KI-Agenten für Unternehmen
KI-Agenten für Unternehmen sind Softwaresysteme, die einen wiederkehrenden Vorgang eigenständig bearbeiten, etwa das Prüfen eingehender Bestellungen oder das Zusammenstellen einer Auftragsbestätigung, und dabei auf Ihre eigenen Daten zugreifen. Sie laufen in Ihrer privaten KI-Infrastruktur, betreut mit Freigabeschritt oder autonom, je nachdem, wie viel Vertrauen der Vorgang bereits verdient hat.
Das Problem, das KI-Agenten lösen sollen
In vielen Unternehmen bindet ein wiederkehrender, aber nicht komplizierter Vorgang unverhältnismäßig viel Zeit qualifizierter Mitarbeiter. Rechnungen prüfen, E-Mails vorsortieren, Bestellungen abgleichen, Berichte zusammenstellen, all das folgt meist klaren Regeln, verlangt aber ständige menschliche Aufmerksamkeit, weil die Regeln viele Ausnahmen kennen. Klassische Automatisierung scheitert an diesen Ausnahmen, weil sie starre Regeln braucht und bei jeder neuen Ausnahme manuell nachgepflegt werden muss. Ein KI-Agent kann mit unklaren, unvollständigen oder widersprüchlichen Eingaben umgehen, ähnlich wie ein Mensch es tun würde, und dabei trotzdem nachvollziehbar bleiben, wenn er richtig eingerichtet ist.
Der Unterschied zu einem einfachen Sprachmodell in einem Chatfenster ist dabei entscheidend. Ein Chatbot beantwortet eine Frage und die Konversation endet dort. Ein KI-Agent verfolgt ein Ziel über mehrere Schritte hinweg, ruft dafür bei Bedarf mehrere Datenquellen ab, wägt Zwischenergebnisse ab und löst am Ende eine konkrete Aktion in einem angebundenen System aus, etwa das Anlegen eines Datensatzes oder das Weiterleiten eines Vorgangs an die richtige Abteilung.
Wie unsere KI-Agenten aufgebaut sind
Ein KI-Agent bei uns besteht aus mehreren zusammenwirkenden Teilen. Die Grundlage ist ein Sprachmodell, das in Ihrer privaten KI-Infrastruktur läuft, wie unter Private KI-Infrastruktur beschrieben. Darauf folgt die Anbindung an Ihre Datenquellen über Retrieval Augmented Generation, ein Verfahren, bei dem das Modell vor jeder Antwort gezielt in Ihren eigenen Dokumenten, Datenbanken oder Systemen nachschlägt, statt sich auf allgemeines Wissen zu verlassen. Das reduziert falsche oder erfundene Antworten deutlich, weil das Modell an nachprüfbare Quellen aus Ihrem eigenen Bestand gebunden ist, statt frei zu formulieren.
Danach folgt die Werkzeuganbindung, also der Zugriff auf konkrete Aktionen wie das Anlegen eines Datensatzes, das Versenden einer Nachricht oder das Auslösen eines Workflows in einem angebundenen Fachsystem. Jede dieser Aktionen ist einzeln definiert und einzeln absicherbar, ein Agent bekommt also nie einen unbegrenzten Zugriff, sondern genau die Werkzeuge, die sein konkreter Vorgang benötigt.
Zuletzt folgt die Freigabelogik, die festlegt, wann der Agent selbständig handelt und wann ein Mensch zustimmen muss. Diese Logik ist keine feste Voreinstellung, sondern wird für jeden Vorgang einzeln festgelegt und lässt sich im laufenden Betrieb anpassen, wenn sich zeigt, dass mehr oder weniger menschliche Prüfung sinnvoll ist.
Betreut oder autonom, eine einstellbare Entscheidung
Nicht jeder Vorgang verdient von Anfang an vollständiges Vertrauen, deshalb ist der Freigabeschritt bei uns einstellbar und keine feste Voreinstellung.
Im betreuten Modus bereitet der Agent eine Entscheidung vor, etwa den Entwurf einer Antwort oder eine vorgeschlagene Buchung, ein Mensch prüft und bestätigt sie. Das eignet sich für neue Anwendungsfälle, für besonders folgenreiche Entscheidungen und für alle Fälle, in denen eine Revision eine dokumentierte menschliche Freigabe verlangt.
Im autonomen Modus handelt der Agent innerhalb festgelegter Grenzen selbständig und meldet nur Ausnahmefälle zurück. Das eignet sich für Vorgänge mit klarem Muster, hohem Volumen und geringem Risiko im Einzelfall, nachdem der betreute Modus über einen ausreichenden Zeitraum gezeigt hat, dass der Agent zuverlässig arbeitet.
