Agentische KI für Unternehmen¶
Begriff und Einordnung¶
Agentische KI bezeichnet KI-Systeme, die nicht nur Antworten erzeugen, sondern Ziele verfolgen, Zwischenschritte planen, Werkzeuge nutzen und Ergebnisse prüfen können. Der entscheidende Unterschied zu einem Chatbot liegt nicht in schöneren Texten, sondern in Handlungsspielraum: Ein Agent kann zum Beispiel Informationen aus Systemen holen, Aufgaben anstoßen, Entwürfe weitergeben oder innerhalb definierter Grenzen Aktionen ausführen (Bornet et al. 2025; Niessner 2026).
Für Führungskräfte ist deshalb die wichtigste Frage nicht, ob ein System „intelligent“ wirkt. Wichtiger ist, welche Autonomie es bekommt: Darf es nur vorschlagen, darf es vorbereiten, darf es ausführen, oder darf es über mehrere Systeme hinweg selbst koordinieren? Mit jeder Stufe steigen Nutzenchance, Kontrollaufwand und Risiko (Bornet et al. 2025; Zwingmann 2025).
Funktionsweise in Grundzügen¶
Ein hilfreiches Grundmodell beschreibt Agenten über vier Fähigkeiten: wahrnehmen (Sense), planen (Plan), handeln (Act) und reflektieren (Reflect). Ein Agent nimmt Informationen aus Eingaben, Dokumenten oder Fachsystemen auf, plant Schritte zur Zielerreichung, nutzt passende Werkzeuge und prüft anschließend, ob das Ergebnis zum Ziel passt. Bornet et al. fassen diese Logik als SPAR zusammen: Sense, Plan, Act, Reflect. Für Entscheider:innen reicht sie als Prüffrage: Kann die Lösung nur antworten, oder kann sie auch kontrolliert handeln und aus Rückmeldungen lernen? (Bornet et al. 2025).
Gullí beschreibt denselben Grundgedanken als Arbeitszyklus: Der Agent erhält ein Ziel, erfasst relevante Informationen, plant das Vorgehen, führt Schritte aus und verbessert sich anhand der Rückmeldung. Für Unternehmen macht diese Sicht eine wichtige Grenze sichtbar: Ein Agent braucht nicht nur ein Modell, sondern eine Architektur aus Kontext, Werkzeugen, Kontrollpunkten und Lernschleifen (Gullí 2025).
Abbildung: Der SPAR-Zyklus beschreibt die vier Kernfähigkeiten agentischer KI: Sense/Wahrnehmen, Plan/Planen, Act/Handeln und Reflect/Reflektieren. Quelle: eigene Darstellung nach Bornet et al. 2025.
Drei Bausteine entscheiden über die Praxistauglichkeit: Handlung, Reasoning und Gedächtnis. Handlung bedeutet Zugriff auf Werkzeuge und Systeme. Reasoning bedeutet, dass der Agent bei komplexeren Aufgaben Zwischenschritte, Annahmen und Prüfungen berücksichtigt. Gedächtnis bedeutet, dass relevante Präferenzen, frühere Fälle oder Prozesswissen über eine einzelne Sitzung hinaus verfügbar bleiben. Alle drei Bausteine erhöhen den Nutzen, aber auch Governance-, Datenschutz- und Sicherheitsanforderungen (Bornet et al. 2025).
Agenten lassen sich nicht sinnvoll nur in „einfach“ und „autonom“ einteilen. Bornet et al. unterscheiden mehrere Reifestufen von manueller Arbeit über regelbasierte und intelligente Automatisierung bis zu agentischen Workflows, semi-autonomen Systemen und theoretisch vollautonomen Systemen. Für Unternehmen ist die Schlussfolgerung wichtiger als die genaue Stufenzahl: Die passende Autonomiestufe hängt von Prozessstabilität, Risiko, Datenqualität, Regulierung und menschlichem Kontrollbedarf ab (Bornet et al. 2025).
