Was sind KI-Agenten und wie können Unternehmen sie einsetzen?

KI-Agenten einfach erklärt: von der Anfrage zur selbstständigen Handlung

KI-Agenten erweitern klassische KI-Anwendungen um einen entscheidenden Schritt: Sie können nicht nur Informationen verarbeiten oder Inhalte erstellen, sondern innerhalb definierter Regeln selbständig weitere Aktionen planen und ausführen. Dafür greifen sie zum Beispiel auf Informationen, Software, Schnittstellen und andere digitale Tools zu.

Ein Agent kann beispielsweise Informationen aus verschiedenen Systemen abrufen, diese bewerten, eine passende Aktion auswählen und anschließend den nächsten Prozessschritt auslösen.

Ein solches System verfolgt ein vorgegebenes Ziel und kann innerhalb eines festgelegten Handlungsspielraums eigenständig Entscheidungen treffen und Aktionen durchführen. Der wesentliche Unterschied zu vielen klassischen KI-Anwendungen liegt darin, dass der Agent nicht nur eine Antwort erzeugt, sondern auf Basis dieser Informationen weitere Schritte einleiten kann.

Für Unternehmen entstehen dadurch neue Möglichkeiten bei der Automatisierung komplexerer Abläufe. Entscheidend ist jedoch nicht, wie autonom eine KI theoretisch arbeiten könnte. Viel wichtiger ist, welche Aufgaben sie zuverlässig übernehmen soll, auf welche Informationen und Systeme sie zugreifen darf und an welchen Stellen weiterhin menschliche Kontrolle notwendig ist.

Wie funktionieren KI-Agenten?

Damit KI-Agenten eine Aufgabe selbständig bearbeiten können, benötigen sie ein definiertes Ziel sowie die dafür relevanten Informationen und Werkzeuge. Je nach Anwendung können dazu Datenbanken, interne Software, Dokumente, APIs oder andere digitale Systeme gehören.

Neben dem KI-Modell spielen dabei auch Kontext, verfügbare Werkzeuge und die Planung einzelner Arbeitsschritte eine wichtige Rolle. Ein Agent kann Informationen über mehrere Schritte hinweg berücksichtigen, eine Aufgabe in Teilaufgaben zerlegen und abhängig von der jeweiligen Situation entscheiden, welches angebundene Werkzeug er benötigt. Wie viel Kontext oder eine Form von Gedächtnis tatsächlich zur Verfügung steht, hängt von der technischen Umsetzung ab. 

Ein vereinfachter Ablauf kann folgendermaßen aussehen:

1. Ein Ziel oder ein bestimmtes Ereignis startet den Prozess.
2. Der Agent analysiert die vorhandenen Informationen.
3. Er entscheidet, welche zusätzlichen Daten benötigt werden.
4. Die notwendigen Informationen werden aus angebundenen Systemen abgerufen.
5. Auf dieser Grundlage bestimmt der Agent den nächsten sinnvollen Schritt.
6. Eine erlaubte Aktion wird ausgeführt oder zur Freigabe vorbereitet.
7. Das Ergebnis wird geprüft und der Prozess gegebenenfalls fortgesetzt.

Dadurch entsteht häufig eine Schleife aus Analysieren, Entscheiden und Handeln. Bei umfangreicheren Aufgaben kann der Agent ein übergeordnetes Ziel zusätzlich in mehrere kleinere Schritte zerlegen.

Wichtig: Wie zuverlässig dieser Prozess funktioniert, hängt nicht allein vom verwendeten KI-Modell ab. Ebenso wichtig sind die Qualität der Daten, klar definierte Regeln, geeignete Schnittstellen und ein sinnvoll begrenzter Handlungsspielraum.

Was unterscheidet KI-Agenten von Chatbots, KI-Assistenten und klassischen Automatisierungen?

Die Begriffe werden häufig miteinander vermischt, obwohl sich die Systeme in ihrer Funktionsweise unterscheiden.

Eine klassische Automatisierung folgt einem vorher festgelegten Ablauf. Tritt ein bestimmtes Ereignis ein, wird eine definierte Aktion durchgeführt. Solche Prozesse eignen sich besonders gut für Aufgaben, bei denen die Abläufe klar vorhersehbar sind und festen Regeln folgen.

