KI-Agenten für Kanzleien, Makler und Büros: Routinearbeit abgeben, Fachurteil behalten

Jeden Morgen öffnet eine Mitarbeiterin in einer mittelgroßen Anwaltskanzlei das E-Mail-Postfach, sortiert Mandantenanfragen nach Rechtsgebiet, überträgt Kontaktdaten manuell ins Kanzleisystem, legt Vorgänge an und notiert Rückrufwünsche in einem separaten Dokument. Das dauert in einem hypothetischen Büro dieser Größe gut eine Stunde — bevor die eigentliche juristische Arbeit beginnt.

Das Beispiel ist erfunden, der Ablauf ist es nicht. In Kanzleien, Maklerbüros, Architektur- und Ingenieurbüros sowie anderen wissensintensiven Dienstleistungsunternehmen läuft jeden Tag dieselbe Schleife: Informationen kommen über verschiedene Kanäle an, werden von Hand in Systeme übertragen, kategorisiert, weitergeleitet — und erst danach beginnt die eigentliche Facharbeit.

KI-Agenten Dienstleister — also automatisierte Softwarebausteine, die konkrete Schritte in solchen Abläufen eigenständig ausführen — sind kein Versprechen mehr, sondern technische Realität. Entscheidend ist aber, was sie tatsächlich übernehmen können, wo die Grenze zur Fachverantwortung liegt und wie eine sinnvolle Einführung aussieht.

Was ein KI-Agent im Büroalltag konkret tut

Ein KI-Agent ist kein allgemeines Assistenzsystem und kein Chatbot im herkömmlichen Sinn. Es handelt sich um eine Software-Komponente, die einen definierten Auftrag bekommt, dafür auf Werkzeuge zugreift — E-Mail-Konten, Dokumente, Datenbanken, APIs zu Fachsystemen — und die Aufgabe selbstständig durchführt, bis sie ein Ergebnis oder eine Übergabesituation erreicht.

Konkrete Aufgaben, die ein solcher Agent in einem Büro übernehmen kann:

• Posteingang klassifizieren: Eingehende Nachrichten werden nach Absender, Betreff und Inhalt kategorisiert. Mandantenanfragen landen in einem Bearbeiter-Queue, Rechnungen gehen in die Buchhaltung, Behördenschreiben werden dem jeweiligen Vorgang zugeordnet.
• Dokumente auslesen und strukturieren: Ein Agent liest ein PDF aus — etwa ein ausgefülltes Formular, ein Exposé oder einen Vertragsentwurf — extrahiert relevante Felder (Name, Datum, Vertragsgegenstand, Fristen) und schreibt die Werte in das Fachsystem, ohne dass jemand abtippen muss.
• Vorgänge anlegen: Sobald eine Anfrage klassifiziert und die Grunddaten vorhanden sind, legt der Agent den Vorgang in der Kanzleisoftware, im CRM oder im Dokumentenmanagementsystem an — mit den vorhandenen Informationen vorausgefüllt.
• Entwürfe vorbereiten: Auf Basis einer Vorgangsakte kann ein Agent einen ersten Antwortentwurf, eine Checkliste für das Erstgespräch oder eine Zusammenfassung des Sachverhalts erstellen — zur menschlichen Prüfung und Freigabe.
• Rückfragen strukturieren: Fehlen Informationen, formuliert der Agent eine vorbereitete Rückfrage, die ein Sachbearbeiter prüft, bevor sie versendet wird.
• Daten zwischen Systemen übertragen: Wenn Informationen aus einem Quellsystem — etwa einem Formulareingang auf der Website — in ein Zielsystem — etwa das Maklerverwaltungssystem oder die Kanzleisoftware — übertragen werden sollen, erledigt der Agent diese Übertragung automatisch.

Was kein Agent übernimmt: die rechtliche Einschätzung, das Mandatsgespräch, die Haftung für eine Empfehlung, die Entscheidung, ob ein Objekt einem Interessenten angeboten wird, oder das Urteil, ob ein Vertragsentwurf so abgezeichnet werden kann. Hier endet die Automatisierung — bewusst und aus guten Gründen.

