KI-Agenten für Unternehmen: Beispiele, Tools und Kosten

Ein KI-Agent ist eine KI, die nicht beim Antworten stehen bleibt: Sie liest eine Anfrage, entscheidet, welche Schritte nötig sind, führt sie mit Ihren Tools aus und fragt vor allem Wichtigen einen Menschen. Für kleine und mittlere Unternehmen (KMU) heißt das: Anfragen werden nachverfolgt, Aufträge erfasst und Berichte vorbereitet, ohne dass jemand Daten von einer App in die andere kopiert. Hier lesen Sie, was KI-Agenten heute realistisch leisten, womit man sie erstellt, was schiefgehen kann und was sie kosten.

Das Wichtigste

Beginnen Sie mit einem wiederkehrenden Prozess, der bereits klare Regeln hat, etwa der Nachverfolgung von Anfragen oder der Auftragserfassung, und geben Sie dem Agenten nur die Zugriffe, die dieser Prozess braucht. Lassen Sie alles von einem Menschen freigeben, was Geld ausgibt, Kundendaten ändert oder Zusagen macht. Ein eng gefasster Agent, der funktioniert, ist besser als ein universeller, der nicht funktioniert, und viele Aufgaben brauchen gar keinen Agenten, sondern einen einfachen automatisierten Workflow.

Was ist ein KI-Agent?

Ein KI-Agent ist ein System, in dem ein Sprachmodell Schritt für Schritt entscheidet, welche Tools es nutzt, um eine Aufgabe zu erledigen. Anthropic unterscheidet (Englisch) zwischen Workflows, in denen Sprachmodelle und Tools über „vordefinierte Codepfade“ gesteuert werden, und Agenten, in denen die Modelle „ihre eigenen Abläufe und ihre Tool-Nutzung dynamisch steuern“. Die n8n-Dokumentation beschreibt ihren AI-Agent-Knoten genauso: Sie verbinden ein Chat-Modell mit einem oder mehreren Tools, und der Agent entscheidet, welche Tools er aufruft.

In der Praxis besteht ein KI-Agent für Unternehmen aus vier Teilen:

Ein Modell (etwa Claude, GPT, Gemini, DeepSeek oder Qwen), das die Anfrage versteht und den nächsten Schritt plant.
Tools: Verbindungen zu E-Mail, WhatsApp, CRM, Tabellen, Onlineshop oder Buchhaltungssoftware, über deren APIs oder über MCP.
Wissen: Ihre Preislisten, Richtlinien und Produktinformationen, meist in einer Wissensdatenbank.
Regeln: was der Agent selbst tun darf, was die Freigabe eines Menschen braucht und wann er aufhören muss.

KI-Agent vs. Chatbot vs. Workflow-Automatisierung

Ein KI-Agent unterscheidet sich von einem Chatbot, weil er handelt, und von klassischer Workflow-Automatisierung, weil er entscheidet. Oft werden die drei kombiniert:

Chatbot: beantwortet Fragen in einem Gespräch. Ein Kundenservice-Chatbot antwortet aus Ihrer Wissensdatenbank, ändert aber nichts in Ihren Systemen.
Workflow-Automatisierung: führt jedes Mal dieselben festen Schritte aus, etwa „Wenn ein Formular abgeschickt wird, eine Zeile in die Tabelle eintragen und eine E-Mail senden“. Sie ist berechenbar und günstig, scheitert aber, wenn die Eingabe nicht zu den Regeln passt.
KI-Agent: liest unstrukturierte Eingaben, etwa eine E-Mail in beliebiger Sprache, und wählt die Schritte selbst: Kunden nachschlagen, Lagerbestand prüfen, Angebot entwerfen, Freigabe einholen, CRM aktualisieren.

Viele nützliche Systeme sind ein Workflow mit ein oder zwei KI-Schritten darin, zum Beispiel einer KI, die eingehende E-Mails einordnet, bevor feste Regeln sie weiterleiten. Anthropic empfiehlt, „die einfachste mögliche Lösung zu finden und die Komplexität nur bei Bedarf zu erhöhen“, und Agenten für offene Probleme vorzubehalten, bei denen sich die Zahl der Schritte nicht vorhersagen lässt. Welche Werkzeuge für reine Workflow-Automatisierung infrage kommen, vergleicht unser Beitrag Prozess-Automatisierung für KMU.

