CRM & Vertrieb
KI-Agenten
KI-Agenten sind Software-Systeme, die mithilfe von Künstlicher Intelligenz eigenständig mehrstufige Aufgaben planen und ausführen. Anders als ein simpler Chatbot verfolgen sie ein Ziel, zerlegen es in Teilschritte, nutzen dabei Werkzeuge wie Datenbanken oder APIs und reagieren auf Zwischenergebnisse – etwa indem sie selbstständig Leads recherchieren oder Angebote vorbereiten.
Definition
Ein KI-Agent ist ein Software-System, das ein vorgegebenes Ziel eigenständig in Teilschritte zerlegt, diese Schritte ausführt und dabei mit seiner Umgebung interagiert. Im Kern steht meist ein großes Sprachmodell (Large Language Model), das um Fähigkeiten erweitert wird: Zugriff auf Werkzeuge, Datenbanken, Schnittstellen (API), Websuche oder firmeninterne Systeme.
Der Unterschied zu einem klassischen Chatbot oder zur reinen Marketing Automation: Ein Chatbot beantwortet eine einzelne Anfrage, eine Regelautomatisierung folgt einem starren Wenn-dann-Schema. Ein KI-Agent dagegen plant selbst, welche Schritte nötig sind, wertet Zwischenergebnisse aus und passt sein Vorgehen an. Ein typisches Beispiel im Vertrieb: Der Agent recherchiert zu einem eingehenden Lead die Firmenwebsite, ordnet die Branche zu, schlägt eine Priorisierung vor und legt einen Entwurf für die Erstansprache im CRM an – ohne dass ein Mitarbeiter jeden Schritt einzeln auslöst.
Multi-Agenten-Systeme gehen noch einen Schritt weiter: Mehrere spezialisierte Agenten arbeiten zusammen, etwa ein Recherche-Agent, ein Schreib-Agent und ein Prüf-Agent, der die Ergebnisse gegen Qualitätskriterien checkt.
Relevanz für KMU
Für mittelständische Unternehmen sind KI-Agenten vor allem dort interessant, wo repetitive, mehrstufige Prozesse viel Zeit binden:
- Vertrieb: Lead-Recherche und -Qualifizierung, Vorbereitung von Gesprächen, Pflege von CRM-Daten, Nachfassen von Angeboten.
- Kundenservice: Anfragen klassifizieren, Antwortentwürfe erstellen, bei Bedarf an Menschen eskalieren.
- Backoffice: Eingehende Dokumente erfassen, Daten zwischen Systemen übertragen, Berichte vorbereiten.
Der praktische Nutzen hängt stark an der Datenlage und den Schnittstellen. Ein Agent, der nicht an dein CRM, dein E-Mail-System und deine Warenwirtschaft angebunden ist, bleibt ein isoliertes Spielzeug. Sinnvoll ist der Einstieg über einen eng umrissenen Anwendungsfall, idealerweise als Proof of Concept mit messbarem Ergebnis.
Auch rechtlich relevant: Verarbeitet ein Agent personenbezogene Daten, greifen die üblichen Datenschutzanforderungen – etwa ein AV-Vertrag mit dem Anbieter und klare Regeln, welche Daten der Agent sehen darf. Hinzu kommt die EU-KI-Verordnung (AI Act), die je nach Anwendungsfall Transparenz- und Dokumentationspflichten vorsieht.
Typische Missverständnisse
- „KI-Agenten ersetzen Mitarbeiter komplett.“ In der Praxis übernehmen Agenten Teilaufgaben und liefern Entwürfe. Die Freigabe und die Kundenbeziehung bleiben beim Menschen – insbesondere im B2B-Vertrieb des Mittelstands.
- „Ein Chatbot ist ein KI-Agent.“ Nein. Ein Chatbot reagiert auf Einzelanfragen. Ein Agent verfolgt ein Ziel über mehrere Schritte hinweg und nutzt dabei aktiv Werkzeuge.
- „Man braucht dafür ein eigenes KI-Team.“ Viele Funktionen stecken inzwischen in Standardsoftware (CRM-Systeme, Helpdesk-Tools, Produktivitäts-Suiten). Eigenentwicklung ist erst bei sehr spezifischen Prozessen nötig.
- „Einmal eingerichtet läuft alles von selbst.“ Agenten brauchen Monitoring, definierte Grenzen (welche Aktionen dürfen sie ausführen?) und regelmäßige Qualitätskontrolle, weil Sprachmodelle auch falsche oder erfundene Ausgaben erzeugen können.
Prüfpunkte vor dem Einsatz
- Anwendungsfall eingrenzen: Welcher konkrete Prozess soll automatisiert werden, und wie misst du den Erfolg (Zeitersparnis, Antwortzeit, Lead-Qualität)?
- Schnittstellen klären: Hat der Agent Zugriff auf die nötigen Systeme – CRM, E-Mail, Kalender – über dokumentierte APIs?
- Befugnisse definieren: Welche Aktionen darf der Agent selbstständig ausführen (z. B. Daten anlegen), und wo ist eine menschliche Freigabe Pflicht (z. B. Angebot versenden)?
- Datenschutz prüfen: Wo werden Daten verarbeitet (EU/USA), gibt es einen AV-Vertrag, werden Kundendaten zum Training des Modells genutzt?
- Fehlertoleranz festlegen: Wie schlimm wäre eine falsche Ausgabe? Bei sensiblen Kundenkommunikationen ist ein Review-Schritt vor dem Versand sinnvoll.
- Kosten realistisch kalkulieren: Neben Lizenz- oder Nutzungskosten für das Modell fallen Aufwände für Einrichtung, Anbindung und laufende Kontrolle an.