Automatisierung oder KI-Agent vor dem Pilot

Das Muster: Autonomie als Selbstzweck

Sobald „KI“ im Briefing steht, wird oft maximaler Agent-Scope geplant. Typische Folgen:

• Blackbox-Prozesse, die niemand erklären kann
• unbegrenzte Tool-Rechte „für später“
• hohe Kosten bei Aufgaben, die ein Wenn-dann-Workflow erledigt hätte
• interne Ablehnung, weil Kontrolle fehlt

Best Practice ist nicht der autonomste Agent, sondern die robusteste Lösung mit dem geringsten Risiko.

Drei Stufen, klar getrennt

Entscheidungsfragen vor dem Pilot

Beantworten Sie diese Fragen ehrlich, bevor Sie Tools wählen:

Für den Marktüberblick kann Best AI bei der Tool-Recherche helfen. Die Stufenentscheidung sollte aber vorher fallen, sonst vergleicht man Produkte ohne klares Architekturziel.

1. Ist der Prozess stabil beschrieben? Wenn nicht: zuerst Prozesskarte, nicht Agent.
2. Wie hoch ist die Variation? Wenig Variation → Automatisierung. Hohe Variation mit Tools → Agent.
3. Welche Aktion ist kritisch? Preise, Verträge, medizinische oder rechtliche Zusagen brauchen Freigabe.
4. Welche Systeme müssen andocken? Eine Integration zuerst. Nicht fünf Systeme am Tag 1.
5. Wer ist Owner? Ohne Owner kein belastbarer Betrieb.

Die Trennlinie zwischen weitgehend autonomem Lesen/Analysieren und freigabepflichtigem kritischem Handeln (Frage 3) vertiefen wir in Was einen guten KI-Agenten ausmacht.

Wann Automatisierung die bessere Wahl ist

Wählen Sie Regeln und Workflows, wenn:

• Statusmeldungen, Formular → CRM → Mail klar definiert sind
• Ausnahmen selten und manuell abfangbar sind
• Schnelligkeit, Testbarkeit und niedrige Kosten Priorität haben

Beispiel: Lead-Formular füllt CRM, setzt Status, sendet Bestätigung. Dafür braucht es keinen Agenten.

Wann KI-Assistenz dazwischen passt

Wählen Sie Assistenz, wenn:

• Texte klassifiziert, zusammengefasst oder vorbereitet werden sollen
• der Mensch die finale Entscheidung behält
• der Workflow drumherum fest bleibt

Beispiel: Anrufnotiz oder Meeting-Rohtext wird zusammengefasst, ein Mensch gibt frei und triggert den nächsten Schritt.

Wann ein Agent echten Mehrwert bringt

Wählen Sie einen Agenten, wenn:

• Schritte je Fall wechseln (qualifizieren, nachfragen, buchen, eskalieren)
• Tools und Speicher Teil der Aufgabe sind
• Grenzen, Stop-Regeln und Human Review von Anfang an geplant werden

Beispiele bei BitAutor: Telefonassistent, Terminagent, Firmenwissen-Agent. Nicht „KI überall”, sondern ein abgegrenzter Engpass mit messbarem Pilot.

Wann wir von einem Agenten abraten

Ein Agent ist nicht automatisch die richtige Antwort, auch wenn Budget und Interesse vorhanden sind. Typische Gründe, aus denen wir im Erstgespräch eher zu Automatisierung, einem Workshop oder „noch nicht bauen” raten:

