12 Beispiele für KI-Agenten im Einsatz im Jahr 2026

KI-Agenten haben die Demo-Phase hinter sich gelassen. Sie bearbeiten mittlerweile Support-Anfragen, prüfen Leads, gleichen Rechnungen ab, untersuchen Sicherheitswarnungen und stellen Code unter begrenzter Aufsicht bereit. Die nützlichsten Beispiele für KI-Agenten sind Systeme, die ein Ziel erhalten, den Kontext erfassen, die richtigen Werkzeuge auswählen und eine mehrstufige Aufgabe erledigen – und nicht Chatbots, die auf die nächste Frage warten.

Ein Programmierassistent wie Claude Code kann ein Repository überprüfen, Dateien bearbeiten und Tests ausführen. Intercom Fin kann Kundenanfragen untersuchen und berechtigte Fälle lösen. Ein KI-Vertriebsassistent , der mit dem CRM von „ folk “ verbunden ist, kann den aktuellen Kundenverlauf einsehen, ins Stocken geratene Geschäfte identifizieren, Folgeaktionen vorbereiten und die Pipeline über MCP aktualisieren. Der geschäftliche Nutzen ergibt sich aus diesem letzten Schritt: Der Mitarbeiter gibt sich nicht mit einer Antwort zufrieden. Er agiert direkt innerhalb des Workflows.

Was ist ein KI-Agent?

💡 Ein KI-Agent ist ein Softwaresystem, das auf ein definiertes Ergebnis hinarbeitet, indem es den Kontext interpretiert, Entscheidungen trifft, externe Tools nutzt und seine Handlungen im Verlauf der Aufgabe anpasst. Im Gegensatz zu einem herkömmlichen Chatbot kann er mehrere Schritte nacheinander ausführen, ohne dass für jeden einzelnen Schritt eine separate Anweisung erforderlich ist.

Die meisten operativen Akteure vereinen fünf Elemente:

✔️ Ziel: Das zu erreichende Ergebnis, z. B. die Bearbeitung eines Tickets oder die Qualifizierung eines Leads.

✔️ Kontext: Die Kundendaten, Dokumente, Nachrichten, Programmcodes oder Geschäftsregeln, die für eine Entscheidung erforderlich sind.

✔️ Begründung: Der Prozess, mit dem anhand des aktuellen Zustands die nächste Aktion ausgewählt wird.

✔️ Tools: Das CRM, der Browser, die Datenbank, der Helpdesk, das Terminal oder das Zahlungssystem, über die die Arbeit abgewickelt wird.

✔️ Feedback: Das Ergebnis jeder Maßnahme, das dem Bearbeiter hilft, fortzufahren, seinen Plan anzupassen, die Angelegenheit weiterzuleiten oder abzubrechen.

Claude Code liefert hierfür ein anschauliches Beispiel. Es kann ein Repository überprüfen, die zu einem Fehler gehörenden Dateien ausfindig machen, den Code ändern, Tests durchführen, die Fehlermeldungen auswerten und die Implementierung überarbeiten. Intercom Fin wendet dasselbe Funktionsmuster auf den Kundenservice an: Es interpretiert eine Anfrage, durchsucht Support-Inhalte, ruft den Kundenkontext ab, ergreift genehmigte Maßnahmen oder leitet den Fall an einen menschlichen Mitarbeiter weiter.

Im Vertrieb kann ein mit folk verbundener KI-Agent nach Kontakten und Unternehmen suchen, den Interaktionsverlauf einsehen, einen offenen Geschäftsabschluss bewerten, die nächste Nachricht entwerfen und die entsprechenden CRM-Felder aktualisieren. Das zugrunde liegende Muster bleibt in jedem Anwendungsfall gleich: den aktuellen Zustand beobachten, entscheiden, was als Nächstes geschehen soll, über ein Tool handeln und das Ergebnis überprüfen.

12 Beispiele für KI-Agenten in der Wirtschaft

Die folgenden Beispiele zeigen, wie Agenten echte Geschäftsabläufe abwickeln, anstatt isolierte Antworten zu generieren. Jedes Beispiel umfasst ein Ziel, einen operativen Kontext, den Zugriff auf Werkzeuge und eine klare Beendigungsbedingung.

1. KI-Vertriebsassistent, der mit dem CRM-System „ folk “ verbunden ist

Ein gewöhnlicher Vertriebs-Copilot kann eine E-Mail entwerfen. Ein KI-Vertriebsassistent, der mit „ folk “ verbunden ist, kann zunächst ermitteln, welcher Kunde Aufmerksamkeit verdient, die Beziehung rekonstruieren und das Ergebnis wieder in das CRM zurückschreiben.

