Vom Pilot zum Produktivbetrieb: Ein KI-Agenten-Projekt Schritt für Schritt

So läuft ein KI-Agent Pilotprojekt in der Praxis ab – von der Zieldefinition über den Test bis zum Rollout. Mit Abbruchkriterien, Grenzen und konkretem
Vom Pilot zum Produktivbetrieb: Ein KI-Agenten-Projekt Schritt für Schritt
Die Sachbearbeiterin öffnet morgens ihr E-Mail-Postfach und findet 34 neue Nachrichten. Elf davon sind Bestellbestätigungen, neun Lieferscheine, sieben Rückfragen und der Rest Diverses. Bevor sie mit ihrer eigentlichen Arbeit beginnen kann, verbringt sie eine Stunde damit, Informationen in das ERP zu übertragen, Vorgänge anzulegen und Rückfragen vorzubereiten. Jeden Tag. Das ist kein Ausnahmefall — das ist der Alltag in vielen mittelständischen Betrieben.
Genau für solche Abläufe werden KI-Agenten entwickelt: Software, die eigenständig Aufgaben ausführt, Informationen ausliest, klassifiziert und weitergibt — und dabei immer dort pausiert und auf menschliche Freigabe wartet, wo Entscheidungen, Fachurteil oder Haftung ins Spiel kommen.
Dieser Artikel zeigt, wie ein KI-Agent Pilotprojekt in der Praxis aufgebaut ist: welche Phasen es durchläuft, welche Voraussetzungen erfüllt sein müssen, wann ein Projekt abgebrochen werden sollte — und wie der Weg von einem kontrollierten Test in den stabilen Betrieb aussieht.
Warum der Pilotansatz der einzig ehrliche Einstieg ist
Ein KI-Agent, der unkontrolliert produktive Systeme verändert, ist kein Fortschritt — er ist ein Risiko. Gleichzeitig blockieren monatelange Strategieprojekte ohne greifbare Ergebnisse die Bereitschaft, danach überhaupt noch etwas umzusetzen.
Der Pilotansatz löst diesen Widerspruch: Ein abgegrenzter Prozess, reale Daten, menschliche Aufsicht — und ein klares Kriterium, ob der Agent in den Betrieb überführt wird oder nicht. Wer diesen Weg konsequent geht, schützt sich vor Fehlinvestitionen und schafft gleichzeitig die Grundlage für einen echten, dauerhaften Produktiveinsatz.
Bei SW Business Solutions strukturieren wir KI-Agenten-Projekte in sieben klar abgegrenzte Phasen. Keine davon ist optional — jede hat eine eigene Prüflogik.
Phase 1: Zieldefinition und Prozessauswahl
Nicht jeder Prozess eignet sich für einen KI-Agenten. Die erste Phase klärt deshalb nicht, was technisch möglich ist, sondern was betrieblich sinnvoll ist.
Geeignete Prozesse haben folgende Merkmale:
- Strukturierter Input: Die eingehenden Informationen — E-Mails, Dokumente, Formulare — folgen einem erkennbaren Muster. Wildly variierender Freitext ohne Kontext ist schwieriger zu verarbeiten.
- Klares Erfolgskriterium: Es lässt sich beurteilen, ob das Ergebnis des Agenten korrekt war. Qualitätsurteile, die ausschließlich aus Erfahrung entstehen, eignen sich weniger.
- Ausreichendes Volumen: Der Aufwand für Entwicklung, Test und Betrieb muss in einem vertretbaren Verhältnis zur eingesparten Arbeit stehen. Ein Vorgang pro Woche trägt das Projekt nicht.
- Menschliche Freigabe ist einplanbar: Der Agent bereitet vor — ein Mitarbeiter entscheidet. Dieser Freigabepunkt muss im Ablauf vorgesehen sein, nicht nachträglich eingefügt werden.
Typische Aufgaben, die in dieser Phase als geeignet identifiziert werden: Posteingang klassifizieren und zuordnen, Dokumente auslesen und Felder vorausfüllen, Daten zwischen Systemen übertragen, Entwürfe erstellen, Rückfragen vorbereiten.
Aufgaben, die in dieser Phase ausscheiden: Fachliche Bewertungen mit Haftungsrelevanz, Personalentscheidungen, komplexe Verhandlungssituationen, Prozesse ohne klar definierten Ausgabestandard.
