Vom Werkzeug zum Mitarbeiter: Ihr erster KI-Agent

Das Konzept: Der digitale Mitarbeiter

Hören Sie auf, KI als Werkzeug zu denken, das Sie bedienen. Denken Sie sie als Mitarbeiter, den Sie einstellen. Ein Chatbot wartet auf Ihre Frage. Ein Agent bekommt eine Aufgabe und erledigt sie über Ihre Systeme hinweg, vom Start bis zur Freigabe. Dieses Playbook folgt diesem Bild: Sie schreiben eine Stellenbeschreibung (das Briefing), Sie machen eine Probezeit (den Pilot) und Sie behalten das Vier-Augen-Prinzip (ein Mensch gibt frei). Wer einen Agenten wie eine neue Kraft einarbeitet, bekommt bessere Ergebnisse als wer ihn wie eine Suchmaschine bedient.

Das Wichtigste in 60 Sekunden

• Ein Agent ist kein besserer Chatbot, sondern ein digitaler Mitarbeiter: Sie geben ihm eine Aufgabe, keine Frage.
• Der 3-Fragen-Test entscheidet: wiederkehrend, regelbasiert, über mehrere Schritte verteilt? Dreimal Ja heißt guter Kandidat.
• Starten Sie mit dem nervigsten wiederkehrenden Vorgang, nicht mit dem wichtigsten.
• Behandeln Sie den Agenten wie eine neue Kraft: klare Stellenbeschreibung, Probezeit, Freigabe durch den Menschen.
• Nehmen Sie das Werkzeug, das an Ihre Systeme andockt, nicht das mit den meisten Funktionen.
• Eine Zahl vorher, dieselbe Zahl nach zwei Wochen. Ohne Messung kein Urteil.
• Nicht jeder Vorgang braucht einen Agenten. Einmaliges und Riskantes bleibt beim Menschen.

Chatbot, Workflow oder Agent?

Bevor Sie bauen, ordnen Sie den Vorgang ein. Die drei Stufen unterscheiden sich darin, wer entscheidet und wer handelt. Viele 'Agenten' im Mittelstand sind in Wahrheit gut gebaute Workflows, und das ist völlig in Ordnung, oft sogar günstiger und stabiler.

• Chatbot: Sie fragen, es antwortet, Sie handeln. Gut für Einzelfälle und Recherche.
• Workflow: eine feste Kette läuft automatisch ab (wenn X, dann Y). Gut für immer gleiche, starre Abläufe.
• Agent: Sie geben ein Ziel, das System wählt die Schritte, nutzt Ihre Werkzeuge und legt das Ergebnis zur Freigabe vor. Gut für wiederkehrende, aber leicht wechselnde Vorgänge.
• Faustregel: je wechselhafter der Vorgang, desto eher Agent. Je starrer, desto eher reicht ein Workflow.

Phase 1: Den richtigen Prozess finden

Ziel: in zehn Minuten wissen, ob und wo sich ein Agent lohnt. Nehmen Sie nicht den wichtigsten, sondern den nervigsten wiederkehrenden Vorgang mit klaren Regeln.

• Wenden Sie den 3-Fragen-Test an: wiederkehrend, regelbasiert, über mehrere Schritte verteilt?
• Schätzen Sie grob: wie oft pro Woche, wie viele Minuten pro Fall? Das ist Ihr späterer Messwert.
• Definieren Sie ein klares Start-Signal (was die Aufgabe auslöst) und ein End-Signal (woran sie fertig ist).
• Beispiele: Angebotsanfragen vorbereiten, Eingangsrechnungen vorkontieren, Standardanfragen beantworten.

Prompt zum Kopieren: Eignungs-Check

Beschreiben Sie einen Vorgang und lassen Sie die KI einschätzen, ob er sich für einen Agenten eignet und wie man ihn klein und sicher zuschneidet.

Ich überlege, folgenden Vorgang von einem KI-Agenten erledigen zu lassen: [Vorgang in 3 bis 5 Sätzen beschreiben].
Bewerte ihn anhand von drei Kriterien:
1) wiederkehrend?
2) regelbasiert?
3) über mehrere Schritte oder Systeme verteilt?
Gib je eine kurze Einschätzung, ein Gesamturteil (Agent / eher Workflow / beim Menschen lassen) und, falls geeignet, einen Vorschlag, wie man den Vorgang klein und risikoarm zuschneidet.

Phase 2: Den Vorgang in Schritte zerlegen

Ein Agent ist nur so gut wie die Schritte, die Sie ihm geben. Zerlegen Sie den Vorgang in klare, einzeln prüfbare Schritte, bevor Sie das Briefing schreiben. Genau wie beim Anlernen einer neuen Kraft.