Über „ folk “ (MCP) erhält ein Agent, der in ChatGPT, Claude, Cursor oder VS Code ausgeführt wird, autorisierten Zugriff auf reale Personen, Unternehmen, Geschäfte, Notizen, Gruppen und den Interaktionsverlauf. Er kann Datensätze durchsuchen, den Vertriebskontext interpretieren und anhand einer Anfrage in natürlicher Sprache CRM-Aktionen ausführen.

Ein Vertriebsleiter könnte folgende Aufgabe zuweisen:

„Suchen Sie offene Geschäfte mit einem Wert von über 20.000 Dollar, bei denen in den letzten 30 Tagen keine Aktivitäten stattgefunden haben. Sehen Sie sich die aktuellen Notizen an, ermitteln Sie die Hindernisse, ordnen Sie die Geschäfte nach ihrem Einbringungswert und erstellen Sie für jeden Verantwortlichen einen Plan für die nächsten Schritte.“

Der Mitarbeiter kann dann:

1. Die aktive Pipeline durchsuchen.
2. Wenden Sie die Wert- und Inaktivitätskriterien an.
3. Rufe die zugehörigen Kontakte und die letzten Notizen ab.
4. Unterscheiden Sie zwischen Verzögerungen bei der Beschaffung und Einwänden gegen das Produkt oder einfachen Lücken bei der Nachverfolgung.
5. Ordnen Sie die Chancen nach ihrer Bedeutung.
6. Entwerfen Sie eine kontextbezogene Wiederherstellungsmaßnahme.
7. Aktualisieren Sie die genehmigten Felder oder fügen Sie dem entsprechenden Geschäft Anmerkungen hinzu.

Dieser Workflow ersetzt einen manuellen Pipeline-Durchlauf, ohne dabei die Analyse von der Ausführung zu trennen. Der Agent greift auf den bereits in „ folk “ gespeicherten Beziehungsspeicher zurück, anstatt sich auf kopierte Gesprächsnotizen oder eine unvollständige Eingabeaufforderung zu stützen.

Konkrete Einrichtung der Agenten: Claude oder ChatGPT + folk CRM MCP
Primäre KPIs: Zeitaufwand für die CRM-Verwaltung, Nachverfolgungsquote und wiedergewonnener Wert aus ins Stocken geratener Pipeline
Menschliche Kontrolle: Genehmigung vor dem Versenden externer Nachrichten, Massenbearbeitungen oder wesentlichen Phasenänderungen

folk Es hostet den MCP-Server und wickelt die Verbindung über ein sicheres OAuth ab, sodass das Team einen KI-gesteuerten CRM-Workflow bereitstellen kann, ohne eigene Middleware entwickeln zu müssen.

👉 Testen Sie das CRM „ folk “ kostenlos und binden Sie einen KI-Assistenten in den realen Vertriebsalltag ein.

2. Akquisemitarbeiter (Outbound)

Ein Outbound-Akquisetool wandelt ein ideales Kundenprofil in einen laufenden Akquiseprozess um. Es sucht nach passenden Kunden, ergänzt die Daten zu Entscheidungsträgern, priorisiert Kaufsignale, generiert kundenspezifische Nachrichten und verwaltet den Zeitplan für die Nachverfolgung.

Ein konkretes Beispiel ist Ava von Artisan, ein KI-gestützter BDR, der entwickelt wurde, um Leads zu finden, Kontaktdaten anzureichern, personalisierte Outbound-Nachrichten zu versenden, Antworten zu bearbeiten und Termine zu vereinbaren. Sobald das Team seinen Markt, Ausschlusskriterien, die Positionierung und die Kampagnenregeln definiert hat, kann Ava die sich wiederholenden Teile der Outbound-Aktivitäten gemeinsam mit menschlichen Mitarbeitern übernehmen.

Ein Anbieter von Cybersicherheitslösungen könnte Folgendes zuweisen:

„Richten Sie sich an US-amerikanische Fintech-Unternehmen mit 50 bis 500 Mitarbeitern, die kürzlich einen Compliance-Leiter eingestellt haben. Nehmen Sie Kontakt zu Führungskräften aus den Bereichen Sicherheit und Compliance auf, schließen Sie bestehende Kunden aus und leiten Sie positive Antworten an das Unternehmensteam weiter.“

Der Mitarbeiter kann:

1. Erstellen Sie die Kundenliste.
2. relevante Ansprechpartner ermitteln.
3. Unternehmens- und Berufsdaten ergänzen.
4. die Einstellungsaktivitäten als Zeitpunkt-Signal nutzen.
5. personalisierte E-Mail-Texte erstellen.
6. Folgetermine vereinbaren.
7. Antworten klassifizieren und qualifizierte Termine vereinbaren.

Das Hauptrisiko liegt in der Ausweitung einer unzureichenden Zielgruppenausrichtung. Mangelhafte ICP-Regeln führen zu einem höheren Volumen an irrelevanten Kontaktaufnahmen, nicht zu einer besseren Pipeline.

