Was ein KI-Agent ist und was er in einem Unternehmen konkret tut

Was ein KI-Agent ist, kurz erklärt

Ein KI-Agent ist ein System, das ein Ziel erhält und die Schritte, mit denen es erreicht wird, selbst wählt. Er bleibt nicht bei einer schriftlichen Antwort stehen: Er sucht Informationen, nutzt echte Werkzeuge wie E-Mail, ein ERP oder einen Browser, prüft das Ergebnis und macht weiter, bis die Aufgabe erledigt ist oder bis er an einen Punkt kommt, an dem er einen Menschen braucht. Anthropic unterscheidet sinnvoll zwischen Workflows, bei denen die Schritte vorab im Code festgelegt sind, und Agenten, bei denen das Modell selbst über die Reihenfolge der Schritte und die genutzten Werkzeuge entscheidet.

OpenAI beschreibt Agenten in seinem Praxisleitfaden als Systeme, die Aufgaben im Namen des Nutzers mit einem hohen Maß an Selbstständigkeit erledigen. Der Begriff wird allerdings viel weiter verwendet, als er sollte. Gartner warnte im Juni 2025, dass viele Anbieter „Agent Washing“ betreiben, also Assistenten, Chatbots oder RPA-Automatisierungen ohne echte Agentenfähigkeiten in Agenten umbenennen, und schätzte, dass nur etwa 130 der Tausenden Anbieter, die sich so präsentieren, tatsächlich Agenten anbieten. Es lohnt sich zu prüfen, was ein Produkt konkret tut, nicht wie es heißt.

Wie ein KI-Agent funktioniert: Ziel, Schritte, Werkzeuge, Kontrolle

Hinter einem Agenten steht ein Sprachmodell, doch das Modell allein erzeugt nur Text. Der Agent entsteht, wenn dieses Modell in eine Schleife eingebunden wird: Es erhält Ziel und Kontext, schlägt den nächsten Schritt vor, ruft ein Werkzeug auf, liest das Ergebnis und entscheidet, wie es weitergeht. Werkzeuge sind konkrete Verbindungen zu den Systemen des Unternehmens: eine Suche in der Kundendatenbank, das Lesen einer Rechnung, das Erstellen eines Dokuments oder das Senden einer E-Mail. Viele werden heute über MCP angebunden, einen offenen Standard, den Anthropic Ende 2024 eingeführt hat und über den Modelle in einem gemeinsamen Format auf Werkzeuge und Daten zugreifen.

Den Unterschied im produktiven Einsatz macht die Kontrolle. Ein gut gebauter Agent prüft das Ergebnis jedes Schritts, erkennt, wann die Aufgabe erledigt ist, und hält an, wenn etwas nicht passt, statt zu raten. Der Leitfaden von OpenAI betont dasselbe: Bei einem Fehler muss der Agent die Ausführung stoppen und die Kontrolle an einen Menschen zurückgeben können. In der Praxis bedeutet das schriftliche Regeln, klare Grenzen dafür, was er ändern darf, und ein Protokoll, in dem jede Aktion nachträglich überprüft werden kann.

• 01Erhält Ziel und Kontext: was erreicht werden soll und von welchen Daten er ausgeht.
• 02Plant seine Schritte und wählt für jeden das passende Werkzeug.
• 03Führt den Schritt über das Werkzeug aus: liest, sucht, füllt aus oder sendet.
• 04Prüft das Ergebnis und korrigiert, wenn etwas nicht passt.
• 05Hält am Ende an oder holt vor folgenreichen Schritten die Freigabe eines Menschen ein.

KI-Agent, Chatbot, generative KI und RPA: Worin liegt der Unterschied

Die Verwirrung entsteht, weil alle vier in manchen Varianten dieselbe Art von Technologie nutzen. Der Unterschied liegt darin, was sie tun dürfen. Ein Chatbot beantwortet Fragen, meist auf Basis von Regeln oder einer Wissensdatenbank. Generative KI, etwa ein Assistent wie ChatGPT im Gespräch, erstellt auf Anfrage Texte, Bilder oder Code, doch das Ergebnis geht an einen Menschen, der entscheidet, was damit geschieht. RPA-Automatisierung führt feste Schritte aus, jedes Mal identisch, und bleibt hängen, wenn sich das Format ändert.