Am Ende von Phase 1 liegt eine dokumentierte Entscheidung vor: welcher Prozess pilotiert wird, wer dafür verantwortlich ist und was das Ziel messbar ausmacht.
Phase 2: Datenbasis und technische Voraussetzungen
Ein KI-Agent lernt nicht aus dem Nichts. Er braucht Beispiele — und die müssen aus dem echten Betrieb kommen.
In Phase 2 werden Testdaten zusammengestellt: typische E-Mails, Dokumenttypen, Ausnahmefälle und Grenzfälle. Wer glaubt, dass sein Prozess „eigentlich immer gleich" funktioniert, und dann die ersten hundert echten Vorgänge durchsieht, wird fast immer überrascht. Varianz ist normal. Sie zu kennen, ist Voraussetzung für einen robusten Agenten.
Gleichzeitig werden technische Voraussetzungen geprüft:
- Gibt es eine API oder Schnittstelle, über die der Agent auf das Zielsystem zugreifen kann? Ein ERP, eine Kanzleisoftware, ein Praxisverwaltungssystem — jedes System hat andere Anbindungsmöglichkeiten, manche haben keine automatisierbare Schnittstelle.
- Wo liegen die Daten, und welche Datenschutzanforderungen gelten? Welche Rechtsgrundlage erlaubt die Verarbeitung durch einen KI-Agenten? Handelt es sich um besondere Kategorien personenbezogener Daten? Wer ist Auftragsverarbeiter? Diese Fragen müssen vorab geklärt — und, wo nötig, mit dem betrieblichen Datenschutzbeauftragten oder externer Rechtsberatung abgestimmt — sein.
- Welche Systemzugriffe braucht der Agent, und wie werden sie abgesichert? Minimalprinzip: nur die Berechtigungen, die der Agent tatsächlich benötigt.
Für Unternehmen, die unter die Verordnung (EU) 2024/1689 fallen könnten — etwa weil ihr KI-System in einem risikorelevanten Anwendungskontext eingesetzt wird —, ist die Rolle als Anbieter oder Betreiber und die jeweilige Risikoklasse im Einzelfall zu prüfen. SWBS begleitet diese Prüfung, gibt aber keine Rechtsberatung.
KI-Readiness-Check
Sind Sie bereit für Künstliche Intelligenz? Score + persönlicher Fahrplan.
- KI-Readiness-Score 0–100
- Ihre Stärken und Lücken
- Konkrete KI-Use-Cases für Sie
- Bericht per E-Mail in Minuten
Phase 3: Prototyp — der Agent im kontrollierten Labor
Mit den Testdaten und dem definierten Ziel entsteht ein erster Prototyp. Dieser Agent arbeitet ausschließlich mit aufgezeichneten, nicht mehr veränderbaren Testdaten — er greift zu diesem Zeitpunkt noch auf kein produktives System zu.
Typische Elemente eines KI-Agenten-Prototyps:
| Schicht | Aufgabe | Beispiel |
|---|---|---|
| Eingabeverarbeitung | Dokumente, E-Mails oder Formulare lesen und strukturieren | PDF-Rechnung → JSON-Struktur |
| Klassifikation / Extraktion | Relevante Felder identifizieren, Typ bestimmen | Dokumenttyp „Lieferschein", Felder: Datum, Position, Menge |
| Aktionslogik | Entscheidungsregeln ausführen oder vorbereiten | Vorgang anlegen (Entwurf), Rückfrage formulieren |
| Freigabeinterface | Ergebnis für menschliche Prüfung aufbereiten | Zusammenfassung + „Bestätigen / Ablehnen"-Funktion |
| Protokollierung | Jede Aktion mit Zeitstempel und Begründung speichern | Audit-Log |
Die Protokollierung ist keine optionale Ergänzung. Sie ist die Grundlage dafür, dass Fehler erkannt, Verbesserungen gezielt umgesetzt und Verantwortlichkeiten dokumentiert werden können.
Am Ende von Phase 3 steht ein Agentensystem, das auf den Testdaten nachvollziehbar und überprüfbar arbeitet — noch ohne jede Wirkung auf produktive Systeme.
