KI-Agenten: 12 Beispiele aus dem Mittelstand

Die meisten Artikel über KI-Agenten erklären, was theoretisch möglich wäre. Diese Seite macht das Gegenteil: zwölf Prozesse, die in mittelständischen Unternehmen tatsächlich an einen Agenten übergeben werden — sortiert nach Abteilung, jeweils mit dem konkreten Ablauf, dem realistischen Nutzen und der Grenze, an der der Agent einen Menschen braucht.

Der Aufbau ist absichtlich nüchtern. Nach unserer Erfahrung scheitern Agenten-Projekte selten an der Technik und fast immer an der Auswahl des Prozesses. Deshalb findest Du bei jedem Beispiel auch, was vorher vorhanden sein muss. Am Ende stehen die Kriterien, mit denen Du Deine eigenen Prozesse bewerten kannst, und die vier Gründe, aus denen Pilotprojekte den Produktivbetrieb nie erreichen.

Was ein KI-Agent von einem Chatbot unterscheidet

Bevor die Beispiele Sinn ergeben, braucht es eine Abgrenzung — weil die Begriffe im Markt durcheinandergehen. Ein Chatbot antwortet auf Fragen. Ein KI-Agent handelt: Er bekommt ein Ziel, nicht eine Frage, und darf dafür Werkzeuge benutzen. Er liest aus dem ERP, schreibt in das Ticketsystem, verschickt eine E-Mail, prüft das Ergebnis und entscheidet, ob er den nächsten Schritt geht oder abbricht.

Technisch besteht ein Agent aus drei Teilen: einem Sprachmodell für die Entscheidungen, einem Satz klar definierter Werkzeuge mit Rechten und Grenzen, und einer Protokollierung, die jede Aktion nachvollziehbar macht. Der dritte Teil wird in Demos gern weggelassen und ist im Produktivbetrieb der wichtigste. Dazu kommt in jedem ernstzunehmenden Aufbau ein vierter: der Punkt, an dem ein Mensch das Ergebnis sichtet, bevor es wirksam wird. Dafür hat sich der Begriff Human in the Loop durchgesetzt. Er taucht in allen zwölf Beispielen auf dieser Seite auf — mal als Freigabe vor dem Versand, mal als Prüfung eines Entwurfs, mal als Wertgrenze, ab der der Agent abgibt. Mehr zum technischen Aufbau und zum Ablauf eines Projekts steht im Ratgeber KI-Agenten entwickeln lassen; die strategische Einordnung liefert Agentic AI für Unternehmen.

Der praktische Unterschied in einem Satz: Ein Chatbot erklärt Deinem Mitarbeiter, wie eine Reklamation erfasst wird. Ein Agent erfasst sie, zieht die Lieferhistorie dazu, schlägt eine Einstufung vor und legt den Vorgang an. Ausführlich inklusive Abgrenzung zur klassischen Automatisierung: Unterschied zu Chatbot und Assistent.

Einkauf: zwei Beispiele

1. Angebotsvergleich bei Lieferantenanfragen

Der Prozess heute: Für eine Beschaffung gehen drei bis fünf Anfragen raus. Zurück kommen PDFs, Excel-Dateien und E-Mail-Text in unterschiedlichen Formaten, Währungen und Staffelungen. Ein Einkäufer überträgt das in eine Vergleichstabelle — pro Vorgang 20 bis 45 Minuten, davon fast alles Abtippen.

Was der Agent macht: Er überwacht das Einkaufspostfach, erkennt eingehende Angebote, ordnet sie der passenden Anfrage zu und extrahiert Position, Menge, Staffelpreise, Lieferzeit, Zahlungsbedingungen und Gültigkeit. Er rechnet Währungen und Mengeneinheiten auf eine gemeinsame Basis um und erzeugt die Vergleichstabelle. Abweichungen vom Angefragten markiert er statt sie zu glätten: anderes Material, geänderte Mindestmenge, fehlende Position.

Nutzen und Grenze: Die Tabelle entsteht in Minuten statt in einer halben Stunde, und sie ist vollständig — die manuelle Variante lässt unter Zeitdruck gern Nebenbedingungen weg. Die Vergabeentscheidung bleibt beim Einkäufer, und das soll sie auch. Voraussetzung ist eine eindeutige Zuordnung von Anfrage und Angebot, in der Praxis meist über eine Vorgangsnummer in der Anfrage.