Ein KI-Assistent kann flexibler auf natürliche Sprache und unterschiedliche Informationen reagieren. Er beantwortet Fragen, erstellt Inhalte oder unterstützt bei der Vorbereitung einer Aufgabe. Die eigentliche Ausführung bleibt jedoch häufig beim Menschen.

Ein Agent kann darüber hinaus selbst weitere Schritte auswählen und innerhalb seiner Berechtigungen ausführen.

Hier die Begriffe anhand eines Beispiels einer Supportanfrage:

Automatisierung: Eine neue Supportanfrage wird automatisch einer bestimmten Abteilung zugeordnet.

KI-Assistent: Die KI analysiert die Anfrage und schlägt eine mögliche Antwort vor.

KI-Agent: Die KI analysiert die Anfrage, ruft passende Kundendaten ab, prüft vorhandene Informationen, bereitet eine Antwort vor und stößt weitere definierte Prozessschritte an.

Nicht jeder Prozess benötigt deshalb einen Agenten. Bei eindeutig vorhersehbaren Abläufen kann eine klassische Automatisierung einfacher, günstiger und besser kontrollierbar sein.

Welche Aufgaben können KI-Agenten übernehmen?

KI-Agenten eignen sich vor allem für Prozesse, bei denen digitale Arbeitsschritte zusammengehören und Informationen bewertet werden müssen.

Mögliche Einsatzbereiche sind beispielsweise:

• eingehende Anfragen analysieren und kategorisieren
• Informationen aus verschiedenen Systemen zusammenführen
• Dokumente und freie Texte auswerten
• interne Informationen recherchieren
• Berichte und Zusammenfassungen vorbereiten
• Daten prüfen und ergänzen
• Antwortentwürfe erstellen und Supportprozesse unterstützen
• wiederkehrende Verwaltungsaufgaben bearbeiten
• Softwareentwicklungsprozesse unterstützen
• definierte Aktionen in angebundenen Systemen auslösen
• digitale Workflows zwischen mehreren Anwendungen koordinieren

Besonders interessant sind Prozesse, bei denen Mitarbeiter heute regelmäßig zwischen verschiedenen Programmen wechseln, Informationen zusammensuchen und anschließend weitere Schritte manuell durchführen.

Dabei sollte immer von einer konkreten Aufgabe ausgegangen werden. Die Frage „Wo können wir KI einsetzen?“ ist meist weniger hilfreich als eine genaue Beschreibung des bestehenden Problems und des gewünschten Ergebnisses.

Praxisbeispiel: So kann ein KI-Agent eine Kundenanfrage bearbeiten

Angenommen, ein Unternehmen erhält täglich zahlreiche Anfragen über E-Mail oder ein Kundenportal. Mitarbeiter müssen jede Nachricht lesen, Kundendaten heraussuchen, das Anliegen bewerten und anschließend entscheiden, wer die weitere Bearbeitung übernimmt.

Ein KI-Agent könnte Teile dieses Ablaufs unterstützen.

Nach Eingang einer Nachricht analysiert er zunächst den Inhalt und ordnet das Anliegen ein. Anschließend kann er anhand einer Kundennummer oder E-Mail-Adresse nach dem passenden Datensatz suchen und vorhandene Informationen über den Kunden abrufen.

Danach prüft er beispielsweise, ob bereits ähnliche Anfragen vorliegen oder welche internen Informationen für die Bearbeitung relevant sind.

Bei einer einfachen Frage kann der Agent eine Antwort vorbereiten. Handelt es sich um ein technisches Problem, kann er stattdessen ein Ticket erstellen und bereits bekannte Informationen ergänzen.

Je nach definiertem Handlungsspielraum wird der Vorgang anschließend automatisch weitergeführt oder einem Mitarbeiter zur Kontrolle vorgelegt.

Der Agent beantwortet damit nicht nur eine Frage. Er unterstützt einen vollständigen Prozess und arbeitet dafür mit verschiedenen Daten und Systemen zusammen.

Welche Einsatzformen von KI-Agenten gibt es?

