Agentic AI im Unternehmen: was ein KI-Agent übernimmt und wo er passt

Agentic AI im Unternehmen bedeutet konkret: Ein KI-Agent übernimmt einen klar abgegrenzten Prozess, etwa Tickets einordnen, CRM-Daten pflegen oder Anfragen vorqualifizieren. An festgelegten Stellen gibt eine Person frei. Wo die Regeln feststehen, bleibt ein klassischer Workflow die bessere Wahl. Wo Haftung oder Verhandlung im Spiel ist, entscheidet ein Mensch.

Dieser Beitrag ist Teil 1 einer Reihe in drei Teilen. Er klärt, was ein KI-Agent ist und für wen er passt. Teil 2 heißt „KI-Automatisierung in 30 Tagen: so läuft ein Pilot mit einem KI-Agenten“. Teil 3 heißt „Warum ein Pilot mit einem KI-Agenten der bessere Start ist“.

Viele Unternehmen stehen bei Agentic AI noch am Anfang. Laut einer Studie, über die das Fachmagazin Computer&Automation berichtet, haben erst 2 % der befragten Unternehmen eine vollständig skalierte Einführung umgesetzt. Rund ein Viertel arbeitet an Pilotprojekten, die Mehrheit plant noch. Eingesetzt werden agentenbasierte Systeme derzeit vor allem im Kundenservice, in der IT und im Vertrieb. Genau dort liegen auch die drei Aufgaben, die dieser Leitfaden genauer betrachtet.

Agentic AI ist KI, die Aufgaben selbstständig ausführt und, eingebunden in interne Systeme, Prozesse von Anfang bis Ende abwickelt. So beschreibt es der Softwareanbieter CM.com in seinem Vergleich von generativer, agentischer und prädiktiver KI. Den wesentlichen Unterschied zur generativen KI sieht CM.com im Grad der Integration. Generative KI ohne Zugriff auf Ihre Systeme liefert oft allgemeine, wenig kontextbezogene Ergebnisse.

Ein KI-Agent ist das konkrete System, das diese Arbeit leistet. Er zerlegt ein Ziel in Teilschritte, nutzt Werkzeuge und führt Aktionen selbstständig aus. Dabei durchläuft er einen Zyklus, den INREMA als Agentic Loop bezeichnet: beobachten, planen, handeln, Ergebnis bewerten, neu planen. Dieser Zyklus läuft, bis das Ziel erreicht ist oder der Agent menschliche Hilfe anfordert.

Ein klassischer Chatbot arbeitet dagegen reaktiv. Er beantwortet eine Frage und wartet auf die nächste. Ein klassischer Workflow ist eine fest programmierte Regelkette: Tritt Ereignis A ein, folgt Aktion B. Ein Workflow denkt nicht nach, er führt aus.

Für die Praxis heißt das: Ein Agent lohnt sich dort, wo Eingaben unterschiedlich aussehen und trotzdem ein klares Ziel haben. Wie ein Agent intern aufgebaut ist und wie Sie ihn kontrollieren, erklärt unser Beitrag zu Aufbau, Grenzen und Kontrolle von KI-Agenten.

Drei Aufgaben eignen sich besonders für einen KI-Agenten, weil sie dasselbe Muster haben: hohes Volumen, unterschiedlich formulierte Eingaben und ein Ergebnis, das sich prüfen lässt.

Tickets einordnen und weiterleiten

Ein Agent liest eingehende Tickets, erkennt Thema und Dringlichkeit und weist sie dem richtigen Team zu. Anthropic hat dafür einen eigenen Produktionsleitfaden veröffentlicht, der das Klassifizieren und Weiterleiten von Support-Tickets im großen Umfang behandelt. Für genau solche Aufgaben empfiehlt Anthropic Claude Haiku 5.5: für hohes Volumen und kurze Antwortzeiten, etwa bei Klassifizierung, Extraktion und Weiterleitung. Das Ziel ist meist ein Ticketsystem wie Zoho Desk.

CRM-Daten pflegen

Agentische KI kann mit Daten arbeiten, die nicht öffentlich sind, etwa Bestellhistorien, CRM-Daten oder Lagerbestände. Ein Agent ergänzt fehlende Felder aus einer E-Mail, legt Notizen an oder markiert doppelte Kontakte in Zoho CRM. Das CRM dient dabei zugleich als Gedächtnis. Laut Zoom ist die Speicherkomponente eines Agenten standardmäßig nicht aktiviert und muss über Vektorspeicher oder Datenbanken ergänzt werden.

