KI-Agenten führen – die Entscheidungen, die dir gehören

Es gibt zwei Lessons über KI-Agenten auf lernen.diy: eine über das Design und eine über die Technik. Beide beantworten die Frage: Wie baut man einen?

Diese Lesson beantwortet eine andere Frage – deine: Welche Entscheidungen über Agenten gehören mir als Führungskraft – und wie treffe ich sie gut? Du musst keinen Agenten bauen können. Aber du entscheidest, ob einer eingesetzt wird, wo, mit welchem Anbieter und unter welchen Regeln. Diese Entscheidungen kannst du nicht delegieren, ohne die Kontrolle abzugeben.

Die Werkzeuge, die du heute mitnimmst

Der häufigste Fehler ist nicht der falsche Agent. Es ist der Agent für die falsche Aufgabe. Viele gescheiterte Projekte hatten eine Lösung, die ein Problem suchte. Dreh die Reihenfolge um: erst der Prozess, dann die Frage, ob ein Agent passt.

Vier Kriterien für jeden Prozess

Die Leitfrage hinter allen vieren

Ist das Ergebnis am Ende klar verifizierbar? Wenn ja, ist der Agent ein Kandidat. Wenn nein, braucht es einen Menschen – oder einen anderen Weg. Agenten sind stark, wo man das Ergebnis kontrollieren kann: Wissen zusammentragen, Entwürfe erstellen, Daten aufbereiten. Sie sind schwach bei offenen, folgenschweren, unscharfen Aufgaben ohne Prüfbarkeit.

Wo Agenten heute schon tragen

Gute erste Use Cases

Die Technik ist die Spitze des Eisbergs. Was ein Agent-Projekt wirklich trägt – oder versenkt – liegt unter Wasser: Prozesse, Daten, Recht, Change, Betrieb.

Als Faustregel: Ein Agent-Projekt ist zu rund 30 % Technik und 70 % Prozess, Organisation und Betrieb. Dieselbe Verteilung gilt für die Kosten: 30 % Aufbau, 70 % laufender Betrieb. Wer nur die Build-Phase rechnet, rechnet sich Projekte schön.

Für dich als Entscheider heißt das: Die wichtigsten Fragen sind nicht technisch. Wer pflegt die Datenbasis? Wer ist fachlich verantwortlich? Was kostet der Betrieb pro Monat – nicht nur die Einführung? Genau diese 70 % entscheiden über Erfolg.

Wohin die 70 % gehen

„Bauen wir selbst oder kaufen wir?“ ist selten eine Ja/Nein-Frage. Es ist ein Spektrum – und jede Stufe hat einen Preis: Je mehr Kontrolle und Datenhoheit, desto langsamer und teurer.

Der häufigste Fehler in beide Richtungen: „Wir bauen selbst“ aus Ego statt Analyse (Custom ist die teuerste Variante) – oder „wir kaufen die größte Plattform“ ohne den Lock-in zu sehen. Die Faustregel: mit dem Leichtesten anfangen, lernen, was funktioniert, dann erst nach oben.

Die Anbieter-Landschaft in Kategorien

‚Agent‘ ist ein weiter Begriff – dieselbe Bezeichnung steht für sehr Unterschiedliches, vom einfachen Chatbot bis zum autonom laufenden System. Das ist kein Vorwurf an Anbieter, sondern der Grund, im Gespräch genauer hinzusehen. Du brauchst dafür keine Technik – nur die richtigen Fragen.

Fragen, die vage Versprechen konkret machen

Fünf Pflichtfragen in jedem Pitch

1. Was läuft live in Produktion – nicht in der Demo?
2. Welche Daten verlassen unser Unternehmen – wohin genau?
3. Wie wird der Agent überwacht – wer sieht was, wann?
4. Was kostet es bei 2-, 5-, 10-fachem Volumen?
5. Was passiert mit unseren Daten bei Kündigung – Format, Frist?

Die Demo ehrlich testen

• Fehlerverhalten: absichtlich falschen Input geben. Ein guter Agent eskaliert, ein schwacher erfindet.
• Edge Cases: ein unrealistisches Szenario provozieren – Happy Path gegen Realität.
• Echte Daten: die Demo mit euren (anonymisierten) Daten wiederholen, nicht mit den Schaufenster-Daten.
• Monitoring live: das Dashboard während der Demo sehen wollen. Kein Dashboard – noch nicht produktionsreif.

