Zurück zur Inhaltsseite

      Wesentliche Aspekte

      • Agentic AI ist kein leistungsfähigerer Chatbot, sondern eine Architektur, die Aufgaben, Daten, Werkzeuge, Kontrollen und Verantwortlichkeiten zu einem Prozess verbindet.
      • Nicht jeder Prozessschritt benötigt generative KI: Datenverbindungen, Skripte und regelbasierte Logik können vorhersehbare Aufgaben effizienter und verlässlicher erledigen.
      • Geschäftlicher Nutzen entsteht durch überprüfbare Ergebnisse, geeignete Technologieentscheidungen und menschliche Freigaben an risikorelevanten Prozesspunkten.

      Agentic AI entfaltet ihren Nutzen nicht als isolierte Anwendung, sondern als Teil der Prozessarchitektur. Systeme planen Aufgaben, beziehen Daten ein, nutzen Werkzeuge und koordinieren mehrere Bearbeitungsschritte. Essenziell ist, dass der gesamte Ablauf verlässlich, sicher und wirtschaftlich funktioniert.

      Dabei sollte generative KI nicht automatisch jeden Schritt übernehmen. Manche Aufgaben erfordern z. B. sprachliches Verständnis oder den Umgang mit unstrukturierten Informationen. Andere lassen sich über vorhandene Datenverbindungen, deterministische Berechnungen, Skripte oder festgelegte Geschäftsregeln präziser abbilden. Ein tragfähiges Agentensystem kombiniert diese unterschiedlichen Bausteine und setzt generative KI gezielt dort ein, wo ihre Fähigkeiten einen erkennbaren Mehrwert liefern.

      Agentic AI wird Teil der Prozessarchitektur

      Ein KI-Assistent unterstützt bei einer klar abgegrenzten Aufgabe: Er beantwortet Fragen, formuliert Inhalte oder analysiert bereitgestellte Informationen. Der Mensch löst dabei die wesentlichen Schritte aus. Ein KI-Agent aber geht weiter. Er verfolgt ein vorgegebenes Ziel über mehrere Arbeitsschritte, greift auf Daten und Werkzeuge zu und bereitet ein Ergebnis zur Prüfung oder Weiterverarbeitung vor.

      In einem orchestrierten System arbeiten mehrere spezialisierte Agenten und technische Komponenten zusammen. Im Claim-Management-Prozess kann beispielsweise ein Agent die Eingangsinformationen anonymisieren. Weitere Agenten klassifizieren den Schaden, ordnen Gewerk und Liegenschaft zu und bereiten den Arbeitsauftrag vor. Unterschiedliche Modelle können für einzelne Prozessstufen eingesetzt und ausgetauscht werden. Die finale Entscheidung bleibt jedoch immer beim Menschen.

      Die zentrale Veränderung liegt damit in der Gestaltung des Gesamtprozesses. Sie müssen festlegen,

      • welche Schritte ein Agent plant oder koordiniert,
      • welche Daten und Anwendungen der Prozess benötigt,
      • welche Aufgaben durch Regeln oder bestehende Automatisierung abgedeckt werden,
      • welche Zwischenergebnisse geprüft werden,
      • welche Aktionen menschliche Freigaben erfordern.

      Agentic AI betrifft damit neben der Technologie auch Prozessverantwortung, Datenzugriff, Berechtigungen, Qualitätskontrolle und Governance.

      Generative KI ist ein Baustein, nicht die Universallösung

      Generative KI ist also besonders geeignet, wenn ein Prozess unstrukturierte Informationen enthält, sprachliches Verständnis erfordert oder unterschiedliche Inhalte kontextbezogen zusammengeführt werden müssen. Sie kann beispielsweise Dokumente auswerten, Sachverhalte klassifizieren, Informationen strukturieren oder einen Bericht vorbereiten.