Wo die Grenze liegt — und warum das kein Mangel ist

In wissensintensiven Berufen liegt Wert nicht im Abarbeiten von Schritten, sondern im Urteil. Ein Rechtsanwalt haftet für seine Beratung. Ein Immobilienmakler baut auf Vertrauensverhältnisse. Eine Unternehmensberaterin verantwortet ihre Empfehlung mit ihrer Reputation.

Ein gut konzipierter KI-Agent arbeitet deshalb nach einem klaren Prinzip: Vorbereitung durch KI, Entscheidung durch Menschen. Das bedeutet:

Der Agent kann einen Sachverhalt zusammenfassen, offene Punkte markieren und einen Entwurf liefern — aber ein Mensch prüft, ändert und gibt frei. Der Agent kann Dokumente auslesen und Felder befüllen — aber ein Mensch kontrolliert die Vollständigkeit und trägt die Verantwortung für die Weiterverarbeitung. Der Agent kann priorisieren und sortieren — aber ein Mensch entscheidet, welcher Vorgang als nächstes wirklich bearbeitet wird.

Dieses Prinzip ist keine Einschränkung, sondern ein Designmerkmal. Es schützt vor Haftungsrisiken, schafft Nachvollziehbarkeit und stellt sicher, dass Fachkompetenz dort bleibt, wo sie gebraucht wird.

Berufsrechtliche Verschwiegenheit als Anforderung

Für Berufsträger mit gesetzlicher Verschwiegenheitspflicht — etwa Rechtsanwälte, Notare oder Wirtschaftsprüfer — ist die Frage, welche Daten ein KI-System verarbeiten darf und wo sie gespeichert werden, keine technische Nebenfrage, sondern ein Compliance-Thema, das vor jeder Implementierung zu klären ist.

Das betrifft unter anderem: Auf welchem Server liegen die Daten? Wer hat Zugriff? Handelt es sich um Auftragsverarbeitung im Sinne der DSGVO, und ist ein entsprechender Vertrag abgeschlossen? Sind Betroffene informiert? Werden Daten nach Ablauf von Fristen gelöscht?

Diese Fragen sind im Einzelfall zu prüfen — durch den Datenschutzbeauftragten und im Zweifel durch Rechtsberatung. Ein KI-Dienstleister, der hier Pauschalaussagen macht, sollte genau das nicht tun.

Für die Architektur eines KI-Agenten bedeutet das in der Praxis: Mandanten- oder Kundendaten sollten möglichst lokal oder in einem kontrollierten Cloud-Bereich verarbeitet werden. Informationen, die ein Agent für eine Aufgabe benötigt, sollten auf das notwendige Minimum beschränkt sein. Protokolle darüber, was ein Agent wann mit welchen Daten getan hat, müssen abrufbar sein.

Drei Betriebsszenarien: Was ein KI-Agent konkret verändert

Hypothetisches Beispiel: Anwaltskanzlei mit hohem Posteingangsvolumen

Eine Kanzlei mit mehreren Rechtsgebieten erhält täglich Dutzende E-Mails — Mandantenanfragen, Gerichtsdokumente, Schriftsätze von Gegenseiten, Behördenpost. Bislang sortiert eine Rechtsfachangestellte alles von Hand und legt Vorgänge an.

Ein KI-Agent, der den Posteingang überwacht, könnte eingehende Nachrichten automatisch nach Absendertyp und inhaltlichem Schwerpunkt kategorisieren, Fristen aus Dokumenten erkennen und markieren sowie einen Vorgang im Kanzleiverwaltungssystem voranlegen — inklusive Zuordnung zum passenden Rechtsgebiet. Die Rechtsfachangestellte prüft die Zuordnung, korrigiert bei Bedarf und gibt frei. Die eigentliche Eingangsbearbeitung dauert kürzer; die freiwerdende Zeit fließt in die inhaltliche Vorgangsarbeit.

Dieses Szenario ist hypothetisch. Es beschreibt, wie eine solche Lösung prinzipiell funktionieren kann — nicht das Ergebnis eines konkreten Projekts.

