Stell dir vor: Eine Kundenanfrage kommt rein. Bevor dein Mitarbeiter die Preisliste überhaupt geöffnet hat, liegt schon ein Angebotsentwurf auf seinem Bildschirm. Er prüft, passt an, schickt ab. Was vorher eine halbe Stunde dauerte, dauert jetzt Minuten.
Genau das machen KI-Agenten. Und genau darum lohnt es sich zu verstehen, was dahintersteckt.
Chatbot oder Agent – wo liegt der Unterschied?
Du kennst ChatGPT. Du stellst eine Frage, bekommst eine Antwort. Das ist ein Chatbot: Er reagiert auf Eingaben und liefert Inhalte zurück.
Ein KI-Agent geht einen Schritt weiter. Du gibst ihm ein Ziel und er setzt es in einen mehrstufigen Ablauf um. Er greift auf die definierten Werkzeuge zu, wertet Zwischenergebnisse aus und liefert dir am Ende ein Ergebnis, das du prüfst, anpasst und freigibst.
Wie funktioniert das technisch?
Keine Sorge, du musst kein Informatiker sein. Aber die Grundlogik hilft beim Einordnen.
Die Basis eines KI-Agenten ist ein Sprachmodell (LLM) – dieselbe Technologie, die auch hinter ChatGPT oder Claude steckt. Ein LLM allein verarbeitet Text: Eingabe rein, Antwort raus. Zum Agenten wird es erst durch zwei Erweiterungen:
Tools
Tools sind klar definierte Funktionen, die das Modell aufrufen kann: eine Datenbank abfragen, eine E-Mail versenden, eine Datei ablegen, eine Berechnung ausführen oder einen Kalendereintrag anlegen.
Welche Tools ein Agent nutzen kann, legst du fest. Er hat keinen Zugriff auf etwas, das du nicht explizit anbindest, und kann nur das tun, was die angebundenen Funktionen erlauben.
Iterative Ausführung
Der Agent arbeitet nicht in einem Zug, sondern in Schleifen: Lage auswerten → nächsten Schritt ableiten → Tool aufrufen → Ergebnis verarbeiten → und wieder von vorn. So lassen sich auch mehrstufige Aufgaben bewältigen, bei denen spätere Schritte von früheren Ergebnissen abhängen.
Die Schleife endet, wenn das Ziel erreicht ist – oder der Agent eine Rückfrage stellt.
Ein Beispiel aus dem Hotel
Eine Anfrage kommt per E-Mail: Familie, vier Personen, drei Nächte über Ostern.
Ein Chatbot könnte eine freundliche Bestätigung basierend auf deinem Input zurückschicken.
Ein KI-Agent geht weiter: Er ruft die Verfügbarkeit im Buchungssystem ab, berücksichtigt die saisonale Preisstaffelung, wählt zwei passende Zimmerkategorien aus und stellt ein Angebot zusammen.
Die Rezeption prüft den Entwurf, passt ihn an, wo nötig, und schickt ab.
Warum gerade jetzt?
Zwei Entwicklungen kommen zusammen:
Technologie und Einstieg sind reif
Noch vor zwei Jahren brauchte es spezialisierte Entwicklerteams, um einen verlässlichen KI-Agenten aufzusetzen. Heute gibt es Plattformen, No-Code-Tools und Open-Source-Frameworks, die den Aufbau deutlich vereinfachen. Gleichzeitig sind die Sprachmodelle spürbar zuverlässiger geworden – vor allem beim Umgang mit Tools und bei längeren Abläufen.
Der Fachkräftemangel bleibt
Gerade im Alpenraum kennen wir das Problem: Offene Stellen bleiben Monate unbesetzt. Laut dem DIHK-Fachkräftereport 2025/2026 erwarten 83 % der Unternehmen in den kommenden Jahren negative Folgen durch den Arbeits- und Fachkräftemangel.
KI-Agenten ersetzen keine ganzen Jobs – aber sie übernehmen die Routineteile davon. Dein Team verbringt weniger Zeit mit wiederholbaren Aufgaben und mehr Zeit mit den Themen, die wirklichen Wert schaffen.
Wo setzen KMUs KI-Agenten ein?
Wir sehen in unseren Projekten vor allem vier Bereiche – das ist aber nur ein Ausschnitt, der dir ein erstes Bild gibt. Es gibt noch viele weitere Anwendungsgebiete.