Konkrete Maßnahme: Ava von Artisan
Wichtigste Kennzahlen: Qualifizierte Termine, positive Antwortrate, Kosten pro Verkaufschance und aus der Pipeline gewonneneLeads
Manuelle Überprüfung: ICP-Genehmigung, Kampagnenpositionierung, heikle Antworten und strategische Kunden

3. Mitarbeiter für die Lead-Qualifizierung

Ein Lead-Qualifizierungsmitarbeiter überbrückt die Lücke zwischen einer Inbound-Konversion und einer verkaufsreifen Verkaufschance. Er prüft die verfügbaren Daten, kontaktiert den Interessenten, stellt Qualifizierungsfragen, wertet die Antworten aus und leitet den Lead gemäß festgelegter Kriterien weiter.

Agentforce Lead Nurturing von Salesforce, früher bekannt als Agentforce SDR, liefert ein konkretes Beispiel. Der Agent kann mit bestehenden Leads in Kontakt treten, erste Fragen beantworten, Qualifizierungsdaten erfassen und verkaufsreife Interessenten einem menschlichen Vertriebsmitarbeiter zuweisen.

Ein B2B-Softwareunternehmen könnte folgende Kriterien festlegen:

„Nehmen Sie innerhalb von fünf Minuten Kontakt zu jedem Demo-Interessenten auf. Klären Sie das geschäftliche Problem, die Unternehmensgröße, den Zeitrahmen für die Implementierung und die Entscheidungsbefugnis ab. Weisen Sie Großkunden-Opportunities dem zuständigen Gebietsverantwortlichen zu und leiten Sie Leads in der frühen Phase in den Nurture-Prozess weiter.“

Der Mitarbeiter kann:

1. Lesen Sie das eingereichte Formular und den CRM-Eintrag durch.
2. fehlende Qualifikationsdaten ermitteln.
3. ein kontextbezogenes Gespräch beginnen.
4. Beantworten Sie Fragen zu zugelassenen Produkten.
5. die Antwort anhand von BANT oder benutzerdefinierten Kriterien bewerten.
6. Den Lead-Status aktualisieren.
7. Zuweisungsregeln auslösen oder die Kundenbindung weiter fördern.

Dieser Agent verhindert, dass Leads mit hoher Kaufabsicht in einer Warteschlange hängen bleiben, und schützt gleichzeitig die Vertriebskapazitäten vor Anfragen, die nicht zum Profil passen. Die Qualifizierungslogik muss noch präzise definiert werden; ein mehrdeutiges Bewertungsmodell führt zu inkonsistenten Weiterleitungen.

Konkrete Lösung: Agentforce Lead Nurturing
Wichtigste KPIs: Zeit bis zum Lead, Qualifizierungsrate, Konversionsrate bei Terminvereinbarungen und Rate der akzeptierten Verkaufschancen
Manuelle Überprüfung: Komplexe Fragen zur Preisgestaltung, strategische Kunden und endgültige Annahme von Verkaufschancen

4. Mitarbeiter im Kundensupport (Fallbearbeitung)

Ein Support-Mitarbeiter, der für die Problemlösung zuständig ist, tut mehr, als nur einen Absatz aus dem Hilfe-Center abzurufen. Er identifiziert den Kunden und das Problem, prüft die einschlägigen Richtlinien, greift auf Kontodaten zu, befolgt ein Lösungsverfahren, ergreift eine genehmigte Maßnahme und eskaliert den Fall, wenn dieser außerhalb seiner Zuständigkeit liegt.

Fin von Intercom liefert ein konkretes Beispiel. Fin kann über Chat, E-Mail, Telefon, Slack, WhatsApp und andere Supportkanäle eingesetzt werden. Es nutzt das Unternehmenswissen, Richtlinien, Anleitungen und strukturierte Abläufe, um Anfragen zu bearbeiten oder den vollständigen Kontext an ein menschliches Team weiterzuleiten.

Ein E-Commerce-Kunde könnte fragen:

„Meine Bestellung ist beschädigt angekommen, und der Ersatz wird nicht vor Freitag eintreffen. Kann mir stattdessen der Kaufpreis erstattet werden?“

Der Mitarbeiter kann:

1. den Kunden und die Bestellung identifizieren.
2. Bestätigen Sie die Liefer- und Schadensdetails.
3. Lesen Sie die Rückerstattungsbedingungen durch.
4. feststellen, ob der Antrag die genehmigten Bedingungen erfüllt.
5. die berechtigte Aktion über ein angeschlossenes System bearbeiten.
6. Erläutern Sie das Ergebnis.
7. Leiten Sie das Gespräch an eine höhere Ebene weiter, falls die Richtlinie eine Ausnahme erfordert.