KI-Agenten können unterschiedlich aufgebaut sein und verschiedene Rollen innerhalb eines Prozesses übernehmen.

Interaktive KI-Agenten werden direkt von einem Mitarbeiter gestartet. Dieser formuliert beispielsweise ein Ziel oder stellt eine Aufgabe, die anschließend bearbeitet wird.

Hintergrund-Agenten reagieren dagegen auf bestimmte Ereignisse. Eine neue E-Mail, ein veränderter Datensatz oder ein bestimmter Status in einer Anwendung kann den Agenten automatisch aktivieren.

Multi-Agent-Systeme bestehen aus mehreren spezialisierten Agenten. Einzelne Aufgaben können dabei auf verschiedene Agenten verteilt werden, die anschließend zusammenarbeiten.

Mehrere Agenten bedeuten allerdings nicht automatisch eine bessere Lösung. Mit jedem zusätzlichen Bestandteil steigen auch die technische Komplexität, mögliche Fehlerquellen und der Aufwand für Kontrolle und Wartung. Für viele klar definierte Prozesse reicht deshalb ein einzelner Agent aus.

Welche Vorteile bieten KI-Agenten Unternehmen?

Ein sinnvoll eingesetzter Agent kann vor allem wiederkehrende manuelle Arbeit reduzieren.

Informationen müssen beispielsweise nicht bei jedem Vorgang erneut aus mehreren Systemen zusammengesucht werden. Der Agent kann benötigte Informationen selbst abrufen, zusammenführen und für den nächsten Schritt aufbereiten.

Auch unstrukturierte Inhalte wie E-Mails, Dokumente oder freie Texte können in automatisierte Abläufe einbezogen werden. Das unterscheidet viele KI-basierte Prozesse von klassischen Automatisierungen, die häufig auf klar strukturierte Eingaben angewiesen sind.

Für Unternehmen bedeutet das konkret:

• weniger manuelle Zwischenschritte
• schneller verfügbare Informationen
• einheitlichere Bearbeitungsprozesse
• Entlastung bei vorbereitenden Tätigkeiten
• bessere Verbindung verschiedener Software-Systeme

Ob sich ein KI Agent wirtschaftlich lohnt, hängt allerdings immer vom konkreten Anwendungsfall ab. Eine technisch aufwendige Lösung bringt wenig, wenn der automatisierte Prozess nur selten vorkommt oder die Ergebnisse regelmäßig manuell korrigiert werden müssen.

Wo liegen die Grenzen und Risiken von KI-Agenten?

Je mehr Aktionen ein KI-Agent selbstständig ausführen darf, desto wichtiger werden klare Sicherheitsmechanismen.

KI kann Informationen falsch interpretieren, relevante Zusammenhänge übersehen oder eine nicht vorgesehene Entscheidung treffen. Solange lediglich ein Textentwurf erstellt wird, lässt sich ein Fehler meist leicht korrigieren. Schwieriger wird es, wenn ein Agent Schreibrechte in internen Systemen besitzt oder Aktionen auslösen kann, die direkte Auswirkungen auf Kundeninformationen oder Geschäftsprozesse haben.

Deshalb sollten unter anderem folgende Punkte berücksichtigt werden:

• Zugriffsrechte möglichst genau begrenzen
• sensible Daten besonders schützen
• Aktionen nachvollziehbar protokollieren
• klare Abbruchbedingungen definieren
• Test- und Produktivumgebungen trennen
• kritische Aktionen freigeben lassen
• Ergebnisse regelmäßig kontrollieren
• Verantwortlichkeiten klar festlegen

Ein Agent, der Informationen lediglich lesen muss, benötigt beispielsweise keine Rechte, diese auch zu verändern.

Ein weiteres Risiko entsteht, wenn Agenten Inhalte aus externen Quellen verarbeiten. In E-Mails, Dokumenten oder Websites können beispielsweise Anweisungen enthalten sein, die von einem KI-System fälschlicherweise als Handlungsaufforderung interpretiert werden. Solche sogenannten Prompt Injections sind besonders kritisch, wenn ein Agent weitreichende Zugriffs- oder Schreibrechte besitzt. Berechtigungen sollten deshalb auf das tatsächlich Notwendige beschränkt und externe Inhalte grundsätzlich als potenziell nicht vertrauenswürdig behandelt werden.