Phase 4: Der Pilotbetrieb mit echten Vorgängen unter Aufsicht
Das ist die kritischste Phase des gesamten Projekts. Der Agent arbeitet jetzt mit echten, aktuellen Eingaben — aber alle seine Ergebnisse werden von einem zuständigen Mitarbeiter geprüft, bevor irgendetwas ins Zielsystem übernommen wird.
Praktisch sieht das so aus: Der Agent liest den Posteingang, klassifiziert die Eingänge, extrahiert Felder und legt Vorgangsentwürfe an. Der Sachbearbeiter sieht eine Übersicht der vorbereiteten Vorgänge, kontrolliert jeden einzelnen und gibt ihn frei oder lehnt ihn ab. Erst nach der Freigabe wird der Vorgang tatsächlich im System angelegt.
Hypothetisches Beispiel: Eine mittelgroße Logistikgesellschaft pilotiert einen Agenten, der eingehende Lieferscheine aus dem E-Mail-Postfach liest, die relevanten Felder (Auftragnummer, Lieferdatum, Positionen) extrahiert und einen Wareneingangs-Entwurf im ERP vorbereitet. Im Pilotbetrieb prüft der Lagerist jeden Entwurf, bevor er bestätigt wird. Nach vier Wochen zeigt das Protokoll: Bei Standardlieferscheinen ist die Extraktionsqualität hoch. Bei handschriftlich ergänzten Feldern und stark abweichenden Layouts sinkt sie deutlich. Der Pilotbetrieb liefert damit eine saubere Entscheidungsgrundlage: für diesen Dokumenttyp ist der Agent produktionsbereit, für jene Ausnahmen braucht er eine explizite Rückfallroutine.
Dieses Beispiel ist hypothetisch, beschreibt aber einen typischen Pilotablauf.
Abbruchkriterien — klar vor dem Start definieren
Wer erst während des Pilots entscheidet, ob er abbricht, entscheidet zu spät. Die Abbruchkriterien müssen vorab festgelegt werden:
- Extraktionsqualität unter einem vereinbarten Schwellenwert nach einer definierten Fallzahl — der Agent trifft zu oft falsche Feldwerte.
- Manuelle Nacharbeit übersteigt den Pilotnutzen — die Korrekturen brauchen mehr Zeit als die ursprüngliche manuelle Bearbeitung.
- Systemintegration nicht stabil — Verbindungsausfälle, Timeout-Fehler oder inkompatible Datenformate können nicht in vertretbarem Aufwand behoben werden.
- Datenschutzprüfung ergibt einen ungeklärten Sachverhalt — der Betrieb wird bis zur Klärung ausgesetzt.
- Keine belastbare Testbasis — es stellt sich heraus, dass der Prozess zu selten oder zu variabel ist, um den Agenten zuverlässig zu trainieren.
Ein Abbruch ist kein Projektziel. Er ist eine sachliche Entscheidung auf Basis nachvollziehbarer Daten — und schützt das Unternehmen vor einem produktiven Einsatz, der mehr Schaden anrichtet als Nutzen schafft.
Phase 5: Bewertung und Entscheidung
Nach dem Pilotbetrieb liegt ein Protokoll vor. Nicht ein Bauchgefühl — Daten. Wie viele Vorgänge hat der Agent bearbeitet? Wie oft war das Ergebnis korrekt, wie oft fehlerhaft, wie oft nicht entscheidbar? Wie viel manuelle Korrekturfläche verbleibt?
Diese Bewertung entscheidet darüber, ob:
- Ausgerollt wird — weil die Qualität den vereinbarten Schwellenwert überschreitet und die Freigabelogik stabil läuft.
- Nachgebessert wird — weil die Qualität ausbaufähig ist, die Grundstruktur aber trägt. Konkrete Verbesserungsschritte werden definiert, danach folgt ein weiterer Pilotdurchlauf.
- Abgebrochen wird — weil die identifizierten Mängel struktureller Natur sind und nicht wirtschaftlich behoben werden können.
Die Bewertung findet gemeinsam mit dem Kunden statt. SWBS liefert die Auswertung und eine Empfehlung — die Entscheidung trifft das Unternehmen.
Phase 6: Rollout — kontrolliert, nicht auf einmal
Ein Rollout ist kein Schalter, den man umlegt. Er ist ein schrittweiser Übergang vom überwachten Piloten zum regulären Betrieb.