Der Workflow endet mit einer Lösung und nicht mit einer Antwort, die den Kunden auf eine andere Seite weiterleitet. Die Leistung hängt von übersichtlichen Support-Inhalten, klar definierten Abläufen und zuverlässigen Eskalationswegen ab.

Konkrete Lösung: Fin von Intercom
Wichtigste Kennzahlen: Lösungsquote, Zeit bis zur Lösung, Eskalationsquote und Kundenzufriedenheit
Manuelle Überprüfung: Ausnahmen von Richtlinien, hochwertige Kundenkonten, Betrugsverdacht und emotional heikle Fälle

5. Risikobeauftragter für Kundenerfolg

Ein Customer-Success-Risikoanalyst überwacht die Entwicklung des Kundenverhältnisses, bevor eine Vertragsverlängerung sichtbar gefährdet ist. Dabei werden Produktnutzung, Supportaktivitäten, Kundenstimmung, Kundenbindung, geschäftliche Daten und Meilensteine im Lebenszyklus des Kunden kombiniert, um Muster zu erkennen, die bei einer statischen Zustandsbewertung möglicherweise übersehen werden.

Gainsight AI liefert ein konkretes Beispiel. Die Kundenerfolgsplattform des Unternehmens kann frühe Risikosignale erkennen, die nächstbeste Maßnahme empfehlen und Workflows nach dem Verkauf, wie beispielsweise das Onboarding und das Vertragsverlängerungsmanagement, steuern.

Ein SaaS-Unternehmen könnte folgende Aufgaben zuweisen:

„Beobachten Sie Unternehmenskonten, deren Vertrag innerhalb von 120 Tagen verlängert wird. Markieren Sie Kunden mit rückläufiger wöchentlicher Nutzung, ungelösten Support-Problemen, nachlassendem Engagement der Beteiligten oder unvollständigen Onboarding-Meilensteinen. Empfehlen Sie eine Maßnahme auf der Grundlage des größten Risikos.“

Der Mitarbeiter kann:

1. Beobachten Sie Veränderungen bei den Nutzungs- und Beziehungsdaten.
2. Vergleichen Sie den Kunden mit gesunden Kunden in derselben Lebenszyklusphase.
3. zwischen Einführungsrisiko und geschäftlichem oder technischem Risiko unterscheiden.
4. das Umsatzrisiko abschätzen.
5. ein Handbuch für die Wiederherstellung empfehlen.
6. Erstellen Sie eine Aufgabe oder eine Benachrichtigung für den CSM.
7. überwachen, ob sich das Engagement nach der Maßnahme verbessert.

Ein nützlicher Risikoindikator erläutert die Gründe für seine Empfehlung. Allein die Angabe „Hohes Abwanderungsrisiko“ löst eine weitere Benachrichtigung vom Typ „ dashboard “ aus. Die Angabe „Die Nutzung ist um 38 % zurückgegangen, der verantwortliche Entscheidungsträger hat seit 42 Tagen nicht geantwortet, und zwei Prioritäts-Tickets sind noch offen“ liefert dem CSM eine verwertbare Diagnose.

Konkrete Lösung: Gainsight AI for Customer Success
Wichtigste KPIs: Brutto-Kundenbindungsrate, Netto-Umsatzbindungsrate, Vorlaufzeit bei der Risikoerkennung und Retentionsrate
Manuelle Kontrollpunkte: Kontaktaufnahme auf Führungsebene, kommerzielle Zugeständnisse, Vertragsverlängerungsverhandlungen und Änderungen der Kundenverantwortung

6. Kodierungsbeauftragter

Ein Programmierassistent arbeitet direkt in einer Softwareentwicklungsumgebung. Er kann ein Repository überprüfen, Abhängigkeiten nachverfolgen, mehrere Dateien bearbeiten, Terminalbefehle ausführen, Tests durchführen, Fehler auswerten und die Implementierung anpassen.

Claude Code ist ein konkretes Beispiel. Es lässt sich über das Terminal, eine IDE, eine Desktop-Anwendung oder einen Browser ausführen und kann die gesamte Codebasis abdecken, anstatt nur auf einen isolierten Codeausschnitt zu reagieren.

Ein Ingenieurteam könnte folgende Aufgaben zuweisen:

„Fügen Sie der öffentlichen API eine Ratenbegrenzung hinzu. Halten Sie sich dabei an das bestehende Middleware-Muster, erstellen Sie Tests für Spitzenauslastungen und abgelaufene Zeitfenster, aktualisieren Sie die Konfigurationsdokumente und führen Sie die entsprechende Testsuite aus.“

Claude Code kann:

1. die Projektstruktur und die technischen Anweisungen prüfen.
2. die API-Einstiegspunkte und die vorhandene Middleware ermitteln.
3. die entsprechenden Dateien und Abhängigkeiten ermitteln.
4. Den Ratenbegrenzer implementieren.
5. Tests erstellen oder aktualisieren.
6. Führen Sie die Testsuite aus und überprüfen Sie die Fehler.
7. Überarbeiten Sie den Code so lange, bis die Implementierung erfolgreich ist.
8. Fassen Sie die geänderten Dateien und die verbleibenden Risiken zusammen.