• Schreiben Sie auf, was ein guter Mitarbeiter Schritt für Schritt täte.
• Notieren Sie je Schritt: welche Eingabe, welche Quelle, welches Ergebnis.
• Markieren Sie den einen Schritt, an dem ein Mensch prüft und freigibt.

Zerlege den folgenden Vorgang in nummerierte, einzeln ausführbare Schritte, so wie man eine neue Kraft anlernen würde.
Nenne je Schritt: benötigte Eingabe, Quelle und erwartetes Ergebnis.
Markiere, an welcher Stelle ein Mensch prüfen sollte.
Vorgang: [Vorgang beschreiben].

Phase 3: Das Agenten-Briefing schreiben (die Stellenbeschreibung)

Das Briefing ist Ihre Stellenbeschreibung für den Agenten. Je konkreter, desto weniger Nacharbeit. Klären Sie vorher die Datenwege (woher die Eingabe, wohin das Ergebnis) und den Freigabe-Punkt. Dann füllen Sie diese Vorlage aus.

Rolle: Du bist [Funktion, z. B. Vertriebsassistenz] in unserem Unternehmen.
Ziel: [die eine Aufgabe, z. B. eingehende Angebotsanfragen vorbereiten].
Eingabe: [was kommt rein, z. B. eine Kundenanfrage per E-Mail].
Ablauf:
1) [Schritt],
2) [Schritt],
3) [Schritt].
Quellen: Nutze ausschließlich [diese Daten/Dokumente/Preislisten]. Erfinde nichts, auch keine Zahlen.
Tonalität: [z. B. formell, Sie-Form, knapp].
Grenzen: [was der Agent NICHT darf, z. B. nichts nach außen senden, keine Rabatte zusagen].
Freigabe: Lege das Ergebnis mit der Markierung [PRÜFEN] vor. Sende nichts ohne meine Freigabe.
Bei fehlenden Infos: stelle gezielte Rückfragen, statt zu raten.
Format: [z. B. fertiger Entwurf plus kurze Stichpunkt-Begründung].

Ein durchgerechnetes Beispiel: Angebotsanfragen beim Maschinenbauer

Ein Maschinenbauer mit 60 Mitarbeitern bekommt täglich Angebotsanfragen per E-Mail. Bisher liest ein Mitarbeiter jede Anfrage, sucht Maße und Preise zusammen und schreibt ein Angebot. So sieht derselbe Vorgang als Agent aus, mit dem ausgefüllten Briefing darunter:

• Start-Signal: eine neue Anfrage landet im Angebots-Postfach.
• Schritt 1: Der Agent zieht Teil, Menge, Material und Wunschtermin aus der Anfrage.
• Schritt 2: Er gleicht mit der hinterlegten Preisliste und den Standardtexten ab.
• Schritt 3: Er erstellt einen Angebotsentwurf und markiert alles Unsichere mit [PRÜFEN].
• Freigabe: Der Vertrieb prüft, ergänzt Sonderfälle, gibt frei und sendet.
• Vorher rund 25 Minuten pro Angebot, nachher rund 7 Minuten Prüfung. Beispielzahlen, im Pilot messen.

Rolle: Du bist Vertriebsassistenz bei einem Maschinenbauer.
Ziel: Aus einer eingehenden Angebotsanfrage einen Angebotsentwurf vorbereiten.
Eingabe: Eine Kunden-E-Mail mit Teilebeschreibung.
Ablauf:
1) Teil, Menge, Material, Wunschtermin herausziehen.
2) Mit Preisliste [Datei] und Standardtexten [Datei] abgleichen.
3) Angebotsentwurf erstellen.
Quellen: Nur die angehängte Preisliste und die Standardtexte. Erfinde keine Preise.
Grenzen: Keine Rabatte, keine Liefertermine zusagen, nichts an den Kunden senden.
Freigabe: Entwurf mit [PRÜFEN] an allen unsicheren Stellen vorlegen.
Format: Fertiger Angebotstext plus Stichpunkte, was ich prüfen muss.

So bauen Sie es konkret (zwei Wege, ohne Programmierer)

Für den ersten Agenten brauchen Sie keine Entwickler. Wählen Sie nach Anbindung.