      Für eindeutig definierte Aufgaben sind andere Technologien oft besser geeignet. Eine bestehende Schnittstelle kann strukturierte Daten direkt aus einem Quellsystem beziehen. Ein Skript kann festgelegte Berechnungen reproduzierbar ausführen. Regelbasierte Logik kann Pflichtfelder, Grenzwerte oder Freigabekriterien prüfen. Solche Komponenten liefern bei gleichbleibenden Eingaben vorhersehbare Ergebnisse und benötigen keine generative Interpretation.

      Das bedeutet nicht, dass regelbasierte Automatisierung und Agentic AI einander ausschließen. Im Gegenteil: Ein Agent kann die Ausführung koordinieren, während einzelne Prozessschritte durch spezialisierte Werkzeuge erledigt werden. Ein Sprachmodell interpretiert beispielsweise eine unstrukturierte Anfrage, anschließend ruft der Agent strukturierte Daten über eine vorhandene Verbindung ab, lässt eine definierte Berechnung ausführen und legt das Ergebnis an einem menschlichen Kontrollpunkt vor.

      Diese Aufgabenteilung verbessert die Nachvollziehbarkeit. Fehler lassen sich leichter einer bestimmten Prozessstufe zuordnen, und Komponenten können ausgetauscht werden, ohne den gesamten Ablauf neu zu entwickeln. Der sinnvollste Prozess ist daher nicht jener mit dem höchsten Anteil generativer KI, sondern jener, der für jede Aufgabe den verlässlichsten und wirtschaftlich angemessenen Mechanismus nutzt.

      Skills, Integration und Kontrolle machen Agenten produktiv

      Agenten benötigen mehr als ein Sprachmodell. Sie brauchen nachvollziehbare Anweisungen, Geschäftskontext und geeignete Werkzeuge. Skills bündeln Regeln, Prozessschritte und Kontextinformationen einer wiederkehrenden Aufgabe. Fachwissen muss dadurch nicht bei jeder Nutzung erneut in einem Prompt beschrieben werden.

      Ein Skill für die Rechnungsprüfung kann neben allgemeinen Prüfschritten auch unternehmensspezifische Kriterien wie die korrekte Firmenanschrift enthalten. Der Skill standardisiert das Vorgehen, arbeitet jedoch nicht selbstständig. Erst ein Agent wählt den Skill aus, verbindet ihn mit den erforderlichen Daten und führt die vorgesehenen Schritte aus. Der praktische Nutzen entsteht durch die Verbindung mit vorhandenen Systemen. Beschäftigte können dadurch über vertraute Oberflächen auf agentische Funktionen zugreifen.

      Die Integration erweitert jedoch auch den möglichen Wirkungsbereich eines Fehlers. Agenten sollten daher nur auf jene Daten und Funktionen zugreifen, die sie für ihre Aufgabe benötigen. Entscheidungen mit Außenwirkung, finanziellen Folgen oder Auswirkungen auf Kernprozesse sollten an eine bewusste menschliche Freigabe gebunden bleiben. Zwischen diesen Kontrollpunkten können Agenten definierte Schritte selbstständig bearbeiten.

      Fünf Handlungsfelder für eine verlässliche Prozessarchitektur

      1. Vom Geschäftsprozess statt vom Agenten ausgehen


      Unternehmen sollten mit einem konkreten Prozess beginnen, bei dem Aufwand, Fehlerquellen und gewünschte Ergebnisse nachvollziehbar sind. Die Grundlage bildet ein Proof of Value mit dokumentiertem Ausgangszustand, Zielwerten und Qualitätskriterien und Kontrollpunkten. Geeignet sind begrenzte Abläufe wie die Vorprüfung eines Dokuments, die Klassifizierung einer Anfrage oder die Vorbereitung eines wiederkehrenden Berichts.

      Der erste Umsetzungsschritt ist eine Prozessdarstellung, die Eingaben, Bearbeitungsstufen, Entscheidungen, Ausgaben und Kontrollpunkte sichtbar macht. Erst danach sollte festgelegt werden, welche Rolle ein Agent übernimmt.
       

