KI-Agenten für den Mittelstand: Praxisleitfaden

Ein KI-Agent ist für den Mittelstand dann sinnvoll, wenn er einen klar beschriebenen Prozess verlässlich unterstützt. Der Einstieg sollte deshalb nicht mit einem Modell oder einer Plattform beginnen, sondern mit einer wiederkehrenden Aufgabe, bekannten Daten und einem messbaren Ergebnis.

Was einen geeigneten ersten Prozess auszeichnet

Der beste Pilot ist fachlich relevant, aber technisch und organisatorisch begrenzbar. Er verarbeitet wiederkehrende Eingaben, greift auf definierte Quellen zu und erzeugt ein Ergebnis, das geprüft werden kann. Wenn ein Fehler sofort hohe finanzielle, rechtliche oder sicherheitskritische Folgen hätte, sollte dieser Prozess nicht der erste autonome Einsatz sein.

Gute Voraussetzungen

hoher manueller Recherche- oder Übertragungsaufwand,
ausreichend Beispiele für richtige Ergebnisse,
zugängliche und fachlich gepflegte Datenquellen,
klarer Prozessverantwortlicher im Unternehmen.

Warnsignale

unklare Zuständigkeiten oder ständig wechselnde Regeln,
fehlende Rechte- und Zugriffskonzepte,
Erfolg wird nur als „mehr KI“ beschrieben,
kritische Aktionen wären nicht rückgängig zu machen.

Vier realistische Anwendungsfälle im Mittelstand

Die folgenden Beispiele sind keine fertigen Produkte. Sie zeigen, wie ein Prozess so beschrieben werden kann, dass Nutzen und technische Anforderungen überprüfbar werden.

Serviceanfragen einordnen

Eingang: E-Mail, Formular, CRM-Kontext

Ergebnis: Kategorie, Entwurf, zuständige Queue

Dokumente vorprüfen

Eingang: PDF, Stammdaten, Prüfkriterien

Ergebnis: Extrahierte Angaben und markierte Abweichungen

Internes Wissen recherchieren

Eingang: Freigegebene Richtlinien und Dokumentation

Ergebnis: Antwort mit Quellen und Versionshinweis

Vertriebsvorgänge vorbereiten

Eingang: Accountdaten, Gesprächsnotizen, CRM-Regeln

Ergebnis: Recherche, Zusammenfassung und nächster Schritt

So läuft ein belastbarer Pilot ab

Ein Pilot sollte nicht möglichst viele Funktionen demonstrieren. Er soll zeigen, ob der Agent unter realistischen Bedingungen zuverlässig genug arbeitet und ob die Verbesserung den zusätzlichen Betriebsaufwand rechtfertigt.

1. Prozess abgrenzenEin konkreter Ablauf, ein fachlich verantwortliches Team und eine messbare Zielgröße.
2. Daten und Rechte klärenQuellen, Schnittstellen, Rollen, Schreibrechte und Aufbewahrung werden vor dem Pilot festgelegt.
3. Soll-Fälle definierenReale Beispiele zeigen, welche Ergebnisse richtig, unvollständig oder gefährlich wären.
4. Begrenzten Pilot bauenDer Agent arbeitet zunächst mit wenigen Werkzeugen und klaren menschlichen Freigaben.
5. Wirkung messenQualität, Durchlaufzeit, Kosten und Eskalationen werden mit dem bisherigen Prozess verglichen.

Architektur: Ein Agent ist mehr als ein Chatfenster

Im Unternehmen besteht ein Agent typischerweise aus einem Modell, klar beschriebenen Anweisungen, freigegebenen Datenquellen und Werkzeugen für Systemaktionen. Über APIs oder einen MCP-Server kann er beispielsweise Informationen aus einem CRM lesen oder einen vorbereiteten Vorgang an ein Helpdesk übergeben.

Entscheidend ist die Begrenzung: Welche Daten darf der Agent sehen? Welche Aktion darf er selbst ausführen? Wann muss ein Mensch bestätigen? Wie wird nachvollzogen, was passiert ist? Für sensible Anwendungen kann zusätzlich ein lokales oder privates Betriebsmodell sinnvoll sein.

Welche Kennzahlen wirklich helfen

Eine reine Nutzungszahl sagt wenig über den Geschäftswert aus. Sinnvolle Kennzahlen verbinden technische Qualität mit der Wirkung auf den Prozess:

Antwort- oder Extraktionsgenauigkeit: Wie oft entspricht das Ergebnis dem definierten Soll?
Eskalationsquote: Welche Fälle muss ein Mensch übernehmen – und warum?
Durchlaufzeit: Wie verändert sich die Zeit vom Eingang bis zum verwertbaren Ergebnis?
Kosten pro Vorgang: Modell-, Infrastruktur- und Prüfkosten zusammen betrachten.
Nacharbeitsquote: Wie häufig müssen Ergebnisse korrigiert oder vollständig neu erstellt werden?

Eine ausführlichere Einordnung finden Sie im Beitrag zu den relevanten KPIs für KI-Agenten.

Selbst bauen, Plattform nutzen oder individuell integrieren?

Standardplattformen eignen sich, wenn der Prozess nahe an vorhandenen Funktionen liegt und wenig individuelle Integration benötigt. Eine eigene Entwicklung wird interessanter, wenn Datenquellen, Rollen oder Prozesslogik unternehmensspezifisch sind. In vielen Fällen ist ein hybrider Ansatz sinnvoll: bewährte Modell- und Plattformdienste, kombiniert mit eigener Integrations- und Kontrolllogik.

Häufige Fragen

Wie lange dauert ein Pilot?

Das hängt von Datenzugängen, Schnittstellen und Freigaben ab. Ein eng begrenzter Prozess lässt sich schneller prüfen als ein Agent, der mehrere Kernsysteme verändern darf.

Braucht ein Unternehmen eigene KI-Infrastruktur?

Nicht zwingend. API-basierte, private Cloud- und lokale Modelle haben unterschiedliche Vorteile. Die Betriebsform sollte aus Schutzbedarf, Qualitätsanforderung und Gesamtbetriebskosten abgeleitet werden.

Muss der Agent autonom handeln?

Nein. Gerade am Anfang sind Antwortentwürfe, vorbereitete Aktionen und menschliche Freigaben häufig die verlässlichere Architektur.

Wer sollte im Projekt beteiligt sein?

Mindestens der verantwortliche Fachbereich, IT beziehungsweise Systemverantwortliche und – abhängig von Daten und Risiko – Datenschutz, Informationssicherheit oder Compliance.

Der sinnvolle nächste Schritt

Wählen Sie keinen möglichst spektakulären Use Case. Wählen Sie einen Prozess, dessen heutiger Aufwand bekannt ist und dessen Ergebnis sich fachlich prüfen lässt. Auf dieser Grundlage können Nutzen, Risiken und Integrationsaufwand ehrlich verglichen werden.