Künstliche Intelligenz ist in Unternehmen angekommen. Nicht irgendwann, sondern jetzt.
Noch vor wenigen Jahren ging es vor allem darum, ob Unternehmen KI überhaupt einsetzen sollten. Heute dreht sich die Diskussion zunehmend darum, welche Modelle, Assistenten oder KI-Agenten eingesetzt werden sollen und welche Aufgaben sie übernehmen können.
Dabei gerät eine wesentlich wichtigere Frage schnell in den Hintergrund:
Welches Problem soll eigentlich gelöst werden?
Ein KI-Agent kann Informationen auswerten, Texte erstellen, Daten strukturieren, Systeme ansprechen oder innerhalb definierter Grenzen selbstständig Aktionen ausführen. Er kann jedoch nicht automatisch aus einem schlechten oder unnötig komplizierten Geschäftsprozess einen guten machen.
Genau hier liegt aus meiner Sicht eine der größten Herausforderungen der aktuellen KI-Welle.
KI ist angekommen – die Integration noch nicht überall
Die Entwicklung ist beeindruckend. Nach einer Bitkom-Erhebung vom September 2026 setzen inzwischen 57 Prozent der Unternehmen in Deutschland mit mindestens 20 Beschäftigten KI ein. Ein Jahr zuvor waren es 36 Prozent. Gleichzeitig sehen sich neun von zehn Unternehmen beim Thema KI noch am Anfang.
Das zeigt einen wichtigen Unterschied: KI zu verwenden und KI sinnvoll in ein Unternehmen zu integrieren sind zwei verschiedene Dinge.
Ein Mitarbeiter verwendet beispielsweise einen KI-Assistenten, um eine E-Mail zusammenzufassen. Ein anderer lässt einen Text formulieren. In einer anderen Abteilung werden Dokumente analysiert.
Das kann bereits Zeit sparen.
Es entsteht dadurch aber noch kein durchgängiger digitaler Prozess.
Gerade bei KI-Agenten wird dieser Unterschied wichtiger. Denn ein Agent soll nicht lediglich eine einzelne Antwort erzeugen. Er soll Informationen verarbeiten, Entscheidungen vorbereiten, Werkzeuge verwenden und gegebenenfalls weitere Prozessschritte auslösen.
Damit wird aus einer einzelnen KI-Anwendung zunehmend ein Bestandteil der Unternehmensarchitektur.
Der typische Fehler: mit der Technologie beginnen
Bei neuen Technologien wiederholt sich häufig dasselbe Muster.
Eine interessante Technologie erscheint und anschließend wird nach Einsatzmöglichkeiten gesucht:
„Wir brauchen KI.“
„Wir möchten einen Chatbot.“
„Wir sollten einen KI-Agenten einsetzen.“
Die technische Lösung steht damit gedanklich bereits fest, bevor das eigentliche Problem analysiert wurde.
Ich halte den umgekehrten Weg für sinnvoller.
Nicht:
Wo können wir einen KI-Agenten einsetzen?
Sondern:
Wo verlieren wir heute unnötig Zeit, Informationen oder Ressourcen?
Vielleicht werden Daten mehrfach übertragen.
Vielleicht kommen Aufträge per E-Mail an und müssen anschließend manuell in ein anderes System eingetragen werden.
Vielleicht werden Dokumente heruntergeladen, umbenannt, abgelegt und anschließend Informationen daraus erneut erfasst.
Vielleicht existieren fünf verschiedene Systeme, die jeweils einen Teil der benötigten Informationen enthalten, aber nicht miteinander kommunizieren.
In diesen Fällen besteht das eigentliche Problem zunächst nicht darin, dass keine KI vorhanden ist.
Das Problem ist der Prozess.
Erst verstehen, dann automatisieren
Bevor ich einen Prozess automatisiere, möchte ich verstehen, wie er tatsächlich funktioniert.
Das klingt selbstverständlich, wird in Digitalisierungsprojekten aber erstaunlich schnell übersprungen.