Typische Rollout-Schritte:
- Schrittweise Ausweitung des Fallvolumens: zuerst 20 % der echten Vorgänge im Wirkbetrieb, der Rest weiterhin manuell oder im Freigabemodus.
- Staffelung der Automatisierungstiefe: Der Agent legt Vorgänge zunächst nur vor — Freigabe bleibt Pflicht. Im nächsten Schritt kann für klar klassifizierte Standardfälle eine automatische Freigabe freigeschaltet werden, wenn dies mit Datenschutz, Fachverantwortung und internen Richtlinien vereinbar ist.
- Mitarbeiterinformation und -einbindung: Wer mit dem Agenten arbeitet, muss wissen, was er tut, was er nicht tut und wie Fehler gemeldet werden. Das ist keine Schulungsformalie — es ist Voraussetzung dafür, dass das System im Alltag funktioniert.
- Dokumentation der Übergabe: Wer ist verantwortlich für den laufenden Betrieb? Wer prüft das Protokoll? Wie wird ein Fehler eskaliert?
Ein häufiger Fehler beim Rollout: Der Agent wird in den vollen Betrieb überführt, ohne dass ein klarer Ansprechpartner im Unternehmen benannt ist. Wenn dann Fehler auftreten, fehlt die Struktur, sie systematisch zu bearbeiten. Das führt entweder zu stiller Akzeptanz fehlerhafter Ausgaben — oder zur kompletten Abschaltung.
Phase 7: Betrieb, Monitoring und Weiterentwicklung
Ein produktiver KI-Agent ist kein abgeschlossenes Projekt. Er ist ein laufendes System, das überwacht, gepflegt und angepasst werden muss.
Konkret bedeutet das:
- Protokollauswertung in regelmäßigen Abständen: Verändert sich die Qualität? Gibt es neue Dokumentformate, die der Agent nicht verarbeiten kann? Steigt der Anteil abgelehnter Freigaben?
- Anpassungen bei geändertem Input: Wenn ein Lieferant sein Lieferscheinformat ändert oder ein neuer Dokumenttyp auftaucht, muss der Agent aktualisiert werden — er adapiert sich nicht selbstständig.
- Klare Verantwortung im Unternehmen: Es gibt einen benannten internen Ansprechpartner, der Auffälligkeiten meldet und Anpassungen koordiniert.
- Rückfallstrategie: Was passiert, wenn das System ausfällt? Der manuelle Prozess muss dokumentiert und ausführbar bleiben — ein KI-Agent darf kein Single Point of Failure werden.
SWBS bietet für diesen Bereich Betreuungsleistungen an, die von der regelmäßigen Protokollauswertung über Softwarepflege bis zur Weiterentwicklung reichen. Das Spektrum richtet sich nach dem konkreten System und dem Betriebsmodell des Kunden.
Was individuelle Entwicklung von einem Standard-Tool unterscheidet
Fertige KI-Tools — Chat-Plugins, vorkonfigurierte Assistenten, No-Code-Agenten — haben ihren Platz. Für klar abgegrenzte, standardisierbare Aufgaben können sie schnell Nutzen erzeugen.
Ihr strukturelles Limit liegt dort, wo der Prozess nicht standardisiert ist: wenn ein Unternehmen eine spezifische ERP-Struktur hat, Dokumente in einem ungewöhnlichen Format empfängt, Freigabelogik nach internen Regeln abbilden will oder den Agenten tief in bestehende Fachsoftware einbinden muss.
SWBS entwickelt in diesen Fällen individuelle Lösungen — maßgeschneidert auf den jeweiligen Prozess, die vorhandenen Systeme und die internen Verantwortlichkeiten. Das umfasst die KI-Integration & LLM-Entwicklung, die API-Entwicklung für Systemanbindungen und die Softwarearchitektur des Gesamtsystems. Kein Standardprodukt — jeder Agent entsteht für genau den Kontext, in dem er arbeiten soll.
Der Vergleich lohnt sich, wenn ein Standard-Tool evaluiert wurde und dabei klare Grenzen sichtbar wurden: fehlende Systemintegration, zu schwache Extraktionsqualität auf eigenen Dokumenttypen, fehlende Protokollierung oder keine Möglichkeit, die Freigabelogik abzubilden. Dann ist individuelle Entwicklung nicht teurer — sie ist der einzige Weg, das Ziel tatsächlich zu erreichen.
