KI-Agenten im Unternehmen: Was wirklich funktioniert und was nicht

Plötzlich soll jede Software ein KI-Agent sein. Der Chatbot auf der Website? Ist ein KI-Agent. Die Regel im E-Mail-Postfach? Ebenfalls. Gartner hat dafür einen Namen: Agent Washing. Von den Tausenden Anbietern, die mit Agentic AI werben, hält das Analysehaus nur rund 130 für echt.

Wir entwickeln KI-Agenten für Unternehmen und gerade deshalb stört uns das. Denn hinter dem Etikett steckt eine Technologie, die im Arbeitsalltag eine Menge Arbeit abnehmen kann, wenn man sie richtig einsetzt. In diesem Ratgeber erfahren Sie, was einen echten KI-Agenten ausmacht, wo er Ihrem Team wirklich Arbeit abnimmt und woran Projekte scheitern.

Was ist Agentic AI und was unterscheidet sie vom KI-Chat?

Die meisten kennen KI als Chat. Sie stellen eine Frage, bekommen eine Antwort und dann geht die Arbeit los: Ergebnis in Excel kopieren, mit dem ERP abgleichen und ins Angebot übertragen. Das macht weiterhin ein Mensch.

Ein KI-Agent kann genau diesen Teil der Arbeit übernehmen. Er verfolgt eine Aufgabe über mehrere Schritte, ruft Informationen aus angebundenen Systemen ab, nutzt Werkzeuge und entscheidet innerhalb festgelegter Grenzen selbst, was als Nächstes zu tun ist.

Ein Beispiel: Eine Kundenanfrage kommt per E-Mail. Ein KI-Chat fasst sie zusammen. Ein Agent liest die relevanten Angaben aus, gleicht die Kundendaten im ERP ab, bemerkt, dass eine Mengenangabe fehlt und legt Ihnen einen Angebotsentwurf zur Freigabe vor.

Klassische Automatisierungen folgen vorher festgelegten Regeln. KI-Agenten können darüber hinaus unterschiedlich aufgebaute Informationen verarbeiten und innerhalb ihrer Vorgaben flexibler auf neue Situationen reagieren.

Wo KI-Agenten wirklich helfen

Selten dort, wo die beeindruckendsten Demos spielen. Die spannendsten Agenten sind die, bei denen der Bericht schon fertig ist, bevor morgens jemand den Rechner anmacht.

Zum Beispiel im Einkauf, wenn Angebote verschiedener Lieferanten verglichen werden. Im Controlling, wenn Zahlen aus mehreren Systemen zu einem Bericht werden oder in der Auftragsbearbeitung, wenn Informationen aus E-Mails, Dokumenten und dem ERP zusammengesucht werden. Arbeit, die zuverlässig erledigt werden muss und trotzdem jeden Tag Zeit frisst.

Vier Beispiele aus unseren Projekten:

• Für Bauunternehmen: 1.600 Seiten Ausschreibungsunterlagen, über Nacht verarbeitet, Anfragen an Lieferanten (rd. 150 Einzelanfragen nach verschiedenen Gewerken) vorbereitet, etwa für Elektro, Schüttgut und viele weitere Gewerke, nach Freigabe versendet und bei Angebotslieferung durch den Lieferanten direkt im Preisspiegel miteinander verglichen.
• Für Händler: Der Abgleich von Hedges im Vergleich zu den Aufträgen, die bereits umgesetzt sind, eine Excel-Aufgabe, die vorher täglich rund 1,5 Stunden gekostet hat, erledigt heute ein Agent.
• Für Anwaltskanzleien: Forensische Prüfung einer Pflichtverletzung nach Anzeige durch den Aufsichtsrat: mehr als eine Million Dokumente ausgewertet, Fundstellen aufgearbeitet und Originalbelege mit Angabe von Seite und Absatz in den jeweiligen Fallordnern zusammengestellt.
• Für alle: Der Rechnungsabgleich: Entspricht die Rechnung den erbrachten Leistungen und wurde überhaupt das jüngste Angebot berücksichtigt? Ein Kunde berichtet, dass ihm 150 TEUR Marge fehlten, weil ein veraltetes Angebot herangezogen wurde. Aufgefallen ist das nur durch Zufall.

In keinem dieser Projekte ging es darum, möglichst viel KI einzusetzen. Es ging darum, Arbeit abzugeben, die keinem Spaß macht.

Der Schnelltest: Lohnt sich ein Agent für diese Aufgabe?

Schauen Sie zuerst in Ihren Arbeitsalltag, nicht in Produktbroschüren. Drei Fragen helfen:

1. Fällt die Aufgabe regelmäßig an, etwa täglich oder wöchentlich?
2. Werden dafür Informationen aus mehreren Quellen gesucht, übertragen oder verglichen?
3. Besteht die Aufgabe aus mehreren Schritten, die heute jemand manuell ausführt oder koordiniert?

