KI-Agenten im Unternehmen: Was sie leisten und wie du startest

KI-Agenten sind Softwaresysteme, die ein Ziel bekommen statt einer Schritt-für-Schritt-Anleitung. Sie planen den Weg selbst, greifen auf deine Werkzeuge und Daten zu und erledigen mehrstufige Aufgaben: eine Anfrage lesen, im CRM nachsehen, eine Antwort entwerfen, ein Ticket anlegen. Für Unternehmen heißt das: Arbeit, die bisher zwischen fünf Programmen hin- und herkopiert wurde, läuft als zusammenhängender Prozess. In diesem Artikel zeigen wir dir, was KI-Agenten heute im deutschen Mittelstand und in öffentlichen Einrichtungen realistisch leisten, wo sie sich lohnen, welche Regeln gelten und wie ein erstes Projekt aussieht, das nicht im Pilotstatus stecken bleibt.

Soter

KI-Agenten sinnvoll in Prozesse integrieren

SOTER entwickelt maßgeschneiderte digitale Lösungen und integriert KI in bestehende Prozesse, um Unternehmensabläufe effizienter zu gestalten.

SOTER kennenlernen

• Ein KI-Agent handelt, ein Chatbot antwortet. Agenten nutzen Werkzeuge wie E-Mail, CRM oder Datenbanken und erledigen Aufgaben über mehrere Schritte.
• Die meisten Unternehmen stehen noch am Anfang: Laut Bitkom setzen erst elf Prozent der Unternehmen, die sich mit KI beschäftigen, Agenten ein.
• Gute Startpunkte sind regelhafte, häufige Abläufe mit klaren Daten: Posteingang, Wissenssuche, Berichte, Angebotsvorbereitung.
• DSGVO und AI Act gehören von Tag eins ins Konzept, nicht in die Nacharbeit. Wer KI einsetzt, trägt als Betreiber Verantwortung.
• Rechne in Gesamtkosten, nicht im Preis des Prototyps: Wartung, Modell-Updates und Monitoring entscheiden über den Erfolg.

• 1. Was einen KI-Agenten von Chatbot und Automation unterscheidet
• 2. Wo deutsche Unternehmen gerade stehen
• 3. Einsatzfelder, die sich im Mittelstand und in der Verwaltung lohnen
• 4. Plattform von der Stange oder eigener Agent?
• 5. In fünf Schritten zum ersten produktiven Agenten
• 6. Datenschutz, AI Act und Verantwortung
• 7. Kosten realistisch planen
• Unsere Sicht: Agenten sind ein Teammitglied, kein Wundermittel
• Häufige Fragen zu KI-Agenten im Unternehmen
• Quellen

Der Begriff wird gerade für fast alles verwendet, was mit KI zu tun hat. Deshalb lohnt eine saubere Abgrenzung, bevor du Budget einplanst.

Ein Chatbot beantwortet Fragen. Er wartet auf deine Eingabe, liefert Text und hört dann auf. Eine klassische Automation (etwa ein Workflow, der jede neue Rechnung in einen Ordner verschiebt) folgt festen Wenn-dann-Regeln. Sie ist zuverlässig, aber starr: Sobald ein Fall von der Regel abweicht, bricht sie ab oder macht etwas Falsches.

Ein KI-Agent sitzt dazwischen und darüber. Er versteht unstrukturierte Eingaben wie eine formlose E-Mail, entscheidet, welcher nächste Schritt sinnvoll ist, ruft dafür Werkzeuge auf und prüft das Ergebnis. Stell dir vor, eine Kundin schreibt: „Die Lieferung von letzter Woche war unvollständig, bitte Gutschrift.“ Ein Agent kann die Bestellung im ERP suchen, den Lieferschein abgleichen, eine Gutschrift vorbereiten und sie einer Mitarbeiterin zur Freigabe vorlegen.