Rund um Agenten kursieren griffige Begriffe – autonom, selbstlernend, intelligent. Sie sind nützliche Abkürzungen, aber unscharf. Wer sie benutzt, will selten täuschen; die Sprache eilt der Technik nur voraus. Für dich zählt nur eins: die nüchterne Bedeutung zu kennen, damit du auf Augenhöhe mitredest – mit Anbietern wie mit dem eigenen Team.

Begriffe in Klartext

Standortbestimmung: Wo stehst du?

Klartext über Begriffe ist die eine Hälfte. Die andere: ehrlich einschätzen, wie sicher du dich bei den Entscheidungen dieser Lesson fühlst. Niemand muss überall sattelfest sein – es geht darum zu sehen, wo du nachschärfen willst.

Ein Mythos hält sich hartnäckig: „Der Anbieter haftet.“ Die Realität: Als Betreiber haftest du mit. AGB schließen die operative Haftung für fehlerhafte Outputs fast immer aus. Im Fall Air Canada hat ein Gericht das Unternehmen an einer erfundenen Chatbot-Auskunft festgehalten – nicht den Tool-Anbieter.

Der EU AI Act in einem Satz

Die zentrale Frühentscheidung: In welche Risikoklasse fällt mein Use Case? Verboten (z. B. Social Scoring), High Risk (Kreditscoring, Recruiting – volle Compliance), Limited Risk (Chatbots – Transparenzpflicht) oder Minimal Risk (kaum Auflagen). Die meisten Business-Fälle sind „Limited“ oder „Minimal“ – aber das gehört dokumentiert, nicht vermutet. Strafen reichen bis 35 Mio. € bzw. 7 % des weltweiten Jahresumsatzes.

Fünf Governance-Fragen, die du früh klärst

1. In welche AI-Act-Risikoklasse fällt der Use Case – dokumentiert?
2. Wer ist der Owner – fachlich verantwortlich, nicht nur technisch?
3. Wie sieht der Audit-Trail konkret aus?
4. Werden Nutzer informiert, dass sie mit KI interagieren?
5. Welcher Review-Zyklus und welcher Eskalationspfad gelten?

DSGVO – vier Regeln, die jeder kennt

Du musst keinen 18-Monats-Masterplan haben. Du brauchst einen kontrollierten ersten Schritt – und einen Weg, auf dem du Schritt für Schritt hineinwächst, statt ins kalte Wasser zu springen.

In vier Stufen hineinwachsen

Der schnellste Weg zu einem Agenten führt selten über den Agenten – er führt über die eigene Arbeit. Jede Stufe macht implizites Prozesswissen explizit und ist für sich schon wertvoll.

1. Assistent – Chat mit Kontext. Ein Projekt einrichten (z. B. Claude Project, Custom GPT) mit Rolle, Kontext und Qualitätskriterien. Macht explizit, wie ein gutes Ergebnis aussieht. Schon hier: spürbare Zeitersparnis bei Routineaufgaben.
2. Skills – Muster erkennen. Wiederkehrende Prompts und Abläufe bewusst festhalten. Macht explizit, welche Aufgaben wirklich wiederkehren – und wo die KI zuverlässig liefert und wo nicht.
3. Automatisierung – Workflow bauen. Den verlässlichsten Ablauf in einem No-Code-Tool (Make, n8n) nachbauen. Macht Schnittstellen und Berechtigungen explizit. Automatisierungen sind die Trainingsräder für Agenten: jeder Schritt sichtbar und einzeln testbar.
4. Agent – orchestrieren. Erprobte Workflows werden zu Skills, erprobte Schnittstellen zu Connectoren. Der Agent plant den Gesamtablauf – aber aus bekannten Bausteinen, nicht aus Improvisation.

Für die ersten Wochen gibt eine 30-60-90-Tage-Roadmap die konkrete Struktur:

Woran Piloten scheitern

Deine Werkzeugkiste auf einen Blick

Die eine Sache, die bleibt, wenn der Rest verblasst: Nicht jeder Prozess braucht einen Agenten. Aber jede Führungskraft braucht die richtigen Fragen.