Ein Prozess besteht schließlich nicht nur aus den offiziell beschriebenen Arbeitsschritten. In der Praxis gibt es Ausnahmen, Rückfragen, manuelle Entscheidungen, Excel-Dateien, E-Mails, Telefonate und Wissen, das möglicherweise nur einzelne Mitarbeiter besitzen.
Deshalb beginnt sinnvolle Digitalisierung für mich mit Fragen wie:
Was löst den Prozess aus?
Welche Informationen werden benötigt?
Woher kommen diese Informationen?
Welche Systeme sind beteiligt?
Welche Arbeitsschritte erfolgen manuell?
Wo entstehen Wartezeiten?
Wo werden Daten doppelt gepflegt?
Welche Entscheidungen lassen sich eindeutig beschreiben?
Wo muss weiterhin ein Mensch entscheiden?
Was passiert, wenn etwas nicht dem Normalfall entspricht?
Erst wenn diese Zusammenhänge sichtbar sind, lässt sich sinnvoll entscheiden, welche Technologie überhaupt benötigt wird.
Manchmal ist die richtige Lösung tatsächlich ein KI-Agent.
Manchmal reicht eine klassische Automatisierung vollkommen aus.
Und manchmal sollte zunächst der Prozess selbst vereinfacht werden.
Nicht jeder automatisierte Prozess braucht KI
Das ist ein Punkt, der in der aktuellen Diskussion schnell untergeht.
Wenn eine Aufgabe vollständig durch feste Regeln beschrieben werden kann, ist klassische Automatisierung häufig die bessere Lösung.
Ein einfaches Beispiel:
Eine Rechnung trifft in einem definierten Postfach ein. Der Anhang soll gespeichert, nach einem bestimmten Schema benannt und anschließend an ein Buchhaltungssystem übertragen werden.
Wenn Absender, Dateityp und Ziel eindeutig bestimmt werden können, braucht dieser Prozess nicht zwangsläufig künstliche Intelligenz.
Anders sieht es aus, wenn unterschiedliche Dokumenttypen eintreffen, Inhalte interpretiert, Informationen aus unstrukturierten Texten extrahiert oder Fälle anhand ihres Inhalts unterschiedlich behandelt werden müssen.
Hier kann KI eine sinnvolle zusätzliche Ebene bilden.
Der Unterschied ist entscheidend:
Automatisierung führt definierte Regeln aus. KI kann dort unterstützen, wo Informationen interpretiert werden müssen.
In guten digitalen Prozessen können beide Ansätze miteinander kombiniert werden.
Vom Prozess zur KI – nicht umgekehrt
Ein nachhaltiger Ansatz lässt sich deshalb als eine einfache Kette betrachten:
Prozess verstehen → Systeme verbinden → Daten verfügbar machen → automatisieren → KI gezielt ergänzen → Ergebnis kontrollieren
1. Prozess verstehen
Zunächst wird der bestehende Ablauf betrachtet. Dabei geht es nicht darum, den aktuellen Prozess möglichst exakt digital nachzubauen.
Die wichtigere Frage lautet:
Warum existiert dieser Arbeitsschritt überhaupt?
Ein unnötiger Arbeitsschritt wird schließlich nicht sinnvoller, nur weil er automatisiert wurde.
2. Systeme verbinden
In vielen Unternehmen liegen benötigte Informationen bereits digital vor – allerdings verteilt über verschiedene Systeme.
CRM, ERP, E-Mail, Kalender, Buchhaltung, Datenbanken, Cloud-Dienste oder interne Anwendungen besitzen jeweils einen Teil des Gesamtbildes.
Schnittstellen und Integrationen sind deshalb häufig die eigentliche Grundlage für Automatisierung.
3. Daten verfügbar machen
Eine KI kann nur mit Informationen arbeiten, auf die sie kontrolliert zugreifen kann.
Dabei geht es nicht darum, möglichst viele Unternehmensdaten an ein Modell zu übertragen. Entscheidend ist vielmehr, die richtigen Daten zum richtigen Zeitpunkt und im richtigen Kontext bereitzustellen.
Datenqualität wird damit zu einem wesentlichen Bestandteil jeder KI-Strategie.
