.

Häufige Fragen

Was ist der Unterschied zwischen einem Chatbot und einem KI-Agenten? Ein Chatbot beantwortet Fragen. Ein KI-Agent erledigt Aufgaben: Er plant Arbeitsschritte, nutzt Werkzeuge wie CRM oder E-Mail und schließt eine Aufgabe ab.

Welche Risiken haben KI-Agenten? Die wichtigsten sind falsche Aktionen, Prompt Injection, zu weite Berechtigungen, Datenschutzverstöße, fehlende Nachvollziehbarkeit und unkontrollierte Kosten. Minimale Rechte, Protokolle und menschliche Freigaben bei sensiblen Schritten senken das Risiko deutlich.

Kann ich KI-Agenten mit n8n bauen? Ja. n8n eignet sich gut für erste Agenten und Prototypen. Für den produktiven Einsatz mit Zugriff auf Unternehmenssysteme brauchen Sie zusätzlich saubere Rechte, Tests, Protokolle und Monitoring.

Fallen KI-Agenten unter den EU AI Act? Ja, wie jedes KI-System. Die meisten Agenten im Backoffice sind kein Hochrisiko-System, unterliegen aber Transparenzpflichten. Agenten in sensiblen Bereichen wie der Personalauswahl können als Hochrisiko-System eingestuft werden.