KI im Business einsetzen – Assistent, Automation, Agent

Die meisten scheitern nicht am Tool. Sie scheitern an der Frage: Welche Aufgabe zuerst? "KI können wir überall einsetzen" klingt nach Fortschritt. In der Praxis führt es zu Überforderung und Pilotprojekten, die nirgends landen.

Diese Lesson gibt dir ein einfaches Modell: Drei Einsatztypen, die dir helfen, jede Aufgabe einzuordnen. Nicht "wo kann KI helfen" (überall), sondern in welcher Form hilft KI bei genau dieser Aufgabe am besten.

Was du in dieser Lesson lernst

Stell dir vor, dein Team bekommt täglich 50 Kundenanfragen per E-Mail. Drei Wege, wie KI dir helfen kann:

1. Assistent: Du kopierst jede E-Mail in ChatGPT und lässt dir einen Antwortentwurf schreiben. Du entscheidest, was rausgeht.
2. Automation: Ein Workflow liest neue E-Mails automatisch, kategorisiert sie per KI und leitet sie ans richtige Team weiter. Standardanfragen bekommen automatisch eine Vorlage.
3. Agent: Ein KI-System beantwortet einfache Anfragen selbständig, eskaliert komplexe Fälle, erkennt Muster in Beschwerden und schlägt dem Team proaktiv Verbesserungen vor.

Gleiche Aufgabe, drei komplett verschiedene Ansätze. Keiner ist besser als der andere. Jeder hat seinen Platz.

Typ 1: Der Assistent

"Wie ein persönlicher Helfer — hilft bei allem, was du fragst, wartet aber auf deine Anweisungen."

Typ 2: Die Automation

"Wie ein Fließband-Roboter — perfekt für wiederkehrende Aufgaben. Einmal einrichten, läuft dann allein."

Typ 3: Der Agent

"Wie ein eigenständiger Projektmanager — du gibst das Ziel vor, er entwickelt die Strategie und führt sie aus."

Wann Assistent?

Nutze einen KI-Assistenten, wenn die Aufgabe variiert, du Kontrolle über das Ergebnis brauchst oder der Prozess noch nicht ausgereift ist. Der Assistent ist dein Einstieg — auch in Aufgaben, die du später automatisieren wirst.

So sieht das in der Praxis aus

Typische Tools

ChatGPT (Allrounder), Claude (lange Texte, Analyse), Gemini (Google-Integration, große Dokumente), Perplexity (Recherche mit Quellen), Copilot (Microsoft-Integration).

Der Assistent ist nur so gut wie dein Prompt. Qualität ist eine Funktion von Kontext und Klarheit. Wenn du noch kein Prompting-Framework hast, schau dir den Prompt-Baukasten an.

Wann Automation?

Nutze Automation, wenn die Aufgabe sich regelmäßig wiederholt, die Schritte klar definierbar sind und Konsistenz wichtiger ist als Individualität. Die goldene Regel:

Beispiel: Lead-Bearbeitung Schritt für Schritt

Statt Theorie ein konkretes Durchspiel. Dein Vertriebsteam bekommt Anfragen über ein Kontaktformular. Heute liest jemand jede Anfrage und leitet sie manuell weiter. Morgen:

1. Trigger: Neue Anfrage kommt per Formular rein
2. KI-Verarbeitung: Extrahiert automatisch Firma, Ansprechpartner und geschätztes Budget aus der Nachricht
3. Routing: Budget > 10.000€? → Sales-Team per Slack benachrichtigen + CRM-Eintrag. Budget < 10.000€? → Automatische Nurturing-E-Mail-Sequenz starten + CRM-Eintrag
4. Ergebnis: Jede Anfrage ist innerhalb von Sekunden bearbeitet, kategorisiert und dokumentiert. Ohne dass jemand etwas tun muss.

Das Architektur-Pattern

Jede KI-Automation folgt demselben Grundmuster:

Typische Tools

Make (einsteigerfreundlich, visuelle Workflows, große Vorlagen-Bibliothek), n8n (Open Source, selbst hostbar, mehr Kontrolle), Power Automate (Microsoft-Ökosystem).

