KI-Agent bauen: Was im Betrieb wirklich dazugehört
Veröffentlicht am
- Ein KI-Agent führt mehrere Arbeitsschritte selbstständig aus und greift dafür auf Werkzeuge wie E-Mail-Postfach, Kalender oder Warenwirtschaft zu, ein Chatbot antwortet nur auf Fragen.
- Der Aufbau eines einfachen Agenten mit einer Plattform wie n8n oder Copilot Studio dauert für ein Standardproblem meist zwischen einem und drei Wochen Einarbeitung und Test.
- Laufende Kosten entstehen vor allem durch Modellaufrufe pro Aktion, nicht durch eine Lizenz: Ein Agent, der 200 Vorgänge im Monat bearbeitet, verursacht deutlich mehr Modellkosten als ein Chatbot, der nur Fragen beantwortet.
- Nach einer Übersicht der Automatisierungsplattform Zapier vom Januar 2026 scheitern selbstgebaute Agenten am häufigsten an uneinheitlichen Daten in den angebundenen Systemen, nicht am Modell selbst.
- Für Betriebe ohne eigene Entwicklung ist ein fertiges Agenten-Tool oder eine begleitete Einführung meist der schnellere Weg als ein Agent von Grund auf.
Was ein KI-Agent ist und was ihn von einem Chatbot unterscheidet
Ein Chatbot beantwortet Fragen. Er bekommt eine Eingabe, sucht eine passende Antwort und gibt sie zurück. Damit endet seine Aufgabe.
Ein KI-Agent geht einen Schritt weiter. Er bekommt ein Ziel, zum Beispiel prüfe eingehende Rechnungen und lege sie im Buchhaltungssystem ab, und entscheidet selbst, welche Werkzeuge er dafür braucht. Er liest ein Dokument, ruft eine Schnittstelle auf, trägt Daten ein und meldet erst am Ende, ob es geklappt hat. Diese Fähigkeit, mehrere Schritte hintereinander und ohne Rückfrage bei jedem einzelnen zu erledigen, ist der Kern dessen, was einen KI-Agenten im Unterschied zum Chatbot ausmacht.
Die Grenze zwischen beiden ist in der Praxis fließend. Ein Kundenservice-Chatbot, der auch Terminbuchungen im Kalender vornimmt, hat bereits agentische Züge. Wer sich für die eigene Website entscheiden muss, findet eine ausführlichere Gegenüberstellung im Beitrag KI-Agent oder Chatbot.
Chatbot vs. KI-Agent: der Unterschied in einem Satz
Wer bei der Suche nach chatbot vs ki-agent landet, sucht meist eine kurze Entscheidungsregel und keine lange Abhandlung. Die lässt sich so formulieren: Reicht eine Antwort, genügt ein Chatbot. Muss danach etwas im System passieren, zum Beispiel ein Termin eingetragen oder ein Datensatz angelegt werden, braucht es einen Agenten.
Diese Regel ersetzt keine genaue Prüfung des Einzelfalls, aber sie sortiert die meisten Anfragen in wenigen Sekunden vor. Ein Betrieb, der nur Öffnungszeiten und Preisfragen beantworten will, braucht keinen Agenten. Ein Betrieb, der Anfragen direkt in eine Terminverwaltung eintragen lassen will, kommt an einem Agenten kaum vorbei.
Selbst bauen oder fertiges Tool nutzen: eine Entscheidungshilfe
Die Frage stellt sich fast immer, sobald ein Betrieb über den ersten Prototypen hinausdenkt. Drei Faktoren entscheiden dabei am stärksten: wie speziell die Aufgabe ist, wie oft sie vorkommt und wer sie im Betrieb später pflegen soll.
| Merkmal | Eigener KI-Agent | Fertiges Tool |
|---|---|---|
| Aufgabe | Sehr speziell, an interne Systeme gebunden | Standardfall wie Terminbuchung oder FAQ |
| Einrichtungszeit | Wochen bis Monate | Tage bis wenige Wochen |
| Pflegeaufwand | Läuft im Betrieb, braucht technisches Wissen | Anbieter übernimmt Updates |
| Kostenmodell | Modellaufrufe plus Entwicklungszeit | Meist Abonnement, planbar |
| Passt eher zu | Betrieb mit eigener IT oder Entwicklungspartner | Betrieb ohne eigene Entwicklung |
| Chatbot vs. KI-Agent | Führt Aktionen in angebundenen Systemen aus | Beantwortet meist nur Fragen, ohne Systemzugriff |
Wer die Aufgabe klar benennen kann und sie nicht zu speziell ist, sollte zuerst ein fertiges Tool testen. Erst wenn dort eine Anbindung fehlt oder eine Regel nicht abbildbar ist, lohnt sich der eigene Aufbau.
Was der Aufbau eines KI-Agenten kostet
Eurobeträge nennen wir hier bewusst nicht, weil sie je nach Projekt und Anbieter stark schwanken und schnell veralten. Stattdessen die Kostenarten, die tatsächlich anfallen.
- Entwicklungszeit: die Einrichtung, das Verbinden mit internen Systemen und das Testen mit echten Fällen aus dem Betrieb.
- Modellkosten: die meisten Anbieter rechnen pro Aufruf ab. Ein Agent mit mehreren Zwischenschritten je Vorgang verursacht dadurch mehr Kosten als eine einzelne Chatbot-Antwort.
- Wartung: Schnittstellen ändern sich, Regeln müssen nachjustiert werden. Dieser Aufwand läuft dauerhaft weiter, nicht nur beim Start.
- Fehlerbehebung: gerade in den ersten Wochen entstehen Fälle, die der Agent falsch einordnet und die jemand manuell korrigieren muss.