Der Entwickler benötigt nach wie vor eine genaue Definition dessen, was als „fertig“ gilt. Eine vage Anforderung wie „die API sicherer machen“ lässt zu viel Spielraum für architektonische Annahmen, während Akzeptanzkriterien eine überprüfbare Abbruchbedingung schaffen.

Konkrete verantwortliche Person: Claude Code
Wichtigste Kennzahlen: Durchlaufzeit, akzeptierte Änderungen, Testerfolgsquote, übersehene Fehler und Nacharbeit aufgrund von Überprüfungen
Menschliche Kontrollinstanz: Architekturentscheidungen, Produktivbereitstellung, sicherheitsrelevante Änderungen und abschließende Codeüberprüfung

7. Mitarbeiter für Marktforschung und Wettbewerbsbeobachtung

Ein Rechercheur wandelt eine allgemeine geschäftliche Fragestellung in eine Abfolge von Recherchen, Quellenprüfungen, Vergleichen und Belegüberprüfungen um. Er kann die Richtung ändern, wenn erste Ergebnisse eine fehlende Variable aufdecken oder der ursprünglichen Annahme widersprechen.

Eine eingehende Untersuchung von ChatGPT liefert ein konkretes Beispiel. Es führt mehrstufige Webrecherchen durch, analysiert Texte, Bilder, PDFs und hochgeladene Dateien und erstellt anschließend einen dokumentierten Bericht mit Quellenangaben.

Ein Produktstrategie-Team könnte folgende Aufgaben zuweisen:

„Analysieren Sie, wie fünf vertikale CRM-Anbieter KI-Agenten für Personalvermittlungsunternehmen positionieren. Vergleichen Sie Zielkunden, Funktionen der Agenten, Integrationsmöglichkeiten, Preismodelle, Implementierungsanforderungen und häufig vorgebrachte Einwände von Kunden. Trennen Sie verifizierte Produktfakten von Marketingaussagen.“

Der Mitarbeiter kann:

1. Gliedern Sie die Aufgabenstellung in Forschungsfragen auf.
2. Primär- und Sekundärquellen unterscheiden.
3. Produktdokumentationen, Preislisten, Fallstudien und technische Unterlagen einsehen.
4. Uneinheitliche Begrifflichkeiten vereinheitlichen.
5. Anbieter anhand derselben Kriterien vergleichen.
6. Widersprüche oder fehlende Beweise untersuchen.
7. Erstellen Sie ein strukturiertes Wettbewerbsbriefing mit Quellenangaben.

Die Ergebnisse eignen sich am besten als erster umfassender Überblick für Analysten, nicht jedoch als unumstößliche Quelle der Wahrheit. Kommerzielle Angaben, aktuelle Preise und die Produktverfügbarkeit müssen weiterhin direkt überprüft werden, bevor sie in eine strategische Entscheidung einfließen.

Konkretes Instrument: Eingehende Recherche in ChatGPT
Primäre KPIs: Dauer des Recherchezyklus, Abdeckung der Quellen, sachliche Genauigkeit und Bearbeitungszeit der Analysten
Menschliche Überprüfung: Überprüfung der Quellenqualität, strategische Interpretation und abschließende Empfehlungen

8. Datenanalyst (Agent)

Ein Datenanalyse-Agent wandelt eine geschäftliche Fragestellung in einen wiederholbaren Analyseprozess um. Er kann Dateien zusammenführen, inkonsistente Felder bereinigen, statistische Methoden auswählen, Berechnungen durchführen, Ausreißer untersuchen und das Ergebnis visuell darstellen.

„Analyst in Microsoft 365 Copilot“ liefert ein konkretes Beispiel. Es kann Tabellenkalkulationen, CSV-Dateien, Datenbanken und andere Geschäftsdaten auswerten, um Statistiken zu berechnen, Trends zu erkennen und Abweichungen zu erklären.

Ein Revenue-Operations-Team könnte folgende Aufgaben zuweisen:

„Fassen Sie die Pipeline-Exporte aus dem ersten und zweiten Quartal zusammen. Standardisieren Sie die Phasenbezeichnungen, berechnen Sie die Konversionsraten nach Akquisitionskanal, identifizieren Sie Segmente mit einem erheblichen Rückgang und erstellen Sie ein Diagramm, aus dem hervorgeht, an welcher Stelle sich der Trichter verändert hat.“

Der Mitarbeiter kann:

1. die Struktur jedes Datensatzes überprüfen.
2. Inkonsistente Spalten und Stufenbezeichnungen zuordnen.
3. Fehlende oder fehlerhafte Werte bereinigen.
4. Konversions- und Geschwindigkeitskennzahlen berechnen.
5. Prüfen, ob eine offensichtliche Veränderung auf ein Datenproblem hindeutet.
6. die Ergebnisse nach Kanal, Markt oder Eigentümer aufschlüsseln.
7. Diagramme erstellen und die Ergebnisse erläutern.

