KI-Agent oder Automatisierung? Wann ein Agent die richtige Wahl ist

Stellen Sie sich folgenden Ablauf vor: Ein Kunde schickt eine Anfrage per E-Mail. Jemand im Büro öffnet die Mail, liest sie, prüft im ERP welche Artikel vorrätig sind, öffnet das CRM um den Kunden zu finden, legt einen Vorgang an, trägt den Inhalt ein und schickt eine Eingangsbestätigung. Das dauert — je nach Auftragslage — zwischen fünf Minuten und mehreren Stunden. Passiert das zwanzigmal täglich, bindet es eine halbe Stelle.

Genau hier stellt sich die Frage: KI-Agent oder Automatisierung — und die Antwort hängt nicht davon ab, was gerade modern ist, sondern davon, was der Ablauf tatsächlich erfordert.

Dieser Artikel erklärt den Unterschied zwischen regelbasierter Automatisierung, einem einfachen Chatbot und einem echten KI-Agenten. Er zeigt, anhand welcher Kriterien Sie für ein konkretes Vorhaben entscheiden, und wie beide Ansätze sinnvoll kombiniert werden können. Die Frage, ob KI im eigenen Betrieb überhaupt sinnvoll ist, beantwortet der Artikel Automatisierung oder KI? Was in klassischen Betriebsprozessen wirtschaftlicher ist — hier geht es einen Schritt weiter: Sie haben ein konkretes Vorhaben und wollen wissen, welchen Ansatz Sie wählen sollen.

Drei Konzepte, die oft verwechselt werden

Regelbasierte Automatisierung

Eine regelbasierte Automatisierung führt eine fest definierte Abfolge von Schritten aus, wenn eine bestimmte Bedingung erfüllt ist. „Wenn Formular abgesendet, dann CRM-Eintrag anlegen und Bestätigungs-E-Mail versenden" — das ist regelbasiert. Das System trifft keine Entscheidungen. Es folgt einem Ablauf, der im Vorfeld vollständig beschrieben wurde.

Werkzeuge wie n8n, Make oder Zapier — ausführlicher verglichen im Artikel n8n, Make oder Zapier im Vergleich — setzen genau das um: visuelle Workflows, in denen Trigger, Bedingungen und Aktionen manuell konfiguriert werden. Der Aufwand liegt in der Konzeption. Danach läuft der Prozess zuverlässig, solange die Eingaben der erwarteten Struktur entsprechen.

Stärke: Zuverlässig, vorhersehbar, kosteneffizient.
Grenze: Sobald Eingaben variieren, fehlen oder interpretiert werden müssen, kommt die Automatisierung an ihre Grenzen.

Chatbot

Ein regelbasierter Chatbot führt Nutzer durch einen vordefinierten Entscheidungsbaum. Ein KI-gestützter Chatbot — etwa auf Basis eines Sprachmodells — kann freie Texteingaben verstehen und beantworten, agiert aber passiv: Er reagiert auf Fragen, führt aber keine Aktionen im Hintergrund aus. Er legt keinen Datensatz an, schreibt keine E-Mail, stößt keinen Prozess an — es sei denn, er ist explizit mit solchen Werkzeugen ausgestattet. An diesem Punkt beginnt der Übergang zum KI-Agenten.

KI-Agent

Ein KI-Agent ist ein System, das eine Aufgabe oder ein Ziel erhält und selbstständig entscheidet, welche Schritte und Werkzeuge es dafür einsetzt. Er kann eine eingehende E-Mail lesen und klassifizieren, im ERP nach dem Kundendatensatz suchen, fehlende Informationen erkennen, eine Rückfrage vorbereiten, einen Vorgang anlegen und einen Entwurf für die Antwort erstellen — alles aus einem Ziel heraus, ohne dass jeder Schritt einzeln programmiert wurde.

Der entscheidende Unterschied: Regelbasierte Automatisierung folgt einem Drehbuch. Ein KI-Agent interpretiert eine Situation und wählt den Weg zum Ziel.

Was das in der Praxis bedeutet — ein hypothetisches Beispiel

Nehmen wir einen mittelständischen Großhändler mit täglich eingehenden Bestellanfragen per E-Mail. Einige kommen strukturiert als PDF, andere als Freitext, manche enthalten unklare Mengenangaben oder Produktbezeichnungen, die nicht exakt mit den Artikelstammdaten übereinstimmen.