2. Rechnungsprüfung gegen Bestellung und Lieferschein

Der Prozess heute: Die klassische Dreiwegeprüfung. Rechnung gegen Bestellung gegen Wareneingang, Position für Position. Bei Teillieferungen, Preisgleitklauseln und nachträglichen Rabatten wird daraus Detektivarbeit, und genau dort entstehen die Fehler, die später im Jahresabschluss auffallen.

Was der Agent macht: Er liest die Rechnung, findet im ERP die zugehörige Bestellung und die Wareneingänge, vergleicht Positionen, Mengen, Preise und Steuersätze und ordnet jede Rechnung in eine von drei Kategorien ein: stimmt überein und ist buchungsbereit, weicht innerhalb der definierten Toleranz ab, oder weicht so ab, dass ein Mensch entscheiden muss. Für die dritte Gruppe schreibt er auf, was genau nicht passt.

Nutzen und Grenze: Der Hebel liegt nicht in den Problemfällen, sondern darin, dass die unproblematischen Rechnungen nicht mehr durch eine menschliche Prüfung müssen. Je sauberer die Stammdaten, desto höher dieser Anteil. Die harte Grenze: Keine Buchung und keine Zahlung ohne Freigabe. Ein Agent, der eigenmächtig Zahlungen anstößt, ist ein Risiko, kein Fortschritt. Wie solche Prüfläufe ohne KI strukturiert werden, zeigt Buchhaltung automatisieren.

Controlling und Finanzen: zwei Beispiele

3. Abweichungsanalyse im Monatsreporting

Der Prozess heute: Die Zahlen stehen am dritten Werktag. Danach beginnt die eigentliche Arbeit: Warum liegt die Materialquote in Werk zwei über Plan? Der Controller klickt sich durch Kostenstellen, zieht Einzelposten, ruft zwei Leute an und schreibt am Ende drei Sätze in den Bericht. Diese drei Sätze kosten einen halben Tag.

Was der Agent macht: Er bekommt Soll und Ist, erkennt die Abweichungen oberhalb einer Schwelle und arbeitet sie von oben nach unten ab. Pro Abweichung bricht er sie auf die darunterliegenden Ebenen herunter, bis er die Treiber isoliert hat, zieht die größten Einzelposten dazu und formuliert einen Erklärungsvorschlag mit Verweis auf die zugrundeliegenden Datensätze. Das Ergebnis ist ein Entwurf des Kommentarteils, nicht der fertige Bericht.

Nutzen und Grenze: Der Controller startet nicht bei null, sondern bei einem belegten Entwurf, den er prüft und schärft. Entscheidend ist die Nachvollziehbarkeit: Jede Aussage muss auf konkrete Datensätze zurückführbar sein, sonst ist sie im Reporting unbrauchbar. Ein Agent, der plausibel klingende Begründungen ohne Datenbasis erzeugt, ist in diesem Prozess gefährlicher als kein Agent. Deshalb gehört die Quellenangabe hier zur Pflichtfunktion, nicht zur Kür.

4. Offene-Posten-Verfolgung und Mahnvorbereitung

Der Prozess heute: Die Liste der offenen Posten wird wöchentlich durchgesehen. Bei jedem Fall ist die Frage dieselbe: Ist das ein Zahlungsverzug, eine strittige Position, eine vereinbarte Stundung oder ein Fehler in der Rechnung? Die Antwort steht in E-Mails, Gesprächsnotizen und im CRM — an drei verschiedenen Orten.

Was der Agent macht: Er nimmt jeden offenen Posten, sucht die zugehörige Kommunikation zusammen, erkennt Zusagen und Einwände und stuft den Fall ein. Für unstrittige Fälle erstellt er den Mahnentwurf in der passenden Stufe und Tonalität. Für strittige Fälle legt er eine Zusammenfassung an: was offen ist, was der Kunde einwendet, was zuletzt zugesagt wurde.

