KI-Agenten in Unternehmen: Was sie übernehmen und wie Du startest

KI-Agenten in Unternehmen erledigen mehrstufige Aufgaben eigenständig: Sie sammeln Informationen aus Dokumenten und Fachsystemen, entscheiden über den nächsten Arbeitsschritt und bereiten Ergebnisse so vor, dass Mitarbeitende nur noch prüfen und freigeben. Laut einer Bitkom-Umfrage vom September 2026 haben 11 Prozent der Unternehmen, die KI nutzen oder planen, bereits KI-Agenten im Einsatz, weitere 29 Prozent planen es.

In diesem Ratgeber erfährst Du, wie KI-Agenten arbeiten, für welche Aufgaben sie sich eignen, welche Voraussetzungen Dein Unternehmen braucht und wie Du mit einem überschaubaren Pilotprojekt startest.

Den Unterschied zu klassischer Software macht die Steuerung. Ein Agent arbeitet kein starres Drehbuch ab, sondern prüft nach jedem Schritt das Zwischenergebnis und entscheidet, wie es weitergeht. Wie weit diese Selbstständigkeit reicht, legst Du fest. Der Oberbegriff für solche Systeme lautet Agentic AI. Mehr dazu findest Du in unserem Blogartikel zu KI-Trends 2026.

Worin unterscheiden sich KI-Agenten von Chatbots und Workflows?

Ein Chatbot beantwortet Fragen, ein Workflow folgt festen Regeln, ein KI-Agent handelt zielorientiert und wählt seinen Weg selbst. Die drei Ansätze ergänzen sich, deshalb lohnt der Blick auf die jeweilige Stärke:

• KI-Assistent oder Chatbot: liefert Antworten und Zusammenfassungen, oft mit Quellenangaben. Was danach passiert, entscheidest Du.
• Workflow: führt einen vorher modellierten Ablauf aus. Ideal, wenn jeder Fall denselben Weg nimmt, etwa eine Urlaubsfreigabe. Workflow-Software bildet solche Freigabe-Workflows meist nach dem Standard BPMN 2.0 ab und protokolliert jeden Schritt.
• KI-Agent: verfolgt ein Ziel, nutzt mehrere Werkzeuge nacheinander und reagiert auf das, was er unterwegs findet. Sinnvoll, wenn der Lösungsweg vom Einzelfall abhängt.

Workflows und KI-Agenten schließen sich nicht aus: In modernen Prozessplattformen übernehmen KI-Agenten einzelne Aufgaben innerhalb eines Prozesses eigenständig, während der modellierte Ablauf den Rahmen vorgibt. So entsteht KI-gestützte Prozessautomatisierung, die nachvollziehbar bleibt.

Eine Chatoberfläche verrät übrigens nicht, ob ein System agentisch arbeitet. Auch ein Agent lässt sich per Chat beauftragen. Entscheidend sind seine Befugnisse: Darf er nur lesen und antworten, oder darf er auch Aufgaben anlegen und Daten verändern?

Wie arbeitet ein KI-Agent im Unternehmen?

Ein KI-Agent braucht ein klares Ziel, Zugriff auf die relevanten Informationen und freigegebene Werkzeuge, mit denen er handeln darf. Ein KI-Agent arbeitet deshalb in einer Schleife: planen, handeln, Ergebnis prüfen, nächsten Schritt wählen.

Ein vereinfachtes Beispiel aus der Kreditorenbuchhaltung zeigt, wie das aussieht. Der Auftrag lautet: „Prüfe die eingegangene Rechnung und bereite die Freigabe vor.”

1. Der Agent liest die Rechnung und ruft die zugehörige Bestellung ab.
2. Er gleicht Positionen und Beträge ab. Bei einer Differenz sucht er nach einem Lieferschein.
3. Fehlt ein Beleg, formuliert er eine Rückfrage an den Lieferanten als Entwurf.
4. Er übergibt den Vorgang samt Belegen und Begründung an die zuständige Sachbearbeiterin.
5. Sie prüft das Ergebnis und entscheidet über die Freigabe.

Ob ein Agent diese Schritte tatsächlich ausführt, hängt von den angebundenen Systemen, der Datenqualität und seiner Konfiguration ab. Die Freigabe selbst bleibt in diesem Szenario bewusst beim Menschen. Dass ein Mensch an definierten Punkten prüft und entscheidet, heißt Human in the Loop.

Welche Aufgaben übernehmen KI-Agenten in Unternehmen?

KI-Agenten eignen sich vor allem für Aufgaben, bei denen Mitarbeitende Informationen aus mehreren Quellen zusammentragen und je nach Ergebnis unterschiedlich weiterarbeiten. Vier Einsatzfelder sind besonders naheliegend.