Szenario A – regelbasierte Automatisierung: Ein Workflow erkennt eingehende E-Mails mit PDF-Anhang, extrahiert Tabellendaten per OCR und überträgt die Zeilen ins ERP. Das funktioniert gut, solange die PDFs einer bekannten Vorlage entsprechen. Eine formlos formulierte Bestellanfrage mit Freitext landet im Workflow — und scheitert.

Szenario B – KI-Agent: Der Agent liest die E-Mail, erkennt die Intention (Bestellanfrage), gleicht Produktbezeichnungen mit dem Artikelstamm ab, identifiziert Unklarheiten (falsche Artikelnummer, fehlende Menge), bereitet einen Rückfrage-Entwurf vor und legt den Vorgang im ERP mit dem Status „Rückfrage erforderlich" an. Ein Mitarbeiter sieht den Vorgang, prüft den Entwurf und gibt ihn frei.

Das Beispiel ist hypothetisch — aber es zeigt den strukturellen Unterschied: Der Regelworkflow beherrscht die bekannte, strukturierte Eingabe. Der Agent beherrscht auch die unstrukturierte.

Die Entscheidungskriterien im Überblick

Ob ein KI-Agent oder eine klassische Automatisierung die richtige Wahl für ein konkretes Vorhaben ist, hängt von wenigen klaren Merkmalen ab:

Keine dieser Antworten ist allein entscheidend — die Kombination zeigt das Bild. Ein Prozess, der zwar variabel ist, aber nur drei bekannte Varianten hat, lässt sich oft regelbasiert mit Verzweigungen abbilden. Erst wenn Varianten unbekannt, Texte frei formuliert oder Entscheidungen kontextabhängig sind, zahlt ein KI-Agent seinen Mehraufwand zurück.

Wann regelbasierte Automatisierung klar die erste Wahl ist

Einige Szenarien sprechen eindeutig für den regelbasierten Weg — ohne Wenn und Aber:

• Strukturierte Datentransfers: Bestelldaten aus einem Onlineshop ins ERP übertragen, Rechnungen aus einer Buchhaltungs-Software in ein DMS ablegen, Kalendereinträge mit einem CRM synchronisieren. Die Eingabe ist definiert, der Zielort ist definiert, die Zuordnung ist fest.
• Statusbenachrichtigungen: Wenn ein Auftrag einen bestimmten Status erreicht, geht automatisch eine E-Mail an den Kunden. Kein Interpretationsspielraum, keine Varianz.
• Wiederkehrende Berichte: Täglich um 7 Uhr eine Übersicht aus mehreren Quellen zusammenziehen und als E-Mail versenden.

Diese Aufgaben mit einem KI-Agenten zu lösen wäre Overengineering. Der Agent würde in einer Schleife landen, weil er keine echte Entscheidung treffen muss — und die regelbasierte Automatisierung ist schneller, günstiger und leichter zu warten.

Das bedeutet: Wer Workflow-Automatisierung für KMU einführen möchte, sollte zuerst alle Prozesse auf regelbasierte Lösbarkeit prüfen. Nur was dabei als nicht lösbar übrig bleibt, ist ein Kandidat für einen KI-Agenten.

Wann ein KI-Agent den Unterschied macht

Ein KI-Agent lohnt sich, wenn mindestens eines der folgenden Merkmale zutrifft:

Unstrukturierte Eingaben: E-Mails, Sprachnachrichten, eingescannte Dokumente, Formulare mit Freitextfeldern — Eingaben, deren Inhalt und Struktur vorab nicht vollständig bekannt sind. Das Sprachmodell versteht natürliche Sprache und kann relevante Informationen auch dann extrahieren, wenn sie nicht an erwarteter Stelle stehen.

Kontextabhängige Entscheidungen: Nicht jede Anfrage soll gleich behandelt werden. Ein Bestandskunde mit hohem Auftragsvolumen bekommt eine andere Priorität als eine Erstanfrage. Der Agent erkennt den Kontext — wenn er Zugriff auf die relevanten Daten hat — und handelt entsprechend.

Mehrstufige Aufgaben mit Verzweigungen: Der Agent soll eine Aufgabe ausführen, das Ergebnis auswerten, darauf aufbauend den nächsten Schritt wählen und so weiter — bis das Ziel erreicht oder eine Eskalation notwendig ist. Regelbasierte Workflows können das in engen Grenzen abbilden, aber nicht bei unbekannter Variantenanzahl.

Inhaltliche Vorbereitung: Entwürfe für Angebote, Zusammenfassungen eingehender Dokumente, Vorbereitung von Rückfragen — Aufgaben, die bisher eine Fachkraft erfordern, die lesen, verstehen und formulieren kann.

