KI-Agent, Chatbot oder Assistent? Die Unterschiede, die über das Budget entscheiden

„Wir haben doch schon einen Chatbot." Dieser Satz fällt in fast jedem ersten Gespräch über KI-Agenten — und er ist berechtigt. Nur ist er in der Sache meist falsch, weil Chatbot, KI-Assistent und KI-Agent drei verschiedene Dinge sind, die im Marketing längst zu einem Begriff verschmolzen sind.

Die Abgrenzung ist keine Begriffsklauberei. Sie entscheidet darüber, ob ein Projekt 8.000 oder 60.000 EUR kostet, ob es vier Wochen oder vier Monate dauert und ob das Ergebnis am Ende Arbeit abnimmt oder nur Arbeit verlagert. Dieser Ratgeber zieht die Grenzen an der einzigen Stelle, an der sie technisch und wirtschaftlich wirklich verlaufen.

Die kurze Antwort

Der Unterschied liegt nicht in der Intelligenz des Modells. Alle drei können dasselbe Sprachmodell benutzen. Er liegt darin, was das System darf:

• ✓Chatbot: darf reden. Er antwortet aus einem hinterlegten Wissensstand und gibt sonst an einen Menschen ab.
• ✓KI-Assistent: darf lesen und vorschlagen. Er bekommt eine Aufgabe, liefert ein Ergebnis zurück — ausgeführt wird es vom Menschen.
• ✓KI-Agent: darf handeln. Er bekommt ein Ziel, benutzt Werkzeuge, schreibt in Systeme und entscheidet über mehrere Schritte selbst.

In einem Satz: Ein Chatbot erklärt Deinem Mitarbeiter, wie eine Reklamation erfasst wird. Ein Assistent formuliert ihm den Text dafür. Ein Agent erfasst sie, zieht die Lieferhistorie dazu und legt den Vorgang an.

Chatbot: wo er reicht und wo er aufhört

Ein Chatbot beantwortet Fragen, deren Antwort schon irgendwo steht — in einer FAQ, einer Produktbeschreibung, einem Handbuch. Moderne Varianten arbeiten dabei nicht mehr mit Dialogbäumen, sondern suchen in Deinen Dokumenten und formulieren daraus eine Antwort. Das funktioniert gut und ist günstig.

Die Grenze erreicht er genau dann, wenn die Antwort vom aktuellen Zustand eines Vorgangs abhängt. „Wo ist meine Lieferung?" ist keine Wissensfrage, sondern eine Datenbankabfrage. „Was ist noch offen auf meinem Konto?" ebenfalls. Ein Chatbot kann darauf nur mit einer allgemeinen Erklärung antworten oder weiterleiten — und genau das ist der Punkt, an dem Kunden ihn als nutzlos empfinden.

Daran ändert auch ein besseres Sprachmodell nichts. Das Problem ist kein Sprachproblem, sondern ein Zugriffsproblem. Wer einen Chatbot hat, der zu oft weiterleitet, braucht keinen klügeren Bot, sondern Systemzugriff. Für den Einstieg mit ChatGPT im internen Betrieb lohnt der Blick auf ChatGPT-Integration im Unternehmen.

KI-Assistent: die Stufe, die viele unterschätzen

Der Assistent ist die praktischste und am häufigsten übersehene Stufe. Er darf lesen — Dokumente, teils auch Systemdaten — und liefert ein Ergebnis: eine Zusammenfassung, einen Entwurf, eine Auswertung, einen Vorschlag. Ausgeführt wird nichts. Der Mensch bleibt im Ablauf.

Das ist oft genau richtig. Wer ein Angebot vorbereitet bekommt und es nur noch prüft, hat den größten Teil der Zeit gespart — ohne dass irgendein System ohne Kontrolle beschrieben wurde. Viele Prozesse, für die Unternehmen einen Agenten anfragen, sind in Wahrheit Assistenten-Aufgaben. Das ist eine gute Nachricht: schneller umsetzbar, günstiger, risikoärmer.

Die Grenze: Der Assistent nimmt Dir das Denken ab, nicht das Klicken. Wenn der Engpass darin besteht, dass jemand Daten von A nach B übertragen muss, hilft er nur zur Hälfte.

KI-Agent: handeln statt antworten

Ein Agent bekommt kein Stichwort, sondern ein Ziel: „Prüfe diese Rechnung gegen Bestellung und Wareneingang." Dafür hat er Werkzeuge — definierte Zugriffe auf ERP, CRM, Postfach, Ticketsystem — und darf damit in mehreren Schritten arbeiten: etwas nachschlagen, das Ergebnis bewerten, den nächsten Schritt wählen, bei Unklarheit abbrechen.

Technisch besteht er aus vier Teilen: dem Sprachmodell für die Entscheidungen, einem Satz Werkzeuge mit klaren Rechten und Grenzen, einer Protokollierung jeder Aktion und einem Human-in-the-Loop-Schritt — dem Punkt, an dem ein Mensch das Ergebnis sichtet, bevor es wirksam wird. Die letzten beiden Teile fehlen in Demos regelmäßig und sind im Betrieb die wichtigsten.