Wann Agent?

Nutze einen Agenten, wenn die Aufgabe komplex und mehrstufig ist, Entscheidungen auf dem Weg nötig sind und verschiedene Tools orchestriert werden müssen. Du gibst nicht Schritt-für-Schritt-Anweisungen, du gibst ein Ziel.

Konkretes Szenario: Wettbewerbs-Monitoring

Stell dir vor, du möchtest wöchentlich wissen, was sich bei deinen Wettbewerbern tut. Als Assistent: Du fragst ChatGPT jede Woche manuell. Als Automation: Du könntest RSS-Feeds und Alerts einrichten. Als Agent:

Der Agent durchsucht eigenständig Nachrichtenquellen, filtert nach Relevanz, vergleicht mit deiner Strategie und liefert einen strukturierten Report. Du gibst das Ziel vor — der Agent plant die Schritte selbst.

Weitere Agent-Szenarien

Das Agent-Pattern

Die Schnell-Checkliste

Drei Fragen helfen dir, jede Aufgabe einzuordnen:

Quick Wins nach Fachbereich

Wo kannst du in deinem Bereich morgen anfangen? Pro Fachbereich ein konkreter Starter-Use-Case für jeden Typ:

Die empfohlene Reihenfolge

1. Starte mit dem Assistenten. Lerne die KI kennen, verstehe was funktioniert und was nicht. Sammle Erfahrung mit Prompts und Ergebnis-Qualität.
2. Automatisiere die häufigste Aufgabe. Nimm die Aufgabe, die du als Assistent schon 10x gemacht hast, und baue einen Workflow dafür.
3. Experimentiere mit Agenten. Wenn du verstehst, was KI kann und wie Automation funktioniert, starte mit einem eng eingegrenzten Agent-Experiment.

Die drei Sätze

1. Assistenten begleiten kreative Arbeit — sie denken mit, wenn du fragst.
2. Automation skaliert Routine — sie erledigt zuverlässig, was klar definiert ist.
3. Agenten transformieren komplexe Aufgaben — sie arbeiten eigenständig auf ein Ziel hin.

Die 5 Regeln

Dein nächster Schritt

Nimm die Aufgabe aus der Übung, die du als Erstes angehen willst. Wenn es ein Assistenten-Einsatz ist, starte mit dem Prompt-Baukasten. Für alle Typen gilt: Starte klein, sammle Erfahrung, skaliere dann.

Begriffe aus dieser Lesson

• No-Code Automation — No-Code Automation ermöglicht das Bauen automatisierter Workflows ohne Programmierung, über visuelle Editoren mit Drag-and-Drop. Tools wie Make, n8n und Zapier verbinden KI-Dienste mit bestehenden Apps.
• Use Case — Ein Use Case im KI-Kontext beschreibt einen konkreten Arbeitsschritt oder Prozess, bei dem KI produktiv eingesetzt wird. Gut definierte Use Cases sind spezifisch, messbar und an bestehende Prozesse gekoppelt.
• Workflow Automation — Workflow Automation verbindet mehrere Arbeitsschritte zu einer automatisch ablaufenden Kette. Im KI-Kontext bedeutet das: Trigger, KI-Verarbeitung und Aktion laufen ohne manuellen Eingriff.