Abbildung: Die Autonomiegrade reichen von manueller Arbeit bis zu vollautonomen Systemen. Mit dem Handlungsspielraum steigen auch Kontrollbedarf, Auditierbarkeit und Risiko. Quelle: eigene Darstellung nach Bornet et al. 2025.
Bedeutung für Unternehmen¶
Agentische KI verspricht dort Nutzen, wo Mitarbeitende heute viel Zeit mit Koordination, Recherche, Systemwechseln, Nachverfolgung und wiederkehrenden Entscheidungen verbringen. Beispiele reichen von Kundenservice und Vertrieb über Supply Chain, Compliance, Security, HR und IT-Service bis zu persönlicher Produktivität. Bornet et al. zeigen vor allem ein Muster: Wert entsteht nicht durch Magie, sondern durch weniger Medienbrüche, schnellere Reaktion, bessere Vorbereitung und klarere Übergaben zwischen Mensch und System (Bornet et al. 2025).
Der häufigste Managementfehler besteht darin, „Agent“ mit maximaler Autonomie gleichzusetzen. In vielen Unternehmensprozessen ist ein spezialisierter Assistent, ein Copilot oder eine Automatisierung mit KI-Bausteinen besser als ein frei handelnder Agent. Je kritischer ein Prozess für Geldflüsse, Kundenzusagen, Recht, Sicherheit, Gesundheit oder Reputation ist, desto enger müssen Handlungsspielraum, Freigaben und Protokollierung definiert werden (Bornet et al. 2025; Niessner 2026).
Agenten sind besonders geeignet, wenn ein Prozess wiederkehrend ist, genügend Daten und Systemzugänge vorhanden sind, die Entscheidungskriterien klar sind und Fehler kontrollierbar bleiben. Sie sind weniger geeignet, wenn echte strategische Urteile, emotionale Verantwortung, rechtliche Letztentscheidungen oder schwer vorhersehbare Zielkonflikte im Zentrum stehen. Unternehmen sollten daher nicht Rollen automatisieren, sondern einzelne Aufgaben und Prozessschritte sorgfältig auswählen (Bornet et al. 2025).
Die Autoren betonen ein einfaches Prinzip: klein starten, Autonomie verdienen lassen. Ein Agent sollte zunächst in einem begrenzten Bereich mit klaren Regeln, Testfällen, Monitoring und menschlicher Prüfung arbeiten. Erst wenn Qualität, Kosten, Nutzerakzeptanz und Risiken belastbar gemessen werden, kann der Handlungsspielraum wachsen (Bornet et al. 2025).
Typische Risiken und Kontrollfragen¶
Agenten können fachlich plausibel wirken und trotzdem geschäftlich falsch handeln. Sie können Daten falsch gewichten, Ziele zu eng auslegen, Zielkonflikte nicht erkennen oder eine korrekt ausgeführte Aktion in einem falschen Kontext auslösen. Besonders kritisch wird das, wenn ein Agent nicht nur schreibt, sondern E-Mails versendet, Bestellungen auslöst, Kundenzusagen macht, Daten verändert oder andere Systeme steuert (Bornet et al. 2025).
Für Entscheider:innen sind fünf Kontrollfragen zentral: Welche Systeme darf der Agent lesen? Welche Aktionen darf er ausführen? Welche Entscheidungen braucht ein Mensch zur Freigabe? Welche Protokolle zeigen später, warum der Agent gehandelt hat? Und wer ist fachlich verantwortlich, wenn der Agent etwas Falsches tut? Ohne diese Fragen bleibt agentische KI ein schwer kontrollierbares Experiment (Bornet et al. 2025; Niessner 2026).
💡 Aus meiner Praxis: Das Wort „Agent“ klingt nach Zukunft. In Unternehmen ist aber nicht der modernste Agent entscheidend, sondern die sauberste Grenze: Was darf das System selbst tun, was muss ein Mensch prüfen, und wo braucht es ein klares Nein?