• Der Prozess ist noch nicht stabil beschrieben. Ohne Prozesskarte ist unklar, was der Agent überhaupt entscheiden oder lernen soll. Dann fehlt die Grundlage für jede Architekturwahl, nicht nur für einen Agenten.
• Das Fallvolumen trägt den Betriebsaufwand nicht. Ein Agent braucht laufendes Monitoring, Testfälle und Pflege. Bei niedriger Fallzahl übersteigt dieser Aufwand oft den Nutzen gegenüber einer manuellen Lösung.
• Es gibt keinen Owner für Grenzfälle. Ohne feste Zuständigkeit bleiben Eskalationen liegen, unabhängig davon, wie gut der Agent technisch gebaut ist.
• Fast jede Aktion braucht ohnehin eine Freigabe. Wenn Preis, Vertrag oder Versand in jedem Fall von einem Menschen bestätigt werden müssen, bringt Autonomie wenig zusätzlichen Nutzen, aber zusätzliche technische Komplexität.
• Eine einfache Regel würde denselben Effekt erzielen. Lässt sich die klare Mehrheit der Fälle mit einem Wenn-dann-Workflow lösen, ist ein Agent für den Rest oft teurer als ein schlanker manueller Auffangprozess für die Ausnahmen.
• Die Datengrundlage ist nicht zugänglich oder nicht freigegeben. Ein Agent ohne verlässliche, freigegebene Quelle rät oder halluziniert. Das ist kein Pilot, das ist ein Risiko, das erst eine Datenaufgabe lösen muss.

In diesen Fällen ist die ehrlichere Empfehlung meist klassische Automatisierung, ein KI-Workshop zur Klärung der offenen Fragen oder schlicht: der Prozess ist noch nicht reif genug zum Bauen.

Was Sie vermeiden sollten

• Autonomie als Selbstzweck
• Prompt-only-Lösungen ohne Prozess und Tests
• unbegrenzte Tool-Rechte
• unklare Verantwortlichkeiten
• Pilot ohne Go/No-Go-Kriterien

Hybrid ist oft die richtige Antwort

2026 besteht die Wahl selten nur zwischen RPA und Agent. Viele Prozesse haben einen stabilen Kern und einen unscharfen Rand:

Falsche Stufe heißt oft: ein Agent für nahezu vollständig regelbasierte Arbeit (teuer, unnötig) oder eine starre Automation für einen Prozess mit vielen echten Ausnahmefällen (Wartungsfalle).

Warum ein Agent auf Regel-Arbeit eine Kostenfalle ist

Ein Agenten-Setup für eine vollständig regelbasierte Aufgabe wirkt zunächst wie die moderne Lösung. Technisch entsteht dabei aber oft ein teureres System, nicht nur ein neueres:

• Nicht-Determinismus, wo Determinismus möglich wäre. Eine Regel liefert bei gleichem Input immer dasselbe Ergebnis. Ein Modell kann bei identischem Input leicht abweichende Antworten liefern. Bei einer Aufgabe mit einer klaren Sollantwort ist das ein Nachteil, kein Feature.
• Kosten pro Ausführung statt pro Änderung. Eine kompilierte Regel kostet im Betrieb praktisch nichts pro Fall. Jede Agent-Ausführung verbraucht Tokens. Bei hoher Fallzahl wird daraus eine laufende Betriebskostenzeile statt einer einmaligen Entwicklungskosten-Position.
• Testaufwand verschiebt sich von Unit-Tests zu Evaluation. Klassischer Code lässt sich mit festen Testfällen absichern, die bei jeder Änderung automatisch laufen. Ein Agent braucht zusätzlich laufende Stichproben-Evaluation, weil sich sein Verhalten mit einem Modell-Update ändern kann, ohne dass am eigenen Code etwas geändert wurde.
• Debugging wird aufwendiger. Ein Fehler in einer Regel zeigt sich als reproduzierbarer Fehlerfall im Code. Eine Fehlentscheidung eines Agenten zeigt sich als eine von vielen möglichen Ausgaben und lässt sich oft nicht exakt reproduzieren.
• Größere Angriffsfläche. Ein Agent mit Tool-Zugriff, der auf externe oder Nutzereingaben reagiert, muss gegen Prompt-Injection und Missbrauch von Tool-Rechten abgesichert werden. Eine Regel ohne Sprachmodell hat diese Angriffsfläche nicht.

Für einen Prozess ohne echte Variation ist eine Automatisierung deshalb selten die „einfachere“ Wahl, sondern meist die technisch robustere und langfristig günstigere.

Score-Card vor dem Tool-Kauf

Bewerten Sie den Prozess (nicht das Unternehmen) auf fünf Achsen, je 1-5:

1. Eingaben strukturiert? (hoch = Regeln)
2. Ausnahmen häufig? (hoch = Assistenz/Agent)
3. Urteil nötig? (hoch = Assistenz/Agent + Freigabe)
4. Audit-/Wiederholbarkeit kritisch? (hoch = Regeln bevorzugen)
5. Integration vorhanden? (API/CRM = Agent leichter; nur Screens = Automation oft robuster)

Drei oder mehr Achsen Richtung „unscharf/variabel“ → Agent oder Assistenz prüfen. Weniger → Automatisierung zuerst. Details zum Pilot danach: KI-Agent Pilot in 30 Tagen.