4. Deterministische Schritte automatisieren
Alles, was sich zuverlässig durch klare Regeln abbilden lässt, sollte zunächst entsprechend automatisiert werden.
Das schafft nachvollziehbare und testbare Abläufe.
5. KI dort einsetzen, wo sie Mehrwert bringt
Erst jetzt stellt sich die Frage, an welchen Stellen KI den Prozess sinnvoll erweitern kann.
Zum Beispiel bei:
Klassifizierung unstrukturierter Informationen,
Zusammenfassungen,
Extraktion relevanter Inhalte aus Dokumenten,
Vorbereitung von Entscheidungen,
Verarbeitung natürlicher Sprache,
Wissensrecherche,
Erkennung von Zusammenhängen oder
dynamischer Auswahl weiterer Prozessschritte.
Damit bekommt KI eine konkrete Aufgabe innerhalb eines definierten Systems.
6. Den Menschen nicht aus dem Prozess entfernen
Automatisierung bedeutet nicht zwangsläufig vollständige Autonomie.
Gerade bei finanziellen, rechtlichen, personellen oder geschäftskritischen Entscheidungen sollte klar definiert sein, wann ein System selbstständig handeln darf und wann eine menschliche Freigabe erforderlich ist.
Ein Agent kann beispielsweise einen Vorgang analysieren, Informationen zusammentragen und eine Handlung vorbereiten.
Die endgültige Entscheidung kann trotzdem bei einem Menschen bleiben.
Das ist kein technischer Rückschritt, sondern häufig gutes Prozessdesign.
Ein Beispiel aus dem Mittelstand
Nehmen wir einen Handwerksbetrieb.
Anfragen erreichen das Unternehmen über E-Mail, Telefon und Kontaktformular. Ein Mitarbeiter prüft die Anfrage, sucht Kundendaten heraus, klärt die benötigte Leistung, überprüft verfügbare Termine und erstellt anschließend einen Vorgang.
Die spontane KI-Idee könnte lauten:
Wir brauchen einen KI-Agenten für Kundenanfragen.
Doch zunächst sollte der Prozess betrachtet werden.
Wo werden Kundendaten gespeichert?
Wie werden Termine verwaltet?
Welche Informationen benötigt der Betrieb für eine erste Einschätzung?
Welche Anfragen können standardisiert bearbeitet werden?
Wann muss ein Mitarbeiter übernehmen?
Erst daraus entsteht eine sinnvolle Architektur.
Eine Anfrage aus dem Kontaktformular könnte automatisch erfasst werden. Bestehende Kundendaten werden über eine Schnittstelle gesucht. Ein KI-Modell klassifiziert die frei formulierte Anfrage und extrahiert relevante Informationen. Ein Workflow prüft anschließend definierte Voraussetzungen.
Fehlen Informationen, kann automatisch eine Rückfrage vorbereitet werden.
Sind alle Informationen vorhanden, können passende nächste Schritte vorgeschlagen werden.
Bei ungewöhnlichen oder kritischen Fällen wird der Vorgang an einen Mitarbeiter übergeben.
Die KI ist hier nicht „der Prozess“.
Sie übernimmt eine bestimmte Aufgabe innerhalb des Prozesses.
KI-Agenten brauchen Grenzen
Je mehr ein System selbstständig handeln darf, desto wichtiger werden klare Grenzen.
Ein produktiver KI-Agent benötigt deshalb mehr als einen guten Prompt.
Es muss definiert werden:
Welche Daten darf der Agent lesen?
Welche Systeme darf er verwenden?
Welche Aktionen darf er selbstständig ausführen?
Welche Aktionen benötigen eine Freigabe?
Was passiert bei Unsicherheit oder Fehlern?
Wie werden Aktionen protokolliert?
Wie lässt sich nachvollziehen, warum eine Aktion durchgeführt wurde?
Diese Fragen gehören für mich genauso zur technischen Architektur wie das verwendete KI-Modell.
Seit August 2026 sind zudem weitere Transparenzvorgaben des europäischen AI Acts anwendbar. Unternehmen müssen deshalb neben Datenschutz und IT-Sicherheit zunehmend auch berücksichtigen, welche regulatorischen Anforderungen für ihren konkreten KI-Einsatz gelten.
