Ein KI-Agent ist ein Sprachmodell, dem drei Dinge gegeben wurden, die ein Chatbot nicht hat: Werkzeuge, die es aufrufen kann, ein Ziel, das mehrere Schritte umfasst, und die Erlaubnis, die Reihenfolge selbst zu bestimmen. Nehmen Sie eines davon weg, und Sie haben etwas anderes. Ein Chatbot hat keine Werkzeuge. Ein Skript hat keinen Ermessensspielraum. Ein Workflow hat eine feste Reihenfolge.
Diese Definition ist betriebswirtschaftlich relevant, denn die drei Zutaten sind zugleich die drei Stellen, an denen das Budget landet — und die drei Stellen, an denen es schiefgeht.
Wir bauen solche Systeme für mittelständische Unternehmen. Was folgt, ist die Fassung, die unsere Kunden bekommen, bevor sie Geld binden — inklusive der Teile, die gegen den Bau sprechen.
Die vier Stufen, die man unterscheiden sollte
Die meiste Verwirrung in Agenten-Gesprächen entsteht, weil zwei Leute dasselbe Wort für sehr Verschiedenes benutzen. Eine brauchbare Leiter:
| Stufe | Was sie tut | Wer genehmigt jede Aktion | Typischer Einsatz | |---|---|---|---| | 1. Assistent | Antwortet, entwirft, fasst zusammen. Keine Werkzeuge. | Entfällt — es entsteht nur Text | Entwürfe, Recherche, Übersetzung | | 2. Rechercheur | Liest vor der Antwort aus Ihren Systemen | Entfällt — nur lesend | "Was haben wir diesem Kunden letztes Jahr angeboten?" | | 3. Operator | Führt Aktionen aus, einzeln, mit menschlicher Bestätigung | Mensch, pro Aktion | Rechnungsentwurf anlegen, Ticket eröffnen | | 4. Autonomer Agent | Plant und erledigt mehrstufige Arbeit unbeaufsichtigt | Niemand, bis zur Prüfung | Abstimmung, Monitoring, Triage |
Nahezu jede erfolgreiche Umsetzung, die wir gesehen haben, liegt auf Stufe 2 oder 3. Nahezu jedes gescheiterte Pilotprojekt war im ersten Anlauf auf Stufe 4 angesetzt. Das ist kein Zufall — und es ist die nützlichste einzelne Aussage in diesem Text.
Warum scheitern die meisten Agenten-Pilotprojekte?
Gartner nennt für 2026 die Zahl, dass 89 % der KI-Agenten-Pilotprojekte nie in Produktion gehen, während die überlebende Minderheit berichteten Angaben zufolge einen starken ROI liefert. MITs Project NANDA fand, dass rund 95 % der GenAI-Pilotprojekte keinen messbaren Effekt auf die Gewinn- und Verlustrechnung hatten. Gartner prognostiziert separat, dass über 40 % der agentischen KI-Projekte bis Ende 2027 abgebrochen werden.
Diese Zahlen werden als Beleg zitiert, dass die Technologie nicht funktioniert. Das ist die falsche Lesart. Eine Auswertung von 140 Unternehmensumsetzungen fand, dass nur 23 % der Fehlschläge auf Modellleistung, Datenqualität oder Integrationskomplexität zurückgingen — der Rest auf Strategie, Governance und Change Management.
In unserer eigenen Arbeit sind die wiederkehrenden Ursachen langweiliger, als die Schlagzeilen vermuten lassen:
Das Pilotprojekt hatte keinen Eigentümer, der den Schmerz spürt. Innovationsteams beauftragen Agenten für Prozesse, die sie nicht selbst betreiben. Niemand in der betroffenen Abteilung hat danach gefragt — also verteidigt sie auch niemand, wenn es ans Bewerten geht.
Erfolg wurde nie als Zahl definiert. "Kundenservice verbessern" lässt sich nicht auswerten. Im Review wird daraus eine Bauchgefühlsdebatte, und Bauchgefühl verliert gegen Budgetdruck. "Erstreaktionszeit bei Tier-1-Tickets von 4 Stunden auf 30 Minuten senken" übersteht dieses Meeting.
Der Agent kam nicht an die Daten. Die häufigste technische Ursache — und die am leichtesten behebbare. Ein Agent, der Ihre Auftragshistorie nicht sieht, ist ein sehr teurer Schreibassistent. Genau hier setzt die Frage an, was ein MCP-Server ist: Berichten zufolge betreiben rund 80 % der großen Unternehmen irgendwo Agenten, aber nur etwa 28 % haben die Integrationsschicht gebaut, die diese Agenten brauchen.
Stufe 4 wurde als Erstes versucht. Unbeaufsichtigte, mehrstufige Autonomie ist die schwierigste Variante des Problems — und die, in der sich ein einzelner Fehler über die Schritte fortpflanzt. Teams, die auf Stufe 2 begonnen, Wert nachgewiesen und sich dann hochgearbeitet haben, treffen deutlich öfter.
Die Prüfung wurde nicht eingepreist. Wenn ein Mensch jede Ausgabe kontrolliert, hat der Agent die Arbeit nicht beseitigt, sondern verschoben. Das kann sich trotzdem lohnen — aber nur, wenn Prüfen wirklich schneller ist als Selbermachen. Und das gehört gemessen, nicht angenommen.