      2. Für jeden Prozessschritt die geeignete Technologie wählen


      Nicht jede Aufgabe benötigt ein Sprachmodell. Verantwortliche sollten pro Prozessstufe prüfen, ob generative KI, eine vorhandene Datenverbindung, ein Skript, regelbasierte Logik oder eine Kombination daraus die Anforderungen am besten erfüllt.

      Dabei helfen vier Fragen:

      • Muss die Komponente unstrukturierte Inhalte verstehen?
      • Ist das gewünschte Ergebnis eindeutig durch Regeln bestimmbar?
      • Existiert bereits eine verlässliche Schnittstelle oder Automatisierung?
      • Muss das gleiche Ergebnis bei identischen Eingaben reproduzierbar sein?

      Diese Prüfung verhindert, dass generative KI für Aufgaben eingesetzt wird, die bestehende Technologien einfacher, kontrollierbarer oder ressourcenschonender lösen können.
       

      3. Aufgaben in prüfbare Komponenten zerlegen


      Komplexe Abläufe sollten auf klar abgegrenzte Rollen und Komponenten verteilt werden. Jeder Agent benötigt eine definierte Aufgabe, geeignete Daten, begrenzte Werkzeuge und ein überprüfbares Ergebnis. Wo es die Prozesskritikalität erfordert, kann ein separates Modell oder ein Review-Agent die Ergebnisse gegenprüfen.

      Der nächste Schritt besteht darin, für jede Komponente Eingabe, Ausgabe, erlaubte Aktionen und Fehlerbehandlung zu dokumentieren. Dadurch lassen sich einzelne Modelle oder Werkzeuge später austauschen, ohne die gesamte Prozessarchitektur zu verändern.
       

      4. Berechtigungen und menschliche Freigaben risikobasiert setzen


      Der Zugriff eines Agenten sollte auf die Daten und Aktionen begrenzt bleiben, die für seine konkrete Aufgabe erforderlich sind. Vor dem produktiven Einsatz müssen Datenquellen, Identitäten, Rollen, erlaubte Aktionen und Protokollierung dokumentiert sein. Für kritische Agenten sind außerdem Regeln für veränderte Datenquellen, Eigentümerwechsel und Außerbetriebnahme erforderlich.

      Menschliche Kontrolle bedeutet dabei nicht, jeden Einzelschritt manuell zu begleiten. Unternehmen sollten vielmehr unterscheiden, welche Aktionen Agenten selbst ausführen dürfen, welche sie lediglich vorbereiten und welche eine ausdrückliche Bestätigung erfordern.
       

      5. Prozessleistung statt Technologienutzung messen


      Die Steuerung von Agentic AI sollte Kosten- und Nutzenperspektiven verbinden. Verbrauchswerte zeigen, welche Ressourcen ein Agent beansprucht. Sie beantworten jedoch noch nicht, ob der zugrunde liegende Prozess bessere Ergebnisse erzielt.

      Für einen ersten Anwendungsfall sollten Unternehmen Bearbeitungszeit, Fehler- oder Nacharbeitsquote, Prozessdurchlauf und Ressourcenverbrauch vor und nach der Einführung erfassen. Die Messung erfolgt damit auf Ebene des Geschäftsprozesses und nicht ausschließlich anhand von Tokens, Modellaufrufen oder Nutzungszahlen.

      Fazit

      Agentic AI erweitert Automatisierung um Planung, Werkzeugnutzung und die Koordination mehrstufiger Aufgaben. Ihr geschäftlicher Nutzen entsteht jedoch erst durch eine Prozessarchitektur, in der Agenten, Skills, vorhandene Datenverbindungen, regelbasierte Komponenten und menschliche Entscheidungen kontrolliert zusammenspielen.

