Kurz gesagt
- Ein KI‑Agent besteht aus einem Sprachmodell, klaren Anweisungen, Werkzeugen für den Zugriff auf Ihre Systeme, Wissen und Grenzen.
- Es gibt drei Wege: Assistenten in Office-Plattformen, Automatisierungsplattformen wie n8n oder Make und Agenten-Frameworks im Code.
- Der erste Prototyp ist schnell gebaut. Die eigentliche Arbeit liegt im Testen mit echten Fällen, in Rechten, Freigaben und Überwachung.
- Beginnen Sie mit einer eng umrissenen Aufgabe und messen Sie den Agenten an Beispielen, bevor er Kunden oder Daten berührt.
Woraus ein KI‑Agent besteht
Ein KI‑Agent ist ein Programm, das mit einem Sprachmodell selbst entscheidet, welcher Schritt als Nächstes kommt, und dafür Werkzeuge benutzt. Was ein Agent ist und wo er sich von Chatbot und klassischer Automatisierung unterscheidet, erklärt unser Beitrag KI‑Agenten für Unternehmen. Technisch braucht jeder Agent dieselben Bausteine:
- Modell: das Sprachmodell, das liest, plant und formuliert.
- Anweisungen: Aufgabe, Ton, Regeln und vor allem, wann der Agent an einen Menschen übergibt.
- Werkzeuge: Schnittstellen, mit denen er Daten liest oder etwas tut, etwa eine Bestellung nachsehen oder ein Ticket anlegen.
- Wissen: Unterlagen, auf die er zugreift, zum Beispiel Preislisten, Handbücher oder frühere Antworten.
- Grenzen: Rechte, Freigaben, Höchstbeträge und Kostenlimits.
- Protokoll und Tests: jede Entscheidung nachvollziehbar, jede Änderung an echten Beispielen geprüft.
Drei Wege im Vergleich
| Weg | Beispiele | Gut geeignet für | Grenzen |
|---|---|---|---|
| Assistenten in Office-Plattformen | Microsoft Copilot Studio, eigene GPTs in ChatGPT, Gems in Gemini | Interne Helfer mit Zugriff auf Dokumente, schnelle Einführung in bestehenden Lizenzen | An die Plattform gebunden, begrenzte Kontrolle über Abläufe und Tests |
| Automatisierungsplattformen | n8n, Make, Zapier | Abläufe über viele Programme, Agenten als Baustein in einem größeren Prozess | Komplexe Logik wird unübersichtlich, Tests und Versionierung brauchen Disziplin |
| Agenten-Frameworks im Code | OpenAI Agents SDK, LangGraph, Claude Agent SDK, Google Agent Development Kit | Volle Kontrolle, eigene Oberflächen, automatisierte Tests, hohe Last | Braucht Entwicklung, Betrieb und Wartung |
In der Praxis werden die Wege oft kombiniert: Ein Agent im Code übernimmt die anspruchsvolle Prüfung, n8n verbindet ihn mit Postfach, Warenwirtschaft und CRM. Welche Plattform passt, hängt weniger vom Werkzeug ab als davon, wo Ihre Daten liegen, wer den Agenten später pflegt und welche Anforderungen an Datenschutz bestehen. n8n lässt sich zum Beispiel auf eigenen Servern in der EU betreiben, mehr dazu in n8n selbst hosten.
Werkzeuge anbinden: was MCP ist
Damit ein Agent etwas tun kann, braucht er Zugriff auf Ihre Systeme. Das Model Context Protocol (MCP) ist ein offener Standard, mit dem KI‑Anwendungen einheitlich an Werkzeuge und Datenquellen angebunden werden. Anthropic hat ihn Ende 2024 vorgestellt, inzwischen unterstützen ihn viele Anbieter und Werkzeuge. Für Unternehmen heißt das: Eine einmal gebaute Anbindung, etwa an die Warenwirtschaft, lässt sich mit verschiedenen Modellen und Plattformen nutzen. MCP ist hilfreich, aber keine Voraussetzung. Viele Agenten kommen mit wenigen, direkt programmierten Schnittstellen aus.
KI‑Agent bauen in sechs Schritten
- Eine enge Aufgabe wählen: Zum Beispiel „Rückfragen zum Lieferstatus beantworten“ statt „Kundenservice übernehmen“.
- Echte Beispiele sammeln: 30 bis 50 typische Fälle mit der richtigen Antwort. Sie sind Ihr Prüfstein für jede Änderung.
- Werkzeuge mit minimalen Rechten: Der Agent darf Bestellungen lesen, aber keine Gutschriften buchen. Schreibrechte nur dort, wo sie wirklich nötig sind.
- Anweisungen und Übergabe festlegen: Was der Agent darf, was nicht, und wann er an einen Menschen übergibt, etwa bei Beschwerden oder Unsicherheit.
- Testen und messen: Den Agenten gegen die Beispiele laufen lassen, Fehler nach Art sortieren, Anweisungen und Werkzeuge verbessern, erneut testen.
- Mit Freigabe in Betrieb gehen: Zuerst schlägt der Agent vor und ein Mensch gibt frei. Erst wenn die Ergebnisse über Wochen stimmen, darf er mehr selbst erledigen. Kostenlimits und Protokolle laufen von Anfang an mit.
Sicherheit und Recht
Agenten lesen Texte, die von außen kommen, etwa E‑Mails oder Webseiten. Darin können versteckte Anweisungen stecken, die den Agenten zu etwas verleiten sollen. OWASP führt diese sogenannte Prompt Injection als größtes Risiko von KI‑Anwendungen, gefolgt unter anderem von zu weit gefassten Befugnissen. Die wichtigsten Gegenmittel sind minimale Rechte, Freigaben für Handlungen mit Folgen und eine Trennung zwischen Lesen und Schreiben.
Rechtlich sind die meisten Agenten im Unternehmen unkritisch. Spricht ein Agent direkt mit Menschen, muss erkennbar sein, dass es eine KI ist (Art. 50 KI‑Verordnung). Für Einsätze in sensiblen Bereichen wie der Personalauswahl gelten ab Dezember 2027 die Pflichten für Hochrisiko-KI. Personenbezogene Daten verlangen einen Vertrag zur Auftragsverarbeitung und möglichst Server in der EU.
Selbst bauen oder bauen lassen?
Selbst bauen lohnt sich für interne Helfer mit geringem Risiko, wenn jemand im Team Lust und Zeit hat, sich einzuarbeiten. Unterstützung lohnt sich, wenn der Agent mit Kundendaten arbeitet, mehrere Systeme anbindet oder dauerhaft zuverlässig laufen muss. Wie wir dabei vorgehen, steht auf der Seite KI‑Agenten entwickeln lassen. Als KI‑Agentur begleiten wir Sie vom ersten Prototyp bis zum Betrieb.
Quellen
- Model Context Protocol: Dokumentation und Spezifikation
- OWASP: Top 10 for LLM Applications 2025
- OpenAI: Agents SDK
- Microsoft Learn: Microsoft Copilot Studio
- n8n Docs: AI Agent node
- Verordnung (EU) 2024/1689 über künstliche Intelligenz, Art. 50: EUR-Lex