Ein Chatbot antwortet auf Fragen. Ein KI-Agent handelt. Das ist der entscheidende Unterschied — und der Grund, warum Agenten gerade die Automatisierung im Mittelstand verändern.
Was ein KI-Agent ist — in einem Satz
Ein KI-Agent ist ein System, das ein Ziel bekommt, selbstständig Schritte plant, Tools nutzt (Datenbanken, APIs, E-Mail) und Ergebnisse liefert — ohne dass ein Mensch jeden Schritt freigeben muss.
Chatbot vs. Agent: der Unterschied in der Praxis
| Chatbot | KI-Agent | |
|---|---|---|
| Interaktion | Reagiert auf Fragen | Handelt proaktiv |
| Scope | Beantwortet aus Wissensbasis | Nutzt Tools, liest Daten, schreibt Dokumente |
| Autonomie | Keine — wartet auf Input | Führt mehrstufige Aufgaben selbstständig aus |
| Beispiel | "Was kostet Produkt X?" | Liest Bestellung, prüft Lager, erstellt Rechnung, sendet E-Mail |
Fünf Agent-Use-Cases, die heute funktionieren
1. Eingangsrechnungen verarbeiten
Der Agent liest PDF-Rechnungen aus dem E-Mail-Postfach, extrahiert Beträge, Lieferantendaten und Positionen, gleicht mit Bestellungen ab und erstellt den Buchungssatz im ERP. Fehler-Rate unter 3% — bei manueller Verarbeitung liegt sie bei 8–12%.
2. Lead-Qualifizierung
Ein neuer Lead kommt über das Kontaktformular. Der Agent reichert die Daten an (Firmengröße, Branche, Website-Check), bewertet den Lead nach definierten Kriterien und routet ihn zum richtigen Vertriebsmitarbeiter — mit einem vorbereiteten Briefing.
3. Angebotserstellung
Kunde fragt per E-Mail an. Der Agent extrahiert die Anforderungen, schlägt passende Produkte/Services aus dem Katalog vor, kalkuliert den Preis und erstellt einen Angebotsentwurf im CRM. Der Vertrieb prüft und versendet.
4. Reporting
Jeden Montag um 7:00 Uhr sammelt der Agent KPIs aus verschiedenen Systemen (CRM, ERP, Google Analytics, Ads), erstellt einen strukturierten Wochenbericht und sendet ihn an die Geschäftsführung.
5. Onboarding neuer Mitarbeiter
Neuer Mitarbeiter wird im HR-System angelegt. Der Agent erstellt automatisch E-Mail-Account, Zugänge zu relevanten Tools, bestellt Hardware und sendet dem neuen Kollegen eine Welcome-Mail mit allen Informationen.
Was man für einen KI-Agenten braucht
Technisch:
- Ein LLM als Reasoning-Engine (GPT-4o, Claude, Gemini)
- Tool-Integrationen (APIs zu bestehenden Systemen)
- Eine Orchestrierungsschicht (LangChain, CrewAI, oder Custom)
- Logging und Monitoring
Organisatorisch:
- Einen klar definierten Prozess mit messbarem Output
- Einen Prozess-Owner, der den Agenten überwacht
- Eskalationsregeln für Grenzfälle
Was es kostet
| Komplexität | Setup | Monatlich |
|---|---|---|
| Einfach (1 Tool, 1 Prozess) | 3.000–6.000 € | 300–500 € |
| Mittel (3–5 Tools, Logik) | 6.000–15.000 € | 500–1.200 € |
| Komplex (Multi-Agent, ERP-Anbindung) | 15.000–35.000 € | 1.000–2.500 € |
Drei Prinzipien für erfolgreiche Agent-Projekte
1. Human-in-the-Loop starten. Der Agent arbeitet, ein Mensch bestätigt. Erst wenn die Fehlerquote unter 2% liegt, wird die Freigabe automatisiert.
2. Klein anfangen, schnell iterieren. Ein Prozess, ein Agent, ein Monat Testphase. Nicht fünf Prozesse gleichzeitig.
3. Monitoring ist Pflicht. Jede Agent-Aktion wird geloggt. Wenn etwas schiefläuft, muss es sofort sichtbar sein — nicht erst bei der nächsten Kundenbeschwerde.
Fazit
KI-Agenten sind die nächste Stufe nach Chatbots. Sie automatisieren nicht einzelne Fragen, sondern ganze Prozesse. Für den Mittelstand bedeutet das: weniger manuelle Arbeit bei gleichbleibender Kontrolle. Der Einstieg ist einfacher als die meisten denken — wenn der Scope stimmt.