Nutzen und Grenze: Mahnläufe werden wieder regelmäßig, weil die Vorbereitung keine Stunden mehr kostet. Der Versand bleibt freigabepflichtig — eine fehlerhaft gemahnte Forderung kostet mehr Kundenbeziehung, als sie an Zeit einspart.

Qualitätsmanagement: zwei Beispiele

5. Reklamationen erfassen und einstufen

Der Prozess heute: Eine Reklamation kommt als E-Mail, als Telefonnotiz oder als Foto aus dem Außendienst. Jemand muss den Sachverhalt in die QM-Software übertragen, Charge und Lieferung zuordnen, prüfen, ob dasselbe Problem schon einmal aufgetreten ist, und die Dringlichkeit einschätzen. Bis das passiert, liegt der Fall oft Tage.

Was der Agent macht: Er nimmt die eingehende Meldung in jeder Form an, extrahiert Kunde, Produkt, Charge, Fehlerbild und Mengenbetroffenheit und legt den Vorgang strukturiert an. Dann sucht er in der Historie nach vergleichbaren Fällen — nicht nur über Stichworte, sondern über die Beschreibung des Fehlerbilds. Findet er ein Muster, hängt er es an den Vorgang und schlägt eine Einstufung vor.

Nutzen und Grenze: Der eigentliche Wert liegt in der Mustererkennung. Wiederkehrende Fehler fallen auf, wenn jemand alle Fälle im Kopf hat — und das hat niemand. Eine Einstufung mit Sicherheitsrelevanz oder Rückrufpotenzial gehört nie an einen Agenten.

6. 8D-Report und Prüfdokumentation vorbereiten

Der Prozess heute: Ein 8D-Report für einen Automotive-Kunden bindet den QM-Verantwortlichen stundenlang. Die Fakten liegen vor — in Prüfprotokollen, Fertigungsdaten, Reklamationsvorgängen, Besprechungsnotizen. Die Arbeit besteht darin, sie in die vorgegebene Struktur zu bringen und sprachlich so zu fassen, dass der Kunde sie akzeptiert.

Was der Agent macht: Er sammelt die Belege zu einem Vorgang zusammen und füllt die Abschnitte D1 bis D8 mit dem, was dokumentiert ist. Wo Angaben fehlen, schreibt er ausdrücklich hin, was fehlt, statt die Lücke sprachlich zu überdecken. Dasselbe Muster funktioniert für Erstbemusterungen und Prüfberichte.

Nutzen und Grenze: Aus Stunden Formulierungsarbeit werden Minuten Prüfarbeit. Die Grenze ist eindeutig: Ursachenanalyse und Maßnahmenentscheidung sind fachliche Urteile. Der Agent dokumentiert sie, er trifft sie nicht. Die Freigabe gegenüber dem Kunden liegt immer bei einer Person mit Namen.

Personal und Vertrieb: drei Beispiele

7. Bewerbungen vorqualifizieren

Der Prozess heute: Auf eine gewerbliche Stelle kommen 60 Bewerbungen, auf eine IT-Stelle acht. Beides ist ein Problem: Im ersten Fall fehlt die Zeit zum Sichten, im zweiten darf keine gute Bewerbung liegen bleiben. Die Rückmeldung an Bewerber dauert im Mittelstand regelmäßig über eine Woche — der häufigste Grund für Absprünge.

Was der Agent macht: Er liest Bewerbungen, gleicht sie gegen die ausgeschriebenen Pflicht- und Wunschkriterien ab und erstellt pro Bewerbung eine kurze Zusammenfassung: Was passt, was fehlt, welche Nachfrage lohnt sich im Gespräch. Er sortiert nicht aus, er sortiert vor und priorisiert nach Bearbeitungsdringlichkeit.

Nutzen und Grenze: Die Reaktionszeit sinkt von Tagen auf Stunden. Hier ist die rechtliche Grenze besonders scharf: Eine automatisierte Ablehnung ohne menschliche Beteiligung ist bei Bewerbungsverfahren rechtlich heikel und nach EU-KI-Verordnung ein Hochrisiko-Anwendungsfall mit entsprechenden Pflichten. Der Agent liefert Zusammenfassungen, die Auswahl trifft die Personalabteilung — und das muss dokumentiert sein.

