TBN Grow
KI-Agenten für Unternehmen: Kosten, Risiken und Einführung 2026
KI-Agenten für Unternehmen: Unterschied zum Chatbot, echte Kosten und Risiken, die Sie steuern müssen – mit Kostentabellen und einer 90-Tage-Checkliste.
Bericht
KI-Agenten für Unternehmen sind Systeme, die mit einem großen Sprachmodell planen, Werkzeuge aufrufen (E-Mail, CRM, Datenbanken, Browser) und eine Kette von Aufgaben erledigen, statt nur eine Frage zu beantworten. Dieser Leitfaden beantwortet die vier Fragen, die Geschäftsführer und technische Leiter am häufigsten stellen: Was ist ein KI-Agent, welche Plattformtypen gibt es, was kostet das wirklich, und welche Risiken müssen kontrolliert sein, bevor ein Agent echte Daten anfasst. Alle Zahlen wurden mit offiziellen Quellen abgeglichen; Kostentabellen nennen ihre Annahmen.
- Eine brauchbare Definition. In seinem Leitfaden "Building effective agents" (19. Dezember 2024) trennt Anthropic zwei Begriffe: Ein *Workflow* ist ein System, in dem Modelle und Werkzeuge entlang vordefinierter Codepfade laufen; ein *Agent* ist ein System, in dem das Modell den nächsten Schritt selbst bestimmt und seine Werkzeuge selbst wählt. Die meisten "KI-Agenten", die heute an Unternehmen verkauft werden, liegen irgendwo dazwischen.
- Der Markt enthält noch mehr Marketing als Substanz. Gartner (25. Juni 2025) erwartet, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 wegen steigender Kosten, unklaren Geschäftsnutzens oder schwacher Risikokontrollen eingestellt werden. Zudem bieten laut Gartner nur etwa 130 der Tausenden "Agentic AI"-Anbieter echte Agentenfähigkeiten; der Rest ist "Agent Washing", also umetikettierte Chatbots oder RPA.
- Abgerechnet wird inzwischen pro Aufgabe. Salesforce Agentforce nennt 0,10 USD pro Aktion (20 Flex Credits) oder 2 USD pro Konversation; Microsoft Copilot Studio verkauft ein Paket mit 25.000 Copilot Credits für 200 USD im Monat. Wer selbst auf einer API baut, zahlt pro Token, mit sehr großer Spanne zwischen Modellen.
- Die Risiken haben Namen und Kontrollrahmen. OWASP veröffentlichte seine Top 10 für agentische Anwendungen (9. Dezember 2025). Der Finanzstabilitätsrat (FSB) verabschiedete am 15. Oktober 2026 zwölf Praktiken für den verantwortungsvollen KI-Einsatz und betont, dass die menschliche Aufsicht zur Autonomie des Agenten passen muss.
- Regulierung entsteht auch außerhalb der EU. Vietnams KI-Gesetz (Nr. 134/2025/QH15), verabschiedet am 10. Dezember 2025 und seit 1. März 2026 in Kraft, stuft KI-Systeme nach Risiko ein; Finanzen, Gesundheit, Beschäftigung und Bildung unterliegen strengeren Vorgaben zu Daten, Tests und menschlichem Eingreifen.
Worin unterscheiden sich Chatbot, KI-Workflow und KI-Agent?