Hypothetisches Beispiel: Immobilienmakler mit strukturiertem Interessentenmanagement

Ein Maklerbüro erhält Anfragen über mehrere Kanäle: Website-Kontaktformular, Immobilienportale, E-Mail. Jede Anfrage landet an einem anderen Ort, muss manuell einem Objekt zugeordnet und ins CRM übertragen werden.

Ein KI-Agent könnte eingehende Anfragen aus verschiedenen Quellen zusammenführen, anhand des genannten Objekts oder der Anfragebeschreibung vorläufig zuordnen, die Interessentendaten in das Maklerverwaltungssystem übertragen und eine vorbereitete Kontaktaufnahme zur Freigabe bereitstellen. Ein Makler entscheidet, ob die Zuordnung stimmt, ob der Interessent kontaktiert wird und wie das Gespräch geführt wird.

Auch dieses Szenario ist hypothetisch.

Hypothetisches Beispiel: Unternehmensberatung mit standardisierten Erstaufnahmen

Eine Beratungsgesellschaft führt mit neuen Interessenten stets ein strukturiertes Erstgespräch durch, das immer wieder dieselben Basisfragen abdeckt. Bislang wird nach jedem Gespräch ein Memo von Hand geschrieben.

Ein KI-Agent könnte eine standardisierte Checkliste aus dem ausgefüllten Kontaktformular vorab befüllen, nach dem Gespräch ein vorläufiges Gesprächsprotokoll auf Basis von Notizen strukturieren und fehlende Informationen markieren, die nachzufassen sind. Den Inhalt des Protokolls verantwortet der Berater — aber er fängt nicht bei Null an.

Welche Aufgaben sich für einen KI-Agenten eignen — und welche nicht

Nicht jede Aufgabe in einem Büro lässt sich sinnvoll automatisieren. Die folgende Einschätzung hilft bei der ersten Grobselektion:

Die Grenze verläuft dort, wo ein Ergebnis nicht mehr rein regelbasiert ist und wo ein Fehler nicht nur korrigierbar, sondern folgenreich wäre.

Warum Standardprodukte hier oft nicht weiterhelfen

Es gibt eine wachsende Zahl generischer KI-Tools, die versprechen, Büroarbeit zu automatisieren. Für viele Aufgaben sind sie nützlich. Für den wissensintensiven Dienstleister mit eigenen Fachsystemen, besonderen Compliance-Anforderungen und spezifischen Arbeitsabläufen stoßen sie schnell an Grenzen.

Konkret: Ein generisches Tool kennt das Datenmodell der Kanzleisoftware nicht. Es weiß nicht, wie die Vorgangsnummern vergeben werden, welche Pflichtfelder zu befüllen sind und wie die Übergabe an den nächsten Arbeitsschritt aussieht. Es kann keine Verbindung zur CRM-Instanz des Maklerbüros herstellen, wenn diese kein standardisiertes API-Interface hat. Und es kann nicht berücksichtigen, dass in diesem speziellen Büro Eingangspost aus bestimmten Quellen immer bevorzugt bearbeitet werden soll.

Ein individuell entwickelter KI-Agent wird dagegen auf den konkreten Betrieb zugeschnitten: auf die vorhandenen Systeme, auf die Besonderheiten der internen Abläufe, auf die Stellen, an denen menschliche Freigabe erforderlich ist, und auf die datenschutzrechtlichen Anforderungen, die sich aus dem jeweiligen Berufsfeld ergeben.

SW Business Solutions entwickelt solche individuellen KI-Agenten — beginnend mit einer Bestandsaufnahme der vorhandenen Abläufe und Systeme, über Konzeption und Entwicklung bis zur Anbindung an die eingesetzte Software und zum laufenden Betrieb. Kein Standardprodukt, das installiert und sich selbst überlassen wird, sondern eine maßgeschneiderte Lösung, die mit dem Betrieb wächst.

Mehr dazu, wie eine solche Integration technisch aussieht, beschreibt die Leistungsseite KI-Integration & individuell entwickelte LLM-Lösungen.