Der Mitarbeiter benötigt Zugriff auf Rohdaten und Geschäftsdefinitionen. Der Begriff „Konversionsrate“ kann sich auf die Umwandlung von Leads in Termine, von Terminen in Verkaufschancen oder von Verkaufschancen in „close “ beziehen. Eine korrekte Berechnung auf der Grundlage einer falschen Definition führt dennoch zu einem irreführenden Ergebnis.

Konkrete Aufgabe: Analyst im Bereich Microsoft 365 Copilot
Primäre KPIs: Dauer des Analysezyklus, Berechnungsgenauigkeit, Erkennung von Anomalien und Bearbeitungszeit durch den Analysten
Menschliche Überprüfung: Definition der Kennzahlen, Interpretation von Zusammenhängen und Entscheidungen auf der Grundlage sensibler Daten

9. Sachbearbeiter für Kreditorenbuchhaltung

Ein Sachbearbeiter in der Kreditorenbuchhaltung bearbeitet Rechnungen vom Eingang bis zur Freigabe. Er liest verschiedene Dokumentformate ein, überprüft Lieferantendaten, gleicht Bestellungen und Wareneingänge ab, wendet Steuerregeln an, erkennt Unregelmäßigkeiten, erstellt Buchungsvorschläge und leitet Ausnahmen weiter.

Für Unternehmen, die diesen Ansatz über den Bereich der Kreditorenbuchhaltung hinaus ausweiten, kann das Outsourcing von Finanzprozessen auch die Dokumentenerfassung, Kontenabstimmungen, die Rechnungsstellung und das Forderungsmanagement durch überwachte KI-Agenten umfassen.

Oracle Payables Agent bietet ein konkretes Beispiel innerhalb von Oracle Fusion Cloud Financial Management. Er kann Rechnungen aus E-Mails, Portalen, E-Invoicing-Netzwerken, EDI, PDF-Dateien, Tabellenkalkulationen und Bilddateien erfassen.

Ein multinationales Unternehmen erhält möglicherweise eine Lieferantenrechnung als gescanntes PDF-Dokument, in dem zwei Währungen aufgeführt sind und die Kosten auf mehrere Niederlassungen aufgeteilt sind. Der Sachbearbeiter kann:

1. das Dokument als Rechnung klassifizieren.
2. Daten zu Lieferanten, Beträgen, Währungen, Steuern und Einzelposten extrahieren.
3. Ordnen Sie die Rechnung der entsprechenden Bestellung und dem entsprechenden Lieferschein zu.
4. eine Währungsabweichung oder eine doppelte Übermittlung erkennen.
5. Steuerliche und regulatorische Anforderungen überprüfen.
6. die Ausgaben gemäß den Unternehmensrichtlinien zuordnen.
7. die Rechnung an den richtigen Genehmiger weiterleiten.

Der Vorteil liegt in der durchgängigen automatisierten Verarbeitung. Standardrechnungen werden ohne manuelle Neueingabe weitergeleitet, während sich die Finanzteams ausschließlich mit Unstimmigkeiten, Verstößen gegen Richtlinien oder ungewöhnlichen Zahlungsbedingungen befassen.

Konkrete Komponente: Oracle Payables Agent
Primäre KPIs: Quote der automatisierten Verarbeitung, Kosten pro Rechnung, Bearbeitungszeit und Ausnahmerate
Manuelle Überprüfung: Nicht zugeordnete Rechnungen, Betrugsverdacht, Abweichungen von Richtlinien und Schwellenwerte für die endgültige Genehmigung

10. IT-Service-Desk-Mitarbeiter

Ein Mitarbeiter des IT-Service-Desks diagnostiziert und behebt häufige Probleme der Mitarbeiter, ohne ein weiteres Ticket anzulegen, das ein Techniker bearbeiten muss. Er überprüft die Identität, den Gerätestatus, die Berechtigungen, die Unternehmensrichtlinien und frühere Vorfälle, bevor er eine Lösung auswählt.

Der Level-1-Service-Desk-KI-Spezialist von ServiceNow liefert ein konkretes Beispiel. Er kann häufige Anfragen wie das Zurücksetzen von Passwörtern, die Bereitstellung von Softwarezugängen und die Fehlerbehebung im Netzwerk mithilfe von Unternehmenswissen und Service-Workflows bearbeiten.