Anfragen vorqualifizieren

Kundenkommunikation besteht laut Anthropic aus mehreren Aufgaben: Fragen beantworten, Informationen abrufen und auf Anfragen hin handeln. Ein Agent kann also fragen, was fehlt, und den Fall vollständig übergeben. Für Echtzeitdaten wie einen Kontostand reicht ein Abruf aus Dokumenten nicht. Anthropic empfiehlt dafür den direkten Werkzeugzugriff auf das System.

Ein Mensch behält die Entscheidung überall dort, wo eine Aktion bindet, Geld bewegt oder schwer rückgängig zu machen ist. Anthropic nennt in seinem Leitfaden für Support-Agenten ausdrücklich eine Schutzregel: Der Agent darf keine Zusagen machen und keine Vereinbarungen eingehen, zu denen er nicht befugt ist. Rabatte, Vertragsänderungen und Kulanzentscheidungen gehören deshalb zu einer Person.

Das größte Risiko sind laut INREMA unkontrollierte Aktionen. Ein Agent mit Schreibzugriff auf Produktivsysteme kann bei Fehlern echten Schaden anrichten. Je mehr Werkzeuge er hat, desto größer wird die Kontrollaufgabe. Auch das Vertrauen der Unternehmen ist gesunken: Laut einer von Computer&Automation zitierten Studie vertrauen nur noch 27 % vollständig autonomen Agenten, im Vorjahr waren es 43 %.

Die Antwort darauf ist die Freigabe. Eine Freigabe ist eine festgelegte Stelle im Prozess, an der eine Person bestätigt, bevor die Aktion läuft. Typische Beispiele sind das Angebot vor dem Versand oder die Rechnung vor der Buchung. INREMA empfiehlt zusätzlich eine Agent Policy, also eine schriftliche Festlegung, welche Systeme der Agent lesen und welche er beschreiben darf, samt Eskalationskriterien.

Bei Svennis halten wir diese Festlegung vor dem ersten Bautag schriftlich fest: welche Aktion der Agent allein ausführt, wo eine Person freigibt und wann er an einen Menschen übergibt. Wo diese Liste fehlt, sehen wir nach dem Start die meisten Nachbesserungen.

Ein klassischer Workflow ist die bessere Wahl, wenn jede Eingabe eindeutig ist und die Regel feststeht. Ändert sich ein Status, geht eine Benachrichtigung hinaus. Wird ein Auftrag gewonnen, entsteht ein Projekt. Für solche Ketten braucht niemand ein Sprachmodell. Werkzeuge wie Zoho Flow erledigen das zuverlässig und ohne Verbrauchskosten pro Aufruf.

Ein KI-Agent kostet bei jedem Schritt Zeit und Modellverbrauch. Anthropic beschreibt die Modellwahl als Abwägung zwischen Kosten, Genauigkeit und Antwortzeit. Selbst ein zusätzlicher Klassifizierungsschritt erfordert laut Anthropic einen weiteren Aufruf von Claude, der die Antwortzeit erhöhen kann. Wo eine feste Regel genügt, ist dieser Aufwand nicht gerechtfertigt.

In der Praxis ergänzen sich beide Ansätze. CM.com hält fest, dass sich die Arten der KI deutlich unterscheiden, aber oft zusammenarbeiten. Ein bewährtes Muster:

• Der Workflow erkennt das Ereignis und startet den Vorgang.
• Der Agent bearbeitet den unklaren Teil, etwa einen frei formulierten Text.
• Der Workflow übernimmt wieder, sobald das Ergebnis strukturiert vorliegt.

Laut einer von Computer&Automation zitierten Studie versteht nur etwa die Hälfte der Führungskräfte umfassend, wie KI-Agenten über klassische Automatisierung hinausgehen. Einen Überblick über beide Wege gibt unsere Seite zur KI-Automatisierung für den Mittelstand.

Die folgende Tabelle ordnet typische Aufgaben aus Service, Vertrieb und Verwaltung der passenden Lösung zu. Die Begründung nennt jeweils das ausschlaggebende Merkmal.