Rechtlicher Rahmen: EU-KI-Verordnung und DSGVO als Prüfpunkte

Die EU-KI-Verordnung (Verordnung (EU) 2024/1689) gilt auch für den Einsatz von KI-Agenten in Büros und Kanzleien. Welche Pflichten konkret anfallen, hängt von der Rolle — Anbieter oder Betreiber — und vom Einsatzzweck sowie der Risikoklasse ab. Das ist im Einzelfall zu prüfen.

Für wissensintensive Dienstleister gilt: KI-Systeme, die in beratungsnahen Prozessen eingesetzt werden, können je nach Anwendungsfall in Risikoklassen fallen, die besondere Anforderungen an Transparenz, Dokumentation und menschliche Aufsicht stellen. Das ist kein Hinderungsgrund, aber ein Punkt, der von Beginn an in die Konzeption einfließen muss.

Für die DSGVO gilt: Die Verarbeitung personenbezogener Daten durch einen KI-Agenten ist kein rechtsfreier Raum. Rechtsgrundlage, Auftragsverarbeitung, Datenminimierung, Speicherort, Löschfristen und die Information der Betroffenen sind zu klären — nicht erst nach der Inbetriebnahme. Bei Rechtsfragen empfiehlt sich die Einbindung eines Datenschutzbeauftragten und im Zweifel anwaltliche Beratung.

Eine frühe Einbindung dieser Anforderungen in die Systemarchitektur ist günstiger als eine nachträgliche Anpassung.

Welche Voraussetzungen im Betrieb vorhanden sein müssen

Ein KI-Agent ist keine Lösung, die man in ein funktional zerklüftetes Büro einbaut und erwartet, dass er Ordnung schafft. Er setzt voraus, dass bestimmte Grundlagen vorhanden sind:

Strukturierte Eingangsdaten: Ein Agent, der E-Mails klassifizieren soll, braucht lesbare E-Mails — keine eingescannten handschriftlichen Notizen ohne Metadaten. Je strukturierter der Input, desto zuverlässiger der Output.

Zugängliche Systeme: Der Agent muss auf die vorhandene Software zugreifen können. Das setzt entweder eine API, eine Datenbankverbindung oder zumindest einen definierten Dateipfad voraus. Systeme ohne jede Schnittstelle lassen sich nur mit erheblichem Aufwand anbinden — oder gar nicht.

Klare Ablaufdefinition: Bevor ein Agent entwickelt wird, muss der Ablauf präzise beschrieben sein: Was löst die Aufgabe aus? Was soll der Agent tun? Welche Informationen braucht er? Wann übergibt er an einen Menschen? Wo liegt die Freigabe? Ohne diese Klarheit entsteht keine zuverlässige Automatisierung.

Bereitschaft zur Prüfung und Korrekturfeedback: KI-Agenten werden besser, wenn Fehler gemeldet werden. Ein Betrieb, der einen Agenten einsetzt, aber nie Rückmeldung gibt, verschenkt Optimierungspotenzial.

Fehlen diese Voraussetzungen, empfiehlt es sich, zunächst die Abläufe zu strukturieren — und den KI-Agenten in einem zweiten Schritt einzuführen. Dieser Prozessoptimierung im Unternehmen vorgelagerte Schritt spart oft mehr als die Automatisierung selbst.

Vom Pilotprojekt zur produktiven Lösung: Wie eine Einführung sinnvoll aussieht

Erfahrungsgemäß ist ein schrittweises Vorgehen stabiler als ein großer Systemwechsel auf einmal. Ein pragmatischer Weg:

Schritt 1 — Analyse: Welche Abläufe kosten am meisten Zeit? Welche davon sind klar regelbasiert und wiederholen sich regelmäßig? Welche Systeme sind beteiligt?

Schritt 2 — Pilotaufgabe auswählen: Eine eng definierte, gut messbare Aufgabe eignet sich als erster Einsatz. Posteingangsklassifizierung oder die automatische Anlage von Vorgängen sind typische Einstiegspunkte.

