EINBLICKE

KI-Agenten für interne Teams: ein Briefing für Entscheider

Was ein KI-Agent ist, welche internen Abläufe sich eignen, wie man für seine Fehler plant, welche Governance Compliance verlangt und was der Betrieb kostet.

Von Jovan Soldatovic Veröffentlicht am 3. September 2026 12 Min. Lesezeit

TYP: BRIEFING
THEMA: KI UND INTELLIGENTE SYSTEME / DELIVERY UND TEAMS / TRANSFORMATION
GEPRÜFT: 2026-09-03

Hand bewegt einen Umschlag zwischen Dokumentenablagen aus Draht auf einem Holztisch — Hand bewegt Umschlag zwischen Ablagen

ZUSAMMENFASSUNG

Ein Agent ist ein Sprachmodell-System, das mit Ihren Werkzeugen und Daten verbunden ist und eine definierte Aufgabe mit begrenzter Aufsicht erledigen kann. Er ist kein Chatbot und kein Allzweck-Mitarbeiter.
Die Workflows, die sich für Agenten eignen, haben vier Eigenschaften gemeinsam: klare Regeln, ein definierbares Ende, nennenswertes Volumen und tolerierbare Fehlerkosten. Die meisten internen Verwaltungsabläufe in Finanzen, Operations, Kundenservice, HR und Recht enthalten Kandidaten.
Agenten machen Fehler – und zwar selbstbewusst. Das System um den Agenten herum – Konfidenzschwellen, menschliche Prüfung, Protokollierung, Evaluation an echten Fällen – ist der Ort, an den der Entwicklungsaufwand gehört.
Governance ist kein Dokument; sie besteht aus Versionierung, Audit-Trails, Zugriffskontrolle, Evaluation und einer namentlich verantwortlichen Person. Compliance-Funktionen akzeptieren Agenten, wenn das vorhanden ist und vorgezeigt werden kann.
Die Betriebskosten hängen von Aufgabenvolumen, Modellwahl und Kontextgröße ab – und lassen sich durch das Design steuern. Rechnen Sie sie durch, bevor Sie bauen.
Beginnen Sie mit einem Workflow, messen Sie ihn, erweitern Sie auf Basis von Belegen. Ein Unternehmen, das drei Agenten sechs Monate lang produktiv betrieben hat, weiß mehr, als jede Strategiepräsentation ihm sagen könnte.

1. WAS EIN AGENT IST, PRAKTISCH BETRACHTET

Ein Sprachmodell allein kann Text lesen und schreiben. Ein Agent ist ein Sprachmodell in einer Schleife: Es erhält eine Aufgabe, entscheidet, was zu tun ist, nutzt Werkzeuge – Ihre Wissensdatenbank durchsuchen, einen Datensatz aus dem CRM lesen, ein Dokument entwerfen, eine API aufrufen –, beobachtet das Ergebnis und macht weiter, bis die Aufgabe erledigt ist oder ein Mensch gebraucht wird. Die Werkzeuge sind der entscheidende Teil. Ein Agent mit Zugang zu Ihren Richtlinien, Ihren Systemen und Ihrer Historie kann echte Arbeit erledigen; ein Chatfenster ohne all das kann nur reden.

Im Produktivbetrieb ist ein Agent deshalb ein Stück Software mit allen üblichen Pflichten – Tests, Deployment, Monitoring, Zugriffskontrolle – plus einer ungewöhnlichen Eigenschaft: Sein Verhalten ist probabilistisch. Er tut nicht jedes Mal dasselbe, und manchmal liegt er auf eine Weise falsch, die richtig aussieht. Jede Designentscheidung, die zählt, folgt aus dieser Eigenschaft.

2. WELCHE WORKFLOWS SICH FÜR EINEN AGENTEN EIGNEN

Vier Tests, ehrlich angewandt.

Klare Regeln. Die Aufgabe lässt sich einem neuen Mitarbeiter so beschreiben, dass er sie meistens richtig erledigt. Richtlinien, Präzedenzfälle und Beispiele existieren.

Ein definierbares Ende. Es gibt einen Zustand, in dem die Aufgabe erledigt ist – eine Klassifizierung vergeben, ein Entwurf erstellt, ein Datensatz aktualisiert, ein Fall weitergeleitet –, und er ist erkennbar.

Nennenswertes Volumen. Hunderte oder Tausende Fälle im Monat, damit sich der Entwicklungsaufwand bezahlt macht und das Evaluationsset groß genug ist, um ihm zu trauen.

Tolerierbare Fehlerkosten. Ein Fehler wird bei der Prüfung erkannt oder lässt sich günstig korrigieren. Wo ein einziger Fehler katastrophal wäre – eine Zahlung, eine rechtliche Verpflichtung, eine Entscheidung über die Rechte einer Person –, kann ein Agent vorbereiten und empfehlen, aber ein Mensch entscheidet.