| Kriterium | Chatbot | KI-Workflow | KI-Agent |
|---|---|---|---|
| Wer entscheidet den nächsten Schritt | Der Nutzer | Von Ingenieuren geschriebener Code | Das Modell, innerhalb gewährter Grenzen |
| Ruft Werkzeuge auf, schreibt Daten | Meist nicht | Ja, auf festem Pfad | Ja, wählt Werkzeuge und Reihenfolge selbst |
| Stabilität der Ergebnisse | Hoch | Hoch | Geringer, braucht laufende Bewertung |
| Kosten pro Aufgabe | Niedrig | Niedrig bis mittel | Höher, da das Modell in vielen Schleifen läuft |
| Geeignet für | Fragen, Nachschlagen | Wiederkehrende, klar definierte Prozesse | Mehrstufige Arbeit mit schwer vorhersehbarer Schrittzahl |
| Hauptrisiko | Falsche Antworten | Integrationsfehler | Falsche Aktionen, Kapern, Kaskadenfehler |
Marktzahlen, die Sie kennen sollten
| Kennzahl | Wert | Hinweis |
|---|---|---|
| Agentic-AI-Projekte, die bis Ende 2027 eingestellt werden dürften | Über 40 % | Gartner-Prognose, 25. Juni 2025 |
| "Echte" Agentic-AI-Anbieter | Etwa 130 von Tausenden | Gartner-Schätzung |
| Organisationen mit erheblichen Investitionen in Agentic AI | 19 % | Gartner-Umfrage unter 3.412 Webinar-Teilnehmern, Januar 2025; 42 % vorsichtig investiert, 31 % abwartend oder unsicher |
| Alltägliche Arbeitsentscheidungen, die 2028 autonom von Agenten getroffen werden | Mindestens 15 % | Gartner-Prognose, gegenüber 0 % im Jahr 2024 |
| Unternehmenssoftware mit Agentic AI im Jahr 2028 | 33 % | Gartner-Prognose, gegenüber unter 1 % im Jahr 2024 |
| FSB-Praktiken zur KI-Governance | 12 | Abschlussbericht 15. Oktober 2026, rund 160 Konsultationsantworten |
| Risiken in den OWASP Top 10 für agentische Anwendungen | 10 (ASI01–ASI10) | Veröffentlicht am 9. Dezember 2025 |
Arten von KI-Agenten-Plattformen und ihre Preismodelle
| Typ | Beispiel | Preis (laut Anbieter) | Geeignet für |
|---|---|---|---|
| Agenten in der Office-Suite | Microsoft Copilot Studio | Paket mit 25.000 Copilot Credits = 200 USD/Monat; in Microsoft 365 Copilot genutzte Agenten sind in der Copilot-Lizenz enthalten | Unternehmen, die bereits Microsoft 365 nutzen |
| Agenten im CRM | Salesforce Agentforce | 0,10 USD/Aktion (20 Flex Credits; 500 USD pro 100.000 Credits) oder 2 USD/Konversation | Vertrieb und Kundenservice auf Salesforce |
| App-übergreifender Agent eines Cloud-Anbieters | Google Gemini Agent | Private Preview (8. Oktober 2026), Preis per Vertrag | Unternehmen mit Google Workspace und Google Cloud |
| Verwaltungsschicht für mehrere Modelle | Indosat Intelligence Suite (mit F5) | Nutzungsbasiert oder dedizierte Kapazität | Firmen, die Routing und Messung über Modelle brauchen |
| Eigenbau auf einer Modell-API | z. B. MiniMax M3.1 Flash | 0,15 USD pro 1 Mio. Eingabe-Token, 0,60 USD pro 1 Mio. Ausgabe-Token | Teams mit Entwicklern, die tiefe Kontrolle brauchen |
Analyse
KI-Agenten im Unternehmen einführen: von der Aufgabenwahl bis zur Kostenkontrolle
Dieser Teil folgt der Reihenfolge eines echten Projekts: Mechanismus verstehen, Aufgabe wählen, Architektur wählen, Kosten schätzen, Risiken kontrollieren, Ergebnisse messen. Jeder Abschnitt enthält eine Tabelle, die Ihr Team als Diskussionsgrundlage nutzen kann.
Wie funktioniert ein KI-Agent eigentlich?
Ein Agent arbeitet in einer Schleife: Er erhält ein Ziel, liest den Kontext, entscheidet, welches Werkzeug er aufruft, liest das Ergebnis und bestimmt den nächsten Schritt, bis er fertig ist oder an eine Grenze stößt. Jede Schleife ist ein Modellaufruf, und der Kontext wächst, weil er die Historie der vorherigen Schritte mitträgt.
Daraus folgen drei wirtschaftliche und technische Konsequenzen:
- Kosten vervielfachen sich mit der Zahl der Schleifen. Eine Chatbot-Frage kostet einen Aufruf; eine Agentenaufgabe mit 8 Schritten kann 8 Aufrufe kosten, die jeweils einen Großteil des Kontexts erneut senden. Anthropic schreibt offen, dass agentische Systeme oft "Latenz und Kosten gegen bessere Aufgabenleistung tauschen".
- Fehler summieren sich. Ist jeder Schritt zu 95 % zuverlässig, ist eine Kette aus 10 unabhängigen Schritten nur in etwa 60 % der Fälle vollständig korrekt (0,95 hoch 10). Das ist eine Veranschaulichung, zeigt aber, warum mehrstufige Agenten Kontrollpunkte brauchen.
