KI-Agenten, KI-Mitarbeiter und Automatisierung: Was die Begriffe tatsächlich bedeuten

Unter einem Wort werden vier unterschiedliche Produkte verkauft. Skriptbasierte Automatisierung befolgt menschliche Regeln. Ein Chatbot sucht und antwortet. Ein KI-Agent bewertet den Kontext und handelt mit Werkzeugen. Ein KI-Mitarbeiter ist ein Agent mit zugewiesener Funktion, Rhythmus und Verantwortung. Die falsche Kategorie zu kaufen ist teuer.

Warum Begriffsverwirrung Geld kostet

Unklare Begriffe in diesem Markt sind nicht harmlos. Ein Inhaber will freitags um 19 Uhr Anrufe annehmen lassen, sucht einen „KI-Agenten“, bekommt ein Website-Chatwidget verkauft und hat sechs Wochen später weiter ein unbeantwortetes Telefon. Ein anderer zahlt Agentenpreise für ein geplantes Skript mit vorgeschaltetem Sprachmodell. Die Technik funktionierte jeweils wie vorgesehen. Falsch war die Kategorie.

Die vier folgenden Kategorien sind keine Marketingstufen, sondern unterschiedliche Architekturen mit anderen Fehlerarten, Kostenverläufen und Aufsichtsanforderungen. Drei Fragen trennen sie: Wie entscheiden sie, was dürfen sie tun und wer verantwortet Fehler?

Was ist skriptbasierte Automatisierung?

Definition: Skriptbasierte Automatisierung führt eine von Menschen vorab festgelegte Schrittfolge aus; Verzweigungen sind auf ausdrücklich vorgegebene Bedingungen begrenzt. Sie enthält kein Modell mit eigener Planung. Gleiche Eingaben ergeben gleiche Ausgaben.

Das ist die Welt von Zapier, Make und n8n, CRM-Regelwerken, geplanten Skripten und Webhookketten. Bei Formularabsendung einen Kontakt erstellen. Übersteigt der Auftragswert einen Grenzwert, einen Vertriebskanal benachrichtigen. 24 Stunden vor einem Termin erinnern. Das erfordert kein Schlussfolgern, sondern Auslöser, Bedingung und Aktion.

Die Stärken sind real und oft unterschätzt. Skriptbasierte Automatisierung ist günstig, fast unmittelbar, leicht mit Unit-Tests zu prüfen und für jeden verständlich, der den Workflow öffnet. Fehler fallen deutlich an einer lokalisierbaren Stelle auf. Das gefällt Prüfern, Compliance-Teams und Technikern in Bereitschaft.

Die Grenze ist ebenso klar. Skriptbasierte Automatisierung kann keinen Fall bearbeiten, den ihr Autor nicht vorausgesehen hat. „Ich muss den Donnerstagstermin verschieben, aber nur, wenn Dr. Nováková da ist, sonst lassen Sie ihn“ ist kein vorgegebener Zweig. Das Skript reagiert darauf nicht kontrolliert: Es tut nichts oder selbstsicher das Falsche.

Was ist ein Chatbot und warum ist er kein Agent?

Definition: Ein Chatbot ist eine Gesprächsschnittstelle, die Informationen sucht und eine Antwort liefert. Er antwortet. Er handelt nicht.

Ältere Chatbots waren Entscheidungsbäume mit Schaltflächen. Moderne Systeme suchen meist Informationen: Die Frage wird mit Dokumenten einer Wissensbasis abgeglichen, daraus formuliert ein Sprachmodell eine belegte Antwort. Das ist tatsächlich nützlich. Ein guter solcher Chatbot übernimmt viele wiederkehrende Fragen zu Öffnungszeiten, Preisen, Parken, benötigten Unterlagen und Regeln.

Was ein Chatbot nicht tut: etwas verändern. Er kann nicht prüfen, ob Donnerstag um 14 Uhr frei ist, den Termin blockieren, einen Datensatz schreiben und eine Bestätigung senden. Sobald das Gespräch eine echte Veränderung erfordert, übergibt er an einen Menschen oder ein Formular. Dort geht viel Wert verloren: Wer sein Problem schon erklärt hat, erklärt es selten gern ein zweites Mal.

Die Verwirrung ist verständlich: Chatbot und Agent können sprachlich gleich gut sein und basieren auf derselben Modellklasse. Der Unterschied liegt in Berechtigungen und angebundenen Werkzeugen. Praktische Folgen erläutern wir ausführlicher im Vergleich von KI-Sprachagenten und Chatbots.