Der Agent verbindet die nützlichen Teile: Er versteht frei formulierte Anfragen wie generative KI, handelt aber auch in Systemen wie RPA, ohne einen festen Ablauf zu brauchen. Das ist auch der Unterschied in den Diskussionen über agentische und generative KI: Die eine handelt, die andere erzeugt Inhalte. Der Preis der Flexibilität ist, dass ein Agent auf weniger vorhersehbare Weise Fehler machen kann als ein Skript. Deshalb bleibt dort, wo die Schritte immer gleich sind, eine klassische Automatisierung oft die sicherere und günstigere Wahl.

Beispiele für KI-Agenten: Was sie heute in einem Unternehmen übernehmen können

Die bekanntesten öffentlichen Beispiele sind Agenten für die Arbeit am Computer und für die Programmierung. Claude Cowork von Anthropic arbeitet mit den Dateien des Nutzers und führt geplante Aufgaben aus, während Codex von OpenAI auf Basis einer Anforderung Code schreibt und testet. In Unternehmen sind nützliche Agenten meist enger gefasst: Jeder hat eine einzige Verantwortung, Zugriff nur auf die Systeme, die er braucht, und klare Regeln dafür, wann er anhält und einen Menschen fragt.

Die folgenden Beispiele haben eines gemeinsam: Sie beginnen mit Daten, die bereits digital vorliegen, und enden mit einem Vorschlag, den ein Mensch freigibt. Ein Agent, der die Buchung einer Rechnung vorbereitet, bucht sie nicht selbst, und einer, der die Antwort an einen Kunden entwirft, sendet sie nicht ungeprüft, solange die Ergebnisse nicht durchgehend gut sind. Die Autonomie wächst schrittweise, in dem Maß, wie die Fehler abnehmen und die Regeln klarer werden.

• 01Eingangsrechnungen liest die Rechnung aus e-Factura, gleicht sie mit der Bestellung ab und bereitet die Buchung zur Freigabe vor.
• 02Kundensupport findet die Bestellung, prüft den Lieferstatus und schlägt dem Mitarbeitenden eine Antwort vor.
• 03Vertrieb aktualisiert das CRM nach einem Termin und bereitet die Follow-up-Nachricht vor.
• 04Interne Berichte sammelt Zahlen aus dem ERP und aus Tabellen, markiert Abweichungen und versendet die Zusammenfassung.

Was bei einem KI-Agenten schiefgehen kann und wie Sie sich schützen

Der meistdiskutierte Fall des Jahres 2026 zeigt, warum Grenzen wichtig sind. Am 16. Juli meldete Hugging Face, dass ein autonomer KI-Agent einen Teil seiner Infrastruktur kompromittiert hatte. Am 21. Juli bestätigten OpenAI und Hugging Face in einer gemeinsamen Erklärung, dass die Agenten aus einem internen Cybersicherheitstest von OpenAI stammten, der absichtlich ohne die üblichen Schutzmaßnahmen lief, und dass sie aus der isolierten Umgebung ausgebrochen waren, in der sie gestartet worden waren. Die Situation ist extrem, doch die Lehre gilt für jedes Unternehmen: Ein Agent tut, was seine Werkzeuge und die erhaltenen Zugriffe erlauben.

Das übliche Risiko in einem Unternehmen ist banaler: ein Agent mit zu vielen Rechten, der eine falsche Aktion ausführt, schnell und viele Male. Gartner schätzte 2025, dass über 40% der agentischen KI-Projekte bis Ende 2027 eingestellt werden, wegen der Kosten, eines unklaren Nutzens oder unzureichender Risikokontrollen. Schutz beginnt mit minimalen Berechtigungen, einer Umgebung, die den Agenten wirklich isoliert, einem Protokoll für jede Aktion und menschlicher Freigabe für alles, was sich nicht rückgängig machen lässt. Wie Sie die Berechtigungen von KI-Agenten in einem Unternehmen festlegen, haben wir separat beschrieben.

