De
En
Fr
It
Es
Uk
Was ist ein KI-Agent, betriebswirtschaftlich betrachtet?
Ein KI-Agent ist ein Programm, in dem ein Sprachmodell ein Ziel erhält, Aktionen auswählt, sie über Tools ausführt und die Ergebnisse prüft, bis das Ziel erreicht ist. Die Tools sind gewöhnliche Software-Schnittstellen: Ihre CRM-API, eine Datenbankabfrage, ein E-Mail-Versand, ein Ticketsystem, ein Dateispeicher. Das Modell liefert das Urteilsvermögen zwischen den Schritten; die Tools liefern die Fähigkeit, Dinge zu verändern.
Damit unterscheiden sich KI-Agenten für Unternehmen sowohl von Chatbots als auch von klassischer Automatisierung. Ein Chatbot beantwortet Fragen. Eine regelbasierte Automatisierung folgt einem festen Pfad, den Sie vorher gezeichnet haben. Ein Agent bewältigt Aufgaben, bei denen der Weg davon abhängt, was er unterwegs vorfindet: eine ungewöhnliche Erstattungsanfrage, ein Lead mit unvollständigen Daten, ein Support-Ticket, das drei Abfragen braucht, bevor jemand antworten kann. KI-Agenten entwickeln zu lassen lohnt sich, wenn solche Ermessensentscheidungen häufig und wiederkehrend sind und heute Stunden qualifizierter Mitarbeiter kosten.
Wo sich KI-Agenten für Unternehmen bezahlt machen
KI-Agenten funktionieren am besten bei klar abgegrenzten Aufgaben mit eindeutigen Erfolgskriterien, Zugriff auf die richtigen Daten und einem Menschen, der übernehmen kann. Am schlechtesten funktionieren sie bei offenen Zielen wie "den Umsatz steigern".
Gute erste Kandidaten, die wir sehen:
- Support-Triage und Lösung. Ticket lesen, Kunde und Bestellung nachschlagen, Antwort entwerfen oder senden, Sonderfälle eskalieren. Siehe unseren Leitfaden zu KI-Agenten im Kundenservice.
- Vertrieb und Lead-Operations. Eingehende Leads aus öffentlichen Quellen anreichern, nach Ihren Kriterien qualifizieren, CRM-Datensätze anlegen und die erste Antwort zur Freigabe durch einen Menschen entwerfen.
- Backoffice-Verarbeitung. Rechnungen, Verträge oder Anträge lesen, gegen Regeln und andere Datensätze prüfen und den Vorgang zur Freigabe vorbereiten.
- Interne Assistenten über Unternehmenssysteme. Fragen wie "Wie ist der Stand von Projekt X?" beantworten oder "zwei Stunden auf diese Aufgabe buchen", indem sie Projektboard, Zeiterfassung und Dokumente direkt abfragen.
- Einsatzsteuerung im Betrieb. Signale (Alarme, Sensorwerte, eingehende Bestellungen) in Aufgaben verwandeln und diese nach Verfügbarkeit und Regeln zuweisen.
Wenn sich die Aufgabe als festes Flussdiagramm ohne Ermessensentscheidungen beschreiben lässt, brauchen Sie wahrscheinlich keinen Agenten. Einfache KI-Automatisierung oder sogar eine klassische Integration ist dann günstiger und berechenbarer.
Aufbau der Agenten, die wir entwickeln
Jeder individuelle KI-Agent, den wir liefern, besteht aus denselben fünf Teilen. Das Modell ist nur einer davon.
- Tools. Kleine, typisierte Funktionen, die der Agent aufrufen kann:
find_customer,create_refund_draft,send_email. Jedes Tool validiert seine Eingaben und erzwingt Berechtigungen selbst, sodass ein verwirrtes Modell keine Geschäftsregeln umgehen kann. - Kontext und Gedächtnis. Was der Agent weiß: die aktuelle Aufgabe, abgerufene Dokumente (über RAG), die Historie dieses Vorgangs und relevante langfristige Fakten. Das Gedächtnis liegt in Ihrer Datenbank, nicht im Modell.