In der Praxis sind die besten Lösungen fast immer eine Mischung: feste Automationen für das, was immer gleich ist, und ein KI-Agent für die Stellen, an denen bisher ein Mensch lesen, verstehen und entscheiden musste. Mehrere spezialisierte Agenten können außerdem zusammenarbeiten, einer sortiert, einer recherchiert, einer schreibt. Gut aufgesetzt wirkt das wie ein eingespieltes kleines Team, das sich die Arbeit sauber aufteilt.

Die Debatte über KI-Agenten ist deutlich weiter als die betriebliche Realität. Nach der Bitkom-Befragung zur KI in der deutschen Wirtschaft nutzen erstmals 57 Prozent der Unternehmen ab 20 Beschäftigten KI. Gleichzeitig sagen 87 Prozent der Anwender, dass sie das Potenzial kaum oder gar nicht ausschöpfen, und erst elf Prozent der Unternehmen, die sich mit KI befassen, haben Agenten im Einsatz.

Deutlich weiter sind junge Tech-Unternehmen. Eine Bitkom-Umfrage unter 102 Startups ergab im Juli 2026, dass fast jedes zweite Startup (48 Prozent) bereits KI-Agenten einsetzt. Bemerkenswert ist ein zweiter Befund derselben Umfrage: 65 Prozent der Startups entwickeln eigene KI-Anwendungen auf Basis großer Sprachmodelle, die etwa auf die eigenen Unternehmensdaten zugreifen. Bitkom weist selbst darauf hin, dass die Umfrage nicht repräsentativ ist, als Stimmungsbild ist sie trotzdem aufschlussreich.

Für den Mittelstand ist das eine gute Nachricht. Die Technik ist erprobt, die typischen Fehler sind bekannt, und wer jetzt mit einem klar umrissenen Prozess startet, landet nicht beim Experiment, sondern bei einem System, das im Alltag mitarbeitet. Der Abstand zwischen „wir nutzen ChatGPT im Browser“ und „ein Agent erledigt unseren Posteingang“ ist allerdings kein Tool-Kauf, sondern ein kleines Integrationsprojekt.

Nicht jede Aufgabe braucht einen Agenten. Am meisten bringen sie dort, wo drei Dinge zusammenkommen: hohe Häufigkeit, unstrukturierte Eingaben und eine klare Definition davon, wann eine Aufgabe erledigt ist.

Posteingang und Vorgangsbearbeitung

E-Mails, Formulare und PDF-Anhänge lesen, Anliegen erkennen, die richtigen Daten aus ERP oder CRM ziehen und einen Antwortentwurf oder einen Vorgang anlegen. Der Mensch prüft und gibt frei, statt zu suchen und abzutippen.

Wissenssuche über interne Dokumente

In vielen Organisationen steckt das wichtigste Wissen in Handbüchern, Protokollen, Verträgen und den Köpfen erfahrener Kolleginnen. Mit einer Vektor-Suche und Retrieval-Augmented Generation (RAG) beantwortet ein Agent Fragen auf Basis genau dieser Dokumente und nennt die Fundstelle. Das reduziert Rückfragen und macht neue Mitarbeitende schneller arbeitsfähig.

Auswertungen und Berichte

Agenten können Rohdaten zusammenführen, Muster beschreiben und daraus verständliche Berichte erstellen. Ein Beispiel aus unserer Arbeit sind KI-Analysen für Führungskräfte bei Otto Walter, bei denen KI-gestützte Auswertungen einen HR-Prozess unterstützen.

Öffentliche Einrichtungen und Datenanalyse

Kommunen und Behörden arbeiten mit großen Datenbeständen, die selten für Bürgerinnen und Bürger aufbereitet sind. Interaktive Karten, etwa Klimakarten, machen solche Daten zugänglich. Ein Agent kann im Hintergrund Daten aktualisieren, Anfragen vorsortieren oder Berichte für Gremien vorbereiten.

