KI im Business einsetzen – Assistent, Automatisierung, agentisches System

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 eine Landkarte, mit der du jede Aufgabe einordnen kannst. Vorher räumt sie mit einem Denkfehler auf: "Agent" ist kein Produkt, das du kaufen und aufstellen kannst. Agentisch ist eine Eigenschaft, die ein System hat oder nicht hat. Wer das trennt, kauft das Richtige und misst am Richtigen.

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 ein Chat-Tool und lässt dir einen Antwortentwurf schreiben. Du entscheidest, was rausgeht.
2. Automatisierung: Ein Workflow liest neue E-Mails automatisch, kategorisiert sie per KI und leitet sie ans richtige Team weiter. Standardanfragen bekommen automatisch eine Vorlage.
3. Agentisches System: Ein KI-System beantwortet einfache Anfragen selbständig, eskaliert komplexe Fälle und legt Angebotsanfragen als Entwurf vor. Eine neue Mail stößt es an, das Modell entscheidet im gesetzten Rahmen.

Gleiche Aufgabe, drei verschiedene Ansätze. Um sauber zu entscheiden, welcher passt, brauchst du zwei Fragen. Die erste: Was macht ein System überhaupt agentisch?

Agentisch ist eine Eigenschaft, kein Produkt

Der Denkfehler hinter der Begriffsverwirrung ist, "Agent" für eine Produktkategorie zu halten, wie Drucker oder Buchhaltungssoftware. Tatsächlich ist agentisch eine Eigenschaft. Drei Fähigkeiten machen sie aus:

1. Entscheiden. Das KI-Modell plant und entscheidet selbst, was als Nächstes passiert. Nicht ein Mensch, nicht ein festgelegter Ablauf.
2. Handeln. Das Modell kann Werkzeuge nutzen und etwas tun. Nicht nur Text produzieren, sondern eine Datei ablegen, eine Suche starten, einen Eintrag anlegen.
3. Ein Ziel verfolgen. Beobachten, neu planen, handeln, wieder beobachten. Diese Schleife läuft, bis das Ziel erreicht ist oder abgebrochen wird.

Fehlt eine der drei, ist das System nicht agentisch. Ein Chatbot, der FAQ-Fragen aus einer Wissensdatenbank beantwortet, entscheidet nichts und handelt nicht: kein Agent, egal was auf der Verpackung steht. Ein fester Ablauf, der Mails nach Stichworten einsortiert, folgt einem Weg, den ein Mensch festgelegt hat: Automatisierung, nützlich, aber nicht agentisch.

Die Landkarte: Wer steuert?

Die zweite Frage lautet: Wer hat die Handlungshoheit? Wer entscheidet, dass jetzt etwas passiert, und begleitet, was daraus wird? Es gibt drei Antworten: der Mensch, der Code oder das Modell selbst. Zusammen mit der Frage "agentisch oder nicht" ergibt das eine Landkarte, auf der jedes KI-System einen Platz hat.

Die linke untere Zelle ist bewusst leer: Ein System, in dem das Modell steuert, ist immer agentisch. Und die Alltagsbilder dazu: Der agentische Assistent ist der kluge Kollege am Nachbartisch, der auf Zuruf auch mal selbst losgeht und etwas nachschlägt. Der agentische Workflow ist die gut eingestellte Maschine mit einer urteilenden Station mittendrin. Das autonome System ist die neue Mitarbeiterin in der Einarbeitung: fähig und selbständig. Genau deshalb braucht sie klare Grenzen und jemanden, der hinsieht.

Daher der Merksatz: 80 Prozent dessen, was gerade Agent heißt, ist Automatisierung. Und das ist nicht schlimm. Nicht schlimm, weil Automatisierung meistens genau das Richtige ist: billiger, berechenbar, an einer Stelle prüfbar. Teuer wird es erst, wenn du für eine Aufgabe, die ein fester Ablauf erledigen könnte, ein agentisches System baust oder kaufst.

Auf der Landkarte ist das die obere Zeile: Der Mensch steuert. Du entscheidest, was passiert, die KI arbeitet auf Zuruf. Innerhalb dieser Zeile gibt es beide Spalten: Der reine Textassistent beantwortet, was du fragst. Der agentische Assistent bleibt im Dialog, kann aber selbständig recherchieren, Dateien lesen und Werkzeuge nutzen. Die heutigen Chat-Tools sind fast alle in der zweiten Spalte angekommen.

Wann Assistent?

Nutze einen KI-Assistenten, wenn die Aufgabe variiert, du die Entscheidung im Einzelfall behalten willst 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.

Die mittlere Zeile der Landkarte: Der Code steuert. Ein Mensch hat den Weg vorher festgelegt, danach läuft der Ablauf auf Schienen. Das ist nicht agentisch, und genau das ist die Stärke: billiger, berechenbar, an einer Stelle prüfbar.

Wann Automatisierung?