Rechnungen prüfen und kontieren

Ein KI-Agent gleicht Rechnungen mit Bestellungen und Lieferscheinen ab und übernimmt die automatische Kontierung von Rechnungen: Auf Basis historischer Buchungen schlägt er Sachkonto und Kostenstelle vor. Weil die Belegdaten per intelligente Dokumentenverarbeitung bereits strukturiert vorliegen, verlagert sich die Arbeit der Buchhaltung vom Abtippen zum Prüfen. Wichtig ist, dass jeder Kontierungsvorschlag eine nachvollziehbare Begründung enthält und Rechnungsprüfung und Rechnungsfreigabe revisionssicher dokumentiert werden. So korrigierst Du Abweichungen gezielt, statt die Buchung neu aufzubauen.

Verträge mit internen Vorgaben abgleichen

Bei Geheimhaltungsvereinbarungen markiert ein KI-Agent Klauseln, die von Deiner Mustervorlage abweichen, zum Beispiel eine ungewöhnliche Laufzeit oder einen anderen Gerichtsstand. Bei der KI Vertragsprüfung konzentriert sich die Rechtsabteilung dann auf die Sonderfälle. Die Technik dahinter ähnelt dem Dokumentenvergleich mit KI, ergänzt um eigenständige Folgeschritte wie eine Aufgabe an die Fachabteilung. Voraussetzung ist eine zentrale, revisionssichere Vertragsablage, auf die der Agent zugreifen darf.

Wissen finden und Anfragen weiterbearbeiten

Fragt jemand nach der aktuellen Reisekostenrichtlinie, liefert ein KI-Assistent die Antwort mit Quelle. Technisch steckt dahinter meist Retrieval Augmented Generation (RAG): Das Sprachmodell antwortet auf Basis der gefundenen Dokumente statt aus seinem Trainingswissen. So lassen sich Antworten mit Quellen aus dem eigenen Dokumentenbestand belegen. Ein Agent geht einen Schritt weiter: Er prüft den konkreten Antrag gegen die Richtlinie, fragt fehlende Angaben nach und legt eine Aufgabe für die Freigabe an.

Onboarding und Besprechungen organisieren

Beim Onboarding neuer Mitarbeitender, einer frühen Phase im Employee Lifecycle, prüft ein Agent anhand einer Checkliste, welche Unterlagen vorliegen, und legt Aufgaben für IT, Personalabteilung und Fachbereich an. Auch Besprechungen lassen sich agentisch vorbereiten: Ein KI-Agent bereinigt Notizen, ein zweiter fasst sie zu einem Briefing zusammen. Bei Personaldaten gilt besonders strikt, dass der Agent nur auf das zugreift, was die Aufgabe erfordert.

Wie verbreitet sind KI-Agenten in deutschen Unternehmen?

KI-Agenten stehen in Deutschland noch am Anfang, das Interesse wächst aber schnell. Die Bitkom-Befragung von 603 Unternehmen ab 20 Beschäftigten vom September 2026 zeichnet folgendes Bild: Unter den Unternehmen, die KI nutzen oder planen, haben 11 Prozent KI-Agenten bereits im Einsatz. 29 Prozent planen den Einsatz, 31 Prozent diskutieren ihn. Für 24 Prozent sind KI-Agenten kein Thema.

Insgesamt nutzen laut der Bitkom-Umfrage vom September 2026 erstmals 57 Prozent der Unternehmen KI. Gleichzeitig nennen KI-Anwender Datenschutzanforderungen (66 Prozent) und rechtliche Verunsicherung (56 Prozent) als größte Hemmnisse, 25 Prozent beklagen mangelnde Nachvollziehbarkeit. Für Agenten, die selbstständig handeln, wiegen diese Punkte besonders schwer.

Welche Voraussetzungen braucht Dein Unternehmen für KI-Agenten?

Drei Dinge entscheiden über den Erfolg: eine gepflegte Informationsbasis, angebundene Systeme und klare Verantwortlichkeiten im Fachbereich.

• Gepflegte Informationsbasis: Dokumente müssen auffindbar, lesbar und eindeutig versioniert sein. Ein Agent, der eine veraltete Richtlinie findet, arbeitet zuverlässig falsch. Ein strukturiertes Dokumentenmanagement mit sauberen Metadaten und gepflegtem Wissensmanagement im DMS ist deshalb die beste Vorarbeit.
• Angebundene Systeme: Handeln kann ein Agent nur dort, wo er über Schnittstellen Zugriff hat, etwa auf DMS, ERP oder Aufgabenverwaltung. Lege fest, welche Funktionen nur lesen und welche Daten verändern dürfen.
• Verantwortliche im Fachbereich: Die Fachabteilung definiert, wann ein Ergebnis gut genug ist und welche Fälle an Menschen gehen. Die IT verantwortet die technische Umsetzung, eine benannte Person begleitet den Betrieb.

Wie behältst Du die Kontrolle über KI-Agenten?

