Eine Kundenanfrage kommt per Mail: Ein Kunde möchte wissen, ob eine bestellte Maschine bis Ende des Monats geliefert werden kann, und bittet gleichzeitig um einen Rabatt auf die nächste Bestellung. Wie dieser eine Vorgang bearbeitet wird, hängt davon ab, welches System dahintersteckt. Ein Chatbot, ein fester Workflow und ein KI-Agent gehen mit derselben Anfrage sehr unterschiedlich um.
Was macht ein Chatbot mit der Anfrage?
Ein Chatbot beantwortet die Frage, ohne selbst etwas im System zu verändern. Er kann aus hinterlegten Informationen eine Antwort formulieren, etwa allgemeine Angaben zu Lieferzeiten. Auf aktuelle Bestanddaten oder den Status der konkreten Bestellung greift er in der Regel nicht zu. Die Rabattfrage kann er nicht beantworten, weil das eine Entscheidung ist, die im Unternehmen getroffen werden muss. Der Chatbot liefert Text, keine Aktion.
Was leistet ein fester Workflow?
Ein fest programmierter Workflow erledigt einen vorab definierten Ablauf. Er kann beispielsweise die Mail erkennen, die Bestellnummer extrahieren und den Lieferstatus aus dem ERP-System abrufen. Trifft die Anfrage exakt das vorgesehene Muster, funktioniert das zuverlässig. Weicht sie ab, etwa weil zusätzlich ein Rabatt verlangt wird oder die Bestellnummer fehlt, stößt der Workflow an seine Grenze. Er kann nur das tun, wofür er gebaut wurde, und meldet alles andere als Ausnahme.
Was unterscheidet einen KI-Agenten davon?
Ein KI-Agent bewertet die Anfrage zunächst inhaltlich: Er erkennt, dass zwei unterschiedliche Anliegen in einer Mail stecken, die Lieferfrage und die Rabattfrage. Für die Lieferfrage ruft er selbstständig den Status aus dem ERP-System ab und formuliert eine Antwort. Für die Rabattfrage erkennt er, dass hier eine geschäftliche Entscheidung ansteht, die er nicht allein treffen soll. Er bereitet einen Vorschlag vor, etwa auf Basis der Kundenhistorie, und legt ihn einem Mitarbeiter zur Freigabe vor, statt die Antwort direkt zu verschicken.
Diese Fähigkeit, eine Aufgabe in Teilschritte zu zerlegen, Werkzeuge wie das ERP-System oder ein CRM anzusteuern und je nach Ergebnis den nächsten Schritt zu wählen, wird als Agentic AI bezeichnet. Im Hummingbird-Projekt von Red Hat, das Container-Images auf Schwachstellen prüft, folgt das Team dem Grundsatz, so viel deterministische Automatisierung wie möglich und so viel Agentic AI wie nötig einzusetzen. Reine Regelprüfungen, etwa ob eine neue Paketversion die Tests besteht, laufen automatisch. Erst wo eine Einschätzung nötig ist, kommt der Agent ins Spiel, wie das Unternehmen in einem Erfahrungsbericht beschreibt.
Welche Zugriffe braucht ein Agent tatsächlich?
Damit ein Agent die Lieferfrage beantworten kann, benötigt er einen lesenden Zugriff auf das ERP-System, idealerweise beschränkt auf Bestand und Auftragsstatus. Für die Rabattfrage braucht er keinen Zugriff auf Preisfreigaben, sondern nur auf Kundendaten, um einen Vorschlag zu erstellen. Im Hummingbird-Projekt laufen die Agenten als isolierte Prozesse ohne Zugriff auf Secrets oder Deployment-Token, wie Red Hat beschreibt. Das lässt sich auf andere Einsatzfälle übertragen: Ein Agent bekommt genau die Rechte, die für seine Teilaufgabe nötig sind, nicht mehr.
Wo muss ein Mensch entscheiden?
Bei Handlungen mit finanzieller oder rechtlicher Wirkung bleibt eine Freigabe durch einen Mitarbeiter notwendig, dieses Prinzip wird als Human in the Loop bezeichnet. Typische Fälle im Mittelstand sind:
- Rabatte, Preisnachlässe oder Sonderkonditionen
- Vertragsänderungen oder Kündigungen
- Zahlungsfreigaben oder Überweisungen
- Antworten, die rechtlich bindende Zusagen enthalten
Red Hat begründet dieses Vorgehen mit dem Prinzip der Rechenschaftspflicht: Ein Agent kann eine Analyse liefern oder einen Vorschlag vorbereiten, verantwortlich für das Ergebnis bleibt aber ein Mensch, der zur Rechenschaft gezogen werden kann. Deterministische Regeln wie automatische Merge-Vorgänge bei bestandenen Tests laufen dagegen ohne Rückfrage, weil dort keine Ermessensentscheidung nötig ist.
Was ein Agent nicht kann
Ein Agent erkennt keine Absichten, die nicht in seinen Daten oder Werkzeugen abgebildet sind. Fehlt der Zugriff auf ein System, kann er die entsprechende Information nicht einholen, sondern muss die Aufgabe an einen Menschen weiterreichen. Komplexere Fälle, die mehrere spezialisierte Aufgaben zugleich erfordern, etwa Recherche, Dokumentenprüfung und Kommunikation, lassen sich häufig nicht mit einem einzelnen Agenten abbilden. Dafür kommen Multiagentensysteme zum Einsatz, in denen mehrere spezialisierte Agenten über festgelegte Protokolle zusammenarbeiten und auf externe Dienste zugreifen, wie es in einem Workshop-Angebot zu Multiagentensystemen beschrieben wird. Auch dort bleibt die Frage bestehen, welche Schritte automatisiert laufen und welche eine Freigabe benötigen.
Was das für die Einführung bedeutet
Vor der Einführung eines Agenten steht deshalb keine Technologiefrage, sondern eine Organisationsfrage: Welche Systeme darf der Agent lesen, welche darf er verändern, und an welcher Stelle im Ablauf muss ein Mitarbeiter zustimmen, bevor eine Aktion nach außen wirkt. Diese Festlegung entscheidet darüber, ob ein Agent Arbeit tatsächlich abnimmt oder nur neue Kontrollaufgaben erzeugt.