Ein Mitarbeiter könnte Folgendes melden:

„Seit dem letzten Update meines Laptops lässt sich keine Verbindung mehr zum VPN herstellen, und bei der Authentifizierung wird eine Fehlermeldung angezeigt.“

Der Mitarbeiter kann:

1. den Mitarbeiter und das verwaltete Gerät identifizieren.
2. Überprüfen Sie das Betriebssystem und das letzte Update.
3. bekannte Vorfälle und genehmigte Abhilfemaßnahmen abrufen.
4. Kontostand und Status der VPN-Berechtigung prüfen.
5. Diagnosemassnahmen durchführen.
6. Wenden Sie die Standardkorrektur an oder stellen Sie den Zugriff wieder her.
7. Überprüfen Sie die Verbindung.
8. Wenden Sie sich an den Kundendienst, wenn das Problem weiterhin besteht.

Ein erfolgreicher Service-Desk-Mitarbeiter sorgt dafür, dass der Kreislauf geschlossen wird. Er schlägt nicht einfach nur vor, den Laptop neu zu starten, bevor er ein allgemeines Ticket ohne technischen Kontext eröffnet.

Konkrete Maßnahme: ServiceNow Level 1 Service Desk AI Specialist
Wichtigste KPIs: Quote der autonomen Problemlösung, Ticket-Abwehr, durchschnittliche Zeit bis zur Lösung und Ausfallzeiten der Mitarbeiter
Menschliche Kontrolle: Zugriffe mit Sonderrechten, Sicherheitsvorfälle, nicht unterstützte Geräte und ungelöste technische Störungen

11. Triage-Mitarbeiter für Cybersicherheit

Ein Triage-Mitarbeiter im Bereich Cybersicherheit untersucht eine große Anzahl von Warnmeldungen, bevor ein Sicherheitsanalyst sich damit befasst. Er stellt Zusammenhänge zwischen den Hinweisen her, bewertet das verdächtige Verhalten, trifft eine Entscheidung, dokumentiert die Begründung und priorisiert Fälle, die einer eingehenderen Untersuchung bedürfen.

Der „Security Alert Triage Agent“ in Microsoft Defender, der auf Microsoft Security Copilot basiert, liefert ein konkretes Beispiel. Sein Phishing-Workflow wertet von Benutzern gemeldete E-Mails aus und dokumentiert die Ergebnisse in Defender-Vorfällen.

Nachdem ein Mitarbeiter eine verdächtige Nachricht gemeldet hat, kann der Sachbearbeiter:

1. Überprüfen Sie den Absender, die Kopfzeilen, die Authentifizierungsergebnisse, die Links und die Anhänge.
2. Vergleichen Sie die Nachricht mit bekannten Kampagnen und Bedrohungsdaten.
3. die entsprechenden Aktivitäten im gesamten Mandanten überprüfen.
4. Spam, harmlose E-Mails und mutmaßliche Phishing-Mails unterscheiden.
5. Das Urteil und die entsprechenden Beweismittel dokumentieren.
6. Den Vorfall für das SOC priorisieren.
7. das Feedback der Analysten berücksichtigen, sobald das Urteil bestätigt oder korrigiert wird.

Dadurch entfällt die wiederholte Analyse der Stufe 1, während gleichzeitig der Nachverfolgungsnachweis erhalten bleibt. Der Mitarbeiter unterstützt die Triage; die Eindämmung unterliegt weiterhin den bestehenden Kontrollmaßnahmen für Untersuchung und Reaktion.

Konkrete Komponente: Microsoft Security Copilot Security Alert Triage Agent
Primäre KPIs: Zeit für die Triage von Warnmeldungen, identifizierte bösartige E-Mails, Fehlalarmquote und Durchsatz der Analysten
Manuelle Überprüfung: Eindämmung auf Kontoebene, Isolierung von Geräten, umfassende Abhilfemaßnahmen und mehrdeutige Bedrohungen mit hohen Auswirkungen

12. Koordinator für die Personalbeschaffung

Ein Personalvermittler kann die administrativen Abläufe zwischen Bewerbung und Vorstellungsgespräch abwickeln, während die endgültige Entscheidung über die Einstellung den Personalverantwortlichen überlassen bleibt. Er durchsucht Talentpools, bewertet Bewerber anhand der Stellenkriterien, beantwortet Fragen, vereinbart Vorstellungsgespräche und hält den Stand der Einstellungsphasen auf dem neuesten Stand.

Der Workday Talent Acquisition Agent liefert ein konkretes Beispiel. Er kann Kandidaten aus internen und externen Pools rekrutieren und bewerten, frühere Bewerber wiederauffinden, Vorstellungsgespräche planen und die Interviewer mit relevanten Hintergrundinformationen vorbereiten.

