KI Agenten im Unternehmen: sinnvoll starten statt wild automatisieren
KI Agenten wirken verlockend, scheitern aber oft an zu viel Autonomie und zu wenig Prozessdesign. Erfolgreiche Unternehmen starten mit klaren Aufgaben, engen Rechten und messbaren Ergebnissen.
Was ein KI Agent wirklich ist
Ein KI Agent bekommt ein Ziel, nutzt Kontext und Tools, trifft Zwischenschritte und liefert ein Ergebnis. Im Unternehmen heißt das: Er liest Daten, plant Aktionen, erstellt Entwürfe und kann bei Freigabe auch Systeme aktualisieren.
Der Unterschied zum Chatbot ist Tool-Nutzung und Ablaufsteuerung. Genau deshalb braucht ein Agent mehr Governance als ein normaler Chat.
Gute erste Use Cases
- Meeting-Protokolle mit Aufgaben, Ownern und Follow-up-Mail.
- Lead-Briefings aus CRM, Website und E-Mail-Historie.
- SEO-Checks aus Search Console, Sitemap und Seiteninhalt.
- Support-Triage mit Antwortentwurf und Ticket-Kategorie.
- Wochenreport aus CRM, Analytics, Buchhaltung und Projekttools.
Risiken kontrollieren
Agenten dürfen am Anfang nicht alles. Startregeln: read-only, begrenzte Datenquellen, keine Löschrechte, keine externen Nachrichten ohne Freigabe, Logging jeder Tool-Aktion und klare Stop-Kriterien.
Claude eignet sich besonders gut, wenn Agenten über MCP kontrolliert mit Tools verbunden werden und Skills wiederkehrende Abläufe standardisieren.
Pilotplan in 30 Tagen
- Use-Case mit hohem Volumen wählen.
- Datenquellen und erlaubte Aktionen begrenzen.
- Agent im Dry-Run testen.
- Qualität, Zeitersparnis und Fehler messen.
- Freigabeschritte definieren und danach erst skalieren.
Agenten-Grenzen: Was darf autonom laufen?
| Aktion | Autonomie |
|---|---|
| Daten lesen und zusammenfassen | oft automatisch möglich |
| Entwürfe schreiben | automatisch, aber mit Review |
| Kundennachrichten senden | Freigabe nötig |
| Daten löschen oder Verträge ändern | nicht im ersten Pilot |
| Zahlungen, Personal, Recht | nur mit sehr engen Kontrollen |
Agenten-Canvas für den Pilot
- Ziel: Welches Ergebnis soll am Ende vorliegen?
- Datenquellen: Welche Systeme darf der Agent lesen?
- Tools: Welche Aktionen sind erlaubt?
- Stop-Regeln: Wann muss der Agent abbrechen und fragen?
- Freigabe: Wer prüft Output und Aktionen?
- Metrik: Woran erkennt ihr Erfolg?
Typische Fehler bei KI-Agenten
Die häufigsten Fehler sind zu breite Ziele, zu viele Tools, keine Logs und keine harte Grenze zwischen Entwurf und Aktion. Ein Agent mit "mach Vertrieb besser" wird unbrauchbar. Ein Agent mit "erstelle ein Lead-Briefing aus CRM, Website und letzter Mail" kann nach einer Woche Wert liefern.