8. Angebote aus Anfragen erstellen

Der Prozess heute: Eine Anfrage kommt als Freitext-E-Mail, oft mit einer Zeichnung oder Stückliste im Anhang. Der Vertriebsinnendienst sucht die passenden Artikel, prüft die kundenspezifische Preisliste, schätzt Liefertermine und baut das Angebot. Bei Standardkonfigurationen ist das reine Routine, kostet aber trotzdem 30 bis 60 Minuten.

Was der Agent macht: Er interpretiert die Anfrage, ordnet die gewünschten Positionen den Artikeln im System zu, zieht Konditionen und Verfügbarkeiten und erzeugt den Angebotsentwurf im ERP. Positionen, die er nicht eindeutig zuordnen kann, markiert er als offen — mit den zwei bis drei wahrscheinlichsten Alternativen.

Nutzen und Grenze: Angebote gehen am gleichen Tag raus statt in der Folgewoche, und das entscheidet im Projektgeschäft häufiger als der Preis. Je individueller das Produkt, desto geringer der Anteil, den der Agent allein schafft. Eine Freigabe vor dem Versand bleibt Pflicht. Wie die Datengrundlage dafür aussieht, behandelt ERP-System entwickeln lassen.

9. Ticket-Triage im Kundenservice

Der Prozess heute: Anfragen laufen über Postfach, Formular und Telefon zusammen. Jemand liest, ordnet zu, priorisiert und weist dem richtigen Team zu. Dieser Schritt ist unsichtbar, kostet aber bei hohem Volumen eine halbe Stelle — und bei Abwesenheit bricht er zusammen.

Was der Agent macht: Er klassifiziert die Anfrage, erkennt den betroffenen Vertrag oder die Anlage, zieht Vorgeschichte und Servicelevel dazu und weist das Ticket zu. Für häufige, eindeutige Fälle — Statusabfrage, Rechnungskopie, Terminverschiebung — erzeugt er direkt eine Antwort mit den echten Daten aus dem System. Das ist der Punkt, an dem er sich von einem Chatbot löst: Er sucht nicht in einer FAQ, er schaut in den Vorgang.

Nutzen und Grenze: Erstreaktionszeiten fallen deutlich, und das Team arbeitet an Fällen statt an Sortierung. Je nach Tonlage und Eskalationsstufe muss der Agent abgeben können: Beschwerden, Kündigungsandrohungen und juristische Formulierungen gehören zu einem Menschen. Diese Übergaberegel ist kein Nachgedanke, sie wird mitentwickelt.

Logistik, Handwerk, Wissen und IT: drei Beispiele

10. Liefertermine überwachen und Kunden informieren

Der Prozess heute: Bestätigte Termine verschieben sich — beim Lieferanten, beim Spediteur, in der eigenen Fertigung. Wer es zuerst merkt, ist meist der Kunde. Das Nachtelefonieren von Sendungsstatus und das Informieren betroffener Kunden sind klassische Aufgaben, für die nie Zeit ist.

Was der Agent macht: Er vergleicht laufend zugesagte mit aktuellen Terminen aus Lieferantenbestätigungen, Sendungsverfolgung und Fertigungsplanung. Bei relevanter Abweichung ermittelt er die betroffenen Kundenaufträge, bewertet die Dringlichkeit und erzeugt die Benachrichtigungsentwürfe inklusive neuem Termin.

Nutzen und Grenze: Der Kunde erfährt von der Verzögerung vom Lieferanten und nicht umgekehrt. Das ist mehr wert als die eingesparte Zeit. Voraussetzung sind erreichbare Statusdaten — fehlende Schnittstellen zu Spediteuren sind hier der häufigste Blocker, siehe API-Schnittstelle entwickeln lassen.

11. Interne Wissenssuche über gewachsene Dokumentenbestände

Der Prozess heute: Die Antwort steht in einem Dokument — in einer Verfahrensanweisung, einem alten Projektordner, einem Wartungsprotokoll. Wer vorher nicht weiß, wo, findet es nicht. Im Handwerk und im Anlagenbau ist das besonders teuer: Monteure rufen die Zentrale an, weil die Information zur Anlage nicht dort ist, wo sie gebraucht wird.

