KI-Agenten sind der Schritt von der Antwortmaschine zum digitalen Mitarbeiter: Software, die nicht nur Texte erzeugt, sondern Aufgaben übernimmt, Werkzeuge bedient und mehrstufige Abläufe selbstständig abarbeitet. Entsprechend groß ist das Interesse, entsprechend groß aber auch die Verwirrung darüber, was so ein Agent eigentlich ist und wie man einen baut. Dieser Artikel erklärt die Bausteine eines KI-Agenten, die Entscheidung zwischen Selbstbau und Kauf, sinnvolle erste Einsatzfälle im Vertrieb kleinerer und mittlerer Unternehmen und die Fehler, die Projekte am häufigsten scheitern lassen.
Die vier Bausteine eines KI-Agenten
Ein KI-Agent unterscheidet sich von einem einfachen Chatbot dadurch, dass er handeln kann. Damit das funktioniert, braucht jeder Agent vier Komponenten, unabhängig von der gewählten Plattform.
Das Sprachmodell ist die Denkeinheit. Ein LLM interpretiert die Aufgabe, plant Zwischenschritte und entscheidet, welches Werkzeug als Nächstes eingesetzt wird. Die Qualität des Agenten hängt stark davon ab, wie präzise seine Rolle, seine Grenzen und sein Auftrag beschrieben sind, der sogenannte System-Prompt ist faktisch die Stellenbeschreibung des Agenten.
Werkzeuge geben dem Agenten Hände. Ein Modell allein kann nur Text erzeugen; erst Anbindungen an CRM, E-Mail, Kalender, Websuche oder interne Datenbanken machen daraus einen Agenten, der Datensätze anlegt, Termine vorschlägt oder Informationen nachschlägt. Jedes Werkzeug ist dabei eine bewusste Entscheidung: Was der Agent nicht ansteuern kann, kann er auch nicht beschädigen.
Der Speicher hält Kontext fest. Ohne Gedächtnis beginnt jede Interaktion bei null. Ein kurzlebiger Arbeitsspeicher hält den laufenden Vorgang zusammen, ein dauerhafter Speicher bewahrt Wissen über Kunden, frühere Vorgänge und gelernte Regeln.
Der Trigger startet den Agenten. Das kann eine eingehende E-Mail sein, eine neue Formular-Anfrage, ein Zeitplan oder ein Mensch, der eine Aufgabe übergibt. In der Praxis laufen Agenten meist eingebettet in Workflow-Plattformen wie n8n, die Auslöser, Werkzeuganbindung und Protokollierung gleich mitbringen.
Build oder Buy: selbst bauen oder einkaufen
Die zweite Grundsatzfrage lautet, ob ein Unternehmen seine Agenten selbst entwickelt oder auf fertige Lösungen setzt. Pauschal richtig ist keins von beidem, die Abwägung folgt erkennbaren Kriterien.
| Kriterium | Selbst bauen | Fertige Lösung kaufen | Mit Partner umsetzen |
|---|---|---|---|
| Passgenauigkeit | Hoch, exakt auf eigene Prozesse | Begrenzt auf Standardfälle | Hoch, auf Prozess zugeschnitten |
| Eigenes Know-how nötig | Hoch | Niedrig | Mittel |
| Zeit bis zum Nutzen | Monate | Tage bis Wochen | Wochen |
| Datenhoheit | Vollständig steuerbar | Abhängig vom Anbieter | Steuerbar, EU-Hosting möglich |
| Laufende Pflege | Im eigenen Haus | Beim Anbieter | Geteilt, je nach Modell |
Fertige Produkte lohnen sich für Standardaufgaben, die in jedem Unternehmen gleich aussehen, etwa ein KI-Telefonassistent für die Anrufannahme. Eigenentwicklung lohnt sich, wenn der Prozess ein echter Wettbewerbsvorteil ist und internes Entwicklungs-Know-how existiert. Für die Mehrheit der Mittelständler ist der dritte Weg der realistische: ein Partner, der Agenten auf Basis offener Plattformen baut, sodass das Unternehmen Datenhoheit und Erweiterbarkeit behält, ohne ein eigenes Entwicklerteam aufzubauen.
Sinnvolle erste Agenten für den KMU-Vertrieb
Der häufigste Planungsfehler ist die Suche nach dem einen großen Agenten, der den ganzen Vertrieb übernimmt. Tragfähiger sind kleine Agenten mit klarem Auftrag. Drei Muster haben sich im B2B-Vertrieb bewährt.
Der Anfrage-Qualifizierer liest eingehende Anfragen, recherchiert das anfragende Unternehmen, bewertet die Passung nach definierten Kriterien und legt einen vollständigen Datensatz im CRM an, inklusive Zusammenfassung für den zuständigen Vertriebler. Der Nachfass-Agent überwacht offene Angebote und bereitet zur richtigen Zeit eine individuelle Nachfass-Nachricht vor, die ein Mensch freigibt. Der Recherche-Agent erstellt vor wichtigen Terminen ein Briefing: Unternehmensdaten, Ansprechpartner, aktuelle Nachrichten, bisherige Kontakte aus dem CRM.
