KI-Agenten im Mittelstand: wo sie wirklich entlasten

Montag, halb neun. Im Sammelpostfach info@ liegen seit Freitag 140 neue Mails. Eine Kollegin öffnet jede einzelne, entscheidet, ob es eine Bestellung, eine Reklamation, eine Rechnung oder Werbung ist, leitet sie weiter und tippt ein paar Angaben ins Warenwirtschaftssystem. Gegen elf ist das Postfach leer. Am Dienstag ist es wieder voll.

Für das Sortieren von Post wurde sie nicht eingestellt. Es ist einfach Teil ihrer Stelle geworden, und in den meisten Firmen mit 20 bis 300 Beschäftigten gibt es mehrere solcher Stellen. Genau hier lohnen sich KI-Agenten. Und genau hier scheitern viele Agentenprojekte, weil unter dem Wort „Agent“ Dinge verkauft werden, die er nicht kann.

Was ein KI-Agent eigentlich ist

Ohne Marketing ist ein KI-Agent ein Programm, das etwas liest, entscheidet, worum es sich handelt, und dann in einem anderen System etwas tut. Es liest eine Mail und legt ein Ticket an. Es liest ein PDF und füllt eine Maske aus. Es schlägt einen Kunden nach und schreibt einen Antwortentwurf.

Die Entscheidung in der Mitte unterscheidet ihn von klassischer Automatisierung. Ein regelbasiertes Skript bricht ab, wenn der Lieferant sein Rechnungslayout ändert. Ein Agent liest das neue Layout und findet die Rechnungsnummer trotzdem. Dass er mit unordentlichen Eingaben zurechtkommt, ist der eigentliche Gewinn.

Wo Agenten einem Team wirklich Arbeit abnehmen

Vier Arten von Arbeit sind nach meiner Erfahrung verlässliche Kandidaten.

Postfächer vorsortieren. Eingehende Mails nach Art, Dringlichkeit und Empfänger ordnen. Beantworten muss der Agent dabei nichts. Er liest, markiert, leitet weiter und zieht Bestell- oder Kundennummer heraus, damit die nächste Person nicht erst suchen muss.

Belege und Dokumente erfassen. Eingangsrechnungen, Lieferscheine, Verträge, Anträge, Schadenmeldungen. Heute öffnet jemand das Dokument, liest es und tippt die wichtigen Felder in DATEV, SAP oder ein anderes System. Ein Agent kann das Dokument lesen, die Felder herausziehen und einen sauberen Datensatz übergeben. Die Fälle, bei denen er unsicher ist, schaut sich ein Mensch an.

Daten zwischen Systemen abgleichen. Im CRM steht das eine, in der Warenwirtschaft das andere, und jede Woche exportiert jemand eine Excel-Liste, um beides abzugleichen. Für diese Kleberarbeit sind Agenten gut geeignet, vor allem wenn die Daten nicht perfekt sind und eine feste Zuordnung immer wieder scheitert.

Erste Entwürfe für Antworten. Kundenfragen, die immer wiederkommen: Lieferzeit, Rückgabe, Zugangsdaten. Der Agent schreibt einen Entwurf auf Basis Ihrer tatsächlichen Regeln, ein Mensch liest ihn, korrigiert und schickt ab. Die Verantwortung bleibt beim Menschen. Er tippt nur nicht mehr zwanzigmal am Tag denselben Absatz.

Gemeinsam ist allen vier: viel Menge, meistens eine eindeutig richtige Lösung und ein Aufwand, den jemand in Stunden pro Woche beziffern kann.

Wo Agenten nicht helfen

Ermessensentscheidungen. Bekommt dieser langjährige Kunde einen Nachlass, obwohl die Regel Nein sagt? Ist diese Reklamation ein Zeichen für ein größeres Qualitätsproblem? Ein Agent kann die Fakten zusammenstellen. Entscheiden sollte ein Mensch.

Arbeit ohne Regeln. Wenn drei Leute in Ihrem Team denselben Fall auf drei Arten bearbeiten, erfindet der Agent eine vierte. Bevor Sie einen Ablauf automatisieren, muss jemand aufschreiben können, wie er gehen soll. Kann das niemand, fehlt nicht die KI, sondern eine Entscheidung.

Seltene, teure Ausnahmen. Etwas, das zweimal im Jahr vorkommt und richtig wehtut, wenn es schiefgeht, ist ein schlechtes erstes Ziel. Sie haben zu wenige Fälle zum Testen, und ein Fehler kostet mehr, als der Agent je einspart.

Was schon schnell geht. Zehn Minuten pro Woche für eine Person: Da ändert ein Agent nichts, was zählt.

Warum der erste Agent oft enttäuscht

Ein typischer Fall: Die Firma fängt mit der größten Idee auf der Liste an. „Ein Agent, der den ganzen Kundenservice übernimmt.“ Nach sechs Wochen beantwortet er die einfachen Fragen gut und die schwierigen selbstbewusst falsch. Das Vertrauen ist weg, das Projekt schläft ein.

Agenten, die bleiben, fangen klein an. Ein Postfach, eine Belegart, eine Richtung im Datenfluss. Sie laufen eine Zeit lang neben der Person, die die Arbeit heute macht, damit Sie an echten Fällen vergleichen können, bevor der Agent selbst handelt. Erst wenn er verlässlich richtig liegt, darf er ohne Kontrolle arbeiten, und auch dann protokollieren Sie, was er getan hat und warum.

So finden Sie den ersten Agenten, der sich lohnt

Dafür brauchen Sie keinen Strategieprozess. Sie brauchen eine Stunde mit den Leuten, die die Arbeit machen.

1. Wiederkehrende Aufgaben sammeln. Fragen Sie das Team, was sich jeden Tag nach Abtippen, Sortieren oder Kopieren anfühlt. Alles aufschreiben, nichts aussortieren.
2. Jede Aufgabe beziffern. Wie oft pro Woche, wie viele Minuten pro Mal, grob geschätzt. Allein das bringt die Liste meist in eine andere Reihenfolge.
3. Auf Regeln prüfen. Kann jemand in ein paar Sätzen erklären, wie man im Einzelfall entscheidet? Wenn nicht, streichen Sie die Aufgabe vorerst.
4. Systeme anschauen. Woher kommt die Eingabe, wohin geht das Ergebnis? Mail, ein Netzlaufwerk, ein ERP mit Schnittstelle? Das entscheidet, wie aufwendig der Bau wird. Mehr dazu in KI-Agenten an bestehende Systeme anbinden.
5. Die langweilige Aufgabe nehmen. Der beste erste Agent ist meist die Aufgabe mit viel Menge, klaren Regeln und einem einfach prüfbaren Ergebnis. Selten die spannendste Idee.

Dann bauen Sie genau diesen einen, lassen ihn ein paar Wochen an echten Fällen laufen und messen, wie viele Stunden er dem Team abnimmt. Diese Zahl sagt Ihnen, ob sich der zweite lohnt.

Wenn Sie die Liste lieber mit jemandem durchgehen möchten: Damit beginnt meine Arbeit bei KI-Automatisierung. Ein Ablauf, gemessen vorher und nachher.