Du behältst die Kontrolle, indem Du Befugnisse eng begrenzt, Freigabepunkte für Menschen definierst und jede Aktion des Agenten protokollierst. KI-Agenten ziehen mitunter falsche Schlüsse oder lösen unpassende Aktionen aus. Kontrollen müssen deshalb sowohl Ergebnisse als auch ausgeführte Schritte erfassen.

Berechtigungen sind der wichtigste Hebel. Ein Agent darf nie mehr sehen als die Person, in deren Auftrag er handelt, und nur die Aktionen ausführen, die seine Aufgabe erfordert. Bestehende Berechtigungskonzepte müssen daher auch für Agenten technisch greifen, nicht nur auf dem Papier.

Ein zweites Risiko sind manipulierte Inhalte. Dokumente, E-Mails oder Webseiten können versteckte Anweisungen enthalten, die einen Agenten von seiner Aufgabe abbringen. Das Bundesamt für Sicherheit in der Informationstechnik bezeichnet solche indirekten Prompt Injections als intrinsische Schwachstelle anwendungsintegrierter Sprachmodelle. Eingelesene Inhalte dürfen deshalb nie die Rechte eines Agenten erweitern.

Für den Betrieb muss jederzeit nachvollziehbar sein, welche Daten ein KI-Agent genutzt und welche Aktionen er ausgeführt hat. Ebenso wichtig: Mitarbeitende brauchen einen klaren Weg, einen problematischen Vorgang zu stoppen und selbst zu übernehmen. Diese Protokollierung ist auch regulatorisch relevant, denn der EU AI Act verlangt je nach Risikoklasse menschliche Aufsicht und Aufzeichnungen.

Wie startest Du ein Pilotprojekt mit KI-Agenten?

Starte mit einer eng umrissenen, häufig wiederkehrenden Aufgabe, deren Ergebnis sich klar bewerten lässt. So prüfst Du den Nutzen im eigenen Prozess, bevor du skalierst.

1. Aufgabe auswählen: Beschreibe den Vorgang konkret, etwa „Unterlagen für die Prüfung einer Lieferantenrechnung zusammenstellen”. Halte fest, wo heute Zeit verloren geht, und hol die Mitarbeitenden ins Boot, die den Vorgang täglich bearbeiten.
2. Grenzen festlegen: Bestimme, welche Daten der Agent lesen und welche Aktionen er ausführen darf. Definiere Übergabefälle, etwa widersprüchliche Belege. Für den Anfang reicht es oft, wenn der Agent Ergebnisse nur vorbereitet.
3. Mit echten Fällen testen: Nimm typische Vorgänge und Ausnahmen wie unvollständige Dokumente. Bewerte nicht nur das Ergebnis, sondern auch, ob der Agent die richtigen Quellen genutzt hat.
4. Aufwand messen: Vergleiche Bearbeitungszeit, Anteil korrekter Ergebnisse und Nachbearbeitungszeit mit dem bisherigen Ablauf. Rechne Einrichtung und Betreuung mit ein.
5. Schrittweise erweitern: Läuft die Aufgabe stabil, nimmst Du weitere Vorgangsarten auf. Änderungen an Modell, Datenquellen oder Werkzeugen testest Du erneut.

Wie setzt Du KI-Agenten mit d.velop AI ein?

d.velop AI bringt KI-Agenten direkt in Deine Dokumentenprozesse, berechtigungskonform und mit nachvollziehbarer Entscheidungsgrundlage. Die KI-Agenten arbeiten innerhalb der d.velop documents platform, also dort, wo Deine Dokumente, Akten und Workflows bereits liegen. Den Einstieg bildet d.velop pilot: Der KI-Assistent durchsucht und analysiert Dokumente, beantwortet Fragen aus dem Unternehmenswissen mit Quellen aus dem eigenen Bestand und übernimmt mit seinen agentischen Fähigkeiten auch Aufgaben innerhalb von Prozessen, die Du in d.velop process studio modellierst.

Was Mitarbeitende nicht sehen dürfen, sieht auch ihr Agent nicht: d.velop AI wendet bestehende Berechtigungsstrukturen automatisch an und macht jede Agentenentscheidung mit Grundlage und Audit-Trail auditierbar. d.velop AI ist zudem modellflexibel, das KI-Modell wählst Du selbst, ohne Vendor Lock-in. Als europäischer, inhabergeführter Softwarehersteller setzen wir bei d.velop dabei auf Datensouveränität und menschliche Kontrolle als Architekturprinzip.

Für die Steuerung entwickelt d.velop das d.velop agent center. Das d.velop agent center bündelt agentische und menschliche Arbeit an einer Stelle, macht sichtbar, warum eine Aufgabe entstanden ist, und zeigt gezielt, wo ein Mensch eingreifen muss. Das d.velop agent center befindet sich derzeit in der Beta-Phase, Funktionsumfang und Verfügbarkeit können sich bis zur regulären Freigabe noch ändern.

FAQ zu KI-Agenten in Unternehmen