- Orchestrierung. Die Schleife, die Ziel und Kontext an das Modell sendet, das gewählte Tool ausführt, das Ergebnis zurückspielt und entscheidet, wann Schluss ist. Wir setzen Schrittlimits und Timeouts, damit ein Agent nicht endlos kreist oder eine hohe Token-Rechnung verursacht.
- Freigabe und Übergabe. Regeln dafür, welche Aktionen automatisch laufen, welche auf einen Menschen warten und welche verboten sind, plus ein sauberer Weg, den Vorgang mit vollem Kontext an eine Person zu übergeben.
- Beobachtbarkeit. Ein Protokoll jedes Schritts (Prompt, Tool-Aufruf, Argumente, Ergebnis, Kosten), das Ihr Team einsehen, durchsuchen und nachspielen kann.
Autonomiestufen und menschliche Freigabe
Wir legen die Autonomiestufe pro Aktion fest, nicht pro Agent. Die meisten Agenten, die wir ausliefern, kombinieren mehrere Stufen.
| Stufe | Was der Agent tut | Typischer Einsatz |
|---|---|---|
| Vorschlagen | Bereitet einen Entwurf vor, ein Mensch führt aus | Kundenantworten in den ersten Wochen, Vertragsänderungen |
| Handeln mit Freigabe | Führt aus, nachdem ein Mensch auf Freigeben klickt | Erstattungen, Rabatte, ausgehende E-Mails an neue Kontakte |
| Handeln und berichten | Führt aus, ein Mensch prüft ein Tagesprotokoll | Tagging, Datensatz-Updates, interne Benachrichtigungen |
| Still handeln | Führt innerhalb strenger Grenzen aus | Abfragen, Anreicherung, reine Leseabfragen |
| Nie | Tool wird dem Agenten nicht bereitgestellt | Löschungen, Zahlungen über einem Limit, Rechteänderungen |
Agenten starten in der Regel eine Stufe niedriger, als das Unternehmen es sich wünscht, und steigen auf, sobald die Protokolle zeigen, dass sie zuverlässig arbeiten.
MCP-Server und Tool-Zugriff
Model Context Protocol (MCP) ist ein offener Standard, um Tools und Daten für KI-Modelle bereitzustellen. Statt jeden Agenten von Hand mit jedem System zu verdrahten, bauen Sie einmal einen MCP-Server pro System, und jeder kompatible Agent oder Assistent kann ihn unter definierten Berechtigungen nutzen.
Wir bauen MCP-Server für unsere eigenen Produkte, darunter unser internes Projektboard und das CMS unserer Website, und nutzen sie täglich mit KI-Agenten in unserem Lieferprozess. Diese Erfahrung prägt, wie wir Tools für Kunden gestalten: schmale, gut benannte Funktionen, explizite Berechtigungsbereiche, Authentifizierung per API-Key oder auf Nutzerebene und Antworten, die kurz genug sind, damit das Modell nicht in Daten ertrinkt. Unser Leitfaden Was ist ein MCP-Server erklärt, wann ein Produkt einen braucht.
Evaluation: Woran wir erkennen, dass der Agent funktioniert
Ein Agent ohne Evaluationssuite ist eine Demo. Vor dem Launch schreiben wir Szenariotests aus echten Fällen: die Eingabe, die Tools, die der Agent aufrufen soll, die Tools, die er nicht aufrufen darf, und die akzeptablen Ergebnisse. Die Suite läuft bei jeder Änderung an Prompt, Tool oder Modell.
Nach dem Launch verfolgen wir die Abschlussquote der Aufgaben, die Quote menschlicher Korrekturen, die durchschnittliche Schrittzahl und die Kosten pro Aufgabe. Eine steigende Korrekturquote ist das früheste Anzeichen dafür, dass sich etwas verändert hat, in Ihren Daten, im Nutzerverhalten oder in der neuesten Version des Modellanbieters.