Das bedeutet nicht, dass Unternehmen aus Angst vor Regulierung auf KI verzichten sollten.
Es bedeutet, dass KI von Beginn an kontrolliert in Prozesse integriert werden sollte.
Der beste Agent ist manchmal gar kein Agent
Das klingt angesichts des aktuellen Hypes vielleicht ungewöhnlich.
Aber wenn nach einer Prozessanalyse herauskommt, dass drei API-Aufrufe und ein klar definierter Workflow das Problem zuverlässig lösen, würde ich keinen KI-Agenten dazwischenbauen.
Technologie sollte kein Selbstzweck sein.
Jede zusätzliche Komponente erhöht potenziell Komplexität, Kosten, Wartungsaufwand und Fehlerquellen.
Das Ziel eines Digitalisierungsprojekts sollte deshalb nicht lauten:
„Wir haben jetzt KI.“
Das bessere Ergebnis lautet beispielsweise:
„Dieser Vorgang benötigt statt 20 Minuten nur noch fünf.“
Oder:
„Diese Information muss nur noch einmal erfasst werden.“
Oder:
„Mitarbeiter müssen nicht mehr jeden Vorgang manuell prüfen.“
Oder schlicht:
„Der Prozess funktioniert jetzt besser.“
Das sind Ergebnisse, die sich bewerten lassen.
Was sich durch KI-Agenten tatsächlich verändert
Trotzdem halte ich KI-Agenten für eine der interessantesten Entwicklungen der aktuellen Digitalisierung.
Denn erstmals lassen sich auch Prozessschritte automatisieren, die bisher schwer in klassische Regeln zu übersetzen waren.
Das Potenzial wird inzwischen sichtbar. Eine im September 2026 veröffentlichte Untersuchung unter Entscheidern kleiner und mittlerer Unternehmen in Deutschland zeigt beispielsweise: Generative KI wird bereits von fast zwei Dritteln zumindest gelegentlich eingesetzt, während KI-Agenten erst bei rund einem Viertel angekommen sind.
Bei deutschen Tech-Startups ist die Entwicklung bereits weiter. Dort setzte laut einer Bitkom-Befragung im Sommer 2026 fast jedes zweite befragte Startup selbstständig arbeitende KI-Agenten ein.
Wir befinden uns also nicht mehr in einer rein theoretischen Phase.
Gleichzeitig stehen viele Unternehmen noch am Anfang.
Genau deshalb halte ich es für wichtig, jetzt nicht denselben Fehler zu wiederholen, der bei früheren Digitalisierungswellen häufig gemacht wurde: bestehende Probleme lediglich mit einer neuen technischen Schicht zu überdecken.
Mein Fazit: Der Prozess entscheidet
KI-Agenten werden in den kommenden Jahren ein fester Bestandteil vieler Unternehmensprozesse werden.
Aber sie ersetzen keine Prozessanalyse, keine saubere Datenbasis und keine funktionierende Systemintegration.
Deshalb würde ich ein KI-Projekt nicht mit der Auswahl eines Modells beginnen.
Ich würde mit einem Prozess beginnen.
Wo hakt es?
Welche Arbeit kostet unnötig Zeit?
Wo fehlen Informationen?
Welche Systeme arbeiten nebeneinander statt miteinander?
Welche Entscheidungen lassen sich automatisieren – und welche sollten bewusst beim Menschen bleiben?
Erst danach kommt die Technologie.
Denn am Ende ist nicht entscheidend, wie viel KI in einem Unternehmen eingesetzt wird.
Entscheidend ist, ob die Arbeit dadurch tatsächlich besser wird.
quelle: https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI? , https://bevh.org/detail/ki-agenten-ungenutztes-potenzial-im-mittelstand-junge-entscheider-vorn? , https://www.bitkom.org/Presse/Presseinformation/Jedes-zweite-Startup-setzt-selbststaendige-KI-Agenten-ein?
bild: OpenAi ChatGPT Images
Social Media