Wichtig: Ein KI-Agent bereitet vor und schlägt vor. Er entscheidet nicht, ob ein Angebot verschickt wird, ob ein Vertrag zustande kommt oder ob ein Sachverhalt die Einschaltung eines Fachjuristen erfordert. Überall dort, wo Haftung, Fachurteil oder verbindliche Entscheidungen stehen, liegt die Freigabe beim Menschen. Das ist keine Schwäche des Ansatzes — es ist die richtige Architektur.

Grenzen von KI-Agenten, die vor dem Einsatz bekannt sein müssen

KI-Agenten arbeiten mit Wahrscheinlichkeiten, nicht mit Gewissheit. Das hat konkrete Konsequenzen:

Fehler passieren. Ein Agent kann eine Produktbezeichnung falsch zuordnen, einen Kontext missverstehen oder eine Rückfrage übersehen. Deshalb brauchen produktive Systeme Kontrollpunkte: Stellen im Ablauf, an denen ein Mensch das Ergebnis sieht, bevor es in ein Folgesystem übertragen oder an einen Kunden gesendet wird. Wie viele solcher Punkte nötig sind, hängt von der Fehlertoleranz des Prozesses ab.

Datenqualität ist Voraussetzung. Ein Agent, der im ERP nach einem Kunden sucht, kann nur so gut arbeiten wie die Daten im ERP. Inkonsistente Stammdaten, doppelte Einträge oder fehlende Felder führen zu falschen Zuordnungen — unabhängig davon, wie gut das Sprachmodell ist.

Nicht jede Aufgabe ist geeignet. Aufgaben, bei denen ein kleiner Fehler große Konsequenzen hat — medizinische Einschätzungen, rechtliche Beurteilungen, finanzielle Freigaben über bestimmten Grenzen — sind keine geeigneten Kandidaten für vollautomatisierte Agentenläufe. Sie können unterstützt, aber nicht ersetzt werden.

Datenschutz muss vorab geklärt sein. Wenn ein Agent auf Kundendaten, Vertragsunterlagen oder personenbezogene Informationen zugreift, gelten die Anforderungen der DSGVO: Rechtsgrundlage, Auftragsverarbeitung (bei externen Modellen), Datenminimierung, Speicherort, Löschfristen und Information der Betroffenen. Das ist im Einzelfall zu prüfen — nicht als Checkliste, sondern als ernsthafter Teil der Projektvorbereitung. Wer ein Sprachmodell eines Cloud-Anbieters nutzt, braucht dafür einen Auftragsverarbeitungsvertrag und muss den Datentransfer bewerten. Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) ist ebenfalls relevant: Welche Pflichten gelten, hängt von Rolle und Einsatzzweck ab — das ist im Einzelfall zu prüfen und sollte mit dem Datenschutzbeauftragten oder einer Rechtsberatung besprochen werden.

Hybride Architektur: feste Workflows und Agenten-Schritte kombinieren

In der Praxis ist die sinnvollste Lösung oft keine Entweder-oder-Entscheidung. Viele Prozesse lassen sich so strukturieren, dass feste Workflow-Schritte und Agenten-Schritte sich ergänzen:

Beispielarchitektur (hypothetisch):

1. Trigger (regelbasiert): Eingehende E-Mail landet im Postfach und löst den Prozess aus.
2. Klassifizierung (Agent): Das Sprachmodell liest die E-Mail und bestimmt den Typ (Bestellung, Reklamation, allgemeine Anfrage, Bewerbung).
3. Verzweigung (regelbasiert): Je nach Typ wird ein anderer Ast des Workflows ausgeführt.
4. Datenbankabfrage und Datenanreicherung (Agent): Für Bestellungen sucht der Agent den Kundendatensatz und gleicht Artikel ab.
5. Entwurf vorbereiten (Agent): Der Agent formuliert einen Antwortvorschlag.
6. Freigabe (Mensch): Ein Mitarbeiter prüft Entwurf und Datensatz und gibt frei.
7. Versand und Eintrag (regelbasiert): Nach Freigabe versendet der Workflow die E-Mail und schreibt den Eintrag ins CRM.

Diese Architektur hält die Kontrolle beim Menschen, nutzt KI dort, wo Interpretation nötig ist, und setzt regelbasierte Automatisierung dort ein, wo sie zuverlässiger und günstiger ist als ein Agent. Eine sauber dokumentierte API-Entwicklung ist dabei oft die Voraussetzung, damit der Agent überhaupt auf die relevanten Systeme zugreifen kann.