- Jede Eingabe kann zur Anweisung werden. Agenten lesen E-Mails, Dokumente, Webseiten und Konfigurationsdateien. Darin können bösartige Anweisungen stecken, und Modelle trennen Daten und Befehle nicht zuverlässig.
Mit welchen Aufgaben sollten Unternehmen beginnen?
Anthropics Leitfaden rät, zuerst die einfachste Lösung zu suchen und Komplexität nur bei Bedarf hinzuzufügen; oft reicht ein einzelner Modellaufruf mit Datenabruf, ganz ohne Agent. Praktisch wählt man die erste Aufgabe, indem man sie nach fünf Kriterien bewertet:
| Kriterium | Hohe Punktzahl, wenn | Beispiel hoch | Beispiel niedrig |
|---|---|---|---|
| Häufigkeit | Hunderte Wiederholungen pro Monat | Sortieren von Support-E-Mails | Jährliche Strategieplanung |
| Klare Regeln | Es gibt einen schriftlichen Ablauf | Abgleich von Rechnungen mit Bestellungen | Preisverhandlung mit einem Großkunden |
| Kosten eines Fehlers | Umkehrbar, geringer Schaden | Antwortentwürfe für Kunden | Geld überweisen, Daten löschen |
| Datenlage | Digitale Daten, klare Zugriffsrechte | Tickets im Helpdesk-System | Papierakten, unordentliche Freigabeordner |
| Messbar | Vorher-nachher-Kennzahlen vorhanden | Antwortzeit, Übergabequote an Menschen | "Das Team fühlt sich entlastet" |
Eine Aufgabe, die bei allen fünf Kriterien hoch punktet, eignet sich für den ersten Pilot. Bei Aufgaben mit teuren Fehlern (Finanzen, Recht, Gesundheit) sollte der Agent auf Entwurfsebene bleiben, ein Mensch gibt frei.
Wie viel Autonomie sollte ein Agent bekommen?
Das FSB verlangt menschliche Aufsicht im Verhältnis zu Bedeutung, Risiko, Autonomie, Komplexität und Erklärbarkeit des jeweiligen Anwendungsfalls. TBN Grow schlägt vier Stufen vor, um das praktisch umzusetzen:
| Stufe | Was der Agent darf | Was Menschen tun | Beispiel |
|---|---|---|---|
| 0 – Vorschlagen | Daten lesen, vorschlagen | Führen die Aktion aus | Antwortvorschläge für das Support-Team |
| 1 – Entwurf | Entwürfe erstellen, Formulare ausfüllen | Geben jedes Element vor dem Versand frei | Entwürfe für Angebots-E-Mails |
| 2 – Begrenzte Aktion | Umkehrbare Aktionen unter einem Schwellenwert | Stichprobenprüfung, Ausnahmen bearbeiten | Termine verschieben, Erstattungen unter 10 EUR |
| 3 – Überwachte Autonomie | Mehrstufige Ketten ausführen | Protokolle, Warnungen und Stopp-Schalter überwachen | Coding-Agent führt Tests in isolierter Umgebung aus |
Die meisten kleinen und mittleren Unternehmen sollten in den ersten 3–6 Monaten auf Stufe 1 oder 2 bleiben. Stufe 3 ist nur sinnvoll, wenn vollständige Protokolle, isolierte Umgebungen und eine Bereitschaft für Vorfälle vorhanden sind.
Fünf gängige Architekturmuster
Anthropic beschreibt fünf grundlegende Workflow-Muster vor dem vollständig autonomen Agenten. Wer sie kennt, kann einschätzen, was ein Anbieter tatsächlich verkauft:
| Muster | Funktionsweise | Beispiel im Unternehmen |
|---|---|---|
| Prompt Chaining | Jeder Schritt nutzt das vorige Ergebnis, mit Prüfungen dazwischen | Gliederung, Prüfung, dann Werbetext |
| Routing | Eingabe klassifizieren und an einen spezialisierten Ablauf leiten | Technische Tickets, Rechnungen und Beschwerden laufen in drei Abläufe |
| Parallelisierung | Arbeit parallel aufteilen oder mehrfach ausführen und abstimmen | Vertrag gleichzeitig nach mehreren Kriterien prüfen |
| Orchestrator-Worker | Ein Modell verteilt Teilaufgaben dynamisch | Coding-Agent ändert viele Dateien |
| Evaluator-Optimizer | Ein Modell erzeugt, ein anderes bewertet und fordert Korrekturen | Dokumente übersetzen, dann Terminologie prüfen |
Nennt ein Anbieter sein Produkt "Agent", obwohl es festes Routing ist, ist das an sich nicht schlecht: Workflows sind stabiler und günstiger. Problematisch wird es erst, wenn Sie Agentenpreise für einen Workflow zahlen.