Was ist ein KI-Agent?

Definition: Ein KI-Agent ist ein System, in dem ein Sprachmodell während der Ausführung entscheidet, welche Aktionen es mit einem festgelegten Werkzeugsatz in welcher Reihenfolge ausführt, um ein vorgegebenes Ziel zu erreichen. Der Plan stammt nicht vorab von einem Menschen. Er entsteht im Moment aus dem Kontext.

Drei Komponenten machen einen Agenten aus:

• Kontext. Anweisungen, Geschäftsregeln, bisheriges Gespräch und recherchiertes Wissen über den konkreten Kunden, das Produkt oder die Buchung.
• Werkzeuge. Eine begrenzte Funktionsliste: Kalenderverfügbarkeit prüfen, Buchungen erstellen, Bestellungen nachschlagen, Supporttickets anlegen, laufende Anrufe an Menschen übergeben und Nachfassnachrichten senden.
• Eine Schleife. Das Modell beobachtet, wählt ein Werkzeug, prüft das Ergebnis und bestimmt den nächsten Schritt. Es wiederholt das bis zum Ziel oder einer Abbruchbedingung.

Diese Schleife ermöglicht Fälle, die niemand vorab aufgelistet hat. Einen Donnerstagstermin nur bei Anwesenheit einer bestimmten Ärztin zu verschieben ist eine neue Kombination, lässt sich aber in vorhandene Werkzeugaufrufe zerlegen: Dienstplan prüfen. Verfügbarkeit prüfen. Ergebnis erklären. Umbuchen oder den Termin belassen.

Die Kosten dieser Flexibilität sollten offen benannt werden. Ein Agent ist je Interaktion langsamer als eine Regel, weil mehrere Modellaufrufe nötig sein können, und je Durchlauf teurer. Sein Verhalten ist nicht vollständig vorab aufzählbar. Testen heißt deshalb nicht mehr „jeden Zweig prüfen“, sondern „eine repräsentative Stichprobe bewerten und den Produktivbetrieb überwachen“. Neue Fehlerarten kommen hinzu: selbstsicher falsche Antworten, subtil fehlerhafte Werkzeugargumente und Schleifen bei unerreichbaren Zielen. Gute Umsetzungen begrenzen diese Risiken durch enge Berechtigungen, klare Übergaberegeln und menschliche Transkriptprüfung. Mehr dazu in unserer Einführung in KI-Agenten.

Was ist ein KI-Mitarbeiter?

Definition: Ein KI-Mitarbeiter ist ein KI-Agent mit zugewiesener Geschäftsfunktion, festem Betriebsrhythmus, eigenen Leistungsberichten und einem bestimmten Menschen, der ihn verantwortet.

Der Unterschied ist organisatorisch, nicht technisch. Zwei Unternehmen können denselben Agenten einsetzen. Im ersten ist er ein eingeschaltetes Werkzeug. Im zweiten verantwortet er eingehende Anrufe von 17 bis 9 Uhr – mit Zielannahmequote, Wochenbericht über Buchungen und Übergaben, benanntem Verantwortlichen und einem Änderungsprozess. Nur im zweiten Fall bedeutet „KI-Mitarbeiter“ tatsächlich etwas.

Vier Bedingungen müssen erfüllt sein:

• Eine zugewiesene Funktion. Nicht „hilft bei der Verwaltung“, sondern konkrete Aufgaben aus einer Stellenbeschreibung: Anrufe annehmen, qualifizieren und buchen, offenen Angeboten nachfassen oder nach erledigten Aufträgen Bewertungen anfragen.
• Ein Rhythmus. Dauerhafte Anrufannahme oder geplante Arbeit, etwa Nachfasskontakte am zweiten, siebten und vierzehnten Tag nach einem Angebot.
• Berichte. Bearbeitetes Volumen, Lösungs- und Buchungsquoten, Übergaben und schlecht bearbeitete Anrufe. Gerade die schlecht bearbeiteten.
• Verantwortung. Ein benannter Mensch prüft die Ausgaben und darf Anweisungen, Werkzeuge und Übergabeschwellen ändern.

Deshalb beschreiben wir unseren Betrieb als KI-Empfang und -Administration, nicht bloß als Software. Der Aufbau dauert zwei Wochen. Der Wert entsteht danach: echte Gespräche prüfen, Fehler korrigieren und Anweisungen präzisieren. Unser Kundenprojekt VEGNA zeigt, wie Website und Empfangsworkflow verbunden werden können. Ohne Quelldaten veröffentlichen wir keine Leistungszahlen für dieses Projekt.

