AI Agent

Ein AI Agent ist ein KI-System, das über das bloße Beantworten von Fragen hinausgeht: Es analysiert eine Aufgabe, zerlegt sie in Teilschritte, nutzt externe Werkzeuge und arbeitet eigenständig auf ein Ziel hin. Während ein klassisches LLM auf eine einzelne Eingabe reagiert und eine Antwort generiert, kann ein AI Agent einen mehrstufigen Prozess durchlaufen — inklusive Recherche, Datenbankabfragen, Berechnungen und Entscheidungen. AI Agents sind die treibende Kraft hinter der nächsten Generation von KI-Anwendungen im Unternehmenskontext.

Wie AI Agents funktionieren

AI Agents basieren auf einem Kreislauf aus Denken, Handeln und Beobachten. Das zugrunde liegende LLM analysiert die Aufgabe und entscheidet, welcher Schritt als nächstes nötig ist. Es ruft ein externes Werkzeug auf — etwa eine Datenbank, eine API oder ein Dateisystem — beobachtet das Ergebnis und plant den nächsten Schritt. Dieser Zyklus wiederholt sich, bis die Aufgabe erledigt ist oder der Agent erkennt, dass er menschliche Hilfe benötigt.

Entscheidend ist die Fähigkeit zum Tool Use: Der Agent kann nicht nur Text generieren, sondern aktiv mit Systemen interagieren. Er kann E-Mails versenden, Datenbankeinträge erstellen, Dokumente durchsuchen oder Berechnungen durchführen. Diese Werkzeuge werden über standardisierte Schnittstellen angebunden — zunehmend über offene Protokolle wie das Model Context Protocol (MCP).

Einfacher Chatbot vs. AI Agent

Ein Chatbot beantwortet Fragen basierend auf seinem Training oder einer angebundenen Wissensbasis. Er reagiert auf eine Eingabe und liefert eine Antwort — ein einzelner Schritt. Ein AI Agent hingegen kann eine komplexe Aufgabe über mehrere Schritte hinweg bearbeiten: Er recherchiert Informationen, vergleicht Optionen, erstellt Dokumente und führt Aktionen aus. Der Chatbot ist ein Werkzeug, der Agent ist ein digitaler Mitarbeiter.

In der Praxis verschwimmen die Grenzen zunehmend. Ein RAG-basierter Assistent, der Unternehmenswissen durchsucht und Antworten mit Quellenangabe liefert, ist bereits ein einfacher Agent. Komplexere Agenten orchestrieren mehrere Werkzeuge und treffen eigenständig Entscheidungen über den besten Lösungsweg.

AI Agents im Unternehmen

Für den Mittelstand eröffnen AI Agents konkrete Automatisierungspotenziale jenseits einfacher Chat-Anwendungen. Ein Agent zur Rechnungsverarbeitung kann eingehende Rechnungen lesen, Daten extrahieren, gegen Bestellungen abgleichen und die Buchung im ERP-System vorbereiten. Ein Recruiting-Agent kann Bewerbungen analysieren, mit Anforderungsprofilen abgleichen und eine priorisierte Shortlist erstellen. Ein IT-Support-Agent kann Tickets analysieren, bekannte Lösungen aus der Wissensbasis abrufen und einfache Probleme eigenständig lösen.

Die Integration in bestehende Systeme — DATEV, SAP, Microsoft 365 oder branchenspezifische Fachanwendungen — ist dabei entscheidend. Ein Agent, der nur Text generieren kann, bringt begrenzten Mehrwert. Erst die Anbindung an die Systeme, in denen die tatsächliche Arbeit stattfindet, macht AI Agents produktiv.

Risiken und Kontrolle

Autonomie bringt Risiken mit sich. Ein Agent, der eigenständig Aktionen ausführt, kann bei fehlerhafter Planung oder manipulierten Eingaben (Prompt Injection) unbeabsichtigte Ergebnisse produzieren. Deshalb sind Guardrails — also definierte Grenzen für das Verhalten des Agenten — unverzichtbar. Human-in-the-Loop-Mechanismen, bei denen kritische Aktionen eine menschliche Freigabe erfordern, sind in der Praxis der Standard für Unternehmensanwendungen.

Relevanz für KMUs

AI Agents sind für den Mittelstand der nächste logische Schritt nach dem KI-Arbeitsplatz. Während ein souveräner KI-Zugang den Mitarbeitern ein Werkzeug an die Hand gibt, übernehmen Agents ganze Arbeitsschritte. Der Einstieg gelingt am besten über einen klar definierten, wiederholbaren Prozess — etwa die Eingangsrechnungsverarbeitung oder den First-Level-IT-Support — mit klaren Grenzen und menschlicher Kontrolle.