Wer die Frage „eigene KI-Lösung oder fertiges Tool?" grundsätzlich durchdenken will, findet im Artikel Eigene KI-Lösung vs. KI-Tool: Was lohnt sich für Unternehmen? eine strukturierte Entscheidungshilfe.
Grenzen der KI — was offen benannt werden muss
Ein KI-Agent macht Fehler. Das ist keine Schwäche des Ansatzes — es ist eine Eigenschaft, die das Design des Systems berücksichtigen muss.
Halluzinationen: Sprachmodelle können plausibel klingende, aber falsche Ausgaben produzieren. Aus diesem Grund ist die Freigabe durch einen Menschen an kritischen Stellen keine bürokratische Hürde — sie ist Sicherheitsmechanismus.
Verteilungsverschiebung: Ein Agent, der auf bestimmten Dokumentformaten trainiert wurde, wird schlechtere Ergebnisse liefern, wenn neue Formate auftauchen. Das Monitoring erkennt das — aber nur, wenn es aktiv betrieben wird.
Verantwortlichkeit: Wenn ein Agent einen fehlerhaften Vorgang anlegt und dieser Fehler nicht erkannt wird, liegt die Verantwortung beim Unternehmen — nicht beim System. Das ist kein Argument gegen den Einsatz, aber ein klares Argument für die Freigabelogik und das Protokoll.
Datenschutz: Ein KI-Agent, der personenbezogene Daten verarbeitet, ist datenschutzrechtlich relevant — unabhängig davon, ob er lokal oder cloudbasiert betrieben wird. Rechtsgrundlage, Auftragsverarbeitungsvertrag, Datenminimierung, Speicherort und Löschung müssen geprüft und dokumentiert sein.
Diese Grenzen sind keine Gründe, einen Piloten nicht zu starten. Sie sind die Gründe, warum der Pilot vor dem Produktiveinsatz kommt.
Was ein KI-Agent Pilotprojekt konkret kostet — und was es nicht kostet
Konkrete Preise nennen wir an dieser Stelle nicht — der Aufwand hängt zu stark vom Prozess, dem Systemumfeld, der Datenbasis und dem gewünschten Integrationsgrad ab. Was sich strukturell sagen lässt:
Ein KI-Agenten-Projekt hat einmalige Kosten (Analyse, Entwicklung, Test, Rollout) und laufende Kosten (Betrieb der Modellinfrastruktur, API-Nutzung, Monitoring, Pflege und Weiterentwicklung). Wer nur den einmaligen Entwicklungsaufwand plant und die laufenden Kosten ignoriert, wird nach sechs Monaten überrascht.
Was ein seriöses Projekt nicht enthält: garantierte Zeiteinsparungen, zugesagte Amortisationszeiten, Aussagen wie „der Agent zahlt sich in drei Monaten aus". Solche Aussagen sind nicht belegbar, bevor der Pilot gelaufen ist. Belastbare Zahlen entstehen erst nach dem Pilotbetrieb — auf Basis realer Protokolldaten aus dem eigenen Betrieb.
Wer mehr darüber wissen möchte, wie KI-Agenten in Unternehmen eingesetzt werden und welche konkreten Einsatzbereiche es gibt, findet dort eine fundierte Übersicht.
Einführung und Mitarbeiter: Warum der technische Teil der leichtere ist
Die häufigste Unterschätzung in KI-Projekten betrifft nicht die Technik — sie betrifft die interne Einführung. Ein Agent, der technisch funktioniert, aber von den Mitarbeitern umgangen oder ignoriert wird, liefert keinen Nutzen.
Mitarbeiter, die ihren Prozess an den Agenten übergeben, brauchen Klarheit darüber:
- Was der Agent übernimmt — und was nicht.
- Wann und wie sie eingreifen sollen.
- Wie sie Fehler melden.
- Wie sich ihre eigene Rolle verändert.
Das letzte Punkt ist der sensitivste. Wenn ein Agent Routine-Vorbereitungsarbeit abnimmt, bedeutet das für viele Mitarbeiter zunächst Unsicherheit — nicht Entlastung. Wer das ignoriert, riskiert informelle Widerstände, die den Betrieb faktisch unterlaufen.
