Vom Chatbot zum Agenten: Was sich grundlegend verändert hat
Wer KI bislang vor allem als intelligentes Suchfeld oder Textentwurfs-Assistent kennengelernt hat, steht vor einer konzeptionellen Zäsur. Ein Chatbot antwortet auf Fragen. Ein KI-Agent hingegen erhält ein Ziel — und findet selbstständig den Weg dorthin. Er plant Teilschritte, ruft externe Werkzeuge auf (APIs, Datenbanken, Kalender, E-Mail-Postfächer), überprüft Zwischenergebnisse und korrigiert seinen Kurs, wenn etwas nicht funktioniert.
Dieses Paradigma — bekannt als „Agentic AI" oder auch „AI Agents" — ist seit dem Jahreswechsel 2025/2026 in einer Breite im Markt angekommen, die für Mittelständler realistisch nutzbar ist. Nicht mehr nur für Technologiekonzerne mit eigenen ML-Teams, sondern auch für Unternehmen mit 50 bis 5.000 Mitarbeitenden, die auf bewährte Unternehmensplattformen setzen.
Agentic AI Mittelstand 2026: Die wichtigsten Plattformen im Überblick
Die gute Nachricht für Entscheider im Mittelstand: Sie müssen keinen Agenten von Grund auf entwickeln. Die relevanten Plattformen bringen Low-Code-Umgebungen mit, die Agent-Workflows ohne Programmierkenntnisse konfigurierbar machen — vorausgesetzt, die Prozesse sind klar definiert.
Microsoft Copilot Studio erlaubt es, Agenten direkt in der Microsoft-365-Umgebung zu bauen. Sie können auf SharePoint-Dokumente, Teams-Nachrichten, Outlook-Kalender und Dynamics-365-Daten zugreifen — ohne Datensilos aufzubrechen. Für Unternehmen, die bereits im Microsoft-Ökosystem arbeiten, ist dies der natürlichste Einstiegspunkt.
Salesforce Agentforce richtet sich an vertriebsorientierte Organisationen. Agenten können Lead-Qualifizierung, Follow-up-Koordination und CRM-Datenpflege übernehmen — mit konfigurierbaren Freigabegrenzen, ab wann ein Mensch eingreifen muss.
SAP Joule integriert sich in SAP S/4HANA und Business Technology Platform. Hier stehen Einkauf, Logistik und Finanzprozesse im Vordergrund: Agenten können Bestellanforderungen prüfen, Lieferantenanfragen verarbeiten oder Zahlungsläufe vorbereiten — innerhalb der definierten Compliance-Grenzen des SAP-Systems.
Was Agenten von RPA unterscheidet — und warum das wichtig ist
Eine Verwechslung begegnet uns regelmäßig in der Beratungspraxis: Viele Entscheider setzen Agentic AI mit klassischer Robotic Process Automation (RPA) gleich. Der Unterschied ist fundamental. RPA-Bots folgen starren Regelskripten — sie klicken exakt vorhergesagte Pfade in vorhergesagten Systemen. Sobald sich eine Maske ändert, bricht der Bot ab.
KI-Agenten hingegen arbeiten semantisch. Sie verstehen den Kontext einer Aufgabe, treffen situative Entscheidungen und können mit unstrukturierten Eingaben umgehen — zum Beispiel einer E-Mail, die eine Bestellung enthält, die in keinem vordefinierten Formular steht. Das erhöht die Einsatzbandbreite erheblich, erfordert aber auch neue Governance-Überlegungen: Was darf ein Agent entscheiden? Ab welchem Schwellenwert eskaliert er an einen Menschen?
Eine saubere Antwort auf diese Fragen ist keine Bürokratie — sie ist die Voraussetzung dafür, dass ein Agent-Deployment belastbar und audit-fähig bleibt. Gerade im Mittelstand, wo Prozessverantwortliche oft in Personalunion als Fachexperte und operative Kraft agieren, ist das Aufsetzen klarer Freigabelogiken der kritischste Erfolgsfaktor.
Drei realistische Einstiegsszenarien für den Mittelstand
Nicht jeder Prozess eignet sich gleichwertig für einen KI-Agenten. Die drei folgenden Szenarien zeichnen sich durch eine Gemeinsamkeit aus: Sie sind datenreich, regelbasiert genug, um Halluzinationen zu minimieren, und bieten einen messbaren Effizienzgewinn ab dem ersten Produktionsmonat.
Szenario 1 — Dokumentenverarbeitung und Routing: Eingehende Dokumente (Rechnungen, Bestellungen, Anfragen, Verträge) werden vom Agenten klassifiziert, relevante Felder extrahiert, mit internen Systemen abgeglichen und an den zuständigen Prozessschritt oder die zuständige Person weitergeleitet. Was bislang 4–8 Minuten manuelle Bearbeitungszeit kostet, reduziert sich auf Sekunden — mit einer konfigurierbaren Prüfschleife für Grenzfälle.
Szenario 2 — Interner KI-Support-Agent: Ein Agent, der auf das interne Wissenssystem (Handbücher, SOPs, HR-Richtlinien, Produktdokumentation) zugreift und Mitarbeiterfragen präzise beantwortet. Nicht als Chatbot-Ersatz für eine Wissensdatenbank, sondern als Assistent, der mehrstufige Fragen versteht, Quellen nennt und bei Unklarheit eskaliert. Der messbare Effekt: weniger Anfragen an den First-Level-Support, schnellere Einarbeitung neuer Mitarbeitender.
Szenario 3 — Datenbasiertes Reporting: Ein Agent sammelt täglich oder wöchentlich Daten aus definierten Quellen (ERP, CRM, Projektmanagement-Tool), bereitet sie auf und verteilt strukturierte Reports an relevante Empfänger — mit natürlichsprachiger Zusammenfassung und Hinweisen auf Abweichungen. Kein manuelles Zusammenführen aus fünf Systemen mehr.
Vor dem Start: Was strukturell vorbereitet sein muss
Ein KI-Agent ist nur so gut wie die Daten und Prozesse, auf die er zugreift. Die häufigste Ursache für enttäuschende Pilotprojekte ist nicht die Technologie, sondern der Zustand der Datenbasis: unstrukturierte Ablagesysteme, fehlende Zugriffsrechte-Logik oder Prozesse, die informell funktionieren, aber nirgends dokumentiert sind.
Drei Voraussetzungen sollten vor dem ersten Agent-Deployment erfüllt sein: Erstens eine klare Prozessdokumentation des Zielprozesses — nicht auf Powerpoint-Niveau, sondern so, dass ein Außenstehender die Entscheidungslogik versteht. Zweitens ein definiertes Datenmodell: Welche Felder sind relevant, welche Quellen sind autoritativ, welche sind optional? Drittens eine Governance-Entscheidung: Welche Aktionen darf der Agent autonom ausführen, und bei welchen ist eine menschliche Freigabe zwingend?
Wer diese drei Punkte vor dem Start klärt, vermeidet die typischen Nacharbeitsschleifen — und setzt gleichzeitig die Grundlage für spätere Skalierung. Denn ein sauber definierter Pilot-Agent lässt sich mit überschaubarem Aufwand auf verwandte Prozesse ausrollen. Ein schlecht definierter hingegen bleibt ein Einzellösung, die mehr Betreuungsaufwand erzeugt als sie einspart.