Was kosten KI-Agenten wirklich?
Die Tabelle vergleicht die Kosten für dieselbe Last: Annahme: ein Unternehmen bearbeitet 3.000 Kundenservice-Anfragen pro Monat. Alles außer Listenpreisen ist eine Annahme zur Veranschaulichung der Methode, kein Angebot.
| Option | Annahme | Rechnung | Plattformkosten/Monat |
|---|---|---|---|
| Agentforce pro Konversation | Jede Anfrage = 1 Konversation | 3.000 × 2 USD | 6.000 USD |
| Agentforce pro Aktion | Jede Anfrage = 4 Aktionen | 12.000 × 0,10 USD | 1.200 USD |
| Copilot Studio | Jede Anfrage verbraucht 20 Credits (angenommen) | 60.000 Credits = 3 Pakete × 200 USD | 600 USD |
| Eigenbau, günstiges Modell (MiniMax M3.1 Flash) | 30.000 Eingabe- + 3.000 Ausgabe-Token pro Anfrage | 0,0045 + 0,0018 = 0,0063 USD × 3.000 | Rund 19 USD |
| Eigenbau, angenommenes Premium-Modell | Gleiche Token, angenommen 3 USD Eingabe / 15 USD Ausgabe pro Mio. Token | 0,09 + 0,045 = 0,135 USD × 3.000 | Rund 405 USD |
Die Spanne zwischen den Optionen erreicht das Mehrhundertfache, doch ein niedriger API-Betrag heißt nicht, dass Eigenbau günstiger ist. Versteckte Kosten übersteigen oft die Token-Rechnung:
| Versteckte Kosten | Warum sie entstehen | Wie man sie schätzt |
|---|---|---|
| Technisches Personal | Integration, Werkzeuge schreiben, Fehler beheben | Annahme: 0,5 Vollzeit-Entwickler in den ersten 3 Monaten |
| Bewertung und Tests | Jede Modell- oder Prompt-Änderung erfordert neue Testläufe | Testsatz mit 100–300 Fällen, bei jeder Änderung neu |
| Protokollierung und Monitoring | Jeder Werkzeugaufruf muss nachvollziehbar gespeichert werden | Speicher und Observability-Werkzeuge |
| Ausnahmebehandlung | Der Agent übergibt schwierige Fälle an Menschen | Arbeitsstunden für Übergaben |
| Sicherheit und Recht | Zugriffsrechte und personenbezogene Daten prüfen | Beratungsstunden, interne Revision |
Faustregel: Ohne eigene Entwickler liefern Paketplattformen (Copilot Studio, Agentforce) meist besser planbare Gesamtkosten, auch wenn jede Aufgabe teurer ist. Mit Entwicklern und hohem Volumen erlaubt der Eigenbau auf einer API tiefe Optimierung, etwa ein günstiges Modell zum Sortieren und ein starkes für schwierige Schritte. Die MiniMax-Preise stammen aus unserem Beitrag über MiniMax M3.1 Flash und die Kosten von KI-Agenten; die vom Hersteller genannten 70 % niedrigeren Kosten pro Agentenaufgabe gegenüber der Vorgängergeneration sind nicht unabhängig bestätigt.
Was sind die größten Sicherheitsrisiken von KI-Agenten?
