Was sind KI-Agenten?
Ein Agent ist keine bessere Automatisierungsregel und kein Chatbot mit mehr Wissen. Der Unterschied liegt darin, wer den Weg zum Ziel festlegt. Was das praktisch bedeutet, wo es sich heute lohnt und welche Frage vorher geklärt sein muss.
Kaum ein Begriff wird derzeit so häufig verwendet und so selten erklärt wie “KI-Agent”. In Produktankündigungen steht er für alles zwischen einer besseren Suchfunktion und einer Software, die angeblich selbständig arbeitet.
Der Unterschied zu dem, was Sie bereits kennen, lässt sich in einem Satz sagen: Bei einer Regel legen Sie den Weg fest, bei einem Agenten nur das Ziel.
Regel, Sprachmodell, Agent
Drei Dinge werden regelmässig vermischt, obwohl sie sich klar unterscheiden lassen.
Die Automatisierungsregel. “Wenn ein Auftrag bestätigt wird, erstelle die Aufgabe.” Sie ist vollständig vorhersehbar, weil jemand jeden Schritt definiert hat. Sie kann nur, was hinterlegt wurde - und genau das ist ihre Stärke.
Das Sprachmodell. Es formuliert, fasst zusammen, ordnet ein. Es beantwortet eine Frage oder erzeugt einen Text, tut aber von sich aus nichts weiter. Was heute produktiv läuft, steht in Welche KI-Anwendungen heute bereits produktiv sind.
Der Agent. Er bekommt ein Ziel und Werkzeuge - Daten lesen, einen Datensatz anlegen, eine Mail schreiben - und entscheidet selbst, in welcher Reihenfolge er sie einsetzt. Beispiel: “Beantworte diese Kundenanfrage” statt “wenn Anfrage, dann Vorlage 3”.
Diese Selbständigkeit ist Nutzen und Risiko zugleich. Ein Agent kommt mit Fällen zurecht, die niemand vorhergesehen hat - und er kann Wege wählen, die niemand vorhergesehen hat.
Kurz gesagt: Bei einer Regel legen Sie den Weg fest, bei einem Agenten nur das Ziel. Deshalb eignen sich Agenten für Aufgaben mit vielen Sonderfällen - und deshalb brauchen sie einen abgegrenzten Handlungsrahmen und eine Freigabe, bevor etwas nach aussen geht.
Wo sich Agenten heute lohnen
Der ehrliche Stand: Agenten sind dort produktiv, wo ein Mensch das Ergebnis vor der Wirkung prüft. Drei Bereiche funktionieren im KMU bereits:
Anfragen vorbereiten. Eine Kundenanfrage wird gelesen, der passende Datensatz gesucht, ein Antwortentwurf erstellt - und dann von einer Person freigegeben. Der Zeitgewinn liegt im Zusammensuchen, nicht im Formulieren.
Unstrukturiertes einordnen. Eingehende Dokumente, Mails oder Formulare zuordnen, kategorisieren, mit dem richtigen Vorgang verknüpfen. Klassisch ein Bereich mit vielen Sonderfällen, an denen starre Regeln scheitern.
Recherche im eigenen Bestand. “Was haben wir diesem Kunden in den letzten drei Jahren geliefert, und wo gab es Reklamationen?” - eine Frage, die heute jemand in mehreren Systemen von Hand beantwortet.
Gemeinsam ist allen dreien: Der Agent bereitet vor, ein Mensch entscheidet. Wo er selbständig nach aussen wirkt, wird es heikel.
Was vorher geklärt sein muss
Vier Fragen gehören beantwortet, bevor ein Agent produktiv geht - und keine davon ist technisch:
Was darf er, und was nicht? Ein Agent braucht einen abgegrenzten Handlungsrahmen: lesen ja, ändern eingeschränkt, versenden nur mit Freigabe. Diese Grenze gehört gezogen, bevor er läuft.
Wer prüft das Ergebnis? Wo etwas nach aussen geht, gehört eine Freigabe dazwischen - nicht als Misstrauen, sondern weil ein Agent gelegentlich überzeugend danebenliegt.
Welche Daten sieht er? Ein Agent, der auf Kundendaten zugreift, wirft Datenschutzfragen auf - wo werden die Daten verarbeitet, wie lange gespeichert, wer ist Auftragsverarbeiter. Das gehört vorher geklärt, siehe Datenschutz bei Odoo Projekten.
Woran messen wir, ob es funktioniert? Ohne eine Zahl vorher - bearbeitete Anfragen pro Tag, Durchlaufzeit, Korrekturquote - lässt sich hinterher nicht beurteilen, ob sich der Aufwand gelohnt hat.
Ein Agent ersetzt keine Entscheidung. Er bereitet sie vor - und je besser die Datengrundlage, desto brauchbarer die Vorbereitung.
Die Voraussetzung, die oft fehlt
Ein Agent ist nur so gut wie die Daten, auf die er zugreift. Wenn Kunden doppelt angelegt sind, Artikelbezeichnungen uneinheitlich und Vorgänge über drei Systeme verteilt, kann er nichts Sinnvolles zusammensuchen - er formuliert dann flüssig auf falscher Grundlage.
Das ist der Grund, warum wir Agenten selten als ersten Schritt empfehlen. Wer Prozesse verbunden und Daten sauber hat, kann kurzfristig davon profitieren. Wer beides nicht hat, investiert in eine Oberfläche über einem ungelösten Problem.
Was das für Odoo bedeutet
Odoo geht diesen Weg sichtbar mit, und in der kommenden Version stehen Agentenfunktionen prominent auf der Roadmap. Was davon vor der Keynote tatsächlich belegt ist und was Ankündigung bleibt, haben wir in Odoo 20: Was vor der Keynote wirklich feststeht eingeordnet.
Der praktisch wichtigste Punkt ist unabhängig von der Version: Ein Agent im ERP hat Zugriff auf zusammenhängende Daten - Kunde, Auftrag, Lieferung, Rechnung, Ticket in einem System. Genau das ist die Voraussetzung, unter der er brauchbare Vorbereitung leisten kann. Wie das im Support heute schon aussieht, zeigt Helpdesk und AI Agents mit Odoo.
Fazit
Ein KI-Agent unterscheidet sich von einer Automatisierungsregel dadurch, dass er den Weg zum Ziel selbst wählt. Das macht ihn stark bei Aufgaben mit vielen Sonderfällen und heikel überall dort, wo er ohne Prüfung nach aussen wirkt.
Für Schweizer KMU heisst das heute: als Vorbereiter einsetzen, nicht als Entscheider. Und vorher die vier Fragen beantworten - Handlungsrahmen, Freigabe, Datenzugriff und Messgrösse. Wer das tut, bekommt einen nützlichen Mitarbeitenden für Fleissarbeit. Wer es überspringt, bekommt eine überzeugend formulierte Fehlerquelle.
Weiterführend: Themenwelt Automatisierung & Künstliche Intelligenz. Den nächsten Schritt machen Sie mit dem kostenlosen Projekt-Check.
Das könnte Sie auch interessieren
Wo würde ein Agent bei Ihnen Sinn ergeben?
Im kostenlosen Projekt-Check ordnen wir ein, was heute produktiv einsetzbar ist und was noch nicht.