Die vier Modelle im direkten Vergleich

Die Merkmale, die diese Kategorien in der Praxis tatsächlich unterscheiden.

Merkmal	Skriptbasierte Automatisierung	Chatbot	KI-Agent	KI-Mitarbeiter
Wie es entscheidet	Von Menschen vorab geschriebene feste Regeln	Sucht die passendsten Inhalte und formuliert eine Antwort	Bildet den Plan während der Ausführung aus Kontext und Ziel	Wie ein Agent, ergänzt um dauerhafte Betriebsanweisungen und Schwellenwerte
Was es tun kann	Genau die festgelegten Workflow-Aktionen, sonst nichts	Fragen beantworten und an einen Menschen oder ein Formular übergeben	Jedes freigegebene Werkzeug in selbst gewählter Reihenfolge aufrufen	Alles, was ein Agent innerhalb des festgelegten Auftrags und der Übergaberegeln kann
Umgang mit unvorhergesehenen Fällen	Nein. Nicht abgedeckte Eingaben bleiben unbearbeitet	Teilweise. Kann eine Antwort formulieren, den Fall aber nicht lösen	Ja, innerhalb der Werkzeug- und Anweisungsgrenzen	Ja; ungelöste Fälle werden planmäßig an einen benannten Menschen übergeben
Typische Fehlerart	Stille Lücke: ein Fall ohne vorgegebenen Zweig	Sackgasse: richtige Antwort, keine Lösung, Kunde geht	Selbstsicherer Fehler: plausibel wirkende falsche Aktion oder falsche Werkzeugargumente	Schleichende Verschlechterung: Ohne Ausgabenkontrolle sinkt die Leistung unbemerkt
Kostenprofil	Sehr geringe Kosten je Durchlauf; wenig Wartung bis zu geänderten Anforderungen	Geringe Gesprächskosten; Hauptaufwand ist die Pflege der Wissensbasis	Höhere Kosten je Interaktion plus Bewertung und Überwachung	Agentenkosten plus laufende Pauschale für Aufsicht, Abstimmung und Berichte
Erforderliche Aufsicht	Fehlerwarnungen	Inhaltsprüfung bei geänderten Regeln oder Preisen	Stichprobenprüfung von Transkripten und Bewertungssätze	Regelmäßige Prüfung mit benanntem Verantwortlichen und Änderungsprozess
Passend, wenn	Die Aufgabe ist klar definiert, wiederkehrend und wenig variabel	Überwiegend Fragen statt Handlungswünsche	Eingaben sind unstrukturiert und mögliche Anliegen nicht abschließend vorgegeben	Eine gesamte Funktion muss dauerhaft und mit klarer Verantwortung abgedeckt werden

Wann gewöhnliche Automatisierung einen Agenten tatsächlich schlägt

Diesen Abschnitt überspringen die meisten Anbieter, deshalb direkt: Viele Probleme, die Unternehmen heute mit KI lösen wollen, sind mit einer Regel besser gelöst. Ein Sprachmodell in einer deterministischen Aufgabe bringt nur Verzögerung, Kosten und eine neue Fehlerklasse ohne Nutzen.

Nutzen Sie einfache Automatisierung, wenn die Eingabe strukturiert oder nahezu strukturiert ist, die richtige Ausgabe ohne Urteil daraus folgt, das Volumen hoch ist und Fehler teuer sind. Das umfasst Terminerinnerungen, Rechnungs- und Zahlungsabgleich, Formularübertragung ins CRM, Anfragezuweisung nach Postleitzahl oder Leistungsbereich, Markierungen und Dublettenbereinigung sowie Vorlagennachrichten bei geändertem Auftragsstatus.

Eine nützliche Faustregel: Wenn die vollständige Regel auf ein Blatt Papier passt und ein neuer Mitarbeiter sie ohne Rückfragen befolgen könnte, braucht es keinen Agenten. Eine automatische SMS nach einem verpassten Anruf ist genau so ein Fall. Auslöser und Vorlage genügen. Das funktioniert gerade deshalb, weil es einfach, unmittelbar und vollständig vorhersehbar ist.