Ein Unternehmen, das einen Senior Solutions Engineer einstellt, könnte folgende Aufgaben zuweisen:

„Durchsuchen Sie die Datenbank mit früheren Bewerbern und den aktuellen Kandidatenpool nach Kandidaten mit Erfahrung in den Bereichen Enterprise-SaaS, technischer Pre-Sales und Deutschkenntnissen. Erstellen Sie eine Rangliste der am besten geeigneten Kandidaten und vereinbaren Sie Vorstellungsgespräche mit den vom Personalverantwortlichen freigegebenen Kandidaten.“

Der Mitarbeiter kann:

1. die Anforderungen an die Stelle und die erforderlichen Fähigkeiten analysieren.
2. interne und externe Bewerberpools durchsuchen.
3. die Erfahrungen anhand der festgelegten Kriterien vergleichen.
4. Bewerber aus früheren Ausschreibungen, die nun die Anforderungen für die Stelle erfüllen, in die engere Wahl nehmen.
5. Ordne die Kandidaten mit einer Begründung.
6. die zugelassenen Kandidaten kontaktieren.
7. Kalender abgleichen und Termine für Vorstellungsgespräche vereinbaren.
8. die Interviewer über den Hintergrund des Bewerbers informieren.

Der Personalvermittler sollte die Unterlagen zusammenstellen, nicht aber die Einstellungsentscheidung treffen. Die Auswahlkriterien müssen laufend auf Voreingenommenheit, berufliche Relevanz und Einhaltung gesetzlicher Vorschriften überprüft werden.

Konkrete Plattform: Workday Talent Acquisition Agent
Wichtigste KPIs: Zeit bis zur Vorauswahl, Zeit bis zur Terminvereinbarung, Kapazität der Personalvermittler und Kandidatenkonversion
Menschliche Kontrollpunkte: Ablehnung von Kandidaten, Bewertung von Vorstellungsgesprächen, Vergütung und endgültige Einstellungsentscheidungen

Schlussfolgerung

Die besten KI-Agenten haben eines gemeinsam: Sie führen einen definierten Arbeitsablauf vollständig durch, anstatt sich mit einer Empfehlung zu begnügen. Von der Software „Claude Code“ zur Fehlerbehebung bis hin zu „Fin“, das Supportfälle löst – jeder Agent kombiniert Kontext, logisches Denken und Zugriff auf Tools. Für Vertriebsteams überträgt das CRM „folk “ dasselbe Modell auf das Beziehungsmanagement, indem es einen KI-Vertriebsassistenten mit aktuellen Kontakten, Geschäften, Notizen und Pipeline-Aktionen verknüpft.

Häufig gestellte Fragen

Was sind Beispiele für KI-Agenten?

Zu den gängigen Beispielen zählen KI-Verkaufsassistenten, Mitarbeiter für die Outbound-Akquise, Kundendienstmitarbeiter, Programmierer, Rechercheure, Datenanalysten, Mitarbeiter in der Rechnungsbearbeitung, IT-Service-Desk-Mitarbeiter und Mitarbeiter für die Triage im Bereich Cybersicherheit.

Was ist ein Beispiel aus der Praxis für einen KI-Agenten im Vertrieb?

Ein KI-Assistent, der über MCP mit dem CRM-System „ folk “ verbunden ist, kann anhand einer Anweisung in natürlicher Sprache den Verlauf von Kundenbeziehungen durchsuchen, ins Stocken geratene Geschäfte identifizieren, kontextbezogene Folgeaktionen vorbereiten und Pipeline-Einträge aktualisieren.

Worin unterscheidet sich ein KI-Agent von einem Chatbot?

Ein Chatbot generiert in erster Linie Antworten. Ein KI-Agent arbeitet auf ein Ergebnis hin, indem er Kontextinformationen sammelt, Werkzeuge auswählt, mehrere Aktionen ausführt, Ergebnisse überprüft und bei Bedarf an eine höhere Ebene weiterleitet.

Welche Geschäftsprozesse lassen sich am besten mit KI-Agenten umsetzen?

KI-Agenten erzielen gute Ergebnisse bei wiederholbaren, aber kontextabhängigen Arbeitsabläufen wie der Qualifizierung von Leads, der Bearbeitung von Supportanfragen, der Pflege von CRM-Systemen, der Rechnungsbearbeitung, der Datenanalyse, der Behebung von IT-Problemen und der Triage von Warnmeldungen.

Arbeiten KI-Agenten ohne menschliche Aufsicht?

Bestimmte Aufgaben mit geringem Risiko können innerhalb festgelegter Berechtigungen autonom ausgeführt werden. Maßnahmen mit weitreichenden Auswirkungen, die Zahlungen, Einstellungen, Sicherheitsaspekte, umfangreiche Datenänderungen oder externe Verpflichtungen betreffen, erfordern jedoch weiterhin eine Genehmigung durch einen Menschen.