So entscheiden und starten

1. Prozesskarte: Aufgabe, Daten, Systeme, Ausnahmen, menschliche Entscheidungen.
2. Architekturwahl: Regel, Assistenz, Agent oder Hybrid begründet festlegen.
3. Pilot: ein Ablauf, Testfälle, Logs, klare Übergabe.
4. Betrieb: Qualität, Kosten und Grenzfälle beobachten und nachschärfen.

Entscheidungsmatrix auf einen Blick

Wenn die Architekturwahl unklar bleibt, ist oft ein KI-Workshop der bessere Einstieg als ein zu früher Agent-Build.

Praxis bei BitAutor

Wir sehen in Beratungsgesprächen häufig den gleichen Fehler: Teams wählen die autonomste Stufe, obwohl der Prozess noch nicht stabil beschrieben ist. Der schnellere Weg ist meist: Prozessbrief, Stufenentscheidung, Pilot mit einer Integration. Erst danach Skalierung auf Telefonagent, Terminagent oder Firmenwissen-Agent. Für den Betriebsalltag der GF oft zuerst Betriebsassistent statt Maximal-Autonomie.

Häufige Fragen: Automatisierung oder KI-Agent?

Kann ich mit Automatisierung starten und später einen Agenten bauen?

Ja, und das ist oft sinnvoll. Viele Teams automatisieren zuerst stabile Teilschritte und fügen Agenten-Fähigkeiten erst dort hinzu, wo Variation echten Nutzen bringt. Der umgekehrte Weg (Agent → Regeln) ist selten, aber richtig, wenn Autonomie keinen messbaren Mehrwert zeigte.

Ist ein KI-Agent immer teurer als Automatisierung?

Nicht zwingend im Pilot, aber im Betrieb oft ja, wenn Autonomie, Tools und Monitoring wachsen. Deshalb zuerst die passende Stufe wählen, nicht die spektakulärste. Vergleichen Sie Jahr-1- und Jahr-3-Kosten: wartungsintensive Regel-Bots können teurer werden als ein schmaler Agent mit klaren Grenzen.

Brauche ich für Automatisierung kein KI?

Richtig. Viele Engpässe sind reine Prozess- und Integrationsfragen. KI lohnt sich dort, wo Sprache, Kontext oder unstrukturierte Eingaben eine Rolle spielen.

Wann sollte ich einen Workshop statt direkt bauen?

Wenn mehrere Use Cases konkurrieren, Owner fehlen oder die Grenzen (Preis, Vertrag, Datenschutz) noch unklar sind. Dann lohnt eine Entscheidungsvorlage vor dem Pilot.

Was ist der häufigste Fehlkauf?

Als Faustregel, nicht als exakte Messgröße: ein Agent für einen Prozess mit wenigen, klar definierten Ausnahmen und festen Regeln, weil „KI” im Budget steht. Oder umgekehrt eine starre Automation ohne Ausnahme-Pfad, obwohl ein spürbarer Teil der Fälle menschliches Urteil braucht. Die Score-Card oben hilft, beides vor dem Kauf zu erkennen.

Nächster Schritt

Bindet wiederkehrende Arbeit Kapazität, muss zuerst die passende Stufe feststehen: Automatisierung, Assistenz oder Agent. Bei BitAutor werden Prototyp, erste Integration und Betrieb passend zum Umfang angeboten.

Weiterlesen

• Was einen guten KI-Agenten ausmacht
• KI-Agent entwickeln lassen: Ablauf, Kosten, Auswahlkriterien
• KI-Workshop: Entscheidungsvorlage vor dem Pilot
• KI-Agenten im Mittelstand
• KI-Agent Pilot in 30 Tagen

Produktseiten

• Workflow-Automatisierung vergleichen
• Alle KI-Agenten-Bausteine
• KI-Workshop vor dem Pilot