Eine grobe Einordnung nach Projektgröße und passenden Modellen findet sich im Beitrag zum Vergleich gängiger KI-Modelle. Wer die Größenordnung für eine ganze Website statt für einen einzelnen Agenten sucht, findet sie unter den Kosten für eine erstellte Website.
Welche Aufgaben sich im Betrieb wirklich für einen Agenten eignen
Wiederkehrende Vorgänge mit klaren Regeln eignen sich am besten. Dazu zählen die Vorprüfung von Rechnungen, das Sortieren eingehender E-Mails nach Thema und Dringlichkeit oder das Anlegen neuer Kundendatensätze aus einem Formular. Solche Aufgaben lassen sich Schritt für Schritt beschreiben, und ein Fehler lässt sich dort meist folgenlos korrigieren.
Weniger geeignet sind Aufgaben mit hohem Ermessensspielraum, etwa die Bewertung eines Bewerbungsgesprächs, oder Vorgänge mit rechtlicher Bindungswirkung ohne Kontrolle durch einen Menschen. Konkrete Beispiele für automatisierte Abläufe aus verschiedenen Betriebsbereichen zeigt der Beitrag zur Automatisierung von Geschäftsprozessen. Für die Personalabteilung speziell lohnt ein Blick in den Artikel zu automatisierten HR-Prozessen.
Die typischen Bausteine: Modell, Werkzeuge, Daten, Freigaben
Jeder KI-Agent besteht aus vier wiederkehrenden Teilen, unabhängig davon, mit welcher Plattform er entsteht.
- Das Sprachmodell: es versteht die Aufgabe und entscheidet, welcher nächste Schritt sinnvoll ist.
- Die Werkzeuge: Schnittstellen zu E-Mail, Kalender, Warenwirtschaft oder Buchhaltung, über die der Agent tatsächlich etwas verändert.
- Die Daten: interne Dokumente, Preislisten oder Kundendaten, auf die der Agent zugreifen darf. Ohne saubere Daten trifft er falsche Entscheidungen.
- Die Freigaben: Regeln, welche Aktionen der Agent selbstständig ausführen darf und wo eine Bestätigung durch einen Menschen nötig ist.
Ein Nutzer, der einen KI-Agenten mit ChatGPT bauen will, arbeitet meist mit den sogenannten Custom GPTs oder der Assistants-Funktion von OpenAI als Grundlage für Schritt eins und muss die übrigen drei Bausteine selbst ergänzen. ChatGPT liefert also das Modell, nicht den fertigen Agenten. Wer stattdessen die Anbindung an interne Prozesse von Anfang an mitdenken will, findet einen breiteren Einstieg im Beitrag zur Prozessautomatisierung im Betrieb.
Woran selbstgebaute KI-Agenten in der Praxis scheitern
Uneinheitliche Daten sind laut der genannten Übersicht von Zapier von Januar 2026 die häufigste Fehlerquelle. Ein Kundendatensatz, der in drei verschiedenen Systemen drei verschiedene Schreibweisen trägt, bringt einen Agenten schneller aus dem Tritt als jede komplizierte Regel.
Zwei weitere Muster tauchen in der Praxis immer wieder auf. Fehlende Freigaben führen dazu, dass ein Agent Aktionen ausführt, die eigentlich eine Bestätigung gebraucht hätten. Und unterschätzte Wartung sorgt dafür, dass ein Agent nach einer Schnittstellenänderung monatelang stillschweigend falsch arbeitet, bis jemand es bemerkt.
Erste Schritte für Betriebe ohne eigene Entwicklung
Der erste Schritt ist die genaue Beschreibung einer einzelnen Aufgabe, nicht eines ganzen Bereichs. Wer versucht, gleich den kompletten Kundenservice oder die gesamte Buchhaltung auf einen Agenten umzustellen, verliert den Überblick über Fehlerquellen.
Danach lohnt ein Test mit einem fertigen Tool, bevor Entwicklungszeit in eine eigene Lösung fließt. Erst wenn dort eine Grenze sichtbar wird, etwa eine fehlende Anbindung an ein internes System, folgt der eigene Aufbau oder die Beauftragung eines Entwicklungspartners.
Häufige Fragen
Es gibt keinen festen Betrag, weil die Kosten von der Anzahl der Modellaufrufe, der Entwicklungszeit und der laufenden Wartung abhängen. Ein einfacher Agent für eine Standardaufgabe verursacht deutlich weniger als ein Agent, der mehrere interne Systeme verbindet.
Man beschreibt zuerst eine einzelne, klar abgegrenzte Aufgabe, wählt dann ein Modell und eine Plattform wie n8n oder Copilot Studio, bindet die nötigen Werkzeuge an und testet den Agenten mit echten Fällen aus dem Betrieb, bevor er produktiv läuft.
Ja, mehrere Anbieter wie Google mit Vertex AI Agent Builder oder Botpress bieten kostenlose Einsteigeranleitungen an. Für den betrieblichen Einsatz ersetzt ein solcher Kurs aber keine Einschätzung, ob sich der Aufwand für die konkrete Aufgabe überhaupt lohnt.
Im Betrieb lassen sich KI-Agenten für wiederkehrende Aufgaben mit klaren Regeln einsetzen, etwa das Sortieren von E-Mails, die Vorprüfung von Rechnungen oder das Anlegen von Kundendatensätzen. Für Aufgaben mit hohem Ermessensspielraum eignen sie sich dagegen kaum.
Ein Chatbot beantwortet Fragen, ein KI-Agent führt mehrere Arbeitsschritte selbstständig aus und greift dafür auf Werkzeuge wie Kalender oder Warenwirtschaft zu. Bei der Frage Chatbot vs. KI-Agent entscheidet vor allem, ob nur eine Antwort oder eine tatsächliche Aktion im System nötig ist.
Aimani Support