Auch die Steuerbarkeit spricht dafür. Deterministische Systeme lassen sich einfacher dokumentieren, Regulatoren oder Kunden erklären und auf Korrektheit prüfen. Nach der KI-Verordnung der EU richten sich Pflichten nach Risiko und Rolle des Systems. Eine transparente Regelmaschine hat einen erheblich geringeren Erklärungsaufwand als ein generatives System mit autonomen Entscheidungen. Das einfachere Werkzeug ist deshalb oft auch beim Compliance-Aufwand günstiger.

Wann ein Agent die richtige Wahl ist

Agenten lohnen sich, wenn der Regelbaum ausufert. Ein Signal sind zwanzig Seiten Ausnahmen im Prozessdokument oder die ehrliche Antwort auf „Was passiert in diesem Fall?“: „Kommt darauf an, fragen Sie Marta.“

Typische Bedingungen: Eingaben kommen unstrukturiert als Sprache oder Freitext; Menschen verlangen ungeplante Kombinationen; zur Lösung sind mehrere Abfragen über verschiedene Systeme nötig; und nicht sofort zu lösen ist teuer, weil der Anrufer statt zu warten die Konkurrenz anruft.

Eingehende Telefonate sind das klassische Beispiel. Anrufer füllen keine Felder aus. Sie erzählen ungeordnet, korrigieren sich unterwegs und nennen den eigentlichen Grund manchmal erst im letzten Satz. Daraus das Anliegen zu erkennen, drei Systeme zu prüfen und eine Buchung abzuschließen, ist kein fester Workflow. Es ist eine Aufgabe mit Urteilsbedarf und Werkzeugzugriff – die Aufgabe eines Agenten.

Ein zweiter passender Einsatz ist das Nachfassen bei Angeboten. Die richtige nächste Nachricht hängt von der letzten Kundenaussage ab, vom Alter des Angebots und davon, ob der Einwand Preis, Zeitpunkt oder Leistungsumfang betraf. Eine einzige Vorlage behandelt alle drei gleich. Ein Agent nicht.

Die meisten realen Systeme kombinieren alle vier Ebenen

Die Kategorien als Entweder-oder darzustellen ist eine korrigierenswerte Vereinfachung. Ein gut aufgebauter Empfangs- und Administrationsbereich nutzt in der Praxis jede Ebene für ihre Stärken.

Oben übernimmt der Agent das Urteil: den Anrufer verstehen, das weitere Vorgehen bestimmen und ein Werkzeug wählen. Darunter erledigt die deterministische Ebene die exakte Arbeit. Der Kalendereintrag ist eine Regel, die Bestätigung eine Vorlage, die Erinnerung 24 Stunden vorher eine geplante Aufgabe. Die Suchschicht für „Akzeptieren Sie diese Versicherung?“ ist Chatbottechnik, die der Agent als Werkzeug nutzt, statt sie dem Kunden direkt vorzusetzen.

Vorhersehbare Routine macht das System testbar. Es sollte nur wenige, klar definierte und beobachtbare Stellen geben, an denen das Modell neu entscheiden kann. Jede Aktion, die deterministisch sein kann, sollte es sein. Der Agent sollte entscheiden, welche Aktion nötig ist, nicht wie sie technisch ausgeführt wird. Bei ungewöhnlichen Werkzeugkombinationen oder eigenen Systemen ist diese Verknüpfung der Großteil einer individuellen Entwicklung.

So erkennen Sie, was ein Anbieter tatsächlich verkauft

Produktnamen sind unzuverlässig. Diese Fragen nicht.

Was kann es ohne menschlichen Knopfdruck tun?

Verlangen Sie die genaue Liste schreibender Aktionen in Ihren Systemen. Lautet die Antwort „Es entwirft Antworten zur Freigabe durch Ihr Team“, kaufen Sie einen Chatbot mit Prüfwarteschlange. Das kann passend sein, ist aber kein Agent. Eine konkrete Liste mit Kalenderereignissen und Datensatzänderungen beschreibt dagegen einen Agenten.

Was geschieht bei unerwarteten Situationen?

Bitten Sie um die Aufnahme oder das Transkript eines schlecht bearbeiteten Anrufs. Ein Anbieter mit ausgereiftem Betrieb hat solche Beispiele und spricht darüber. Lautet die Antwort, das passiere nie, ist der Einsatz entweder zu klein für Abweichungen oder niemand prüft die Ausgaben.

Wer prüft das System, wie oft und was ändert sich dadurch?