Aufgabe	Beste Wahl	Ausschlaggebend
Ticket nach Thema und Dringlichkeit einordnen	KI-Agent	Freitext, hohes Volumen, Ergebnis prüfbar
Fehlende Kontaktdaten aus einer E-Mail ins CRM übernehmen	KI-Agent	Unstrukturierte Eingabe, klares Zielfeld
Anfrage vorqualifizieren und fehlende Angaben erfragen	KI-Agent	Mehrere Schritte, Gespräch nötig
Angebot erstellen und versenden	KI-Agent mit Freigabe	Entwurf durch den Agenten, Versand bindet das Unternehmen
Benachrichtigung bei Statuswechsel	Workflow	Feste Regel, keine Interpretation
Gleiche Felder zwischen zwei Systemen abgleichen	Workflow	Eindeutige Zuordnung
Rabatt, Kulanz oder Vertragsänderung zusagen	Mensch	Verbindliche Zusage, Haftung
Beschwerde mit rechtlicher Tragweite beantworten	Mensch	Abwägung im Einzelfall

Lesen Sie die Tabelle als Ausgangspunkt, nicht als Regelwerk. Entscheidend ist in jedem Unternehmen, wie viele Fälle anfallen und wie teuer ein Fehler wäre. Ein Agent für zehn Fälle im Monat rechnet sich selten. Bei einer Aufgabe mit hohem Fehlerrisiko gehört eine Freigabe immer dazu.

Ein konkretes Beispiel zeigt, wie ein KI-Agent für Serviceanfragen vor Zoho Desk entsteht. Die Eckdaten stammen aus dem Ablauf, den Svennis für einen Pilot mit einem KI-Agenten veröffentlicht. Der Pilot dauert vier Wochen:

1. Woche 1: Ziele, Konto und Testfälle. Das Team legt fest, was der Agent erreichen soll. Das Unternehmen eröffnet das Konto auf den eigenen Namen, bei Anthropic, AWS, Google Cloud oder Microsoft. Dazu kommen 100 echte Fälle aus der täglichen Arbeit, an denen der Agent vor dem Start geprüft wird.
2. Woche 2 und 3: Bau und Tests. Ein neuer MCP Server erhält bis zu 8 Funktionen zum Lesen und Schreiben, etwa „Ticket anlegen“ oder „Kunden suchen“. Der Prozess bekommt meist 3 bis 5 Skills, jeder mit eigenen Testfällen. Für die Einordnung eignet sich Claude Haiku 5.5.
3. Woche 4: Produktivstart. Der Agent ordnet echte Anfragen ein, ergänzt fehlende Angaben und legt das Ticket an. Eine Person aus dem Team gibt an der vereinbarten Stelle frei.

Nach 30 Tagen vergleichen beide Seiten das Ergebnis mit den vereinbarten Zielen. Als Maßstab dienen Kennzahlen, die Anthropic für Support-Agenten nennt. Dazu gehören ein Sprachverständnis von 95 % oder mehr und eine Eskalationsgenauigkeit von 95 % oder mehr. Eskalationsgenauigkeit heißt: Der Agent erkennt, wann ein Mensch übernehmen muss, und übergibt richtig.

Ein solcher Pilot zeigt nach vier Wochen, ob der Agent an Ihren eigenen Fällen trägt. Er ersetzt keine Grundsatzentscheidung, liefert aber Zahlen für sie.

Ein KI-Agent passt zu Unternehmen mit vielen gleichartigen Vorgängen, deren Daten bereits in Systemen liegen. Anthropic nennt im Leitfaden für Support-Agenten mehrere Anzeichen, dass sich ein Sprachmodell lohnt:

• viele wiederkehrende Anfragen
• Bedarf, Informationen schnell zusammenzufassen
• Erreichbarkeit rund um die Uhr
• schnelles Hochskalieren in Spitzenzeiten
• einheitlicher Ton gegenüber Kunden

Hinzu kommt die Sprache. Claude führt laut Anthropic Gespräche in über 200 Sprachen, ohne getrennte Chatbots je Sprache. Für Unternehmen mit Kunden in mehreren Ländern ist das ein handfester Vorteil.

Profitieren können vor allem Serviceleitungen, der Vertriebsinnendienst und der interne IT-Service. Beispiele nach Branche finden Sie etwa für KI in der Produktion.

Weniger gut passt ein Agent in drei Fällen. Erstens bei wenigen Vorgängen pro Woche, weil der Aufbau sich dann kaum rechnet. Zweitens, wenn die Daten verstreut in Tabellen und Postfächern liegen. Laut einer von Computer&Automation zitierten Studie weisen weniger als 20 % der Unternehmen eine hohe Datenreife auf.

Drittens passt ein Agent nicht, wenn niemand den Prozess verantwortet und Freigaben übernimmt. Ohne diese Person fehlt dem Agenten die Kontrolle, die er braucht.

Ein KI-Agent arbeitet nur so gut, wie er an Ihre Programme angebunden ist. Svennis baut für jede Verbindung einen connector, einen MCP server, ein plugin oder einen skill. Wir zeigen die Möglichkeiten mit ihren Kosten, und Sie wählen. Ein MCP Server ist eine Schnittstelle, über die Claude in einem noch nicht angebundenen System liest und schreibt, zum Beispiel in Lexware Office oder sevdesk.