Schritt 3 — Entwicklung und Anbindung: Der Agent wird entwickelt, die Schnittstellen zu den vorhandenen Systemen werden aufgebaut. Dabei wird festgelegt, wo menschliche Prüfpunkte liegen.

Schritt 4 — Parallelbetrieb und Test: Für eine definierte Testphase läuft der Agent parallel zum bisherigen manuellen Prozess. Abweichungen werden erfasst, Fehler korrigiert, Schwellenwerte für die Übergabe an Menschen kalibriert.

Schritt 5 — Produktiver Betrieb und Weiterentwicklung: Nach erfolgreicher Testphase übernimmt der Agent die Aufgabe produktiv. Regelmäßige Überprüfung und Weiterentwicklung sind fester Bestandteil — nicht optionales Zubehör.

Dieser Ablauf gilt unabhängig von der Größe des Büros. Eine Kanzlei mit fünf Mitarbeitern profitiert von denselben Prinzipien wie eine mit fünfzig — der Umfang des Agenten passt sich an.

Wie individuelle Softwareentwicklung für KMU grundsätzlich funktioniert und wann sie sich lohnt, haben wir an anderer Stelle ausführlich beschrieben.

Was SWBS entwickelt — und was nicht

SW Business Solutions entwickelt individuelle KI-Agenten für wissensintensive Dienstleister: Beratung, Konzeption, Entwicklung, Anbindung an vorhandene Systeme, Betrieb und Weiterentwicklung. Das schließt die Arbeit mit LangChain, OpenAI API und anderen aktuellen Technologien ein, soweit sie für den konkreten Einsatz passen.

Was SWBS nicht anbietet: ein Standardprodukt, das ohne Anpassung in jeden Betrieb passt. Das gibt es nicht — und wer etwas anderes verspricht, verspricht zu viel.

Was ebenfalls ehrlich zu sagen ist: Nicht jeder Betrieb braucht sofort einen KI-Agenten. Wenn ein Ablauf zu wenig Volumen hat, zu stark von Einzelfallentscheidungen abhängt oder die technischen Voraussetzungen fehlen, ist zunächst eine andere Maßnahme sinnvoller. Das Ergebnis einer Beratung kann also auch sein, mit einem einfacheren Automatisierungsschritt zu beginnen — und den KI-Agenten für einen späteren Zeitpunkt zu planen.

Wie KI-Agenten für Unternehmen grundsätzlich funktionieren und welche Einsatzbereiche es gibt, beschreibt der übergeordnete Artikel dieser Serie.

Für Kanzleien, die sich speziell für digitale Dokumentenprozesse und sichere Mandantenkommunikation interessieren, ist der Artikel über die digitale Steuerkanzlei ein sinnvoller Einstieg — auch wenn er den Steuerberaterkontext adressiert, sind viele Bausteine übertragbar.

Der nächste Schritt: Abläufe prüfen, bevor Technik geplant wird

Ein KI-Agent ist kein Produkt, das man kauft und einschaltet. Er ist das Ergebnis einer sorgfältigen Analyse, welche Aufgaben sich eignen, welche Systeme beteiligt sind und wo die Freigabepunkte liegen müssen.

Wenn Sie wissen möchten, welche Abläufe in Ihrer Kanzlei, Ihrem Maklerbüro oder Ihrem Beratungsunternehmen konkret für einen KI-Agenten geeignet sind, beginnt das mit einem offenen Gespräch — ohne Verkaufsdruck und ohne Produktpräsentation. SWBS analysiert Ihre Abläufe, benennt realistische Einstiegspunkte und sagt Ihnen auch, wenn ein anderer Weg zunächst sinnvoller ist.

Vereinbaren Sie ein unverbindliches Erstgespräch und bringen Sie konkrete Fragen mit. Das ist der ehrlichste Weg, herauszufinden, was ein KI-Agent in Ihrem Betrieb wirklich leisten kann.

Ergänzend finden Sie im Artikel zu KI-Tools für den Mittelstand einen Überblick, welche Werkzeuge es neben individuell entwickelten Agenten gibt — und wann Standardtools ausreichen.