Agentische KI: Was es ist und warum Unternehmen von Assistenten zu autonomen Agenten wechseln
Was agentische KI ist, wie sie sich von einem klassischen Assistenten unterscheidet und was das für die Automatisierung von Geschäftsprozessen bedeutet.
Von Synthex-Team
Die nächste Etappe der Unternehmens-KI
Künstliche Intelligenz hat fast immer als Unterstützungsschicht gedient. Eine Mitarbeiterin stellt einem Modell eine Frage, erhält eine Antwort und entscheidet, was sie damit tut. Agentische KI setzt an einem anderen Punkt an: Ein Agent kann ein Ziel erhalten, den Kontext analysieren, Werkzeuge nutzen und bestimmte Handlungen ausführen, stets innerhalb der Rechte und Regeln, die das Unternehmen festlegt.
Assistent und Agent sind nicht dasselbe
Das Modell ist nur ein Teil davon. Was darum herum liegt, zählt genauso: Anweisungen, Werkzeuge, Gedächtnis, Daten, Berechtigungen, Regeln und Kontrolle. Ein Assistent konzentriert sich meist darauf, Informationen zu erzeugen oder umzuwandeln; ein Agent kann Nachdenken mit Werkzeugaufrufen verbinden und einen Teil des Prozesses abschließen. Zudem lässt sich Autonomie stufen, vom Vorschlagen einer Handlung bis zur Ausführung nach einer Freigabe.
So funktioniert ein Agent, der mit Systemen verbunden ist
In einer Unternehmensarchitektur braucht der Agent eine verlässliche Datenquelle und einen kontrollierten Umgang mit ihr. Er kann das CRM abfragen, um den Kontext eines Kunden zu holen, den Status einer Bestellung lesen, Verfügbarkeiten im Kalender prüfen oder eine Aufgabe anlegen. Der Workflow um das Modell herum bleibt wichtig, weil er Validierungen, Bedingungen, Wiederholungen und das Verhalten bei unerwarteten Ergebnissen eines Tools festlegt.
Welche Prozesse am besten geeignet sind
Am besten geeignet sind Anwendungsfälle mit hohem Anfragevolumen, zugänglichen Informationen und relativ begrenzten Entscheidungen. Anfragen klassifizieren, Antworten mit internen Daten vorbereiten, Datensätze aktualisieren, Termine koordinieren, Follow-up-Aufgaben erzeugen oder Vorfälle zuordnen sind sinnvolle Beispiele. Ambige Prozesse mit hoher Tragweite oder irreversible Abläufe brauchen dagegen mehr Kontrollen und ausdrücklich menschliches Eingreifen.
Grenzen spielen weiterhin eine Rolle
Das Risiko wächst, wenn der Agent auf reale Systeme einwirken kann. Deshalb gilt das Prinzip der geringsten Rechte: Lesen und Schreiben sollten nach Möglichkeit getrennt sein, sensible Handlungen begrenzt und alles Geschehene protokolliert. Wichtig ist außerdem, Eskalationswege festzulegen: Fehlen Informationen, schlägt ein Tool fehl oder ist die Sicherheit gering, soll das System stoppen und um Hilfe bitten, statt herumzuexperimentieren.
Wie du eine agentische Einführung misst
Eine ernsthaft eingeführte Lösung misst man nicht daran, ob der Agent gut antwortet. Es lohnt sich, Lösungsquote, Fehler, Eskalationen, Latenz, Kosten pro Aufgabe, ausgeführte Handlungen und eingesparte Zeit zu messen. Die geschäftliche Frage ist einfach: Löst das System einen Teil des Prozesses zuverlässig und nachvollziehbar? Wenn ja, kann die Autonomie Schritt für Schritt ausgeweitet werden.