Viele Unternehmen haben in den letzten Jahren ihre Prozesse mit RPA automatisiert: feste Skripte, die klar definierte Schritte abarbeiten. Das funktioniert zuverlässig, solange der Ablauf stabil und vorhersehbar bleibt. Sobald eine Ausnahme auftritt, bricht die Automatisierung ab und ein Mensch übernimmt.
Agentic AI verändert diese Logik. Solche Systeme arbeiten nicht nur einen Pfad ab, sie planen, bewerten Zwischenergebnisse und wählen ihren nächsten Schritt selbst. Damit verschiebt sich die Leitfrage von „Wie automatisiere ich diesen Ablauf?” zu „Welche Entscheidungen gebe ich an ein System ab, und unter welchen Kontrollen?”
Kurz gesagt: Agentic AI verlagert Entscheidungen vom Skript in das System. Den Wert hebt, wer früh klärt, was delegiert wird, wie es überwacht wird und wo der Mensch verantwortlich bleibt.
Drei Stufen, die man auseinanderhalten sollte
Zwischen klassischer Automatisierung und einem autonomen Agenten liegt ein Spektrum. Wer es kennt, wählt für jede Aufgabe die passende Stufe statt reflexhaft zur höchsten zu greifen.
- Regelbasierte Automatisierung (RPA). Feste Skripte für klar umrissene, wiederkehrende Aufgaben. Robust, aber starr: Jede neue Ausnahme braucht eine neue Regel.
- KI-Workflows. Ein Sprachmodell arbeitet entlang vordefinierter Pfade, etwa beim Klassifizieren, Extrahieren oder Zusammenfassen. Verlässlich und gut kontrollierbar, weil der Mensch die Schrittfolge vorgibt.
- KI-Agenten. Autonome Systeme, die ihren Ablauf dynamisch steuern, Werkzeuge aufrufen und auf Zwischenergebnisse reagieren. Mächtig bei offenen Aufgaben, anspruchsvoll im Betrieb.
Mit jeder Stufe steigt die Autonomie, und mit ihr der Aufwand für Kontrolle und Beobachtung. Der größte Teil der heute belastbaren Unternehmenswertschöpfung liegt bei Workflows und Hybriden. Reine Agenten lohnen sich dort, wo Aufgaben zu vielfältig sind, um sie vorab in Pfade zu gießen.
Wie ein Agent arbeitet
Ein Agent folgt einer Schleife: Er zerlegt ein Ziel in Schritte, ruft Werkzeuge auf (Suche, Datenbanken, APIs), bewertet das Ergebnis und korrigiert seinen Kurs. Diese Rückkopplung macht ihn anpassungsfähig, und genau sie verlangt die Einfassung.
Die Schleife ist nur so gut wie ihre Leitplanken. Ohne klare Grenzen, Protokollierung und einen definierten Punkt, an dem ein Mensch übernimmt, wird aus Anpassungsfähigkeit ein unkalkulierbares Risiko. Die Leitplanken gehören damit zum System.
Wann Workflow, wann Agent
Die Wahl hängt von der Aufgabe ab. Klar umrissene, wiederkehrende Abläufe wie ein Monatsreporting laufen am besten als Workflow: planbar, prüfbar, günstig. Dynamische Lagen mit vielen Ausnahmen, etwa Betrugserkennung oder die Bearbeitung unstrukturierter Anfragen, profitieren von der Autonomie eines Agenten.
Eine einfache Heuristik hilft bei der Entscheidung:
- Ist der Pfad vorhersehbar? Dann Workflow. Vorhersehbarkeit ist günstiger und sicherer als Autonomie.
- Sind die Ausnahmen zahlreich und schwer vorab zu beschreiben? Dann lohnt sich ein Agent.
- Steht viel auf dem Spiel? Dann Mensch im Entscheidungspfad, unabhängig von der Stufe.
In der Praxis entstehen häufig Hybride: ein strukturierter Workflow, der einzelne, eng umrissene Schritte an spezialisierte Agenten delegiert. So bleibt der Gesamtablauf prüfbar, während die Autonomie dort wirkt, wo sie gebraucht wird.
Der Schritt in den Produktivbetrieb
Der Pilot ist selten das Problem. Schwierig wird der Dauerbetrieb. Ein Agent, der eigenständig handelt, braucht klare Grenzen, Beobachtbarkeit und definierte Eskalationspfade an Menschen. Fünf Fragen entscheiden über die Produktionsreife:
- Grenzen. Welche Aktionen darf das System ausführen, welche unter keinen Umständen?
- Nachvollziehbarkeit. Lässt sich jede Entscheidung protokollieren und erklären?
- Verantwortung. Wer trägt das Ergebnis, und an welcher Stelle greift ein Mensch ein?
- Bewertung. Woran messen wir Qualität, und wie erkennen wir, wenn sie nachlässt?
- Sicherheit und Kosten. Wie schützen wir den Agenten vor manipulierten Eingaben, und bleiben die Aufrufkosten im Rahmen?
Die meisten dieser Fragen liegen in der Organisation. Dort entscheidet sich, ob aus einer beeindruckenden Piloten-Demo ein System wird, das im Alltag trägt.
2026: Agenten, die handeln
2026 reifen die Standards, die Agenten handlungsfähig machen. Protokolle wie das Model Context Protocol verbinden Modelle mit Werkzeugen und Daten. Ansätze wie das Universal Commerce Protocol von Shopify und Google erlauben es Agenten, über Anbieter hinweg tatsächlich Transaktionen auszuführen. Für Unternehmen heißt das: Die nächste Welle der Automatisierung liefert nicht nur Antworten, sie führt Handlungen aus, von der Bestellung bis zur Buchung. Wer seine Systeme dafür auffindbar und anschlussfähig macht, wird für diese Agenten überhaupt erst erreichbar.
Was das für die Führung heißt
Agentic AI ist mehr als eine größere Version von RPA. Sie verlagert Entscheidungen in Systeme und stellt damit neue Fragen an Kontrolle, Betrieb und Organisation. Für die Führungsebene folgen daraus drei Aufgaben: das Spektrum bewusst nutzen statt jede Aufgabe zum Agenten zu erklären, die Leitplanken als Teil des Produkts bauen, und früh klären, wer für die Handlungen eines Agenten geradesteht. Den Wert hebt, wer diese Fragen vor dem ersten Piloten stellt, nicht nach dem ersten Vorfall.