Angebot, Vertrieb und Kundenkontakt

Anfragen qualifizieren, passende Referenzen heraussuchen, Angebotsentwürfe aus Vorlagen und Preislisten erstellen, Nachfassen terminieren. Hier zählt Tempo, und genau das liefert ein Agent, solange er an klare Freigaberegeln gebunden ist.

Die Frage, die uns am häufigsten gestellt wird, lautet: Kaufen wir eine fertige Agenten-Plattform oder lassen wir etwas Eigenes bauen? Ehrliche Antwort: Es hängt davon ab, wie nah der Prozess an deinem Kerngeschäft liegt.

Fertige Software ist wie ein Anzug von der Stange. Für Standardaufgaben passt er oft ordentlich, und er ist schnell verfügbar. Sobald deine Abläufe, Datenquellen oder Freigabewege von der Norm abweichen, zwickt es an den Schultern, und du passt deinen Prozess an das Tool an statt umgekehrt.

Ein maßgeschneiderter Agent ist kein Selbstzweck. Er lohnt sich dort, wo dein Wettbewerbsvorteil steckt, also in deinem Wissen, deinen Abläufen und deinen Daten. Für alles andere ist eine eingebettete Standardfunktion oft völlig ausreichend. Warum wir in vielen Fällen trotzdem für eigene Werkzeuge plädieren, haben wir in „Eigene Tools statt Branchensoftware“ ausführlich beschrieben.

Die meisten gescheiterten KI-Projekte scheitern nicht an der Technik, sondern am Zuschnitt. So gehen wir vor:

1. Einen Prozess auswählen, nicht „KI einführen“. Wähle einen Ablauf, der oft vorkommt, messbar ist und heute spürbar Zeit kostet. Beschreibe, wie ein erledigter Fall aussieht.
2. Ist-Zustand messen. Wie viele Vorgänge pro Woche, wie lange dauert einer, wo entstehen Fehler? Ohne diese Zahlen lässt sich der Nutzen später nicht belegen.
3. Datenquellen und Rechte klären. Welche Systeme muss der Agent lesen, wo darf er schreiben? Welche personenbezogenen Daten sind betroffen? Hier gehören Datenschutzbeauftragte und IT von Anfang an an den Tisch.
4. Prototyp mit Menschen in der Schleife. Ein schnell greifbarer Prototyp zeigt nach kurzer Zeit, ob der Agent die echten Fälle versteht. In dieser Phase schlägt er vor, ein Mensch entscheidet. Jede Korrektur verbessert Prompts, Regeln und Datenzugriff.
5. Schrittweise Autonomie und laufende Betreuung. Erst wenn die Qualität stabil ist, darf der Agent einfache Fälle selbst abschließen. Monitoring, Protokolle und regelmäßige Modell-Updates sind kein Extra, sondern Teil des Betriebs.

Wenn du einen solchen ersten Prozess gemeinsam mit uns sortieren möchtest: Unser KI-Kickoff-Workshop ist kostenlos. Wir schauen auf deine Abläufe, identifizieren den Prozess mit dem besten Verhältnis aus Aufwand und Wirkung und skizzieren, wie ein Agent dafür aussehen könnte. Wer erst einmal eine Einschätzung des Status quo möchte, startet mit dem ebenfalls kostenlosen KI-Check. Wie wir Agenten anschließend konkret bauen, zeigen wir auf unserer Seite zu KI-Agenten und Workern.

Sobald ein Agent nicht nur Texte schreibt, sondern in Systemen handelt, wird die Frage der Verantwortung konkret. Wer KI im Betrieb einsetzt, ist nicht nur Anwender. Die Ärztekammer Berlin formuliert das für Praxen deutlich: Wer KI nutzt, ist auch Betreiber, mit weitreichenden Pflichten. Dieser Gedanke gilt sinngemäß für jedes Unternehmen. Dieselbe Quelle weist darauf hin, dass der EU-Gesetzgeber die strengsten Anforderungen des AI Act um Jahre verschiebt. Das ist allerdings kein Freibrief, denn die DSGVO gilt unverändert.