Allen drei gemeinsam: Sie sparen messbar Zeit, ihr Schaden im Fehlerfall ist begrenzt, und sie lassen den Abschluss beim Menschen. Einen Überblick, wie solche Bausteine in die gesamte Vertriebsarbeit greifen, gibt der Beitrag KI im Vertrieb.
Typische Fehler beim Erstellen von KI-Agenten
Vier Fehler tauchen in der Praxis immer wieder auf. Der erste: zu viel auf einmal. Ein Agent, der qualifizieren, anschreiben, nachfassen und Termine buchen soll, scheitert an jeder einzelnen Aufgabe ein bisschen. Besser ist ein Agent pro Aufgabe, nachweisbar stabil, dann der nächste.
Der zweite: keine menschliche Kontrolle. Agenten, die ungeprüft nach außen kommunizieren, sind ein Reputationsrisiko. Die Regel lautet: Intern darf der Agent handeln, extern bereitet er vor und ein Mensch gibt frei, bis das Vertrauen über Monate gewachsen ist.
Der dritte: Automatisierung ohne Prozess. Wer einen chaotischen Ablauf an einen Agenten übergibt, bekommt automatisiertes Chaos. Vor dem Bau steht deshalb immer die Frage, wie der Prozess heute läuft und wie er laufen sollte. Der vierte: fehlende Messung. Ohne definierte Kennzahl, etwa Reaktionszeit oder Bearbeitungsdauer pro Anfrage, lässt sich nach drei Monaten nicht sagen, ob sich der Agent rechnet.
Der pragmatische Einstieg
KI-Agenten zu erstellen ist kein Forschungsprojekt mehr, sondern Handwerk: Prozess auswählen, Bausteine zusammensetzen, klein starten, messen, ausbauen. Entscheidend ist die Reihenfolge, erst der Prozess, dann der Agent, und die Disziplin, mit einer begrenzten Aufgabe zu beginnen. Wer sich einen Überblick verschaffen will, welche Agenten im eigenen Vertrieb den schnellsten Effekt bringen, findet auf unserer Seite zu KI-Agenten die Einsatzfelder im Detail, und im Bereich KI-Automatisierung das Vorgehen von der Prozessanalyse bis zum laufenden Betrieb.
Häufige Fragen
Was braucht man, um einen KI-Agenten zu erstellen?
Vier Bausteine: ein Sprachmodell als Denkeinheit, Werkzeuge wie CRM-Zugriff oder E-Mail-Versand, einen Speicher für Kontext und Historie sowie einen Auslöser, der den Agenten startet. Dazu kommt eine Plattform, die diese Teile verbindet, etwa ein Workflow-Tool wie n8n oder ein spezialisiertes Agenten-Framework. Wichtiger als die Technik ist eine präzise Aufgabenbeschreibung: Ein Agent mit unklarem Auftrag liefert unklare Ergebnisse.
Kann man KI-Agenten ohne Programmierkenntnisse bauen?
Für einfache Agenten ja. Visuelle Plattformen erlauben es, Sprachmodell, Werkzeuge und Auslöser per Oberfläche zu verbinden, ohne Code zu schreiben. Sobald ein Agent aber an Bestandssysteme wie ERP oder CRM angebunden wird, Fehlerfälle sauber behandeln und zuverlässig im Tagesbetrieb laufen soll, braucht es technisches Verständnis. Realistisch ist: Prototyp ohne Programmierung, produktiver Betrieb mit technischer Begleitung.
Was kostet es, einen KI-Agenten zu erstellen?
Das hängt von Aufgabe, Systemlandschaft und Betriebsmodell ab. Die laufenden Kosten setzen sich aus Modellnutzung, Hosting und Pflege zusammen und sind bei klar umrissenen Agenten überschaubar. Der größere Posten ist die Erstellung: Prozessanalyse, Anbindung der Systeme, Tests und Einführung. Seriös lässt sich das erst nach einem Blick auf den konkreten Prozess beziffern, ein konkretes Investment besprechen wir im Strategiegespräch.
Welcher KI-Agent lohnt sich für den Anfang?
Bewährt hat sich ein Agent mit enger, messbarer Aufgabe und menschlicher Endkontrolle. Im Vertrieb ist das typischerweise die Vorqualifizierung eingehender Anfragen: Der Agent liest die Anfrage, recherchiert das Unternehmen, bewertet die Passung und legt einen vorbereiteten Datensatz im CRM an. Der Nutzen ist sofort sichtbar, das Risiko gering, und das Team lernt am echten Fall, wie es mit dem Agenten arbeitet.