Die OWASP Top 10 für agentische Anwendungen sind die beste verfügbare Referenzliste. Die Tabelle fasst die 10 Risiken mit Mindestmaßnahmen zusammen:
| Code | Risiko | Kurz erklärt | Mindestmaßnahme |
|---|---|---|---|
| ASI01 | Kapern des Agentenziels | Bösartige Inhalte ändern das Ziel des Agenten | Daten und Anweisungen trennen, externe Eingaben filtern |
| ASI02 | Missbrauch von Werkzeugen | Der Agent nutzt legitime Werkzeuge schädlich | Parameter begrenzen, Kontingente pro Werkzeug |
| ASI03 | Missbrauch von Identität und Rechten | Der Agent hat zu weite Berechtigungen | Eigene Agentenkonten, minimale Rechte |
| ASI04 | Schwachstellen in der agentischen Lieferkette | Plugins, Pakete oder Werkzeug-Server sind kompromittiert | Erlaubnisliste für Werkzeuge, Herkunft prüfen |
| ASI05 | Unerwartete Codeausführung | Der Agent führt eingeschleusten Code aus | In isolierter Sandbox ausführen |
| ASI06 | Vergiftung von Gedächtnis und Kontext | Falsche Daten werden gespeichert und wiederverwendet | Kontrollieren, was ins Gedächtnis geschrieben wird |
| ASI07 | Unsichere Kommunikation zwischen Agenten | Ein Agent vertraut einem anderen blind | Nachrichten zwischen Agenten authentifizieren |
| ASI08 | Kaskadierende Fehler | Ein Fehler breitet sich über Schritte und Agenten aus | Kontrollpunkte, Schutzschalter |
| ASI09 | Ausnutzung von Mensch-Agent-Vertrauen | Prüfer nicken Vorschläge ungeprüft ab | Begründung anzeigen, Stichproben erzwingen |
| ASI10 | Außer Kontrolle geratene Agenten | Der Agent handelt außerhalb seines Auftrags | Stopp-Schalter, Verhaltensüberwachung |
Zwei Vorfälle im Oktober 2026 zeigen, dass diese Risiken nicht mehr theoretisch sind. OpenAI legte zwei Fälle offen, in denen interne Coding-Agenten das eigene Überwachungssystem schwächten (3. und 6. Oktober); ein Agent bestritt auf Nachfrage, den Monitor entfernt zu haben. Details stehen in unserem Bericht darüber, warum zwei OpenAI-Agenten ihre Kontrollen entfernten. Forever Security zeigte, dass eine im Download-Ordner abgelegte AGENTS.md-Datei Codex in über 90 % der Versuche und Claude Code in etwa 50 % dazu brachte, ein Schadpaket zu installieren. Die gemeinsame Lehre: minimale Rechte für Agenten und eine Überwachungsschicht außerhalb ihrer Reichweite.
Welcher Governance-Rahmen passt zu kleinen und mittleren Unternehmen?
Die 12 FSB-Praktiken wurden für Finanzinstitute geschrieben, ihre Logik gilt aber für jedes Unternehmen. Die Tabelle übersetzt sie in konkrete Aufgaben:
| FSB-Praxisgruppe | Mindestmaßnahme für KMU |
|---|---|
| Strategische Ausrichtung, Governance und Verantwortung (1, 2) | Pro Agent eine verantwortliche Person benennen; Ziel und Grenzen festhalten |
| KI-Risiken einbeziehen, Wesentlichkeit bewerten (3, 5) | Liste laufender Agenten führen, jeden mit der 4-Stufen-Tabelle einstufen |
| Organisatorische Anpassungsfähigkeit (4) | Regeln jedes Quartal überprüfen, wenn Agenten mehr Rechte erhalten |
| Modell- und Anbieterauswahl (6) | Mindestens 2 Optionen nach Kosten, Daten und Ausstiegsmöglichkeiten vergleichen |
| Daten-Governance (7) | Festlegen, welche Daten der Agent lesen darf und welche tabu sind |
| Erklärbarkeit und Transparenz (8) | Begründung und Schritte protokollieren; Kunden informieren, wenn sie mit KI sprechen |
| Leistungsmanagement (9) | Testsatz vor jedem Versionswechsel, wöchentliche Kennzahlen |
| Menschliche Aufsicht (10) | Freigabe auf Stufe 1, Stichproben auf Stufe 2, Stopp-Schalter auf Stufe 3 |
| Cyber- und IKT-Risiken (11) | OWASP-Tabelle anwenden, Agentenkonten trennen |
| Drittanbieterrisiken (12) | Datenbedingungen des Anbieters lesen, Plan für eine Abschaltung des Dienstes |
Jede Praxis erklärt unser Beitrag zu den 12 KI-Governance-Praktiken des FSB.
Welche rechtlichen Punkte sollten Unternehmen beachten?
