KI-Agenten im Mittelstand: Wo sie sich lohnen und wie du sicher startest

Was ein KI-Agent ist und was nicht

Ein KI-Agent ist Software, die mit einem Sprachmodell eine Aufgabe in mehreren Schritten bearbeitet: Sie liest einen Eingang, entscheidet über den nächsten Schritt, nutzt Werkzeuge wie CRM, Postfach oder Dokumentenablage und liefert ein Ergebnis oder löst eine Aktion aus. Das unterscheidet ihn von einem Chatbot, der vor allem Fragen beantwortet, und von klassischer regelbasierter Automatisierung, die festen Wenn-dann-Pfaden folgt und scheitert, sobald ein Eingang etwas anders aussieht.

Genau in dieser Lücke liegt der praktische Nutzen für kleine und mittlere Unternehmen. Viele tägliche Aufgaben sind zu unterschiedlich für starre Regeln, aber zu wiederkehrend, um die volle Aufmerksamkeit eines Menschen zu verdienen: eingehende E-Mails sortieren, Dokumente lesen, Datensätze pflegen, Antworten vorbereiten. Ein Agent kann Lesen, Sortieren und Entwerfen übernehmen, während ein Mensch die Entscheidungen behält, auf die es ankommt.

Wo sich Agenten meist zuerst lohnen

Die stärksten ersten Anwendungsfälle haben drei Dinge gemeinsam: Sie kommen oft vor, folgen einem erkennbaren Muster, und ihr Ergebnis lässt sich schnell prüfen. Gemessen an eingesparten Stunden schlägt ein bescheidener Agent in einem Ablauf mit hohem Volumen meist einen ehrgeizigen Agenten in einem seltenen.

Typische Kandidaten im Mittelstand sehen so aus. Keiner davon braucht eine neue Plattform. Sie brauchen Zugriff auf Systeme, die es schon gibt, einen klaren Rahmen und einen festen Punkt, an dem ein Mensch das Ergebnis freigibt oder korrigiert.

• Dokumente erfassen: Rechnungen, Bestellungen, Lieferscheine oder Formulare werden ausgelesen, strukturiert und weitergegeben, unklare Fälle werden markiert.
• E-Mails vorsortieren: eingehende Nachrichten werden eingeordnet, zusammengefasst und als Antwortentwurf vorbereitet, den ein Mensch abschickt.
• Interner Wissensassistent: Antworten aus Handbüchern, Richtlinien und Projektunterlagen, mit Quellenangabe, statt Suche im Netzlaufwerk.
• CRM-Pflege: Aus Gesprächsnotizen und E-Mails werden Kontakte, Aufgaben und Nachfassaktionen, ohne manuelles Abtippen.
• Support im Kundenportal: erste Antworten direkt im Portal, mit sauberer Übergabe ans Team bei allem, was komplexer ist.

So findest du den richtigen ersten Ablauf

Bevor ein Modell ausgewählt wird, hilft es, den Ablauf wie ein Entwickler zu betrachten: Was geht hinein, was kommt heraus, welche Systeme sind beteiligt, wer entscheidet, und was passiert, wenn etwas schiefgeht? Wenn niemand den heutigen Prozess in wenigen Sätzen beschreiben kann, wird ein Agent ihn nicht reparieren. Er automatisiert dann nur das Durcheinander.

Ein guter Pilot-Kandidat ist eng genug, um in wenigen Wochen umgesetzt zu werden, und wichtig genug, dass das Ergebnis auffällt. Außerdem gibt es Daten, die der Agent technisch und rechtlich wirklich nutzen darf. Kundendaten, Beschäftigtendaten und alles, was Bewerbungen oder Kreditentscheidungen berührt, verdienen einen genaueren Blick, bevor sie Teil eines KI-Ablaufs werden.