Bei sensiblen oder schwer rückgängig zu machenden Aktionen kann zudem ein Human-in-the-Loop sinnvoll sein. Der Agent analysiert den Vorgang und bereitet eine Aktion vor. Ausgeführt wird sie jedoch erst, nachdem ein Mitarbeiter sie geprüft und freigegeben hat.

Was müssen Unternehmen bei Datenschutz und AI Act beachten?

Sobald ein KI Agent mit Unternehmensdaten, Kundendaten oder personenbezogenen Informationen arbeitet, müssen neben technischen auch rechtliche Anforderungen berücksichtigt werden. Dazu gehört unter anderem die Frage, welche Daten verarbeitet werden, wo diese gespeichert werden und welche externen Anbieter oder Modelle Zugriff darauf erhalten.

Zusätzlich kann der EU AI Act für den Einsatz relevant sein. Welche Anforderungen gelten, hängt vom jeweiligen System, seinem Einsatzzweck und der Rolle des Unternehmens ab. Unter anderem können Transparenz, Dokumentation und menschliche Aufsicht eine Rolle spielen. Unternehmen sollten deshalb bereits bei der Planung klären, welche rechtlichen und organisatorischen Anforderungen ihr konkreter Anwendungsfall erfüllen muss.

Welche Voraussetzungen müssen Unternehmen für KI-Agenten schaffen?

Ein erfolgreicher KI-Agent beginnt nicht mit der Auswahl eines KI-Modells, sondern mit einem klar definierten Prozess.

Zunächst sollte bekannt sein, welche Aufgabe heute durchgeführt wird, welche Informationen dafür erforderlich sind und welche Ausnahmen regelmäßig auftreten.

Auch die Qualität der vorhandenen Informationsbasis spielt eine wichtige Rolle. Soll der Agent auf interne Informationen zugreifen, müssen diese ausreichend aktuell, auffindbar und für die jeweilige Aufgabe nutzbar sein.

Darüber hinaus sind technische Schnittstellen notwendig. Ein Agent kann nur mit Anwendungen interagieren, für die ein geeigneter technischer Zugriff besteht oder geschaffen werden kann.

Vor der Umsetzung sollten deshalb Fragen geklärt werden wie:

• Welches konkrete Ziel soll erreicht werden?
• Wie läuft der Prozess derzeit ab?
• Welche Entscheidungen soll das System selbst treffen dürfen?
• Welche Anwendungen müssen eingebunden werden?
• Welche Aktionen darf der Agent durchführen?
• Wann ist eine menschliche Freigabe notwendig?
• Wie lässt sich die Qualität der Ergebnisse überprüfen?
• Welche Fehler wären besonders kritisch?
• Wer ist für den laufenden Betrieb verantwortlich?

Diese Vorbereitung entscheidet maßgeblich darüber, ob aus einem interessanten KI-Projekt tatsächlich eine im Alltag nutzbare Lösung entsteht.

Wann reicht eine klassische Automatisierung und wann braucht es einen KI-Agenten?

Nicht jede Automatisierung wird durch den Einsatz künstlicher Intelligenz besser.

Eine klassische Automatisierung eignet sich besonders dann, wenn der Prozess klar vorhersehbar ist. Die möglichen Eingaben sind bekannt, Entscheidungen lassen sich anhand fester Regeln treffen und für jeden Fall steht bereits fest, welche Aktion folgen soll.

Agenten werden vor allem bei komplexeren Aufgaben interessant, wenn Informationen zunächst interpretiert werden müssen. Das kann beispielsweise der Fall sein, wenn freie Texte und Dokumente verarbeitet werden, mehrere Datenquellen berücksichtigt werden müssen oder der nächste Schritt von der jeweiligen Situation abhängt.

Die technisch komplexere Lösung sollte daher nicht automatisch bevorzugt werden. Entscheidend ist, welche Technologie einen Prozess möglichst zuverlässig und sinnvoll unterstützt.

Standardlösung oder individuell entwickelter KI-Agent?