• Weg A (ohne Technik, rund 30 Minuten): In ChatGPT (Projects) oder Claude (Projects) ein Projekt anlegen, das Briefing als Anweisung einfügen, Preisliste und Standardtexte als Dateien hochladen. Anfrage hineinkopieren, Entwurf prüfen. Ideal zum Beweisen, dass es sich lohnt.
• Weg B (an Ihre Systeme angebunden): Mit n8n oder Make einen Ablauf bauen, der beim Eingang einer E-Mail startet, die KI mit dem Briefing aufruft und den Entwurf zur Freigabe ablegt. Mehr Einrichtung, läuft dafür von selbst.
• Empfehlung: erst Weg A für den Beweis, dann erst in Weg B investieren.

Phase 4: Probezeit und Messung

Zwei Wochen Probezeit an echten Fällen entscheiden, ob der Agent bleibt. Messen Sie sauber, sonst bleibt es Bauchgefühl. Nutzen Sie diese Vorlage als Mess-Protokoll.

• Lassen Sie 20 bis 30 echte Fälle durchlaufen, ein Mensch gibt jeden frei.
• Notieren Sie Zeit vorher und nachher und wie oft Sie korrigieren mussten (Fehlerquote).
• Schärfen Sie das Briefing dort nach, wo der Agent danebenlag.

Mess-Protokoll (zwei Wochen):
Datum | Fall-Nr. | Zeit vorher (Min) | Zeit nachher (Min) | musste korrigieren? (ja/nein) | Anmerkung
Am Ende auswerten: Durchschnitt vorher, Durchschnitt nachher, Korrektur-Quote in Prozent.
Entscheidung: ausbauen / Briefing nachschärfen / lassen.

Für Fortgeschrittene: vom Helfer zum lernenden System

Wenn ein erster Agent läuft, trennen ein paar Techniken den einmaligen Helfer vom Mitarbeiter, der mit der Zeit besser wird. Genau diese nutzen wir in diesem Aufbau (unter anderem mit Claude Code). Wer technisches Personal hat, sollte hier ansetzen.

• Gedächtnis (Memory): Geben Sie dem Agenten eine Gedächtnis-Datei, die er bei jedem Lauf liest und fortschreibt. So behält er Entscheidungen, Vorlieben und Gelerntes über Läufe hinweg, statt jedes Mal bei null zu starten. Wir führen so ein fortlaufendes Lern-Log, in dem jede Entscheidung mit Begründung landet.
• Schleifen und Zeitpläne (Loops): Lassen Sie den Agenten wiederkehrend laufen, nicht nur auf Zuruf. Aus dem Helfer wird ein Mitarbeiter mit Dienstplan, der zum Beispiel wöchentlich Daten zieht, einen Entwurf erstellt und zur Freigabe legt.
• Skills (wiederverwendbare Anleitungen): Packen Sie einen bewährten Ablauf in eine versionierte Anleitungs-Datei (Skill), statt das Briefing jedes Mal neu zu tippen. Sie verbessern den Ablauf an einer Stelle, die Qualität bleibt konstant.
• Anbindung an echte Systeme (MCP/APIs): Erst wenn der Agent Ihre echten Daten liest und schreibt (Postfach, CRM, Analytics), wird er zum Mitarbeiter statt zum Chatfenster. Der gängige Standard heißt MCP (Model Context Protocol), alternativ die APIs Ihrer Tools.
• Parallele Teil-Agenten (Fan-out): Bei großen Mengen mehrere Teil-Agenten gleichzeitig arbeiten lassen (zum Beispiel je Dokument einen) und am Ende zusammenführen. Spart Zeit, wo Masse anfällt.
• Mensch-im-Loop als Schalter: Legen Sie pro Schritt fest, ob Auto-Freigabe oder Vier-Augen-Prinzip. So weiten Sie Vertrauen kontrolliert aus, statt alles auf einmal zu automatisieren.

Der selbstverbessernde Kreis (so bauen wir es für uns)

Memory, Loops und Messung zusammen ergeben ein System, das aus den eigenen Ergebnissen lernt. Der Kreis: Aufgabe erledigen, Ergebnis messen, das Gelernte ins Gedächtnis schreiben, beim nächsten Lauf berücksichtigen. Genau das bauen wir gerade für uns selbst: Wir messen, welche Themen und Inhalte ziehen, schreiben es ins Lern-Log und lenken den nächsten Inhalt in diese Richtung. Aus einem Werkzeug wird so ein Mitarbeiter, der jeden Monat ein Stück besser wird. Das ist der eigentliche Grund, warum sich der erste, sauber gebaute Agent lohnt.

Werkzeuge und Kosten (Richtwerte, Stand 2026, aktuellen Tarif prüfen)

Erst der Prozess, dann das Werkzeug. Nehmen Sie das, was an Ihre vorhandenen Systeme andockt. Den Anbieter wechseln Sie später leichter als einen schlecht geschnittenen Prozess.