Dreimal Ja? Dann haben Sie einen guten Kandidaten. Typisch sind beispielsweise ein Reporting-Agent, der Zahlen aus verschiedenen Systemen zu einem Bericht zusammenführt, ein Auftragsagent, der Anfragen vorbereitet, oder ein Agent, der Stammdaten prüft und Korrekturen vorschlägt.

Ihr ERP müssen Sie dafür nicht austauschen. In vielen Fällen lässt sich ein Agent an die Systeme anbinden, die Sie schon haben.

Vier Fragen, bevor Sie Ihren ersten KI-Agenten starten

1. Welche Aufgabe genau? „Wir wollen was mit KI-Agenten machen“ ist ein guter Anfang für ein Gespräch. Ein Projektziel ist es allerdings nicht. Beschreiben Sie eine konkrete Aufgabe, etwa: Lieferantenangebote auswerten. Je genauer, desto besser lässt sich der Agent bauen und später messen. Mit einem überschaubaren ersten Anwendungsfall sammeln Sie Erfahrungen, auf denen sich aufbauen lässt.

2. Was soll es bringen? Wie viel Arbeitszeit fällt weg? Welche Fehler passieren dadurch seltener? Wie viel schneller liegen Informationen vor? Und was kosten Entwicklung, Anbindung und Betrieb? Nicht alles lässt sich in Euro ausdrücken. Aber Sie sollten vorher wissen, woran Sie Erfolg messen. Das ist kein Randthema: Laut Bitkom nennt mehr als jedes zweite Unternehmen, das KI nutzt, schwer kalkulierbare Kosten als Hürde.

3. Woher kommen die Daten? Die Informationen sind meist längst da, aber eben verteilt: im ERP, in Excel-Listen, im Postfach. Klären Sie, worauf der Agent zugreifen darf, welche Schnittstellen es gibt und wie verlässlich die Daten sind. Ein Agent mit schlechten Daten ist vor allem eins: schnell falsch.

4. Was entscheidet weiterhin ein Mensch? Der Agent erstellt den Bestellvorschlag, die Bestellung löst ein Mensch aus. Wo genau diese Grenze liegt, legen Sie je nach Aufgabe fest. Das bremst die Technik nicht aus. Es ist die Voraussetzung dafür, dass Sie ihr im Tagesgeschäft vertrauen können.

Was nicht funktioniert: Woran Agentic-AI-Projekte scheitern

Gartner hat im Juni 2025 prognostiziert, dass mehr als 40 % der Agentic-AI-Projekte bis Ende 2027 eingestellt werden könnten. Die genannten Gründe: steigende Kosten, unklarer Nutzen und unzureichende Risikokontrollen.

Das überrascht uns nicht wirklich, denn aus unserer Sicht scheitern Projekte selten an der KI selbst, sondern an drei Dingen:

• Ein schlechter Prozess wird automatisiert. Dann haben Sie am Ende einen schlechten Prozess, der schneller läuft.
• Die Demo funktioniert, der Alltag nicht. Echte Daten sind unordentlicher als Testdaten, Systeme ändern sich und Ausnahmen gehören zum Geschäft.
• Gekauft wurde das Etikett, nicht die Fähigkeit. Fragen Sie deshalb jeden Anbieter, uns eingeschlossen: Welche Schritte erledigt die Anwendung wirklich selbst? Welche Systeme nutzt sie? Was passiert bei Ausnahmen? Und was bleibt bei Ihren Mitarbeitenden?

Übrigens: Manchmal ist ein KI-Chat oder eine klassische Automatisierung die bessere Lösung. Ein Agent spielt seine Stärke dort aus, wo mehrere Arbeitsschritte flexibel zusammenkommen.

EU AI Act: Was Sie beachten sollten

Welche Pflichten gelten, hängt vom Einsatzbereich, vom KI-System und von Ihrer Rolle ab. Nicht jeder KI-Agent ist ein Hochrisiko-System. Unabhängig davon sollten Sie allerdings jederzeit sagen können: Welche Daten verarbeitet der Agent? Was darf er tun? Wo greift ein Mensch ein?

Außerdem verlangt der EU AI Act Maßnahmen, damit die Menschen, die mit KI arbeiten, über ausreichende KI-Kompetenz verfügen. Das ist mehr als eine Pflicht. Einem Agenten, dessen Arbeitsweise niemand nachvollziehen kann, wird auf Dauer kaum jemand vertrauen.

Gute KI-Anbieter liefern die Dokumentation nach EU AI Act gleich mit.

Fazit: Der erste Schritt ist nicht die KI

KI-Agenten können mehr als Fragen beantworten. Sie verbinden Systeme, übernehmen wiederkehrende Aufgaben und bereiten Entscheidungen vor. Ob sich das für Sie lohnt, entscheidet sich aber nicht bei der Technik, sondern bei der Frage, wo Ihr Team heute Zeit verliert.

Genau dort setzen wir an: Wir analysieren Ihre Abläufe, prüfen, was sich rechnet, entwickeln den Agenten gemeinsam mit Ihrem Team und binden ihn an Ihre bestehenden Systeme an.

Welche Aufgabe kostet Ihr Team heute am meisten Zeit? Erzählen Sie es uns.