Für die Praxis bedeutet das:

• Datenminimierung: Der Agent bekommt nur Zugriff auf die Daten, die er für seine Aufgabe braucht.
• Datenstandort und Auftragsverarbeitung: Kläre, wo Modelle laufen und Daten verarbeitet werden, und schließe die nötigen Verträge. Wir setzen dafür auf DSGVO-konforme KI in deutschen Serverräumen.
• Nachvollziehbarkeit: Jede Aktion des Agenten wird protokolliert. Wer hat was wann freigegeben, auf welcher Datengrundlage hat der Agent entschieden?
• Klare Freigabegrenzen: Zahlungen, Vertragsänderungen oder Entscheidungen über Personen bleiben beim Menschen.
• Transparenz gegenüber Betroffenen: Wenn Kundinnen oder Bürger mit einem Agenten interagieren, sollten sie das wissen. Wie wir selbst damit umgehen, beschreiben wir in unserer KI-Transparenz.

Sobald ein Agent Personaldaten, Gesundheitsdaten oder Entscheidungen über Menschen berührt, etwa bei Bewerbungen oder Leistungsbewertungen, hole vor dem Start deinen Datenschutzbeauftragten und, falls vorhanden, den Betriebsrat ins Boot. Bei Fragen zur Einstufung nach dem AI Act ist eine Fachanwältin oder ein Fachanwalt für IT-Recht die richtige Adresse. Diese Klärung kostet am Anfang wenige Stunden und erspart später ein gestopptes Projekt.

Über die Kosten eines KI-Agenten lässt sich seriös erst sprechen, wenn Prozess, Datenquellen und Autonomiegrad feststehen. Ein Agent, der E-Mails vorsortiert, ist ein anderes Projekt als einer, der in drei Systemen schreibt und Freigabe-Workflows auslöst.

Drei Kostenblöcke solltest du immer getrennt betrachten:

• Konzeption und Prototyp: Prozessanalyse, Datenanbindung, erste lauffähige Version.
• Implementierung: Absicherung, Schnittstellen, Tests mit echten Fällen, Schulung des Teams.
• Laufender Betrieb: Modellkosten pro Anfrage, Hosting, Monitoring, Anpassungen an neue Modellversionen und veränderte Prozesse.

Der häufigste Fehler, den wir sehen, ist der Blick allein auf den günstigsten Einstieg. Ein schneller Prototyp ohne Plan für Wartung, Modell-Updates und Qualitätssicherung wird über die Laufzeit oft teurer als eine durchdachte Lösung, die von Anfang an auf dokumentierten Code und Skalierbarkeit ausgelegt ist. Rechne deshalb in Gesamtkosten über mehrere Jahre und stelle sie den gemessenen Zeitersparnissen aus Schritt 2 gegenüber.

Bei uns kannst du zwischen drei Formen der Zusammenarbeit wählen: einem abgegrenzten Sprint für Prototyp oder Umsetzung, einem Retainer für laufende Betreuung und Weiterentwicklung sowie Embedded, wenn wir eng in dein Team eingebunden arbeiten. Die Details findest du auf unserer Preisseite. Agenturen, die für eigene Kunden Agenten umsetzen wollen, unterstützen wir zusätzlich per White-Label-Team-Extension.

Wir bauen bei SOTER Automationen und KI-Agenten für mittelständische Unternehmen, öffentliche Einrichtungen und Agenturen. Unser Eindruck nach vielen Gesprächen: Die größte Hürde ist selten das Modell. Es ist die Frage, ob ein Unternehmen seinen eigenen Prozess klar genug beschreiben kann, damit ein Agent ihn übernehmen kann. Genau deshalb fangen wir nie mit einem Tool an, sondern mit dem Ablauf.