Was der Agent macht: Er beantwortet Fragen in natürlicher Sprache aus dem freigegebenen Dokumentenbestand und gibt zu jeder Aussage die Quelle an — Dokument, Version, Abschnitt. Entscheidend ist die Rechtelogik: Er darf nur zeigen, was der Fragende auch selbst öffnen dürfte.

Nutzen und Grenze: Dieser Anwendungsfall ist der mit der niedrigsten Einstiegshürde und deshalb ein guter erster Agent: kein Schreibzugriff, kein Risiko für Geschäftsdaten, sofort spürbar. Die Grenze ist die Qualität des Bestands. Liegen drei Versionen derselben Anweisung ohne Kennzeichnung herum, zitiert der Agent irgendeine davon. Bei Personen- und Vertragsdaten lohnt der Blick auf lokal betriebene Sprachmodelle.

12. Routinearbeit in der eigenen IT und Softwareentwicklung

Der Prozess heute: Abhängigkeiten aktualisieren, Testabdeckung für bestehenden Code nachziehen, Fehlermeldungen aus den Logs vorsortieren, Änderungen dokumentieren. Alles notwendig, alles wird aufgeschoben, bis daraus technische Schulden werden.

Was der Agent macht: Er arbeitet diese Aufgaben in abgegrenzten Paketen ab und legt das Ergebnis als Änderungsvorschlag zur Prüfung vor — nie direkt in den Hauptstand. Bei Fehlermeldungen gruppiert er nach Ursache statt nach Häufigkeit und markiert neu aufgetretene Muster.

Nutzen und Grenze: Dieses Beispiel steht bewusst am Ende, weil es das am besten belegte ist: Wir arbeiten selbst so — und zwar durchgehend mit Human-in-the-Loop-Schritten. Kein Ergebnis eines Agenten geht ungesichtet weiter, jede Änderung wird von einem Menschen geprüft und verantwortet. Die Grenze ist dieselbe wie überall — ein Mensch prüft und verantwortet jede Änderung. Mehr dazu in Software entwickeln lassen mit KI und technische Schulden.

Woran Du erkennst, ob ein Prozess für einen Agenten taugt

Die zwölf Beispiele haben ein gemeinsames Muster. Prüfe Deine Kandidaten gegen diese sechs Punkte — fällt einer davon aus, wird es teuer:

• ✓Mengenhebel: Der Vorgang fällt mindestens einige hundert Mal pro Jahr an und kostet jeweils 10 Minuten oder mehr. Darunter rechnet sich die Entwicklung nicht.
• ✓Beschreibbare Logik: Ein erfahrener Mitarbeiter kann in zehn Minuten erklären, wie entschieden wird. Was niemand erklären kann, lässt sich auch nicht übergeben.
• ✓Prüfbares Ergebnis: Jemand kann in Sekunden sehen, ob das Ergebnis stimmt. Ohne diese Prüfbarkeit lässt sich der Agent weder testen noch verantworten.
• ✓Erreichbare Daten: Die nötigen Informationen liegen digital vor und sind per Schnittstelle, Datenbank oder Export zugänglich. Was auf Papier liegt, ist erst ein Digitalisierungsprojekt.
• ✓Begrenzter Schaden: Ein Fehler ist ärgerlich, aber korrigierbar — und durch Wertgrenzen und einen Human-in-the-Loop-Schritt eingehegt. Prozesse, in denen ein einzelner Fehler existenzgefährdend ist, bleiben menschlich.
• ✓Ein Verantwortlicher: Eine Person im Fachbereich will diesen Agenten und nimmt das Ergebnis ab. Ohne diesen Namen stirbt das Projekt nach dem Piloten.

Wer alle sechs Punkte erfüllt, aber keine echte Entscheidungslogik im Prozess hat, braucht übrigens keinen Agenten, sondern eine klassische Automatisierung — die ist günstiger, schneller und robuster. Die Abgrenzung behandelt Geschäftsprozesse automatisieren, die KI-spezifische Variante KI-Prozessautomatisierung.

Vier Gründe, warum Agenten-Projekte den Produktivbetrieb nie erreichen

Die Demo läuft, alle sind begeistert, und sechs Monate später benutzt es niemand. Das passiert aus vier wiederkehrenden Gründen.