• Claude (Team) / Claude Code: stark, wenn der Agent mit Dateien, Daten und mehreren Schritten arbeitet, auch für nicht-technische Aufgaben. Rund 25 bis 30 Euro pro Nutzer und Monat.
• Microsoft 365 Copilot: naheliegend, wenn Sie ohnehin Microsoft 365 nutzen. Rund 30 Euro pro Nutzer und Monat.
• n8n: für feste Workflows mit vielen App-Verbindungen. Selbst gehostet kostenlos, Cloud ab rund 20 Euro im Monat.
• Make: ähnlich wie n8n, einfacher Einstieg, ab rund 9 Euro im Monat.

Rechenbeispiel zum Nachrechnen

Beispielzahlen, im Pilot mit Ihren echten Werten ersetzen.

• 25 Vorgänge pro Woche.
• Vorher 25 Minuten, nachher 7 Minuten Prüfung, also 18 Minuten gespart pro Vorgang.
• 25 mal 18 Minuten sind 450 Minuten, also rund 7,5 Stunden pro Woche.
• Werkzeugkosten etwa 30 Euro im Monat.
• Stellen Sie die gesparten Stunden Ihrem internen Stundensatz gegenüber, dann sehen Sie den Hebel in Euro.

Häufigste Fehler

• Zu groß starten. Ein Vorgang, ein klares Ergebnis. Erweitern Sie danach.
• Den Menschen aus dem Loop nehmen. Nach außen geht nichts ohne Freigabe.
• Kein Messpunkt. Ohne Zahl vorher und nachher ist jede Bewertung Bauchgefühl.
• Das Werkzeug vor dem Prozess wählen. Erst der Ablauf, dann das Tool.

Häufige Fragen

• Brauche ich Programmierer? Für den ersten Agenten meist nein (Weg A). Für die Anbindung an Systeme hilft technische Unterstützung.
• Was kostet das wirklich? Werkzeug ab rund 20 bis 30 Euro pro Nutzer und Monat, dazu Ihre Einrichtungszeit. Der größere Posten ist die Sorgfalt beim Zuschneiden, nicht die Lizenz.
• Was, wenn der Agent Fehler macht? Dafür gibt es die Freigabe. In der Probezeit messen Sie die Fehlerquote und schärfen nach. Nach außen geht nichts ungeprüft.
• Ersetzt das Mitarbeiter? Im Regelfall nein. Es nimmt die wiederkehrende Fleißarbeit ab, die Entscheidung bleibt beim Menschen.
• Sind meine Daten sicher? Mit EU-gehosteten Werkzeugen, Auftragsverarbeitungsvertrag und ohne Training auf Ihren Daten: ja, mit den üblichen Sorgfaltspflichten.

DSGVO und EU AI Act in einem Absatz

Prüfen Sie vor dem Start: verarbeitet der Agent personenbezogene oder sensible Daten? Dann gehören EU-gehostete Modelle, ein klarer Zweck und eine Dokumentation dazu. Weitere Pflichten des EU AI Act greifen ab Dezember 2027. Im DACH-Raum ist das ein Vorteil, wenn Sie es von Anfang an mitdenken, statt es nachzurüsten.

Wann Sie es lassen sollten

Einmalige Aufgaben, sehr seltene Vorgänge oder Fälle, in denen ein Fehler teuer und schwer umkehrbar ist, gehören nicht als erstes zum Agenten. Hier bleibt der Mensch schneller und sicherer. Ein Agent lohnt sich, wo Menge und Wiederholung zusammenkommen.

Ihr 30-Tage-Start

• Woche 1: Einen Vorgang wählen (3-Fragen-Test), zerlegen, Briefing schreiben.
• Woche 2: Weg A aufsetzen (ChatGPT- oder Claude-Projekt), an 5 echten Fällen testen, Briefing nachschärfen.
• Woche 3: Probezeit mit Mess-Protokoll an 20 bis 30 Fällen.
• Woche 4: Zahlen auswerten, entscheiden (ausbauen oder lassen), bei Erfolg Weg B planen.

Woher das kommt

Dieses Playbook beruht nicht auf Theorie, sondern auf Systemen, die wir selbst betreiben: dem Content-Hub, der diesen Report erzeugt, und unserer Blog- und Distributions-Automatisierung. Was hier steht, haben wir an eigenen Prozessen gebaut, gemessen und nachgeschärft. Wir reden nicht über KI, wir setzen sie selbst um.