Wir sind überzeugt, dass der echte Vorsprung nicht darin liegt, dieselben Standard-Tools zu nutzen wie alle anderen. Er entsteht, wenn das Wissen deiner Organisation in einen präzisen KI-Layer fließt, der sicher in deine Systeme eingebunden ist und mit jedem bearbeiteten Fall besser wird. Dafür braucht es schnell greifbare Prototypen, damit alle Beteiligten früh sehen, was der Agent kann und was nicht. Es braucht transparente Konzeption, damit Fachabteilung, IT und Datenschutz dieselbe Sprache sprechen. Und es braucht dokumentierten, nachvollziehbaren Code, damit du nicht an uns oder an einen einzelnen Anbieter gebunden bist.

Gleichzeitig bleiben wir realistisch. Agenten machen Fehler, Sprachmodelle ändern sich, und nicht jeder Prozess ist reif für Autonomie. Ein guter Agent weiß, wann er an einen Menschen übergibt. Wenn wir das von Anfang an einplanen, wird aus der KI kein Risiko, sondern ein verlässlicher Kollege, der die Routine übernimmt, damit dein Team mehr Zeit für die Arbeit hat, die wirklich Erfahrung braucht.

— Yannick

Welche Beispiele gibt es für KI-Agenten in Unternehmen?

Typisch sind Agenten, die den Posteingang vorsortieren und Antworten entwerfen, interne Dokumente per RAG durchsuchbar machen, Berichte aus Rohdaten erstellen oder Anfragen im Vertrieb qualifizieren. In öffentlichen Einrichtungen bereiten sie Daten für Bürgerinnen und Bürger auf oder sortieren Anfragen vor. Gemeinsam ist allen Beispielen ein klar beschriebener Prozess mit messbarem Ergebnis.

Wer bietet KI-Agenten für Unternehmen an?

Grob gibt es drei Gruppen: Softwarehersteller, die Agentenfunktionen in ihre Produkte einbauen, Plattformen mit Baukästen zum Selbstbauen und Agenturen, die Agenten individuell entwickeln und in bestehende Systeme integrieren. Welche Variante passt, hängt davon ab, wie speziell dein Prozess ist und wie sensibel die Daten sind. Wir bei SOTER gehören zur dritten Gruppe und entwickeln Agenten, die sich an deine Abläufe anpassen, nicht umgekehrt.

Ersetzen KI-Agenten Mitarbeitende?

In den Projekten, die wir sehen, übernehmen Agenten vor allem Routine: suchen, abgleichen, abtippen, vorformulieren. Entscheidungen mit Tragweite und der Kontakt in heiklen Situationen bleiben beim Menschen. Sinnvoll eingesetzt verschiebt ein Agent die Arbeit hin zu Prüfung, Beratung und Ausnahmen.

Sind KI-Agenten DSGVO-konform einsetzbar?

Ja, wenn Datenzugriff, Speicherort, Auftragsverarbeitung und Protokollierung sauber geregelt sind. Entscheidend ist, dass der Agent nur die Daten sieht, die er braucht, und dass seine Aktionen nachvollziehbar sind. Bei Personal- oder Gesundheitsdaten solltest du vor dem Start deinen Datenschutzbeauftragten einbinden.

Wie lange dauert es bis zum ersten produktiven Agenten?

Das hängt vom Prozess und von der Zahl der angebundenen Systeme ab. Ein erster Prototyp für einen klar umrissenen Ablauf lässt sich meist zügig zeigen, die Phase mit Menschen in der Schleife braucht dann einige Wochen echter Fälle. Planst du zu Beginn sauber, bleibt der Weg vom Prototyp zum Betrieb kurz.

• Bitkom: Jedes zweite Startup setzt selbstständige KI-Agenten ein (27. Juli 2026)
• BigData-Insider: Bitkom-Studie zur KI in der deutschen Wirtschaft
• Ärztekammer Berlin Magazin: Rechtssichere KI-Nutzung

• Worauf bei der Wahl einer KI-Agentur achten
• KI-Agenten entwickeln lassen
• Eigene Tools statt Branchensoftware: KI im Mittelstand
• KI-Automatisierung für den Mittelstand