SWBS plant die Mitarbeitereinbindung als festen Bestandteil des Rollouts — nicht als nachgelagerten Kommunikationsschritt. Das umfasst klare Erklärungen, dokumentierte Abläufe und einen benannten Ansprechpartner, der in den ersten Wochen des Produktivbetriebs erreichbar ist.
Bereit, die KI-Potenziale im eigenen Betrieb zu prüfen?
Ob ein KI-Agent im eigenen Betrieb sinnvoll ist — und für welchen Prozess er tatsächlich geeignet wäre —, lässt sich nur beurteilen, wenn jemand die konkreten Abläufe, Systeme und Ziele kennt.
SWBS analysiert in einem ersten Gespräch, welche Prozesse sich für einen Piloten eignen, welche Systemvoraussetzungen vorhanden sind und welcher Entwicklungsaufwand realistisch zu erwarten ist. Kein Standardpitch — sondern eine ehrliche Bewertung auf Basis dessen, was Sie mitbringen.
Wenn Sie eine klare Einschätzung statt einer Verkaufspräsentation suchen: Vereinbaren Sie ein Erstgespräch, und wir schauen gemeinsam, ob und wo ein KI-Agent in Ihrem Betrieb wirklich etwas bewirken kann. Den Einstieg in die Vorbereitung bietet auch unsere Beratungsseite zu KI-Agenten für Unternehmen — dort finden Sie den Gesamtrahmen der Reihe.
Für einen ersten strukturierten Überblick empfehlen sich auch die Artikel zu Prozessoptimierung mit KI und zu KI im Unternehmen einführen — beide liefern angrenzende Perspektiven, die den Pilotprozess ergänzen.
Häufige Fragen
Was ist ein KI-Agent Pilotprojekt und warum brauche ich einen Piloten?
Welche Prozesse eignen sich für einen KI-Agenten?
Wann sollte ein KI-Agenten-Projekt abgebrochen werden?
Wer ist verantwortlich, wenn ein KI-Agent einen Fehler macht?
Was muss datenschutzrechtlich vor dem Start eines KI-Piloten geklärt sein?
Was ist der Unterschied zwischen einem KI-Agenten und einem Standard-KI-Tool?
Wie lange dauert ein KI-Agenten-Pilotprojekt?
Muss die EU-KI-Verordnung bei einem KI-Agenten-Piloten beachtet werden?
Was passiert nach dem Piloten, wenn der Agent in den Produktivbetrieb geht?
Kann ein KI-Agent selbstständig Entscheidungen treffen?
Weitere Artikel dieser Reihe
- ÜbersichtKI-Beratung für Unternehmen: Wie individuelle KI-Agenten Arbeit abnehmen
- Vom Pilot zum Produktivbetrieb: Ein KI-Agenten-Projekt Schritt für Schritt(dieser Artikel)
- Mensch in der Schleife: Freigaben, Kontrolle und Verantwortung bei KI-Agenten
- KI-Agent Integration ERP CRM: Systeme verbinden, Routinearbeit übergeben
- KI-Agent oder Automatisierung? Wann ein Agent die richtige Wahl ist
- KI Use Cases priorisieren: Nutzen, Aufwand und Risiko vor dem ersten Projekt bewerten
- KI-Potenzialanalyse: Welche Arbeiten ein KI-Agent in Ihrem Unternehmen übernehmen kann
Verwendete Technologien
Passende Leistungen
Beratung & Planung
Technische Beratung, Workshops und Requirements Engineering für Ihre Projekte. Wir unterstützen Sie bei der Planung und Umsetzung Ihrer digitalen Strategie.
Softwarearchitektur
Fundierte Architekturentscheidungen als Grundlage für skalierbare, wartbare und sichere Softwaresysteme.
API-Entwicklung
Entwicklung von RESTful APIs und GraphQL-Schnittstellen für die Integration verschiedener Systeme. Wir schaffen flexible und dokumentierte Schnittstellen für Ihre Anwendungen.
Digitale Transformation
Strategische Begleitung und technische Umsetzung der digitalen Transformation Ihres Unternehmens — von der Prozessanalyse bis zur vollständigen Digitalisierung.
KI-Integration & LLM
Integration von Künstlicher Intelligenz und Large Language Models in Ihre bestehenden Systeme und Geschäftsprozesse.