Nutze Automatisierung, wenn die Aufgabe sich regelmäßig wiederholt, der Weg sich vorher festlegen lässt 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-Automatisierung folgt demselben Grundmuster:

Die agentische Variante: der agentische Workflow

Auch in dieser Zeile gibt es die agentische Spalte. Ein agentischer Workflow ist ein fester Ablauf, der an einer definierten Stelle einen Agenten einsetzt: Der Ablauf stößt ihn an, dort bringt das Modell eigenes Urteil ein, danach übernimmt wieder der Code. Die Handlungshoheit bleibt beim Ablauf. Das Lead-Beispiel oben wird agentisch, sobald die KI-Station nicht mehr nur extrahiert, sondern etwa selbst entscheidet, welche Rückfrage sie stellt, bevor sie weiterleitet.

Jetzt die Fälle, in denen das Modell selbst entscheidet, was als Nächstes passiert. Nutze ein agentisches System, wenn die Aufgabe eigenes Urteil an mehreren Stellen braucht, der Weg sich nicht vorher festlegen lässt und verschiedene Werkzeuge orchestriert werden müssen. Du gibst nicht Schritt-für-Schritt-Anweisungen, du gibst ein Ziel und einen Rahmen.

Braucht die Aufgabe eigenes Urteil über den ganzen Weg, bist du in der unteren Zeile der Landkarte: beim autonomen System. Du gibst ein Ziel, das Modell steuert sich selbst und kommt mit dem Ergebnis zurück. Das ist die Ausnahme mit Begründung, nie der Standard, denn mit dem Spielraum wächst der Bedarf an Absicherung.

Konkretes Szenario: Wettbewerbs-Monitoring

Stell dir vor, du möchtest wöchentlich wissen, was sich bei deinen Wettbewerbern tut. Als Assistent: Du fragst jede Woche manuell. Als Automatisierung: Du richtest RSS-Feeds und Alerts ein. Als agentisches System:

Das System durchsucht eigenständig Nachrichtenquellen, filtert nach Relevanz, vergleicht mit deiner Strategie und liefert einen strukturierten Report. Du gibst das Ziel vor, das Modell plant die Schritte selbst.

Weitere Szenarien

Das Agent-Pattern

Die Prüffrage

Vor jedem Werkzeug-Vergleich steht eine einzige Frage: Braucht diese Aufgabe an irgendeiner Stelle eigenes Urteil, oder lässt sich der Weg vorher festlegen? Lässt er sich festlegen, nimm die Automatisierung und sei froh. Eigenes Urteil an einer Stelle heißt agentischer Workflow. Eigenes Urteil über den ganzen Weg heißt autonomes System, und das ist die Ausnahme mit Begründung.

Der Einordnungs-Check

Du gehst den Check pro Aufgabe durch, nicht pro Idee. Eine Aufgabe ist etwas, das diese Woche real angefallen ist.

1. Beschreibe die Aufgabe in einem Satz. Wenn der Satz nicht reicht, sind es mehrere Aufgaben. Trenne sie und prüfe einzeln.
2. Lässt sich der Weg vorher festlegen, ohne dass unterwegs eigenes Urteil nötig ist? Ja: Automatisierung, Ende des Checks. Nein: weiter.
3. Willst du die Entscheidung im Einzelfall behalten? Ja: Assistent, Ende des Checks. Das reicht öfter, als der Hype zugibt. Nein: weiter.
4. Braucht der Ablauf eigenes Urteil an einer definierten Stelle oder über den ganzen Weg? An einer Stelle: agentischer Workflow. Über den ganzen Weg: weiter.
5. Hat die Aufgabe ein klares Ziel und prüfbare Regeln? Nein: Stopp, erst Ziel und Regeln klären. Ja: Kandidat für ein autonomes System. Notiere, was im schlimmsten Fall passieren dürfte.

Quick Wins nach Fachbereich

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

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 einem agentischen System. Wenn du verstehst, was KI kann und wie Automatisierung funktioniert, starte mit einem eng eingegrenzten Experiment mit klarem Rahmen.

Die vier Sätze

1. Agentisch ist eine Eigenschaft, kein Produkt: entscheiden, handeln, ein Ziel verfolgen.
2. Assistenten begleiten variable Arbeit: Der Mensch steuert, sein Urteil bleibt im Spiel.
3. Automatisierung skaliert Routine: Der Code steuert, zuverlässig und an einer Stelle prüfbar.
4. Agentische Systeme übernehmen Aufgaben mit eigenem Urteil: Das Modell entscheidet im gesetzten Rahmen.

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. Wenn du tiefer in agentische Systeme einsteigen willst: Der Agent-Design-Space zeigt die Landkarte mit Werkzeug-Beispielen und die sechs Design-Entscheidungen dahinter. Für alle Einsatzformen 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 halbfertiges agentisches System. Die Reife wächst vom Chat über den systematischen Assistenten-Einsatz zum agentischen System. Wer Stufen überspringt, baut auf wackligem Fundament.
• Sind KI-Agenten besser als KI-Assistenten?
  Nein. Der Unterschied ist keine Rangfolge, sondern die Frage, wer die Handlungshoheit hat. Beim Assistenten steuert der Mensch, beim agentischen System das Modell im gesetzten Rahmen. Viele Aufgaben sind mit einem Assistenten am besten bedient, besonders wenn Kontrolle, Tempo und niedrige Fehlerkosten wichtig sind.
• 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.