Kundenservice
Anfragen per E-Mail, Chat oder Formular werden automatisch klassifiziert. Der Agent durchsucht die Wissensbasis, formuliert einen Antwortvorschlag und legt ihn dem zuständigen Mitarbeiter vor. Standardfragen sind mit einer schnellen Freigabe erledigt, komplexe Fälle bekommen Kontext und Informationen als Ausgangspunkt für die menschliche Bearbeitung.
Angebotserstellung
Anfragen werden mit Daten aus dem CRM und öffentlich verfügbaren Informationen angereichert. Auf Basis von Preislisten und früheren Angeboten erstellt der Agent einen Entwurf, der vor dem Versand geprüft und wo nötig angepasst wird.
Meeting-Vorbereitung und Nachbereitung
Vor einem Termin zieht der Agent die relevanten E-Mails, Dokumente und Kundenhistorie zusammen und liefert ein kompaktes Briefing. Nach dem Termin strukturiert er das Transkript zu einem Protokoll mit Kernpunkten, Entscheidungen und offenen To-do. Der Mitarbeiter prüft, ergänzt und verteilt.
Internes Wissensmanagement
Mitarbeiter bekommen Antworten zu Fragen aus Handbüchern, Prozessbeschreibungen und internen Dokumenten – immer mit Quellenangabe, damit sie die Aussage direkt am Originaldokument verifizieren können.
Was KI-Agenten (noch) nicht gut können
Damit du nicht mit falschen Erwartungen startest – vier Einschränkungen, die wir in Projekten immer wieder sehen:
- Halluzinationen bei Randfällen. Moderne Modelle halluzinieren seltener, aber nicht nie. Besonders bei ungewöhnlichen Konstellationen oder unscharfen Fragen entstehen plausibel klingende, aber falsche Ausgaben.
- Schlechte Datenlage wird nicht besser. Wenn eure Preisliste in drei Excel-Versionen parallel existiert oder Kundendaten auf fünf Systeme verteilt sind, produziert der Agent entsprechend unsaubere Ergebnisse. KI ersetzt keine Datenhygiene.
- Nur, was der Agent sehen kann. Ein Agent kennt die Welt durch seine angebundenen Tools und seine Trainingsdaten. Was es dort nicht gibt, existiert für ihn nicht.
- Urteilsfragen und Fingerspitzengefühl. Ein heikler Kundenfall, eine Kulanzentscheidung, eine Verhandlung – wenn Erfahrung und Bauchgefühl zählen, ist der Mensch unverzichtbar.
Was braucht es für den Einstieg?
Kein Großprojekt. In unseren Projekten zeigt sich immer wieder: Der pragmatische Weg führt in fünf Schritten zum Ziel.
- Einen konkreten Anwendungsfall wählen. Nicht alles auf einmal. Wo verbringt dein Team am meisten Zeit mit wiederholbaren Aufgaben? Da fängst du an.
- Daten und Systeme prüfen. Ein Agent braucht Zugriff auf die relevanten Informationen – E-Mails, CRM, Dateisystem, Wissensdatenbank.
- Klein starten, dann skalieren. Ein Pilot-Agent für einen Prozess, ein Team, einen Kanal. Erfahrungen sammeln, optimieren, ausweiten.
- Datenschutz mitdenken. Welche Daten verarbeitet der Agent, wo laufen sie? EU-gehostete Cloud-Services und selbst betriebene Modelle sind heute verfügbar und für die meisten KMU-Anwendungen leistungsfähig genug.
- Regulatorik prüfen. Der EU AI Act stuft bestimmte Anwendungen als Hochrisiko ein – etwa Recruiting, Kreditvergabe oder Mitarbeitermonitoring. Für den Einstieg lohnt sich ein Use Case außerhalb dieser Kategorien.
Fazit
KI-Agenten sind keine Zukunftsmusik mehr. Die Technologie ist da, der Einstieg ist zugänglich, und die ersten Einsatzbereiche liegen in jedem KMU auf der Hand.
Der wichtigste Schritt ist der erste: einen konkreten Prozess identifizieren, einen Piloten aufsetzen, Erfahrungen sammeln. Wer jetzt startet, baut den Vorsprung auf, der morgen den Unterschied macht.