Für einfache Anwendungen können bestehende KI-Tools und Automatisierungsplattformen ausreichen. Je nach bestehender IT-Landschaft können Unternehmen dafür Tools und Cloud-Dienste von Microsoft, Google oder anderen Anbietern nutzen. Auch vorhandene Data-Workflows lassen sich einbinden, sofern geeignete Schnittstellen vorhanden sind. Besonders dann, wenn der Prozess standardisiert ist und nur wenige Systeme miteinander verbunden werden müssen, lässt sich damit vergleichsweise schnell eine Lösung aufbauen.

Individuelle KI Agenten werden vor allem dann interessant, wenn Unternehmensprozesse unternehmensspezifischen Regeln folgen, mehrere interne Systeme eingebunden werden müssen oder besondere Anforderungen an Datenzugriffe und Berechtigungen bestehen.

Eine individuelle Lösung kann beispielsweise sinnvoll sein, wenn:

• interne Daten aus mehreren Quellen benötigt werden,
• bestehende Anwendungen eingebunden werden sollen,
• eigene Schnittstellen erforderlich sind,
• unternehmensspezifische Regeln berücksichtigt werden müssen,
• spezielle Freigabeprozesse abgebildet werden sollen,
• die Anwendung langfristig erweitert werden soll.

codecan solutions entwickelt individuelle Software- und KI-Lösungen und kann dabei auch bestehende Applikationen und Systemlandschaften in die technische Analyse einbeziehen und langfristig betreuen.

So können Unternehmen mit einem ersten KI-Agenten starten

Ein erster Agent sollte nicht sofort einen großen Unternehmensprozess vollständig autonom übernehmen. Ein klar abgegrenzter Anwendungsfall bietet meist einen besseren Einstieg.

1. Einen konkreten Prozess auswählen

Am Anfang steht eine konkrete Aufgabe. Besonders geeignet sind wiederkehrende Prozesse, bei denen heute viel manuelle Vorbereitung notwendig ist.

2. Aufwand und Nutzen bewerten

Wie häufig kommt der Prozess vor? Wie viel Arbeitszeit wird dafür benötigt? Welche Folgen hätte eine falsche Entscheidung?

3. Informationen und Systeme analysieren

Nun wird geklärt, welche Informationen benötigt werden und aus welchen Anwendungen der Agent diese beziehen kann.

4. Einen begrenzten Prototyp entwickeln

Ein erster Prototyp sollte die wichtigsten Schritte des späteren Ablaufs abbilden. So lässt sich früh erkennen, ob der gewählte Ansatz funktioniert.

5. Mit realistischen Fällen testen

Neben normalen Anwendungsfällen sollten auch Sonderfälle berücksichtigt werden. Der Agent muss erkennen können, wenn Informationen fehlen oder ein Vorgang außerhalb seines definierten Handlungsspielraums liegt.

6. Rechte schrittweise erweitern

Zu Beginn kann ein Agent beispielsweise nur Informationen auslesen und Vorschläge erstellen. Weitere Berechtigungen können später ergänzt werden, wenn die Ergebnisse zuverlässig genug sind.

7. Betrieb laufend kontrollieren

Auch nach der Einführung müssen Ergebnisse, Datenquellen und angebundene Systeme überwacht werden. Prozesse verändern sich und damit können auch Anpassungen am Agenten notwendig werden.

So gehen wir auch bei unserer Projektarbeit bei codecan solutions vor. Individuelle Lösungen werden nach einer gemeinsamen Analyse schrittweise umgesetzt, getestet und anhand des laufenden Feedbacks weiterentwickelt.

KI-Agenten dort einsetzen, wo sie Prozesse tatsächlich verbessern

KI-Agenten können künstliche Intelligenz mit Daten, Software und konkreten Aktionen verbinden. Dadurch eignen sie sich vor allem für Prozesse, bei denen Informationen aus verschiedenen Quellen zusammengeführt, bewertet und anschließend weitere Arbeitsschritte durchgeführt werden müssen.

Nicht jeder Prozess benötigt dafür einen Agenten. Manchmal ist eine klassische Automatisierung die einfachere und zuverlässigere Lösung. Entscheidend sind der konkrete Anwendungsfall, die vorhandenen Systeme, geeignete Daten und ein klar definierter Handlungsspielraum.