Das trennt einen KI-Mitarbeiter von einer Lizenz. Fragen Sie nach der wöchentlichen Prüfung, ihrer Leitung, den Berichten und Tests von Anweisungsänderungen vor dem Start. Gibt es keine Antwort, kaufen Sie Software und übernehmen den Betriebsaufwand selbst. Das ist legitim, muss aber einkalkuliert werden. Unsere Übersicht zu den tatsächlichen Kosten eines KI-Empfangs trennt Aufbaukosten von den laufenden Kosten, die diese Frage bestimmt.

Welche Regeln gelten für die menschliche Übergabe?

Jeder ernsthafte Einsatz kennt Fälle, die nie autonom behandelt werden sollten: klinische Fragen, Rechtsberatung, Beschwerden, aufgewühlte Anrufer und Zahlungsstreitigkeiten. Fragen Sie nach Kategorien für die sofortige menschliche Übergabe und danach, wie diese außerhalb der Bürozeiten funktioniert. Ein Anbieter, der seinem Agenten alles zutraut, zeigt damit, dass er darüber nicht nachgedacht hat.

Häufig gestellte Fragen

Was unterscheidet einen KI-Agenten von Automatisierung?

Skriptbasierte Automatisierung folgt einem vorab festgelegten Weg. Jeder Zweig stammt von einem Menschen; außerhalb davon wird nichts bearbeitet. Ein KI-Agent entscheidet während der Ausführung: Er bewertet die Situation, wählt Werkzeuge und Reihenfolge und kann unerwartete Eingaben bearbeiten. Automatisierung ist vorhersehbar und günstig. Ein Agent ist flexibel und je Durchlauf teurer. Er braucht Aufsicht, weil sein Verhalten nicht vollständig vorab aufzählbar ist.

Was ist ein KI-Mitarbeiter?

Ein KI-Mitarbeiter ist ein KI-Agent mit einem Betriebsmodell. Er übernimmt eine benannte Funktion wie Anrufannahme oder Angebotsnachverfolgung, arbeitet in einem festen Rhythmus und berichtet über seine Tätigkeit. Ein bestimmter Mensch verantwortet seine Leistung. Der Agent ist die Technologie. Zum KI-Mitarbeiter kommen Umfang, Rhythmus, Berichte und Zuständigkeit hinzu. Prüft niemand die Ausgaben und ändert sich bei schwacher Leistung nichts, ist es ein Agent, kein Mitarbeiter.

Ist ein Chatbot ein KI-Agent?

Meist nicht. Ein klassischer Chatbot sucht Informationen und antwortet aus Wissensbasis oder Entscheidungsbaum. Geht es über Text hinaus, übergibt er an einen Menschen. Ein Agent handelt: Er bucht den Termin, aktualisiert den Datensatz, sendet die Bestätigung und erstellt die Folgeaufgabe. Der Unterschied ist nicht flüssige Sprache, sondern ob das System den Zustand Ihres Unternehmens verändern kann.

Wann ist einfache Automatisierung besser als ein KI-Agent?

Wenn die Aufgabe klar, häufig und wenig variabel ist. Ein Formular ins CRM zu übertragen, 24 Stunden vorher zu erinnern, eine Rechnung abzugleichen oder einen Datensatz zu markieren braucht kein Schlussfolgern. Eine deterministische Regel ist günstiger, schneller, leichter testbar und scheitert vorhersehbar. Ein Sprachmodell bei einer bereits gelösten Aufgabe ergänzt Kosten, Verzögerung und neue Fehler ohne Nutzen.

Wie erkenne ich, was ein KI-Anbieter mir tatsächlich verkauft?

Stellen Sie drei Fragen. Erstens: Welche Aktionen kann das System ohne menschlichen Knopfdruck in meinen Systemen ausführen? Zweitens: Was tut es bei ungeplanten Eingaben – improvisieren, übergeben oder still scheitern? Drittens: Wer prüft seine Ausgaben wöchentlich und was ändert sich dadurch? Die Antworten ordnen ein Produkt zwischen skriptbasierter Automatisierung und beaufsichtigtem KI-Mitarbeiter verlässlicher ein als der Name auf der Preisseite.

Ersetzen KI-Agenten Werkzeuge zur Workflow-Automatisierung?

Nein. In realen Anwendungen liegen sie meist übereinander. Der Agent übernimmt die Urteilsebene: unstrukturierte Anliegen verstehen, den nächsten Schritt bestimmen und ein Werkzeug wählen. Darunter erledigt die deterministische Ebene die exakte Routine: Kalendereinträge, Datensatzänderungen und Vorlagennachrichten. Vorhersehbare Routine macht das Gesamtsystem testbar.