Technisch gibt es laut Anthropic drei Wege, mit Claude zu bauen. Sie unterscheiden sich darin, wie viel Kontrolle Sie behalten:

• Bei der Messages API schreiben Sie die Agentenschleife selbst und betreiben eigene Werkzeuge.
• Das Claude Agent SDK liefert Schleife und Werkzeugausführung in einem Prozess, den Sie betreiben.
• Bei Claude Managed Agents hostet Anthropic Schleife, Werkzeuge und Laufzeitumgebung.

Ein Agent über die API benötigt keine Lizenzen pro Person. Ein Programm ruft Claude direkt auf, ohne dass jemand an der Tastatur sitzt. Seats brauchen Sie erst für Claude Team oder Enterprise. Den Modellverbrauch rechnet der gewählte Anbieter in Ihrem Konto ab, mit einem Budget, das von Anfang an feststeht.

Abgerechnet wird pro Million Token, also pro Million Textbausteine. Anthropic nennt für Claude Haiku 5.5 ab 0,10 US-Dollar für die Eingabe und ab 0,50 US-Dollar für die Ausgabe. Claude Opus 5.5 kostet 4 US-Dollar für die Eingabe und 20 US-Dollar für die Ausgabe. Für das massenhafte Einordnen von Tickets reicht oft das kleinere Modell.

Für Unternehmen in Deutschland entscheidet vor allem die Frage, wo die Daten verarbeitet werden. Für Daten, die die EU nicht verlassen sollen, nutzt Svennis Amazon Bedrock im eigenen AWS-Konto des Kunden, Region Frankfurt (eu-central-1). Bei Bedarf kommt das EU-Inferenzprofil hinzu. Das Konto läuft auf den Namen Ihres Unternehmens, nicht auf den eines Dienstleisters.

Das hat zwei praktische Folgen. Sie behalten die Hoheit über Daten und Zugänge, auch wenn die Zusammenarbeit endet. Und Sie sehen den Verbrauch direkt in Ihrer eigenen Abrechnung.

Der Bedarf an solchen Regelungen ist groß. Laut einer Studie, über die Computer&Automation berichtet, ist Datenschutz für 51 % der befragten Unternehmen das größte Risiko. Nur 34 % setzen aber gezielt Maßnahmen zur Minderung um. Zudem verfügen 80 % der Unternehmen nicht über eine ausgereifte KI-Infrastruktur.

Für den Mittelstand folgt daraus ein nüchterner Weg. Statt einer großen Plattform beginnen Sie mit einem Prozess, einer Datenregion und klaren Freigaben. Rund 40 % der Führungskräfte befürchten laut derselben Studie, dass die Risiken von KI-Agenten die Vorteile übersteigen. Ein eng gefasster erster Prozess macht diese Risiken sichtbar und begrenzt sie, bevor Sie weitere Abteilungen anbinden.

Der erste Schritt ist die Auswahl eines einzigen Prozesses. Diese Reihenfolge hat sich bewährt:

1. Wählen Sie einen Vorgang mit vielen gleichartigen Fällen und einem prüfbaren Ergebnis, etwa die Einordnung von Serviceanfragen.
2. Sammeln Sie echte Beispiele aus diesem Vorgang, auch schwierige und fehlerhafte.
3. Legen Sie fest, wo eine Person freigibt und wann der Agent an einen Menschen übergibt.
4. Klären Sie, in welchen Programmen der Agent lesen und schreiben soll.

Ob Ihre Systeme und Daten für einen Agenten bereit sind, zeigt der KI-Readiness-Check für Ihr Unternehmen. Er dauert nicht lange und benennt die Lücken, bevor Geld in den Bau fließt.

Svennis begleitet diesen Weg in vier einzeln kaufbaren Schritten: den Workshop, dann Pilot Claude A (ein KI-Agent auf Claude für einen Prozess) oder Pilot Claude B (Claude Team für das ganze Team), danach die Aktivierung pro Abteilung und schließlich den monatlichen Betrieb. Nach jedem Schritt entscheiden Sie selbst, ob es weitergeht. Ablauf, Umfang und die veröffentlichten Preise finden Sie auf der Seite zum Pilot mit einem KI-Agenten in 30 Tagen.

Wie die vier Wochen eines solchen Pilots im Einzelnen ablaufen, beschreibt Teil 2 dieser Reihe: „KI-Automatisierung in 30 Tagen: so läuft ein Pilot mit einem KI-Agenten“.