Der Preissprung gegenüber Chatbot und Assistent entsteht nicht durch das Modell, sondern durch diese Infrastruktur: Schnittstellen, Rollenrechte, Wertgrenzen, Nachvollziehbarkeit, Fehlerbehandlung. Wie das in zwölf konkreten Prozessen aussieht, zeigen die KI-Agenten-Beispiele aus dem Mittelstand.

Der Vergleich im Überblick

Die letzte Zeile ist die wichtigste. Mit den Rechten wächst der Schaden, den ein Fehler anrichten kann — und damit der Anteil des Budgets, der in Kontrolle statt in Funktion fließt.

Und was ist Agentic AI?

Der vierte Begriff, der in jeder Diskussion auftaucht. Ein KI-Agent ist die einzelne handelnde Einheit. Agentic AI ist der Oberbegriff für den Architekturansatz: ein System aus einem oder mehreren Agenten, inklusive Orchestrierung, Werkzeugen, Rechten und Überwachung.

Praktisch relevant wird der Unterschied erst, wenn mehrere Agenten zusammenarbeiten — einer recherchiert, einer prüft, einer schreibt. Für einen ersten Anwendungsfall im Mittelstand ist das meist keine Frage, die Du beantworten musst. Die strategische Perspektive dazu steht in Agentic AI für Unternehmen.

Abgrenzung nach unten: klassische Automatisierung

Die wichtigste Abgrenzung geht nicht nach oben zu Agentic AI, sondern nach unten — zur regelbasierten Automatisierung. Sie folgt einem festen Regelwerk: Tritt A ein, mache B. Kein Sprachmodell, keine Unsicherheit, keine laufenden Modellkosten.

Sie ist in allem besser, solange die Fälle vorhersehbar sind: schneller, günstiger, zuverlässiger, einfacher zu prüfen. Ein Agent lohnt sich erst dort, wo mindestens eine von zwei Bedingungen gilt — die Eingaben sind unstrukturiert (Freitext-E-Mail, PDF in beliebigem Layout, Telefonnotiz), oder die Entscheidung hängt von Kontext ab, der sich nicht in Regeln fassen lässt.

Der häufigste und teuerste Fehler in KI-Projekten ist, einen Agenten auf einen Prozess zu setzen, der eine saubere Regel gewesen wäre. Wer unsicher ist, prüft zuerst Geschäftsprozesse automatisieren und Workflow-Automatisierung. Die Mischform aus beidem behandelt KI-Prozessautomatisierung.

Welche Stufe brauchst Du? Drei Fragen

Nimm den Prozess, an den Du gerade denkst, und beantworte der Reihe nach:

1. Steht die Antwort schon irgendwo geschrieben? Wenn ja, und sie ändert sich nicht ständig: Chatbot. Das ist der günstigste und schnellste Weg, und er wird zu selten gewählt.
2. Muss jemand Daten ansehen und daraus etwas erstellen? Wenn ja, und die Ausführung bleibt beim Menschen: Assistent. Die meisten unterschätzten Zeitfresser liegen hier.
3. Muss etwas in einem System verändert werden — und hängt die Entscheidung von Kontext ab? Erst wenn beides zutrifft, brauchst Du einen Agenten. Trifft nur der erste Teil zu, ist eine klassische Automatisierung die bessere Wahl.

Eine vierte Frage entscheidet, ob es überhaupt losgeht: Fällt der Vorgang oft genug an? Unter einigen hundert Fällen im Jahr bei jeweils zehn Minuten Arbeit rechnet sich keine der drei Stufen gegen den Entwicklungsaufwand.

Was der Umstieg vom Chatbot kostet

Eine Erwartung lässt sich gleich korrigieren: Ein bestehender Chatbot lässt sich in der Regel nicht zu einem Agenten erweitern. Die Oberfläche kann bleiben, die Logik dahinter nicht — Dialogbäume und starre Regelwerke sind das Gegenteil dessen, was ein Agent braucht.

Der eigentliche Aufwand liegt ohnehin woanders. In einem Agenten-Projekt entfällt der kleinere Teil des Budgets auf alles, was mit dem Sprachmodell zu tun hat. Der größere Teil geht in die Anbindung an die bestehenden Systeme, in Rollen- und Rechtekonzepte, in Protokollierung und in Testfälle mit echten, unaufgeräumten Daten. Wer keine Schnittstellen hat, zahlt sie an dieser Stelle — siehe API-Schnittstelle entwickeln lassen.

Die vollständige Kostenaufstellung mit allen Treibern steht in KI-Implementierung: Kosten, der konkrete Projektablauf in KI-Agenten bauen lassen.

Der praktische Rat

Fang eine Stufe unter dem an, was Du für nötig hältst. Die meisten Unternehmen, die einen Agenten anfragen, lösen ihr eigentliches Problem mit einem guten Assistenten — in der Hälfte der Zeit und zu einem Drittel des Risikos. Und sie lernen dabei etwas, das jedes spätere Agenten-Projekt billiger macht: wie gut ihre Daten wirklich sind.

Umgekehrt gilt: Wenn ein Chatbot seit Monaten vor allem weiterleitet, ist ein besseres Modell die falsche Antwort. Dann fehlt Systemzugriff, und das ist ein Entwicklungsthema, kein KI-Thema. Für Unternehmen mit gewachsener Systemlandschaft ist das der Punkt, an dem aus einer Tool-Frage ein Softwareprojekt wird.

Häufig gestellte Fragen