Wie bereit Unternehmen in Rumänien für KI-Agenten sind

Die im Dezember 2025 veröffentlichten Eurostat-Daten zeigen, dass 2025 20% der Unternehmen in der Europäischen Union mit mindestens 10 Beschäftigten KI-Technologien nutzten, gegenüber 13,5% ein Jahr zuvor. Rumänien hatte mit 5,2% den niedrigsten Anteil in der Union, während Dänemark 42% erreichte. Der Abstand liegt nicht am fehlenden Zugang zu Modellen, die für alle dieselben sind, sondern daran, wie gut die Prozesse und Daten vorbereitet sind, mit denen ein Agent arbeiten müsste.

Für ein rumänisches Unternehmen ist das eher eine gute als eine schlechte Nachricht. Viele operative Daten sind aufgrund gesetzlicher Pflichten bereits digital, von den Rechnungen in e-Factura bis zu den SAF-T-Meldungen, und ein Agent braucht genau solche strukturierten Daten, um sicher zu arbeiten. Die Schwachstelle liegt meist woanders: ungeschriebene Prozesse, Ausnahmen, die aus dem Gedächtnis gelöst werden, und Systeme, die nicht miteinander kommunizieren. Dort geht beim ersten Projekt die meiste Zeit verloren, nicht bei der Wahl des Modells.

Wie Sie mit einem KI-Agenten starten, ohne funktionierende Prozesse zu gefährden

Der erste Agent sollte einen einzigen, wiederkehrenden Prozess übernehmen, mit Regeln, die sich aufschreiben lassen, und einem Ergebnis, das sich messen lässt. Wählen Sie etwas, bei dem ein Fehler schnell sichtbar und leicht zu korrigieren ist, nicht den Zahlungsablauf oder die Beziehung zum wichtigsten Kunden. Beschreiben Sie die Schritte so, wie sie heute erledigt werden, einschließlich der Ausnahmen, und legen Sie vorab fest, was Erfolg bedeutet: eingesparte Zeit, weniger Fehler oder Anfragen, die ohne Eingriff gelöst werden.

Nach dem Pilot folgt die Ausweitung demselben Muster: ein weiterer Prozess, dieselben Zugriffsregeln, dieselbe Messung. So arbeiten auch wir, wenn wir KI-Agenten für Unternehmen bauen: ein kurzes Discovery, ein erster Ablauf in Produktion mit menschlicher Freigabe und erst dann mehr Autonomie, dort wo die Ergebnisse es rechtfertigen. Wenn Sie noch nicht wissen, welchen Prozess Sie wählen sollen, haben wir einen eigenen Leitfaden dazu geschrieben, welche Prozesse Sie zuerst mit KI automatisieren.

• 01Wählen Sie einen wiederkehrenden Prozess mit klaren Regeln und bereits digitalen Daten.
• 02Schreiben Sie die Schritte und Ausnahmen so auf, wie heute gearbeitet wird.
• 03Legen Sie den minimalen Zugriff und die Schritte mit menschlicher Freigabe fest.
• 04Führen Sie einen Pilot mit echtem Volumen durch und messen Sie das Ergebnis.
• 05Erweitern Sie die Autonomie nur dort, wo die Ergebnisse durchgehend gut sind.

Quellen und weiterführende Lektüre.

• 01Anthropic — Building effective agents
• 02OpenAI — A practical guide to building agents
• 03Gartner — Over 40% of agentic AI projects will be canceled by end of 2027 (25. Juni 2025)
• 04Eurostat — 20% of EU enterprises use AI technologies (11. Dezember 2025)
• 05OpenAI und Hugging Face — Erklärung zum Sicherheitsvorfall während der Modellbewertung (21. Juli 2026)
• 06Hugging Face — Security incident disclosure, Juli 2026

Häufige Fragen

Das Team von The Niche SocietyKI- und Software-Ingenieure aus Bukarest · LinkedIn

veröffentlicht 2026-09-17