Wer prüfen möchte, ob sich ein bestehender Prozess mit einem KI-Agenten oder einer anderen individuellen KI-Lösung sinnvoll unterstützen lässt, kann gemeinsam mit unserem Team von codecan solutions die technischen Möglichkeiten und Anforderungen analysieren.

 

Kostenloses Erstgespräch vereinbaren

 

Häufige Fragen zu KI-Agenten

Was ist ein KI-Agent einfach erklärt?

Ein KI-Agent ist ein Softwaresystem, das ein vorgegebenes Ziel verfolgt und dafür innerhalb definierter Regeln eigenständig mehrere Arbeitsschritte durchführen kann. Dazu kann es Informationen analysieren, auf Daten zugreifen und Aktionen in anderen Systemen auslösen.

Was ist der Unterschied zwischen einem KI-Agenten und ChatGPT?

ChatGPT ist eine KI-Anwendung, die je nach verwendeter Funktion sowohl als klassischer Assistent als auch für agentische Aufgaben eingesetzt werden kann. Der Begriff KI-Agent beschreibt dagegen grundsätzlich ein System, das ein Ziel verfolgt, mehrere Arbeitsschritte plant und innerhalb definierter Berechtigungen Aktionen ausführen kann. Ob eine konkrete KI-Anwendung als Agent arbeitet, hängt daher von ihren Funktionen und ihrer technischen Einbindung ab. 

Sind KI-Agenten dasselbe wie generative KI?

Nein. Generative KI erzeugt neue Inhalte wie Texte, Bilder oder Programmcode. Ein KI-Agent kann generative KI als Bestandteil verwenden, ergänzt sie aber um Ziele, Regeln, Tools und die Möglichkeit, weitere Aktionen auszuführen.

Können KI-Agenten vollständig autonom arbeiten?

Je nach technischer Umsetzung können KI-Agenten einen hohen Grad an Selbstständigkeit erreichen. Vollständige Autonomie ist jedoch nicht für jeden Prozess sinnvoll. Besonders bei kritischen oder schwer rückgängig zu machenden Aktionen sollte eine menschliche Freigabe vorgesehen werden.

Können KI-Agenten auf interne Unternehmensdaten zugreifen?

Ja, wenn entsprechende Schnittstellen und Berechtigungen eingerichtet sind. Dabei sollte genau festgelegt werden, welche Daten der Agent benötigt und ob er sie lediglich lesen oder auch verändern darf.

Lassen sich KI-Agenten in bestehende Software integrieren?

Ja. Voraussetzung ist, dass geeignete Schnittstellen vorhanden sind oder entwickelt werden können. Dadurch können Agenten beispielsweise mit internen Anwendungen, Datenbanken oder anderen Unternehmenssystemen zusammenarbeiten.

Brauchen KI-Agenten ein eigenes KI-Modell?

Nicht zwingend. In vielen Fällen können bestehende KI-Modelle verwendet und mit den benötigten Daten, Regeln, Funktionen und Unternehmenssystemen verbunden werden.

Wann lohnt sich ein KI-Agent für ein Unternehmen?

Interessant sind vor allem wiederkehrende Prozesse, bei denen Informationen interpretiert, aus mehreren Quellen zusammengeführt und anschließend unterschiedliche digitale Arbeitsschritte ausgeführt werden müssen. Ob ein Agent wirtschaftlich sinnvoll ist, sollte immer anhand des konkreten Prozesses bewertet werden.

Was kostet die Entwicklung eines KI-Agenten?

Die Kosten hängen stark vom jeweiligen Anwendungsfall ab. Entscheidend sind unter anderem die Komplexität des Prozesses, die benötigten Schnittstellen, die Anzahl der angebundenen Systeme, Anforderungen an Informationszugriffe und Berechtigungen sowie der notwendige Test- und Betreuungsaufwand. Ein klar abgegrenzter Agent mit wenigen Integrationen ist entsprechend weniger aufwendig als eine individuell entwickelte Lösung, die mehrere Unternehmenssysteme verbindet.