Ablauf und Zeitplan
Die Entwicklung eines individuellen KI-Agenten dauert für einen ersten produktiven Agenten, der einen Workflow abdeckt, typischerweise 6 bis 12 Wochen.
| Phase | Dauer | Ergebnis |
|---|---|---|
| Scoping | 1 bis 2 Wochen | Workflow-Karte, Tool-Liste, Autonomiestufen, Evaluationsdatensatz, Festpreisangebot |
| Tools und Datenzugriff | 2 bis 3 Wochen | Tool-Schicht oder MCP-Server, Berechtigungen, Sandbox-Umgebung |
| Agenten-Schleife und Prompts | 1 bis 3 Wochen | Funktionierender Agent in der Sandbox, der die Szenariotests besteht |
| Pilot mit Freigabe | 2 bis 3 Wochen | Agent auf Live-Daten im Modus "Vorschlagen" oder "Handeln mit Freigabe" |
| Mehr Autonomie | Fortlaufend | Stufen werden Aktion für Aktion auf Basis der Protokolle angehoben |
Eine Sandbox-Implementierung hinter derselben Schnittstelle wie die echte Integration zu bauen, ist eine Gewohnheit, die wir projektübergreifend pflegen: Unser CRM für einen Blumenlieferdienst betrieb jede Integration im Sandbox-Modus, bis echte Zugangsdaten vorlagen, sodass der gesamte Ablauf vom ersten Tag an testbar war. Bei Agenten ist diese Sandbox der Ort, an dem die Szenariosuite gefahrlos läuft.
Was ein KI-Agent in Entwicklung und Betrieb kostet
Nach einem kurzen Scoping-Gespräch erhalten Sie ein Festpreisangebot. Der Entwicklungsaufwand hängt davon ab, wie viele Tools der Agent braucht, wie viele interne Systeme er umspannt, ob dafür MCP-Server gebaut werden müssen und wie viel Freigabe-Oberfläche, Review-Dashboards und gemeinsames Gedächtnis der Workflow erfordert. Ein Agent für einen einzelnen Workflow mit einer Handvoll Tools ist ein deutlich kleineres Projekt als eine Plattform für mehrere Agenten mit gemeinsamen Berechtigungen und Analytics.
Die laufenden Kosten kommen hinzu: Modell-Tokens (Agenten verbrauchen wegen mehrstufiger Schleifen mehr Tokens pro Aufgabe als Chatbots), Hosting und Monitoring. Maßgeblich sind die Kosten pro Aufgabe, nicht die Kosten pro Monat. Ein KI-Agent beginnt bei uns ab 5.000 USD, und unser Leitfaden zu den Kosten der KI-Agenten-Entwicklung schlüsselt Eigenentwicklung gegenüber Kauf sowie die monatlichen Betriebskosten auf.
Warum Sie mit uns als KI-Agentur für Agenten-Entwicklung arbeiten sollten
- Wir bauen komplexe KI-Pipelines von Anfang bis Ende. Für ein US-Grief-Tech-Startup haben wir den AI Grief Companion gebaut: Import von zehn Chat-Formaten, eine Kette aus sieben Vertragstypen über CPU- und GPU-Worker, LoRA-Fine-Tuning, RAG-Gedächtnis und ein Faktengraph in Neo4j, wobei der Chat kontrolliert auf die jeweils fertige Stufe zurückfällt.
- Wir haben autonome Aufgabenverteilung gebaut. Unser eigener F&E-Prototyp eines Drohnenschwarms verwandelt Feldanalysen in Aufgaben, die die Flotte ohne Disponenten übernimmt, sobald ein Fluggerät frei ist.
- Wir kennen operative Werkzeuge. Für ein Telekom-Supportteam in Frankreich haben wir ein Aufgaben- und Ticketsystem gebaut, das Alarme von Drittsystemen aufnimmt, Arbeit nach Rolle zuweist und automatische Benachrichtigungen versendet, genau die Art System, an die Agenten andocken.
- Wir betreiben Agenten selbst. Unsere Lieferung nutzt KI-Coding-Agenten unter Führung von Senior-Engineers, die über MCP-Server arbeiten, die wir für unser eigenes Board und CMS gebaut haben.
Nächster Schritt
Beschreiben Sie einen Workflow, den ein Agent übernehmen soll, die Systeme, die er berührt, und was eine falsche Aktion Sie kosten würde. In einem kurzen Gespräch sagen wir Ihnen, ob ein Agent das richtige Werkzeug ist, welche Autonomiestufe zum Launch realistisch ist und was ein Festpreisangebot nach dem Scoping abdecken würde. Kontaktieren Sie uns, um zu starten.