Was KI-Agenten für Unternehmen leisten: Beispiele

KI-Agenten lohnen sich dort, wo sich die Arbeit wiederholt, die Informationen auf mehrere Tools verteilt sind und heute ein Mensch sie von einem ins andere überträgt. Typische erste Einsätze:

Nachverfolgung von Anfragen (Leads): eine Anfrage aus dem Website-Formular, per E-Mail oder WhatsApp lesen, prüfen, ob der Kontakt schon existiert, ihn mit einer Zusammenfassung ins CRM eintragen, eine Antwort entwerfen und den Vertrieb erinnern, wenn niemand geantwortet hat.
Aufträge und Buchungen: aus der Nachricht eines Kunden oder einer Bestellung als PDF einen Auftrag in Ihrem System anlegen, Lagerbestand oder Verfügbarkeit prüfen und Ungewöhnliches für einen Menschen markieren.
Angebote: die Anforderungen des Kunden sammeln, Ihre Preisliste und Konditionen anwenden und einen Angebotsentwurf zur Freigabe vorbereiten.
Kundenservice mit Aktionen: nicht nur aus einer Wissensdatenbank antworten, sondern auch den Bestellstatus nachschlagen, eine Rücksendung anstoßen oder einen Termin buchen. Die Gesprächsseite behandelt unser Leitfaden KI-Chatbot für Unternehmen erstellen.
Backoffice: Daten aus Rechnungen und Lieferscheinen auslesen, mit den Aufträgen abgleichen und wöchentliche Umsatz- oder Lagerberichte vorbereiten.
Persönlicher Assistent für Inhaber: ein Agent mit Zugriff auf E-Mail, Kalender und Dateien, der Nachrichten sortiert, Antworten entwirft und offene Aufgaben im Blick behält. Eine Open-Source-Option stellt unsere Anleitung OpenClaw installieren vor.

Aufgaben, die Urteilsvermögen, Verhandlungsgeschick oder Verantwortung erfordern, etwa Preise festlegen, Beschwerden bearbeiten oder Zahlungen freigeben, sollten bei Menschen bleiben; der Agent bereitet die Informationen dafür vor.

KI-Agenten erstellen: n8n, Dify, Coze oder eigener Code

Welches Tool passt, hängt davon ab, womit der Agent verbunden werden muss, wo Ihre Daten liegen dürfen und wer ihn betreut:

n8n: eine Plattform für Workflow-Automatisierung mit Hunderten von Integrationen und einem AI-Agent-Knoten; sie eignet sich für Agenten, die Daten zwischen Geschäftsanwendungen bewegen. n8n lässt sich selbst hosten oder in der Cloud nutzen und hat einen Knoten für die WhatsApp Business Cloud. Es steht unter der Sustainable Use License (Englisch) von n8n, einer Fair-Code-Lizenz: Die Nutzung für eigene interne Geschäftszwecke ist erlaubt, ebenso Beratungsleistungen wie das Erstellen von n8n-Workflows für Kunden; n8n selbst Kunden als Dienst anzubieten, ist dagegen eingeschränkt.
Dify: eine Open-Source-Plattform für KI-Anwendungen, stark bei Wissensdatenbanken (RAG) und Gesprächsabläufen, mit einem Agent-Knoten, der die Strategien Function Calling oder ReAct nutzt. Dify passt gut, wenn der Agent vor allem aus Dokumenten antwortet.
Coze: der Agent-Baukasten von ByteDance, als Cloud-Dienst und seit 2025 auch als quelloffenes Coze Studio unter der Apache-2.0-Lizenz. Beliebt bei Teams, die mit dem chinesischen Markt arbeiten.
Eigener Code: Wer direkt auf API und SDK eines Modellanbieters aufbaut, hat volle Kontrolle über Logik, Sicherheit und Kosten, um den Preis von mehr Entwicklungs- und Wartungsaufwand.