Workflows, die alle vier Tests bestehen, sind häufig: Triage und Weiterleitung eingehender Anfragen; erste Antwortentwürfe auf Routinekorrespondenz mit Kunden und Lieferanten; Extraktion und Validierung von Daten aus Dokumenten; Erstellung von Zusammenfassungen und Briefings aus internen Quellen; Prüfung von Eingaben gegen Richtlinien; Abgleich von Datensätzen zwischen Systemen; Erstellung von Routineberichten. Workflows, die durchfallen – ergebnisoffene Recherche, neuartige Verhandlungen, alles mit seltenem Volumen oder katastrophalen Fehlern –, überlässt man besser Menschen oder konventioneller Software.

3. DIE FEHLER EINPLANEN

Der Agent wird falschliegen. Die Designfrage ist, was dann passiert.

Konfidenz und Schwellenwerte. Das System schätzt, wie sicher es sich bei jedem Ergebnis ist, und Ergebnisse unter einem Schwellenwert gehen an einen Menschen. Die Schwellenwerte werden pro Workflow aus Evaluationsdaten festgelegt, nicht geraten.

Menschliche Prüfung als bewusst gestalteter Schritt. Für die geprüften Fälle zählt die Oberfläche: was der Agent gefunden hat, warum er zu seinem Schluss kam, wo er unsicher ist – und ein schneller Weg, es zu korrigieren. Korrekturen fließen ins Evaluationsset. Ein Prüfschritt, der langsam oder undurchsichtig ist, wird übersprungen, und die Sicherheit, die er bietet, verpufft.

Begrenzte Handlungen. Der Agent darf bestimmte Dinge tun – diese Systeme lesen, in jene Felder schreiben, Entwürfe in diese Warteschlange legen – und sonst nichts. Die Erweiterung seiner Berechtigungen ist eine Entscheidung auf Basis von Belegen, kein Standard.

Umkehrbarkeit. Wo der Agent handelt, lässt sich die Handlung rückgängig machen, und das Protokoll zeigt, was rückgängig zu machen ist.

Evaluation an echten Fällen. Vor dem Start und danach fortlaufend läuft der Agent gegen einen Satz historischer Fälle mit bekanntem Ausgang. Qualität ist eine Zahl, die verfolgt wird. Wenn ein Modellanbieter ein Update veröffentlicht, läuft die Evaluation, bevor das Update übernommen wird.

Übervertrauen. Ein Agent, der in 95 % der Fälle richtigliegt, erzieht Menschen dazu, nicht mehr zu prüfen. Die Messung des Prüfverhaltens – prüfen die Prüfer tatsächlich? – ist Teil des Systems.

4. GOVERNANCE, DIE EIN COMPLIANCE-VERANTWORTLICHER AKZEPTIERT

Governance für Agenten ist größtenteils gewöhnliche Software-Governance, ausdrücklich gemacht.

Versionierung. Jeder Prompt, jedes Modell, jede Werkzeugkonfiguration und jedes Richtliniendokument, das der Agent nutzt, ist versioniert, und jedes Ergebnis hält fest, welche Versionen es erzeugt haben.
Audit-Trail. Jede Handlung – was gelesen, was entschieden, was geschrieben wurde, wer geprüft hat – wird protokolliert und gemäß Ihren Aufbewahrungsregeln vorgehalten.
Zugriffskontrolle. Der Agent hat eine eigene Identität mit den minimalen Berechtigungen, die sein Workflow braucht. Er kann nicht sehen, was die anfragende Person nicht sehen könnte.
Umgang mit Daten. Wohin Daten gehen – welches Modell, wo gehostet, unter welchem Vertrag, wie lange gespeichert – ist dokumentiert, und die Wahl richtet sich nach Ihren Pflichten, bis hin zu einem vollständig privaten Betrieb, wo das erforderlich ist.
Evaluationsnachweis. Das Evaluationsset, die Ergebnisse im Zeitverlauf und die geltenden Schwellenwerte sind dokumentiert und nachprüfbar.
Verantwortung. Eine namentlich benannte Person verantwortet jeden Agenten: seine Leistung, seine Erweiterung, seine Vorfälle.
Regulatorische Zuordnung. Wo der Workflow personenbezogene Daten oder Entscheidungen über Menschen berührt, wird das Design den geltenden Pflichten zugeordnet – dem Datenschutzrecht und, in der Europäischen Union, den Anforderungen der KI-Verordnung für die jeweilige Risikokategorie – und die menschliche Aufsicht entsprechend gestaltet.

Wenn das alles vorhanden ist und vorgezeigt werden kann, werden Compliance-Gespräche kurz.

5. WAS DER BETRIEB KOSTET

Die Betriebskosten haben drei Treiber.

Aufgabenvolumen. Die Kosten skalieren mit der Zahl der Aufgaben und der Zahl der Modellaufrufe, die jede davon braucht. Ein Agent, der pro Aufgabe viele Schleifen dreht, kostet ein Vielfaches von einem, der in wenigen Schritten fertig ist; entwerfen Sie für kurze Wege.