Was ist ein guter erster Agent?
Vier Eigenschaften; je mehr davon zutreffen, desto sicherer die Wette:
- Hohe Frequenz, wenig Urteilsvermögen. Kopieren, abgleichen, weiterleiten, nachfassen. Wo fachliches Urteil nötig ist, zielen Sie auf Unterstützung statt Automatisierung.
- Fehler sind billig und sichtbar. Ein falsch geroutetes Ticket fällt auf und wird umgeleitet. Eine falsch verbuchte Zahlung nicht — und sie kostet echtes Geld. Fangen Sie dort an, wo Fehler schnell sichtbar werden.
- Die Eingaben sind bereits digital. Wenn Schritt eins lautet "jemand liest ein PDF, das per Post kam", ist das ein Dokumentenerfassungsprojekt im Agentenkostüm.
- Sie können die Erfolgskennzahl vorher benennen. Zeit pro Vorgang, Vorgänge ohne Eskalation, Fehlerquote gegen eine menschliche Basislinie. Wählen Sie eine. Und messen Sie sie zwei Wochen bevor Sie bauen — sonst haben Sie keinen Vergleich. Dieser Schritt wird am häufigsten übersprungen und am bittersten bereut.
Was kostet der Betrieb wirklich?
Drei Kostenpositionen — und die erste ist die meistzitierte und unwichtigste:
- Inferenz. Real, aber bei betrieblichen Volumina meist moderat und fallend. Bauen Sie Ihre Architektur nicht darum herum.
- Integration und Berechtigungen. Hier landet die eigentliche Entwicklungsarbeit. Jedes System, das der Agent berührt, braucht einen authentifizierten, prüfbaren Zugang — mit Identität pro Nutzer statt einem gemeinsamen Servicekonto.
- Aufsicht und Drift. Jemand muss Stichproben prüfen, nachlassende Qualität bemerken und nachsteuern. Kalkulieren Sie das als laufende Kosten, nicht als Projektkosten. Ein Agent, den niemand kontrolliert, ist ein Vorfall, der nur noch auf sein Datum wartet.
Eine Faustregel aus unseren Projekten: Wenn der Prozess heute nicht mindestens fünf Stunden pro Woche frisst, zahlt die Automatisierung den Aufsichtsaufwand nicht zurück. Darunter reparieren Sie lieber den Prozess — der schnellste Prozess bleibt der, den Sie streichen.
Wo sich Agenten wirklich rechnen
Konkret sein ist wichtiger als begeistert sein, also: zwei Systeme abgleichen, die sich widersprechen; eingehende Anfragen in die richtige Warteschlange mit dem richtigen Kontext einsortieren; auf eine Bedingung überwachen und die Antwort für einen Menschen vorbereiten; strukturierte Daten aus unstrukturierten Dokumenten ziehen und unsichere Fälle zur Prüfung markieren; die erste Fassung von etwas schreiben, das ein Mensch ohnehin überarbeiten wird.
Gemeinsam ist diesen Fällen: Am Punkt der Konsequenz bleibt ein Mensch im Spiel, und der Agent nimmt das Abtippen, das Suchen und das leere Blatt weg.
Häufige Fragen
Was ist der Unterschied zwischen einem KI-Agenten und Automatisierung? Klassische Automatisierung folgt einem festen Pfad, den Sie vorher definiert haben. Ein Agent entscheidet den Pfad zur Laufzeit. Diese Flexibilität ist der Nutzen und das Risiko — wenn Ihr Prozess wirklich nie variiert, ist konventionelle Automatisierung günstiger, berechenbarer und die richtige Antwort.
Brauchen wir ein eigenes Modell? So gut wie sicher nicht. Bei fast allen betrieblichen Anwendungsfällen liegt der Unterschied in Ihren Daten und Ihrem Prozess, nicht im Modell. Die Modellwahl sollte austauschbar bleiben, keine Architekturentscheidung sein.
Ist ein KI-Agent dasselbe wie ein Chatbot? Nein. Ein Chatbot unterhält sich. Ein Agent handelt. In dem Moment, in dem er etwas in einem System verändern kann, ändern sich die Governance-Anforderungen vollständig.
Wie lange bis zu Ergebnissen? Für einen Agenten der Stufe 2 oder 3 auf einem sauber abgegrenzten Prozess: wenige Wochen bis zum funktionierenden Piloten, ein Quartal bis zu einer belastbaren Zahl. Wer Transformation in vierzehn Tagen verspricht, hat vermutlich eine der drei Kostenpositionen oben weggelassen.
Was sollten wir zuerst tun? Einen Prozess messen, bevor Sie ihn automatisieren. Unspektakulär, kostenlos — und der Unterschied zwischen einem Piloten, der das Review überlebt, und einem, der zur Statistik wird.
Quellen: Gartner-Daten zu KI-Agenten-Pilotprojekten, 2026 · MIT Project NANDA zu GenAI-Renditen · Analyse der Fehlerursachen bei Unternehmens-KI. Zahlen Dritter; als Richtwerte zu lesen.