KI-Agenten im Mittelstand: Was sie können, was sie kosten

Vom Workflow zum Agenten

Die meisten Automatisierungsprojekte der letzten Jahre folgen demselben Bauplan: Ein Prozess wird analysiert, in feste Schritte zerlegt und als Workflow abgebildet. Wenn eine Rechnung eingeht, wird sie ausgelesen, geprüft und verbucht. Das funktioniert hervorragend – solange die Realität sich an den Bauplan hält.

Der Haken zeigt sich im Alltag: Ein erheblicher Teil der Vorgänge weicht vom Standardfall ab. Die Rechnung referenziert zwei Bestellungen statt einer. Das Kundenticket enthält drei Anliegen. Der Lieferant hat das Format geändert. Genau diese Fälle landen heute wieder auf dem Schreibtisch eines Menschen – und machen oft 20–40 % des Volumens aus.

Kernaussage: KI-Agenten schließen die Lücke zwischen starrer Automatisierung und manueller Bearbeitung. Sie planen den Lösungsweg selbst, greifen kontrolliert auf Ihre Systeme zu und prüfen ihr Ergebnis – dadurch automatisieren sie auch die Abweichungen, an denen klassische Workflows scheitern.

In diesem Artikel zeige ich Ihnen, was einen Agenten technisch von Chatbot und Workflow unterscheidet, wo Agenten im Mittelstand heute produktiv arbeiten, welche Kontrollmechanismen unverzichtbar sind – und mit welchen Kosten Sie realistisch rechnen sollten.

Was ein KI-Agent ist – und was nicht

Drei Begriffe werden derzeit häufig vermischt. Die Unterschiede sind praktisch relevant, weil sie über Aufwand, Kosten und Einsatzgebiet entscheiden:

Chatbot: Beantwortet Fragen im Dialog. Er kann Wissen bereitstellen und Texte formulieren, führt aber selbst keine Vorgänge aus. Wenn der Kunde fragt, wo seine Lieferung bleibt, kann ein Chatbot erklären, wie man den Lieferstatus findet – nachschauen kann er nicht.

Workflow: Führt einen fest definierten Ablauf aus, zuverlässig und deterministisch. Jeder Schritt, jede Verzweigung wurde vorab programmiert. Für Standardfälle mit hohem Volumen ist das die effizienteste Lösung – bei Abweichungen bricht der Ablauf ab oder produziert Fehler.

KI-Agent: Bekommt ein Ziel statt eines Ablaufs. Er zerlegt die Aufgabe selbst in Schritte, ruft die passenden Systeme auf, bewertet die Zwischenergebnisse und entscheidet, wie es weitergeht. Beim Lieferstatus-Beispiel: Bestellung im ERP nachschlagen, Tracking beim Versanddienstleister abrufen, Antwort formulieren, Ticket schließen – ohne dass jemand diese Kette für jeden Einzelfall vorgezeichnet hat.

Die ehrliche Konsequenz daraus: Ein Agent ist kein Ersatz für Workflows, sondern deren Ergänzung für die Fälle, die sich nicht in feste Bahnen pressen lassen.

Wie ein Agent arbeitet: Planen, Tools aufrufen, prüfen

Technisch besteht ein produktiver Agent aus drei Bausteinen:

1. Planung. Ein Sprachmodell analysiert den Vorgang und erstellt einen Lösungsplan: Welche Informationen fehlen? Welche Systeme muss ich befragen? In welcher Reihenfolge?

2. Tool-Zugriff. Der Agent führt seinen Plan aus, indem er definierte Werkzeuge aufruft – eine ERP-Abfrage, eine CRM-Suche, den Versand einer E-Mail. Hier hat sich mit dem Model Context Protocol (MCP) ein offener Standard etabliert: Statt jede Anbindung individuell zu programmieren, stellt ein MCP-Server die Funktionen eines Systems in einer Form bereit, die jedes KI-Modell versteht. ERP, CRM, E-Mail-Postfach und interne Anwendungen werden so zu einem kontrollierten Werkzeugkasten.

3. Ergebnisprüfung. Nach jedem Schritt bewertet der Agent das Ergebnis: Passt die gefundene Bestellung zur Kundenanfrage? Ist der Betrag plausibel? Erst wenn die Prüfung besteht, geht er weiter – andernfalls korrigiert er den Plan oder eskaliert an einen Menschen.

Der entscheidende Punkt für den Unternehmenseinsatz: Der Agent darf ausschließlich die Werkzeuge nutzen, die Sie ihm geben, mit den Berechtigungen, die Sie definieren. Ein Agent für die Ticket-Bearbeitung kann Bestellungen lesen, aber keine löschen.

Vier Einsatzfälle, die heute funktionieren

Ticket-Bearbeitung im Kundenservice. Der Agent liest eingehende Anfragen, zieht Bestell- und Kundendaten aus dem ERP, ruft bei Versandfragen das Tracking des Carriers ab und beantwortet Standardfälle eigenständig. Realistisch lassen sich 50–70 % der Tickets komplett automatisiert lösen, bei Antwortzeiten von Sekunden statt Stunden.

Rechnungs-Klärfälle. Die klassische Rechnungsautomatisierung verbucht saubere Rechnungen – der Agent übernimmt die Abweichungen: Er vergleicht Rechnung und Bestellung, ermittelt die Ursache der Differenz (Teillieferung? Preisänderung? Doppelberechnung?) und schlägt die Lösung samt Begründung zur Freigabe vor. Ein Klärfall kostet manuell 15–30 Minuten; der Agent reduziert das auf eine Freigabe-Entscheidung.