Modellwahl. Große Allzweckmodelle kosten pro Aufruf mehr als kleine spezialisierte. Die meisten produktiven Agenten nutzen eine Mischung: ein leistungsfähiges Modell für die schwierigen Schritte, ein günstiges für Routineschritte und gar kein Modell, wo eine Regel genügt.

Kontextgröße. Was der Agent bei jedem Aufruf liest – Dokumente, Historie, Richtlinien –, wird bei jedem Aufruf bezahlt. Ein Retrieval, das nur das Relevante liefert, ist ebenso Kostenkontrolle wie Genauigkeitskontrolle.

Rechnen Sie die Kosten pro Aufgabe durch, bevor Sie bauen – aus Ihren Volumina und dem tatsächlichen Aufrufmuster eines Prototyps – und vergleichen Sie sie mit den Kosten der Arbeit heute. Fällt der Vergleich nicht klar günstig aus, ist der Workflow ein schlechter Kandidat, egal wie beeindruckend die Demonstration war. Anbieter ändern ihre Preise; entwerfen Sie so, dass sich die Modellschicht austauschen lässt.

6. EINE ABFOLGE VON NULL AUF MEHRERE

Monat eins – auswählen und entwerfen. Wählen Sie einen Workflow, der die vier Tests sauber besteht, mit einem Verantwortlichen, der ihn will. Entwerfen Sie den Workflow: Eingaben, Regeln, Ende, Ausnahmen, Kennzahlen. Stellen Sie das Evaluationsset aus der Historie zusammen.

Monat zwei bis drei – bauen und evaluieren. Bauen Sie den Agenten mit seinen Werkzeugen, der Prüfoberfläche, der Protokollierung und der Evaluationsumgebung. Lassen Sie ihn im Schattenbetrieb gegen echte Fälle laufen, verglichen mit dem, was Menschen getan haben. Justieren Sie die Schwellenwerte.

Monat drei oder vier – beaufsichtigter Produktivbetrieb. Der Agent bearbeitet echte Fälle; ein Mensch prüft zunächst jedes Ergebnis, dann eine Stichprobe, sobald sich Belege ansammeln. Messen Sie Qualität, Kosten, Prüfzeit und das Vertrauen des Verantwortlichen.

Monat vier bis sechs – auf Basis von Belegen erweitern. Weiten Sie die Berechtigungen des Agenten aus, wo die Zahlen es rechtfertigen. Beginnen Sie den zweiten Workflow und nutzen Sie dabei Governance, Werkzeuge und das, was das Team gelernt hat, wieder. Der zweite geht schneller; der dritte noch schneller.

Nach sechs Monaten – Sie haben eine einsatzfähige Kompetenz. Standards, Werkzeuge, Evaluationspraxis, einen internen Verantwortlichen, der Agenten versteht, und eine Warteschlange von Kandidaten-Workflows, nach Belegen sortiert. Diese Kompetenz ist mehr wert als jeder einzelne Agent.

7. WAS SIE EINEN ANBIETER FRAGEN SOLLTEN – UNS EINGESCHLOSSEN

Welche unserer Workflows würden Sie nicht automatisieren, und warum?
Zeigen Sie mir das Evaluationsset und die Ergebnisse. Wie hoch ist die aktuelle Fehlerquote?
Was passiert, wenn der Agent falschliegt? Zeigen Sie mir die Prüfoberfläche.
Was enthält das Audit-Protokoll, und wer kann es lesen?
Wohin gehen unsere Daten, unter welchem Vertrag, und können sie privat bleiben?
Was kostet es pro Aufgabe bei unserem Volumen, und was passiert, wenn der Modellanbieter seine Preise verdoppelt?
Wer verantwortet den Agenten, wenn Sie weg sind?

Ein Anbieter, der diese Fragen flüssig beantwortet, hat Agenten produktiv betrieben. Ein Anbieter, der auf eine Demonstration umlenkt, hat es nicht.

QUELLEN

Europäische Union, Verordnung (EU) 2024/1689 (Verordnung über künstliche Intelligenz), Amtsblatt der Europäischen Union, 12. Juli 2024 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung) — https://eur-lex.europa.eu/eli/reg/2016/679/oj

ÜBER DEN AUTOR

JOVAN SOLDATOVIC — Gründer & Managing Partner, Technologie, Architektur & Ventures. Jovan hat die Technologie für Produkte mit KI-Funktionen in der Vermögensverwaltung, bei ESG-Daten und in der Portfolio-Entscheidungsunterstützung geleitet und setzt agentenbasierte Systeme in seiner eigenen Produkt- und Engineering-Arbeit ein. Jovan Soldatovic

VERWANDTE EINBLICKE

Wo KI im Mittelstand wirklich Wert schafft Wo KI im Mittelstand wirklich Wert schafft
Transformation ist ein Problem des Betriebsmodells, kein Softwareproblem Transformation ist ein Problem des Betriebsmodells, kein Softwareproblem

PROJEKT STARTEN

Haben Sie einen Workflow im Kopf?

Wenden Sie die vier Tests an und erzählen Sie uns davon. Wir sagen Ihnen ehrlich, ob er ein guter erster Kandidat ist.

Projekt starten