• Volumen: Die Aufgabe fällt täglich oder wöchentlich an, nicht einmal im Quartal.
• Muster: Die Eingänge variieren, aber das erwartete Ergebnis folgt einer erkennbaren Struktur.
• Prüfbarkeit: Ein Mensch kann ein Ergebnis in Sekunden oder Minuten kontrollieren.
• Datenzugang: Die nötigen Informationen liegen in erreichbaren Systemen und dürfen für diesen Zweck verarbeitet werden.
• Risiko: Ein falsches Ergebnis ist ärgerlich und korrigierbar, aber nicht schädlich oder unumkehrbar.

Daten, Anbindungen und Freigabeschritte

Ein Agent ist nur so nützlich wie seine Verbindungen. Er braucht Lesezugriff auf die richtigen Quellen und für manche Aufgaben Schreibzugriff auf Zielsysteme. Standards wie das Model Context Protocol (MCP) machen es leichter, KI kontrollierten Zugriff auf interne Tools zu geben. Die Designfragen bleiben aber dieselben: Welche Aktionen sind erlaubt, mit welchen Berechtigungen, und welche brauchen vorher die Freigabe eines Menschen?

Ein verlässliches Muster lautet: Der Agent bereitet vor, ein Mensch gibt frei. Der Agent entwirft die Antwort, füllt den Datensatz aus oder schlägt die Buchung vor, und die Oberfläche zeigt klar, was generiert wurde, was geändert wurde und was noch auf Freigabe wartet. Jede Aktion wird mit Eingang, Ergebnis, prüfender Person und Zeitstempel protokolliert. So werden Fehler nachvollziehbar, und das Team gewinnt das Vertrauen, das es braucht, bevor es dem Agenten mehr Spielraum gibt.

Vom Pilot in den laufenden Betrieb

Ein Pilot sollte mit echten Daten eine Sache beweisen: Spart der Agent Zeit bei einer akzeptablen Fehlerquote? Lege das fest, bevor die Umsetzung beginnt, etwa den Anteil der Entwürfe, die mit nur kleinen Änderungen rausgehen, oder die eingesparten Minuten pro bearbeitetem Dokument. Ohne diesen Ausgangswert endet ein Pilot in Meinungen statt in einer Entscheidung.

Sobald der Pilot trägt, verschiebt sich die Arbeit in den Betrieb. Modelle, Prompts und Datenquellen ändern sich, und mit ihnen die Sonderfälle. Monitoring, regelmäßige Stichproben geprüfter Ergebnisse und ein einfacher Weg, schlechte Ergebnisse zu melden, halten das System nützlich. Ein häufiger Grund, warum Agenten-Projekte stocken, ist nicht das Modell, sondern fehlende Verantwortung nach dem Start.

• Mit zu vielen Anwendungsfällen gleichzeitig starten statt mit einem messbaren Pilot.
• Dem Agenten Schreibzugriff geben, bevor Prüfschritte und Protokollierung existieren.
• Den Ausgangswert weglassen, sodass niemand sagen kann, ob der Pilot funktioniert hat.
• Den Start als Projektende behandeln statt als Beginn des Betriebs.

Ein praktischer Einstieg

Für die meisten mittelständischen Unternehmen ist der richtige erste Schritt keine große KI-Strategie, sondern ein strukturierter Blick auf zwei oder drei mögliche Abläufe: Volumen, Daten, Systeme, Risiko und erwarteter Nutzen. Daraus wird ein Pilot ausgewählt, mit echten Daten umgesetzt und an einem vereinbarten Ziel gemessen. Erst dann lohnt es sich, den Agenten auszubauen oder den nächsten Ablauf anzugehen.

So geht EDS Labs KI-Projekte an: ein kostenloses Erstgespräch, um zu klären, ob KI überhaupt passt, eine Potenzialanalyse mit konkretem Fahrplan und danach ein fokussierter Pilot, der an echte Systeme angebunden ist und Menschen die Kontrolle lässt. Wenn du dich außerdem fragst, was der EU AI Act für deinen Anwendungsfall bedeutet, findest du im Begleitartikel zum AI Act für KMU die Pflichten, die in der Praxis zählen.