Passende Fragen

• Braucht KI-Automation Programmierkenntnisse?
  Nein. No-Code-Tools wie Make, n8n und Zapier haben visuelle Editoren und tausende Vorlagen. Die entscheidende Kompetenz ist logisches Denken in Schritten, nicht Code.
• Ist KI-Automation nur für große Unternehmen sinnvoll?
  Nein. No-Code-Tools wie Make, n8n und Zapier machen Automation für jedes Team zugänglich. Solo-Selbständige mit wiederkehrenden Aufgaben profitieren oft stärker als Konzerne, weil die Prozesse einfacher sind und schneller umsetzbar.
• Muss ich jetzt sofort mit KI-Agenten starten, um nicht den Anschluss zu verlieren?
  Nein. Ein gut genutzter Assistent bringt heute mehr Wert als ein halbfertiger Agent. Der Weg geht von Chat zu Assistent zu Agent zu Multi-Agent. Wer Stufen überspringt, baut auf wackligem Fundament.
• Sind KI-Agenten besser als KI-Assistenten?
  Nein, jeder Typ hat seinen Platz. Viele Aufgaben sind mit einem Assistenten am besten bedient, besonders wenn Kontrolle, Tempo und niedrige Fehlerkosten wichtig sind. Agenten lohnen sich bei mehrstufigen, repetitiven Prozessen.
• Welche Abteilungen sollten bei der KI-Einführung zuerst starten?
  Die mit dem größten Produktivitätshebel und der geringsten Komplexität. Typisch: Marketing/Content (schnelle Erfolge), Kundenservice (hoher ROI), Vertrieb (Zeitersparnis bei Angebotsarbeit). Nicht nach Organigramm vorgehen, sondern nach Potenzial und Bereitschaft.
• Welche ersten Schritte sollten Unternehmen beim KI-Einstieg machen?
  Fünf Schritte: 1) Einen konkreten Prozess identifizieren, nicht ein Thema. 2) Ein kleines Team mit Neugier zusammenstellen. 3) Zwei Wochen testen, nicht sechs Monate planen. 4) Ergebnisse messen. 5) Entscheiden, ob skalieren oder nächsten Use Case probieren.
• Wie finden Unternehmen heraus, wo KI für sie sinnvoll ist?
  Nicht bei der Technologie anfangen, sondern bei den Prozessen. Drei Kriterien helfen: Wie viel Zeit kostet der Prozess? Wie standardisiert ist er? Wie fehleranfällig? Wo alle drei hoch sind, lohnt sich KI am schnellsten.
• Wie lange dauert eine KI-Transformation im Unternehmen?
  Erste Ergebnisse in Wochen, echte Veränderung in 12 bis 24 Monaten. KI-Transformation ist kein Projekt mit Abschluss, sondern ein fortlaufender Prozess mit vier Phasen: Orientierung, Pilotierung, Skalierung, Integration. Wertschöpfung beginnt ab Phase 2, nicht erst am Ende.
• Wie misst man den ROI von KI-Projekten?
  In drei Dimensionen: 1) Operativ (Zeit gespart, Fehler reduziert, Durchsatz erhöht), 2) Business-Impact (Umsatzeffekt, Kundenzufriedenheit, Time-to-Market), 3) Transformativ (Kompetenzaufbau, Kulturwandel, neue Fähigkeiten). Die meisten messen nur Dimension 1 und unterschätzen Dimension 3.
• Wie sieht die Zukunft der Mensch-KI-Zusammenarbeit aus?
  KI wird vom Werkzeug zum Sparringspartner. Nicht Ersatz, sondern Ergänzung: Menschen bringen Urteil, Verantwortung und Kreativität. KI bringt Geschwindigkeit, Breite und Konsistenz. Die erfolgreichsten Teams kombinieren beides bewusst.
• Wie überwindet man Widerstände gegen KI im Unternehmen?
  Nicht durch Argumente, sondern durch Erfahrung. Wer KI selbst ausprobiert hat, widersteht weniger. Drei Hebel: 1) Ängste ernst nehmen statt wegdiskutieren. 2) Niedrigschwellige Hands-on-Erlebnisse schaffen. 3) Führungskräfte sichtbar vorangehen lassen.
• Wie viel Budget braucht man für KI-Projekte?
  Für erste Pilotprojekte oft weniger als gedacht. Ein Business-Account bei einem KI-Anbieter kostet 20-30 Euro pro Person und Monat. Echte Kosten entstehen bei Integration, Schulung und Skalierung. Die Budgetierung sollte phasenweise wachsen, nicht am Anfang maximal sein.