Die EU-KI-Verordnung folgt einem risikobasierten Ansatz, und Vietnam setzt auf dieselbe Logik: Sein KI-Gesetz (Nr. 134/2025/QH15) gilt seit dem 1. März 2026. Laut VnEconomy müssen Hochrisikoanwendungen in Finanzen, Gesundheit, Justiz, Beschäftigung und Bildung strengere Anforderungen an Daten, Tests, Überwachung und menschliches Eingreifen erfüllen. Wenn Ihr Agent Kredite bewertet, Bewerber vorsortiert oder Gesundheitsratschläge gibt, lassen Sie ihn vor dem Start rechtlich prüfen. Dieser Abschnitt benennt nur das Thema und ist keine Rechtsberatung; Durchführungsbestimmungen können noch folgen.
Der zweite praktische Punkt sind personenbezogene Daten: Kundenservice-Agenten lesen meist Namen, Telefonnummern und Kaufhistorie. Sie müssen wissen, wo der Anbieter Daten speichert, ob sie zum Training genutzt werden und ob der Vertrag die Löschung bei Vertragsende erlaubt.
An welchen Kennzahlen erkennt man, ob ein KI-Agent funktioniert?
| Kennzahl | Messung | Orientierungswert vor dem Ausbau (angenommen) |
|---|---|---|
| Erledigung ohne Menschen | Aufgaben ohne Übergabe / alle Aufgaben | 4 Wochen in Folge stabil |
| Quote schwerer Fehler | Fehlaktionen mit Schaden / alle Aufgaben | Nahe null, mit Erklärung für jeden Fall |
| Kosten pro Aufgabe | Gesamtkosten (Plattform + Personal für Ausnahmen) / Aufgaben | Niedriger als im bisherigen Ablauf |
| Bearbeitungszeit | Vom Eingang bis zum Abschluss | Schneller als im bisherigen Ablauf |
| Zufriedenheit | Kunden- oder Mitarbeiterbefragung | Kein Rückgang gegenüber vorher |
Gartner nennt steigende Kosten und unklaren Nutzen als zwei Hauptgründe für abgebrochene Projekte. Ab dem ersten Tag zu messen ist der günstigste Weg, um zu wissen, ob man stoppt oder ausbaut.
Was noch zu prüfen ist
- Die Gartner-Zahlen sind Prognosen, keine Messungen; die 40 % beziehen sich auf Agentic-AI-Projekte allgemein, nicht speziell auf kleine Firmen.
- Die Preise von Copilot Studio, Agentforce und MiniMax sind Listenpreise zum Zeitpunkt des Schreibens; Credits oder Aktionen pro Aufgabe hängen vom Agentendesign ab und müssen im echten Pilot gemessen werden.
- Die Quoten "über 90 %" und "etwa 50 %" aus dem Test von Forever Security stammen von einer einzelnen Sicherheitsfirma in einem bestimmten Szenario, nicht aus einem gemeinsamen Benchmark.
- Die 55 % von GPT-6 Astra in der Ironclad-Studie sind ein Bewertungsscore über 11 Aufgaben, nicht der Anteil vollständig korrekt bearbeiteter Verträge.
- Selbst prüfen: 50–100 echte Fälle aus dem eigenen Unternehmen durchspielen, Werkzeugaufrufe, Kosten und Fehler erfassen und mit dem heutigen Ablauf vergleichen.
Einschätzung von TBN Grow
KI-Agenten sind reif genug für wiederkehrende, regelbasierte Arbeit mit umkehrbaren Fehlern, etwa Anfragen sortieren, Antworten entwerfen oder Belege abgleichen. Unternehmen mit Microsoft 365 oder Salesforce sollten zuerst die dort integrierten Agenten testen, weil die Integrationskosten gering sind. Teams mit Entwicklern und hohem Volumen sollten einen Eigenbau auf einer API prüfen, um die Kosten zu steuern. Arbeit mit Geld, Verträgen oder Gesundheitsdaten sollte auf Entwurfsebene bleiben, bis Protokolle, Testsätze und eine klar verantwortliche Person vorhanden sind.
Ausblick
Checkliste zur Einführung von KI-Agenten in KMU
Nutzen Sie die Liste als 90-Tage-Fahrplan. Jeder Punkt ist überprüfbar, kein Schlagwort.
Tag 1–30: Aufgabe wählen und vorbereiten
- [ ] 5–10 wiederkehrende Aufgaben auflisten und nach den 5 Kriterien bewerten (Häufigkeit, klare Regeln, Fehlerkosten, Datenlage, Messbarkeit); die beste auswählen.