Wofür Sie sich auch entscheiden: Die Anbindung an Ihre Systeme ist wichtiger als der Baukasten. MCP (Model Context Protocol) (Englisch) ist ein Open-Source-Standard, um KI-Anwendungen wie Claude oder ChatGPT mit Datenquellen und Tools zu verbinden; ein MCP-Server für Ihr ERP oder CRM lässt verschiedene Agenten einheitlich und kontrolliert darauf zugreifen; mehr dazu in unserem Beitrag über MCP-Server für Unternehmen.

Einen KI-Agenten einführen: sechs Schritte

Einen KI-Agenten führen Sie in sechs Schritten ein, und die ersten beiden entscheiden, ob er sich lohnt:

Einen Prozess auswählen. Wählen Sie etwas Häufiges, Regelbasiertes und Messbares, bei dem Fehler leicht auffallen: lieber die Nachverfolgung von Anfragen als die Preisgestaltung.
Den Ablauf Schritt für Schritt erfassen. Schreiben Sie jeden Schritt auf, den heute ein Mensch erledigt, welches System er dabei berührt und welche Entscheidungen feste Regeln sind. Feste Regeln werden zu Workflow-Schritten; dem Modell bleiben nur die Ermessensentscheidungen.
Nur anbinden, was nötig ist. Geben Sie dem Agenten eigene Konten mit minimalen Berechtigungen: Lesezugriff auf das CRM kann genügen, Schreibzugriff nur auf die Felder, die er aktualisiert.
Einen Menschen einbinden. Verlangen Sie eine Freigabe für alles, was Geld überweist, Kundendaten ändert, sich auf einen Preis oder Termin festlegt oder einen Kunden zum ersten Mal kontaktiert. Protokollieren Sie jede Aktion, damit Sie sehen, was der Agent getan hat und warum.
Mit echten Fällen testen. Spielen Sie frühere E-Mails und Nachrichten durch, auch unordentliche, solche in anderen Sprachen und Versuche, den Agenten zu manipulieren. Starten Sie im Entwurfsmodus: Der Agent bereitet Aktionen vor, ein Mensch bestätigt sie.
Klein starten und messen. Verfolgen Sie die gesparte Zeit, die Fehlerquote und wie oft Mitarbeiter den Agenten überstimmen, prüfen Sie seine Protokolle wöchentlich und erweitern Sie erst dann seine Berechtigungen oder nehmen einen zweiten Prozess hinzu.

Risiken und Grenzen von KI-Agenten

KI-Agenten können auf eine Weise scheitern, wie es bei einem festen Workflow nicht vorkommt; planen Sie die Risiken deshalb von Anfang an ein:

Fehler, die sich fortpflanzen. Ein Agent geht mehrere Schritte, und eine falsche Annahme am Anfang zieht sich durch alle weiteren. Anthropic weist darauf hin, dass Autonomie „höhere Kosten und das Potenzial sich aufschaukelnder Fehler“ mit sich bringt, und empfiehlt Tests in abgeschotteten Umgebungen (Sandbox) mit Schutzmechanismen (Guardrails).
Prompt-Injection. Text in einer E-Mail, auf einer Webseite oder in einem Dokument kann Anweisungen enthalten, die den Agenten kapern sollen. Die OWASP Top 10 für LLM-Anwendungen (Englisch) führen Prompt-Injection an erster Stelle und empfehlen Zugriffe nach dem Prinzip der geringsten Rechte (Least Privilege) sowie eine menschliche Freigabe für riskante Aktionen.
Kosten und Tempo. Jeder Schritt ist ein Modellaufruf; ein Agent ist deshalb pro Aufgabe langsamer und teurer als ein einfacher Workflow.
Projekte, die sich nie rechnen. Im Juni 2025 prognostizierte Gartner (Englisch), dass bis Ende 2027 über 40 % der Projekte mit agentischer KI (Agentic AI) eingestellt werden, wegen steigender Kosten, unklaren geschäftlichen Nutzens oder unzureichender Risikokontrollen, und warnte vor „Agent Washing“, also dem Umetikettieren von Chatbots und Automatisierungstools zu Agenten. Ein messbarer, eng gefasster erster Prozess ist der beste Schutz.
Regeln im Kundenkontakt. In der EU müssen Menschen erfahren, dass sie mit einem KI-System interagieren, und personenbezogene Daten in den Tools des Agenten unterliegen der DSGVO. Auf WhatsApp schränken die Bedingungen von Meta allgemeine KI-Assistenten ein, erlauben Unternehmen aber, KI für den eigenen Kundenservice einzusetzen; beides erklärt unser Leitfaden zum KI-Chatbot für Unternehmen.