Erstens: der Prozess war zu groß. „Wir automatisieren den Einkauf“ ist kein Projekt, sondern ein Themenfeld. Ein Agent braucht einen abgegrenzten Vorgang mit definiertem Anfang und Ende. Der erste Agent soll eine Aufgabe gut machen, nicht eine Abteilung.

Zweitens: die Datenbasis war im Pilot geschönt. Im Test laufen zehn saubere Beispieldatensätze durch. Im Betrieb kommen Dubletten, Altlasten, abweichende Schreibweisen und unvollständige Stammdaten. Deshalb muss ein Pilot mit echten, unaufgeräumten Daten laufen — am besten mit den Fällen, die im Alltag Ärger machen.

Drittens: niemand hat den Übergabepunkt definiert. Die entscheidende Frage ist nicht, was der Agent kann, sondern wann er aufhört. Ohne klare Abbruchkriterien, Wertgrenzen und Zuständigkeit für Zweifelsfälle entsteht entweder ein Agent, der zu viel entscheidet, oder einer, der alles zurückgibt und damit keine Arbeit abnimmt.

Viertens: es gab keinen Betriebsplan. Ein Agent ist kein Projekt, das fertig wird. Modelle werden abgekündigt, Schnittstellen ändern sich, Prozesse wandern. Wer Monitoring, Fehlerbehandlung und Zuständigkeit für den Betrieb nicht einplant, hat in zwölf Monaten einen Agenten, dem niemand mehr traut. Die Muster dahinter sind dieselben wie bei klassischen Projekten — nachzulesen in warum IT-Projekte scheitern.

Was diese Beispiele kosten

Die Spannweite ist groß, weil nicht das Sprachmodell den Preis bestimmt, sondern die Anbindung an Deine Systeme. Als Orientierung aus abgeschlossenen Projekten:

• ✓8.000 bis 20.000 EUR: ein abgegrenzter Agent mit einer Systemanbindung und menschlicher Freigabe. Beispiele 1, 5 und 11 liegen typischerweise hier.
• ✓20.000 bis 60.000 EUR: mehrere Systeme, Freigabelogik mit Wertgrenzen, Protokollierung und Rollenrechte. Die Rechnungsprüfung und die Angebotserstellung bewegen sich in diesem Bereich.
• ✓60.000 EUR und mehr: mehrere zusammenarbeitende Agenten, hohe Fallzahlen, Hochrisiko-Anwendungen mit Dokumentationspflichten nach EU-KI-Verordnung.
• ✓Laufend 5 bis 15 Prozent pro Jahr: Modellnutzung, Monitoring, Anpassung an Prozess- und Schnittstellenänderungen. Diese Position wird in Angeboten gern unterschlagen.

Die Kostentreiber im Detail stehen in KI-Implementierung: Kosten, die allgemeine Kalkulationslogik in Software entwickeln lassen: Kosten. Wer prüfen will, ob die Anbindung an das bestehende System überhaupt machbar ist, findet den Einstieg bei KI-Integration im Unternehmen.

Womit Du anfangen solltest

Nicht mit dem Prozess, der am meisten Zeit kostet — sondern mit dem, bei dem ein Fehler am wenigsten weh tut. Nach unserer Erfahrung ist das in den meisten Unternehmen Beispiel 11, die interne Wissenssuche: kein Schreibzugriff auf Geschäftsdaten, kein Risiko nach außen, und das Team merkt den Nutzen in der ersten Woche. Dieser erste Agent hat eine zweite Aufgabe, die wichtiger ist als die erste: Er zeigt Dir, wie gut Deine Daten wirklich sind.

Erst danach lohnt sich ein Agent mit Schreibrechten in einem der kaufmännischen Prozesse. Und dann gilt die Reihenfolge, die in allen zwölf Beispielen steckt: zuerst den Prozess beschreiben, dann die Daten prüfen, dann den Übergabepunkt festlegen — und erst zuletzt über das Modell reden. Für mittelständische Unternehmen mit gewachsener Systemlandschaft ist das der Unterschied zwischen einem Agenten im Betrieb und einem gelungenen Piloten. Welche Rolle individuelle Software dabei spielt, behandelt Software für den Mittelstand.

Häufig gestellte Fragen