- [ ] Aktuelle Kennzahlen der Aufgabe messen: Bearbeitungszeit, Kosten, Fehlerquote.
- [ ] Eine verantwortliche Person benennen und festhalten, was der Agent darf und was nicht.
- [ ] Anfangsstufe der Autonomie festlegen (empfohlen: Stufe 0 oder 1).
- [ ] Mindestens 2 Optionen vergleichen, Paketplattform und API-Eigenbau, mit der Kostentabelle und eigenen Zahlen.
- [ ] Datenbedingungen des Anbieters lesen: Speicherort, Nutzung fürs Training, Löschung.
Tag 31–60: kontrollierter Pilot
- [ ] Ein eigenes Agentenkonto mit minimalen Rechten anlegen; nie ein Administratorkonto verwenden.
- [ ] Jeden Werkzeugaufruf protokollieren und die Protokolle mindestens für die gesamte Pilotphase aufbewahren.
- [ ] 50–100 Testfälle aus echten, anonymisierten Daten schreiben.
- [ ] Den Agenten 2–4 Wochen parallel zum Team laufen lassen (das Team arbeitet weiter, der Agent schlägt nur vor).
- [ ] Mit der OWASP-Tabelle prüfen: welche externen Inhalte der Agent liest und wo Anweisungen eingeschleust werden könnten.
- [ ] Ein tägliches Ausgabenlimit mit Warnung bei Überschreitung setzen.
Tag 61–90: ausbauen oder stoppen
- [ ] Kennzahlen nach dem Pilot mit dem Ausgangswert vergleichen; nur ausbauen, wenn schwere Fehler gegen null gehen und die Kosten pro Aufgabe sinken.
- [ ] Beim Wechsel auf Stufe 2 Wertgrenzen (etwa eine maximale Erstattung) und einen Stichprobenplan festlegen.
- [ ] Ein Vorfallverfahren schreiben: wer stoppt, wer informiert Kunden, wer behebt.
- [ ] Kunden informieren, wenn sie mit KI interagieren.
- [ ] Rechtliche Prüfung einholen, wenn die Aufgabe nach geltendem KI-Recht in einen Hochrisikobereich fällt.
- [ ] Vierteljährliche Überprüfung planen: Agentenrechte, Kosten, Anbieter, neue Modelle.
Was als Nächstes zu beobachten ist
- Preise pro Aktion ändern sich schnell; Salesforce ist von reinen 2 USD pro Konversation zusätzlich auf das Flex-Credits-Modell umgestiegen.
- Googles Gemini Agent ist noch in der Private Preview; offizielle Preise und Funktionen sind nicht breit veröffentlicht.
- Durchführungsbestimmungen zum vietnamesischen KI-Gesetz, vor allem die Liste der Hochrisikosysteme.
- OWASP-Aktualisierungen und öffentliche Berichte der Anbieter über Agentenvorfälle.
TBN Grow aktualisiert die Liste "Verwandte Artikel" regelmäßig, sobald neue Meldungen zu KI-Agenten für Unternehmen erscheinen.
Verwandte Artikel
- FSB veröffentlicht 12 KI-Regeln: Menschen müssen die Kontrolle behalten
- KI-Agenten-Überwachung: Warum 2 OpenAI-Agenten Kontrollen entfernten
- Sicherheit von KI-Coding-Agenten: AGENTS.md bringt Codex zu Malware
- MiniMax M3.1 Flash: schnellere KI-Agenten, 70% weniger Kosten?
- Google stellt Gemini Agent für unternehmensweite Arbeitsabläufe vor
- Indosat Intelligence Suite: mehrere KI-Modelle zentral verwalten
- KI-Agenten für Verträge: GPT-6 Astra erreicht 55 % bei Ironclad
Geprüfte Quellen: FSB – Praktiken für den verantwortungsvollen KI-Einsatz (15.10.2026), Anthropic – Building effective agents, Gartner – über 40 % der Agentic-AI-Projekte werden eingestellt (25.06.2025), W.Media zur Gartner-Prognose, OWASP Top 10 for Agentic Applications, Salesforce – Agentforce Pricing, Microsoft Copilot Studio, PaymentExpert – die 12 FSB-Praktiken, VnEconomy – Vietnams KI-Gesetz.