Was ein KI-Agent kostet

Die Kosten eines KI-Agenten bestehen aus einmaligen Einrichtungskosten und laufenden Kosten, die mit der Nutzung wachsen:

Einrichtung: den Prozess erfassen, Ihre Systeme anbinden (oft der größte Posten), den Agenten bauen und testen und die Mitarbeiter schulen, die ihn beaufsichtigen.
Modellnutzung: Kommerzielle APIs rechnen nach verarbeiteter Textmenge ab, und ein Agent braucht pro Aufgabe mehrere Aufrufe; wer ein offenes Modell selbst hostet, hat stattdessen Serverkosten.
Plattform: ein Cloud-Abo für n8n, Dify oder Coze oder ein eigener Server, wenn Sie selbst hosten.
Kanalgebühren: Meta zum Beispiel rechnet auf der WhatsApp Business Platform pro Nachricht ab; welche Wege es zu einem KI-Agenten für WhatsApp Business gibt und was sie kosten, vergleichen wir in einem eigenen Beitrag.
Wartung: Prompts, Berechtigungen und Integrationen müssen angepasst werden, wenn sich Ihre Abläufe, Preise oder Ihre Software ändern.

Ein eng gefasster Agent mit wenigen Integrationen kostet weit weniger als einer, der mit allem verbunden ist; ein Grund mehr, mit einem einzigen Prozess zu beginnen.

Häufige Fragen

Was ist ein KI-Agent für Unternehmen?

Ein KI-Agent für Unternehmen ist Software, in der ein KI-Modell eine Anfrage liest, entscheidet, welche Schritte nötig sind, und sie mit den Tools des Unternehmens ausführt, etwa E-Mail, WhatsApp, CRM oder Onlineshop, wobei ein Mensch wichtige Aktionen freigibt. Typische Einsätze sind die Nachverfolgung von Anfragen, die Auftragserfassung, Angebote, Kundenservice mit Zugriff auf Bestellungen und Routineberichte.

Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Ein Chatbot beantwortet Fragen in einem Gespräch, ein KI-Agent handelt zusätzlich: Er kann Daten nachschlagen, Datensätze aktualisieren, Dokumente vorbereiten und weitere Schritte in Ihren Systemen auslösen. Viele KI-Lösungen für den Kundenservice verbinden beides: einen Chatbot, der aus einer Wissensdatenbank antwortet, und Agenten-Schritte, die Bestellungen prüfen oder Termine buchen.

Womit erstellt man einen KI-Agenten: n8n, Dify oder Coze?

Wählen Sie n8n, wenn der Agent vor allem Daten zwischen Geschäftsanwendungen bewegt, Dify, wenn er vor allem aus Dokumenten und Wissensdatenbanken antwortet, und Coze, wenn Sie einen schnellen visuellen Baukasten suchen oder mit dem chinesischen Markt arbeiten; alle drei lassen sich selbst hosten. Für komplexe Logik oder strenge Sicherheitsanforderungen bietet eigener Code auf Basis einer Modell-API die meiste Kontrolle.

UsualMatrix erstellt KI-Agenten für Unternehmen mit n8n, Dify, Coze oder eigenem Code: Wir erfassen Ihren Prozess, verbinden E-Mail, WhatsApp, CRM und weitere Systeme mit den minimal nötigen Zugriffen und richten menschliche Freigaben dort ein, wo es darauf ankommt. Wir arbeiten mit Unternehmen weltweit und kommunizieren auf Chinesisch, Spanisch oder Englisch. Mehr dazu auf unserer Seite zu KI-Lösungen, oder schreiben Sie uns, wenn Sie über den Prozess sprechen möchten, den Sie automatisieren wollen.