Der Übergang vom betreuten in den autonomen Modus erfolgt schrittweise, meist zuerst für einzelne Teilschritte, dann für den gesamten Vorgang, und bleibt jederzeit umkehrbar. Zeigt sich im laufenden Betrieb, dass eine Fehlerquote steigt oder sich die zugrunde liegenden Daten verändert haben, schalten wir den betroffenen Teilschritt zurück in den betreuten Modus, bis die Ursache geklärt ist, statt das Risiko unbeobachtet weiterlaufen zu lassen.
Typische Anwendungsfälle
KI-Agenten eignen sich besonders für Vorgänge, die regelbasiert sind, aber viele Ausnahmen kennen, häufig wiederkehren und auf strukturierten oder halbstrukturierten Daten beruhen.
In der Logistik ist ein typisches Beispiel der Abgleich von Lieferscheinen mit Bestellungen. Ein Agent liest eingehende Lieferscheine, gleicht Mengen und Artikelnummern mit der ursprünglichen Bestellung ab und markiert nur die Fälle für einen Menschen, in denen eine Abweichung auftritt, statt jeden einzelnen Vorgang manuell zu prüfen. In der Finanzdienstleistung übernimmt ein Agent häufig die Vorprüfung eingehender Anträge, sammelt die notwendigen Unterlagen zusammen und bereitet eine Entscheidungsvorlage vor. In der Fertigung wertet ein Agent Wartungsprotokolle aus und meldet Muster, die auf einen bevorstehenden Ausfall hindeuten, bevor dieser tatsächlich eintritt. In der öffentlichen Verwaltung übernimmt ein Agent häufig die Vorsortierung eingehender Anträge nach Zuständigkeit und Dringlichkeit, damit Sachbearbeiter sich auf die inhaltliche Prüfung konzentrieren können, statt Zeit mit der Zuordnung zu verlieren.
Eine ausführlichere Übersicht mit branchenspezifischen Beispielen finden Sie unter Branchen.
Was ein Agent kostet und wovon der Preis abhängt
Der Preis für einen KI-Agenten hängt von der Komplexität des Vorgangs, der Anzahl der angebundenen Systeme und dem gewählten Freigabemodell ab, nicht von einer pauschalen Lizenzgebühr pro Nutzer. Ein einfacher Agent, der eine einzelne Datenquelle abfragt und Vorschläge im betreuten Modus vorbereitet, kostet deutlich weniger als ein Agent, der mehrere Systeme verknüpft und autonom handelt. Der genaue Betrag steht wie bei privater KI-Infrastruktur erst nach der Bestandsaufnahme schriftlich fest, Rahmenbeträge zur Orientierung finden Sie unter Preise.
Wie wir die Qualität eines Agenten messen
Ein Agent, dessen Zuverlässigkeit niemand misst, lässt sich weder verbessern noch guten Gewissens in den autonomen Modus überführen. Deshalb legen wir für jeden Agenten vor dem Rollout fest, woran seine Qualität erkennbar ist, etwa der Anteil korrekt bearbeiteter Vorgänge, die Anzahl der Fälle, die an einen Menschen zurückgehen, und die Zeit, die ein Vorgang von Eingang bis Abschluss braucht. Diese Kennzahlen beobachten wir laufend, nicht nur einmalig beim Rollout, und legen sie Ihnen regelmäßig offen, damit Sie den Nutzen des Agenten nicht nur vermuten, sondern belegen können.
Wie beim Aufbau privater Infrastruktur folgt auch die Einführung eines KI-Agenten festen Phasen. In der Bestandsaufnahme legen wir gemeinsam fest, welcher Vorgang automatisiert werden soll und welche Daten dafür nötig sind. Im Piloten, binnen 72 Stunden, entsteht eine erste Version, die Ihr Team intern testen kann, meist im betreuten Modus. Im Rollout, 4 bis 10 Wochen, wird daraus ein produktives System mit den Freigabestufen, die zu Ihrem Vorgang passen. Im laufenden Betrieb danach überwachen wir die Qualität der Ergebnisse und passen die Freigabelogik bei Bedarf an, wie unter Betrieb als Managed Service beschrieben.
Nachvollziehbarkeit als Voraussetzung, nicht als Zusatz
Ein Agent, der Entscheidungen vorbereitet oder trifft, muss im Nachhinein erklärbar sein, sonst lässt er sich weder revidieren noch gegenüber einer Aufsicht rechtfertigen. Deshalb protokolliert jeder unserer Agenten, welche Quellen er für eine Antwort herangezogen hat, welche Aktion er ausgeführt hat und, im betreuten Modus, wer sie freigegeben hat. Diese Protokolle sind Teil der Dokumentation, die auch eine interne Revision oder ein externer Auditor einsehen kann, und sie sind zugleich die Grundlage dafür, einen Agenten vom betreuten in den autonomen Modus zu überführen, weil sich seine Zuverlässigkeit anhand echter Daten belegen lässt statt anhand einer Vermutung.