Auftragserfassung. Bestellungen kommen per E-Mail, PDF und Portal – in jedem erdenklichen Format. Der Agent erfasst sie, gleicht Artikelnummern und Konditionen mit den Stammdaten ab und legt den Auftrag im ERP an. Bei Unklarheiten fragt er beim Kunden nach, statt einen fehlerhaften Auftrag anzulegen.

Recherche und Angebotsvorbereitung. Für eingehende Anfragen stellt der Agent Produktdaten, Preise und vergleichbare Altprojekte zusammen und liefert dem Vertrieb einen fertigen Angebotsentwurf. Der Mensch prüft, justiert und versendet – der Rechercheaufwand von ein bis zwei Stunden pro Angebot entfällt.

Wo Agenten (noch) nicht die richtige Wahl sind

Ein realistischer Blick gehört dazu, denn nicht jeder Prozess profitiert von einem Agenten:

• Hochvolumige Standardprozesse ohne Abweichungen sind mit klassischen Workflows schneller, günstiger und deterministisch – ein Agent würde hier nur Kosten und Varianz hinzufügen.
• Entscheidungen mit rechtlicher oder finanzieller Tragweite (Kreditvergaben, Kündigungen, Preisnachlässe oberhalb definierter Grenzen) gehören in menschliche Hände. Der Agent bereitet vor, der Mensch entscheidet.
• Prozesse ohne digitale Datenbasis bleiben schwierig: Ein Agent kann nur mit Systemen arbeiten, die per Schnittstelle erreichbar sind.

Kontrolle ist kein Zusatz, sondern Voraussetzung

Autonomie im Unternehmenseinsatz braucht Leitplanken. Drei Mechanismen haben sich als Standard herausgebildet:

Human-in-the-Loop-Freigaben: Kritische Aktionen – etwa der Versand einer Gutschrift oder die Änderung von Stammdaten – werden vom Agenten vollständig vorbereitet, aber erst nach menschlicher Freigabe ausgeführt. Mit wachsendem Vertrauen lässt sich die Freigabeschwelle schrittweise anheben.

Audit-Log: Jede Entscheidung, jeder Tool-Aufruf und jedes Zwischenergebnis wird protokolliert. Damit ist jederzeit nachvollziehbar, warum der Agent gehandelt hat, wie er gehandelt hat – das ist auch die Grundlage für die Fehleranalyse und die kontinuierliche Verbesserung.

EU-AI-Act-Dokumentation: Autonome Systeme können je nach Einsatzgebiet unter die Transparenz- und Dokumentationspflichten des EU AI Act fallen. Risikoeinstufung, Kontrollmechanismen und Entscheidungslogik sollten deshalb von Projektbeginn an dokumentiert werden – nachträglich wird das teuer.

Was ein KI-Agent kostet

Agenten-Projekte folgen typischerweise einem zweiteiligen Modell:

Einmaliges Setup: Analyse des Prozesses, Design der Agenten-Logik, Anbindung der Systeme, Tests mit echten Fällen aus Ihrem Betrieb. Für einen Agenten mit zwei bis drei Systemanbindungen beginnt das bei etwa 7.500 €; mehrstufige Agenten-Workflows mit eigener Tool-Entwicklung liegen bei 15.000 € aufwärts. Von der Analyse bis zum produktiven Agenten vergehen je nach Komplexität 4–8 Wochen.

Monatlicher Betrieb: ab etwa 490 €/Monat für Monitoring, Modell-Pflege und Weiterentwicklung. Dieser Posten ist kein optionales Extra: Sprachmodelle werden regelmäßig aktualisiert, angebundene Systeme ändern sich, und ein Agent, dessen Verhalten niemand beobachtet, driftet mit der Zeit von seiner ursprünglichen Genauigkeit ab.

Zur Einordnung der Wirtschaftlichkeit: Ein Agent, der täglich 20 Tickets à 12 Minuten übernimmt, spart rund 80 Personenstunden pro Monat. Bei einem Vollkostensatz von 45 €/Stunde entspricht das 3.600 € monatlich – das Setup amortisiert sich damit in drei bis vier Monaten.

Eine detaillierte Übersicht der Pakete finden Sie auf unserer Seite Agent as a Service.

Fazit: Erst der Prozess, dann der Agent

KI-Agenten sind kein Allheilmittel, aber sie automatisieren eine Kategorie von Arbeit, die bisher zwingend an Menschen hing: Vorgänge mit Varianz, die Urteilsvermögen und Systemzugriff gleichzeitig erfordern. Die Entscheidungsregel ist einfach – läuft ein Prozess immer gleich ab, bauen Sie einen Workflow; erfordert er je nach Fall unterschiedliche Schritte und Nachdenken, ist er ein Kandidat für einen Agenten.

Der beste Startpunkt ist ein Prozess mit hohem manuellem Aufwand, klarem Erfolgskriterium und begrenztem Risiko. Dort lässt sich innerhalb weniger Wochen belegen, was ein Agent in Ihrem Unternehmen tatsächlich leistet.

---

Sie überlegen, welcher Ihrer Prozesse sich für einen KI-Agenten eignet? Vereinbaren Sie ein kostenloses Erstgespräch – wir identifizieren gemeinsam den Vorgang mit dem größten Hebel und sagen ehrlich, wo ein klassischer Workflow die bessere Wahl ist.