      Die Managementpriorität liegt deshalb in der Gestaltung des Prozesses. Ausgangspunkt sollte ein klar abgegrenzter Anwendungsfall mit messbarem Nutzen, definierten Rechten und überprüfbaren Ergebnissen sein. Erst wenn für jeden Prozessschritt die geeignete Technologie und Kontrolle festgelegt ist, lässt sich Agentic AI verlässlich skalieren.

      FAQ

      Agentic AI bezeichnet Systeme, die ein vorgegebenes Ziel über mehrere Arbeitsschritte verfolgen und dafür Daten, Werkzeuge oder andere Agenten einsetzen. Im Unterschied zu einem reinen KI-Assistenten müssen Nutzende nicht jeden Schritt einzeln auslösen. Mit zunehmender Autonomie steigen jedoch auch die Anforderungen an Berechtigungen, Kontrollen und klar definierten Freigabeprozessen.

      Agentic AI wird in Geschäftsprozesse eingebunden und kann dort Daten abrufen, Werkzeuge aufrufen, Teilaufgaben koordinieren und Aktionen vorbereiten. Ein Chatbot konzentriert sich in der Regel auf die Interaktion mit Nutzenden. Ein agentisches System verbindet dagegen mehrere technische und organisatorische Komponenten zu einem kontrollierten Ablauf.

      Nein. Generative KI sollte dort eingesetzt werden, wo sprachliches Verständnis, Kontextverarbeitung oder der Umgang mit unstrukturierten Informationen erforderlich ist. Strukturierte Datenübertragungen, festgelegte Prüfungen und reproduzierbare Berechnungen lassen sich oft besser über Schnittstellen, Skripte oder regelbasierte Logik abbilden. Der Agent kann diese Komponenten zu einem durchgängigen Prozess verbinden.

      Ein Skill enthält wiederverwendbare Anweisungen, Prozessschritte und Geschäftskontext. Ein Agent führt diese Anweisungen aus, verbindet sie mit Daten und nutzt die vorgesehenen Werkzeuge. Skills unterstützen damit einheitliche Abläufe, handeln aber nicht selbstständig. Sie benötigen einen Agenten, der sie im passenden Prozessschritt auswählt und anwendet.

      Der Mensch bleibt an jenen Stellen eingebunden, an denen Qualität, Verantwortung oder Außenwirkung eine bewusste Entscheidung erfordern. Agenten können Analysen durchführen, Optionen vorbereiten und zwischen definierten Kontrollpunkten selbstständig arbeiten. Finanzielle Entscheidungen, Änderungen an Kernsystemen oder andere folgenreiche Aktionen können dagegen an eine ausdrückliche Freigabe gebunden werden.

      Der Nutzen wird anhand des unterstützten Geschäftsprozesses gemessen. Relevante Größen sind insbesondere Bearbeitungszeit, Fehler, Nacharbeit, Prozessdurchlauf und Ressourcenverbrauch. Eine Vorher-Nachher-Betrachtung zeigt, ob der neue Ablauf einen nachvollziehbaren Wertbeitrag liefert. Tokenverbrauch oder Zahl der Modellaufrufe reichen als Erfolgsmaßstab nicht aus.

      Adam Kiefer

      Senior Manager, Advisory / Tech Consulting, Wien

      KPMG Austria


      Ihre Expert:innen für Künstliche Intelligenz

      Wir vereinen menschliche Expertise und technologische Innovation, um den Wandel zu beschleunigen.

      Die Zukunft der Automatisierung in Microsoft 365

      Gemeinsam steuern wir mit Ihnen in eine erfolgreiche Zukunft und finden die passenden Lösungen für Ihre Herausforderungen.

      Wir stehen Ihnen als Partner zur Seite und lösen gemeinsam die komplexen Anforderungen Ihrer Branche.


      Treten Sie mit uns in Kontakt

      Unsere Expert:innen freuen sich, von Ihnen zu hören.                              

      Weltkugel und Frau