KI-Agenten für Unternehmen

Ein KI-Agent ist mehr als ein Chatbot mit Prompt-Template. Ein Textfeld, das auf Fragen antwortet macht Prozesse im Unternehmen nicht einfacher oder gar autonom. Auf einfache Chatbots zu setzen, die weder Unternehmens-Kontext verstehen noch Compliance einhalten, erzeugen im schlimmsten Fall sogar echt Probleme.

Das Ergebnis ist dann vorhersehbar: enttäuschte Erwartungen, verschwendetes Budget, kein messbarer ROI. Und das Gefühl, dass KI-Agenten im Unternehmen einfach nicht funktionieren.

Doch sie funktionieren. Wenn man sie richtig baut. Wir wissen das, weil sechs davon täglich in unserem eigenen Unternehmen arbeiten.

Was ein echter KI-Agent kann

Ein Agent antwortet nicht nur – er handelt. Er beobachtet Daten, trifft Entscheidungen innerhalb definierter Grenzen und führt Aktionen aus. Ohne dass jemand auf einen Button klicken muss. Beispiele für Agenten, die wir gebaut haben und täglich einsetzen:

Warum unsere Agenten funktionieren

Das KI-Modell ist austauschbar. Claude, GPT, Gemini, Llama – das Sprachmodell ist die Recheneinheit, nicht der Unterschied. Der Unterschied steckt im Agent Harness – der Umgebung aus Werkzeugen, Kontext, Regeln und Fehlerbehandlung, die einen Agenten erst arbeitsfähig macht.

Wir bauen diesen Harness. Konkret heißt das: n8n-Workflows für die Orchestrierung, Directus als Datenstruktur, MCP-Verbindungen zu Ihren bestehenden Systemen, Skills die den Agenten beibringen was sie wissen müssen, und Guardrails die verhindern, dass sie Unsinn machen.

Das Prinzip dahinter: Agent und Modell sind getrennt. Wenn morgen ein besseres Sprachmodell erscheint, tauschen wir es aus – ohne den Agenten neu zu bauen. Ihre Workflows, Ihre Datenanbindungen, Ihre Geschäftsregeln bleiben bestehen. Kein Vendor Lock-in, keine Abhängigkeit von einem einzelnen KI-Anbieter.

Kein Agent geht ohne Guardrails in den Betrieb. Keine Aktion ohne Fehlerstrategie. Kein Ergebnis ohne Prüfung.

Wie unsere Agenten aufgebaut sind

Jeder unserer Agenten folgt einer einheitlichen Fünf-Schichten-Architektur:

1. Zuoberst die Presentation-Schicht: Hier sprechen Sie mit dem Agenten – per Slack, per Sprachbefehl, per Dashboard oder per E-Mail. Die Art der Interaktion bestimmt, wie natürlich sich die Zusammenarbeit anfühlt.
2. Darunter die Orchestration-Schicht: Das Gehirn des Systems. Hier plant der Agent seine Schritte, trifft Entscheidungen und hält sich an Ihre Compliance und Leitplanken.
3. Die Integration-Schicht verbindet den Agenten mit Ihren bestehenden Systemen: CRM, Website, Warenwirtschaft, E-Mail. Ohne diese Verbindungen bleibt der Agent isoliert. Mit ihnen wird er zum Nervensystem Ihres Unternehmens.
4. Die Knowledge-Schicht speist den Agenten mit Wissen: Ihre Dokumente, Ihre Produktdaten, Ihre Prozesse. Je besser dieses Wissen aufbereitet ist, desto präziser arbeitet der Agent.
5. Zuunterst die Infrastructure-Schicht: Server, Modelle, Datenbanken. Bei uns immer „self hosted fist“ oder in Ihrer Infrastruktur. Ihre Daten verlassen Ihr Unternehmens-Netz nicht oder nur unter Kontrolle.

Diese Architektur ist der Grund, warum unsere Agenten funktionieren und generische Chatbots scheitern: Nur durch alle 5 Schichten kann KI im Unternehmen sinnvoll funktionieren.

Was es kostet

Was ein Agent kostet, hängt vom Umfang ab: wie viele Prozesse er übernimmt, an wie viele Systeme er angebunden wird und wie viel Wissen er braucht. Deshalb nennen wir den Rahmen erst, wenn wir Ihren Anwendungsfall kennen.

Den konkreten Preis legen wir nach einem kurzen Erstgespräch fest – transparent und nachvollziehbar. Sie erhalten ein Angebot, das zu Ihrem Anwendungsfall passt.

Der ROI liegt typischerweise bei 3-12 Monaten, je auch Aufgabenstellung. Paul Pipeline qualifiziert Leads und sammelt alle verfügbaren Daten in wenigen Minuten und die Menge der gleichzeitigen Leads kann beliebig erweitert werden. Toni Tool legt innerhalb von ein paar Sekunden Material vollständig an, mit allen Datenblättern. Der Nutzen liegt vor allem in der Skalierbarkeit.

Ihre Daten bleiben bei Ihnen

Alle Agenten laufen auf Ihrer Infrastruktur oder auf unserer – Ihre Wahl. Keine Daten an Dritte. Open-Source-Modelle wo möglich und sinnvoll. DSGVO-konform nicht als nachträgliches Feature, sondern als Architekturentscheidung von Anfang an.

Das Agent Memory System speichert Unternehmenswissen lokal. Die Vektorsuche läuft über eigene Embedding-Modelle.

Wir trennen konsequent zwischen Speicherung und Verarbeitung. Ihre Geschäftsdaten bleiben in Ihrer Datenbank. Wenn ein Agent ein Cloud-Modell für eine Aufgabe nutzt, fließen nur die für diese Aufgabe nötigen Informationen – und diese Daten werden vom Anbieter nicht für Training verwendet. Die Kontrolle darüber, welche Daten wo verarbeitet werden, liegt bei Ihnen.

Wie wir starten

1. Erstgespräch. Welche Prozesse fressen Zeit? Wo liegt der größte Hebel? Wir reden über Ihr Unternehmen, nicht über Technologie.
2. Agent-Design. Welcher Agent löst das drängendste Problem? Wir definieren Scope, Datenquellen, Integrationen und Guardrails.
3. Compliance. Worauf müssen wir achten in Bezug auch Rechte, Datenschutz, Unternehmensanspruch und Corporate Identity.
4. Pilot. Der erste Agent mit Aufgaben startet und liefert essbare Ergebnisse. Wir sammeln dabei Ideen zu Weiterentwicklung mit Ihnen.
5. Skalierung. Weitere Agenten, Vernetzung untereinander, ein Attractor der das Gesamtsystem pflegt und verbessert.