Was die Einführung eines KI-Agenten tatsächlich voraussetzt

Wer mit dem Gedanken spielt, einen KI-Agenten für einen konkreten Prozess einzuführen, sollte vorher ehrlich vier Fragen beantworten:

1. Ist der Prozess beschreibbar?
Kann jemand im Betrieb erklären, was genau passiert — Schritt für Schritt, mit allen Varianten und Ausnahmen? Ein Prozess, den niemand vollständig beschreiben kann, ist kein guter Kandidat für die Automatisierung. Weder regelbasiert noch mit KI.

2. Gibt es Daten und Systemzugänge?
Der Agent braucht Zugriff auf die Systeme, mit denen er interagieren soll — ERP, CRM, E-Mail, DMS. Ohne API-Integration oder andere technische Schnittstellen kann kein Agent arbeiten. Wer heute auf Systeme ohne API angewiesen ist, muss das als Vorprojekt einplanen.

3. Wer verantwortet Fehler?
Wenn der Agent einen Vorgang falsch anlegt oder eine falsche Information weiterleitet — wer bemerkt das, wie schnell, und was passiert dann? Diese Frage muss vor dem Go-live beantwortet sein, nicht danach.

4. Was kostet Stillstand?
Ein KI-Agent ist Software und muss gewartet werden: Sprachmodelle werden aktualisiert, Prompt-Logiken müssen angepasst werden, Systemschnittstellen ändern sich. Wer keinen Partner hat, der den laufenden Betrieb übernimmt, sollte das in die Gesamtkalkulation aufnehmen.

Wie SWBS individuelle KI-Agenten entwickelt

SW Business Solutions entwickelt keine Standardprodukte, die man kauft und einsteckt. Jeder KI-Agent, den SWBS entwickelt, ist auf den konkreten Betrieb zugeschnitten: auf dessen Systeme, dessen Prozesse, dessen Datenstruktur und dessen Anforderungen an Freigaben und Kontrolle.

Der Ablauf sieht typischerweise so aus: Zuerst analysieren wir gemeinsam, welche Prozesse tatsächlich für einen Agenten geeignet sind — und welche regelbasiert einfacher zu lösen wären. Dann konzipieren wir die Architektur: Welche Werkzeuge bekommt der Agent? An welchen Stellen liegt eine menschliche Freigabe? Wie werden Fehler sichtbar? Danach folgt die Entwicklung, Anbindung an bestehende Systeme über APIs und Schnittstellen, ein strukturierter Test- und Freigabeprozess — und nach dem Go-live Betrieb und Weiterentwicklung.

Die Leistungsseite KI-Integration & LLM gibt einen Überblick darüber, was technisch dabei entsteht. Was inhaltlich und strategisch dahintersteckt, erklärt der Artikel KI-Beratung für Unternehmen: Wie individuelle KI-Agenten Arbeit abnehmen.

Wer wissen möchte, was KI-Agenten konkret leisten können — welche Aufgaben sie abnehmen und welche Rahmenbedingungen dabei gelten — findet eine fundierte Einführung im Artikel KI-Agenten für Unternehmen: Funktionen, Einsatzbereiche und Beispiele.

Die Entscheidung für ein konkretes Vorhaben treffen

Wenn Sie vor einem konkreten Vorhaben stehen — einem Prozess, bei dem Sie überlegen, ob regelbasierte Automatisierung oder ein KI-Agent die richtige Antwort ist — empfiehlt sich folgende Reihenfolge:

Beschreiben Sie den Prozess so präzise, dass ein Fremder ihn ausführen könnte. Markieren Sie alle Stellen, an denen Eingaben variieren, Interpretationen nötig sind oder Entscheidungen getroffen werden müssen. Prüfen Sie, ob diese Stellen mit einer endlichen Zahl an Regeln abgebildet werden könnten — oder ob die Varianz so groß ist, dass Regeln nicht reichen.

Wenn Regeln reichen: Automatisierung zuerst. Wenn nicht: Prüfen Sie einen KI-Agenten, aber klären Sie vorher Datenqualität, Systemzugänge, Freigabe-Architektur und Datenschutz. Und wenn Sie sich unsicher sind, wo die Grenze liegt — das ist der Punkt, an dem ein Gespräch mit einem Entwicklungspartner mehr bringt als weitere Recherche.

Die Frage KI-Agent oder Automatisierung lässt sich für die meisten Prozesse in einem strukturierten Analyse-Gespräch beantworten. Danach wissen Sie, was sinnvoll ist — und können entscheiden, ob und wie Sie es umsetzen.

KI-Potenziale im eigenen Betrieb mit SWBS prüfen — ohne Verpflichtung, mit konkretem Ergebnis.