News

KI-Agent erstellen: Schritte, Grenzen, Fehler

26. September 2026 · DigifyNow

Ein KI-Agent ist ein Sprachmodell, das in einer Schleife arbeitet. Es liest eine Aufgabe, wählt aus fest definierten Werkzeugen eins aus (etwa „CRM abfragen“ oder „Antwort entwerfen“), Ihre Software führt den Aufruf aus, und das Modell wertet das Ergebnis aus und entscheidet über den nächsten Schritt. Beim Erstellen grenzen Sie deshalb zuerst einen einzigen Ablauf ein und beschreiben jedes Werkzeug mit Eingabeschema und Rechten. Dann legen Sie fest, welche Aktionen ein Mensch freigibt, und testen mit echten Fällen.

Was ist ein KI-Agent und worin unterscheidet er sich von einem Chatbot?

Ein Chatbot beantwortet Text mit Text. Ein KI-Agent handelt dagegen: Er kann Werkzeuge aufrufen, also zum Beispiel einen Kundendatensatz lesen, einen Termin vorschlagen oder einen E-Mail-Entwurf anlegen. Technisch läuft das über sogenanntes Tool Calling. Jedes Werkzeug wird dem Modell mit einem Namen, einer Beschreibung in Klartext und seinen Parametern im JSON-Schema-Format vorgestellt. Das Modell führt dabei selbst nichts aus. Es gibt lediglich einen strukturierten Aufruf zurück, etwa „kunde_suchen mit kundennummer 4711“. Ausgeführt wird der Aufruf von Ihrer Anwendung, die das Ergebnis dann wieder ans Modell zurückgibt. Aus diesem Wechsel entsteht die Schleife aus Beobachten, Entscheiden und Handeln. Wichtig ist außerdem die Abgrenzung zum festen Workflow. Dort ist die Reihenfolge der Schritte programmiert, beim Agenten legt das Modell sie selbst fest. Alles, was der Agent während eines Vorgangs „weiß“, muss in sein Kontextfenster passen. Das ist je nach Modell ein Umfang von grob 100.000 bis über 200.000 Tokens. In unserer Projektpraxis bei DigifyNow ist übrigens oft ein fester Ablauf mit einem einzelnen KI-Schritt die robustere Lösung als ein vollwertiger Agent.

Wie kann ich einen KI-Agent erstellen?

Wer einen KI-Agent erstellen will, fängt nicht beim Modell an, sondern beim Ablauf. So gehen wir bei DigifyNow in dieser Reihenfolge vor:

1. Genau einen Ablauf wählen, zum Beispiel das Vorsortieren eingehender Anfragen. Dazu 30 bis 50 echte, anonymisierte Beispielfälle samt gewünschtem Ergebnis sammeln. Sie dienen später als Testmaßstab.
2. Werkzeuge definieren: am Anfang wenige, jedes mit eindeutigem Namen, klarer Beschreibung und JSON-Schema für die Parameter. In der ersten Phase gibt es nur Leserechte.
3. Die Systemanweisung schreiben: Rolle, erlaubte Aufgaben, verbotene Aktionen und was der Agent bei Unsicherheit tut, nämlich an einen Menschen übergeben statt zu raten.
4. Freigabestufen festlegen: Lesen läuft automatisch. Schreiben, Versenden oder Löschen passiert nur nach Bestätigung durch eine Person.
5. Harte Grenzen einbauen: eine Obergrenze für Schleifendurchläufe pro Vorgang (etwa 10), ein Timeout pro Werkzeugaufruf und ein Tokenbudget pro Vorgang.
6. Gegen die Beispielfälle testen, jeden Werkzeugaufruf mit Eingabe und Ergebnis protokollieren und erst dann einen Pilotbetrieb mit wenigen Nutzern starten.

Eine erste nutzbare Version entsteht bei uns meist als MVP in 4 bis 8 Wochen. Wie lange es in Ihrem Fall dauert, hängt vor allem davon ab, wie gut Ihre bestehenden Systeme per Schnittstelle erreichbar sind.

Für welche Aufgaben lohnt sich ein KI-Agent – und wann nicht?

Ein Agent passt dort, wo die Eingaben unstrukturiert sind und der Weg zum Ergebnis von Fall zu Fall variiert. Typische Beispiele sind Freitext-E-Mails, PDFs mit wechselndem Aufbau oder Vorgänge, bei denen je nach Inhalt ein anderes System abgefragt werden muss. Nicht lohnt er sich bei Regeln, die sich eindeutig formulieren lassen. „Rechnungen über 500 Euro gehen zur Freigabe“ ist eine Wenn-dann-Bedingung. Die setzt man in drei Zeilen Code um, und die liefert bei gleicher Eingabe immer dasselbe Ergebnis. Ein Sprachmodell kann dagegen bei identischer Eingabe unterschiedlich antworten. Auch das Volumen zählt: Eine Aufgabe, die fünfmal im Monat anfällt, rechtfertigt selten Entwicklung, Tests und laufende Pflege. Die dritte Grenze ist rechtlicher Natur. Nach Art. 22 DSGVO haben Betroffene grundsätzlich das Recht, keiner ausschließlich automatisierten Entscheidung mit rechtlicher Wirkung unterworfen zu werden, etwa bei einer Kreditvergabe oder Absage. Solche Entscheidungen gehören also nicht allein in die Hand eines Agenten. Er kann sie vorbereiten, entscheiden muss ein Mensch.

Welche Daten und Schnittstellen braucht ein KI-Agent?

Ein Agent ist nur so nützlich wie die Systeme, die er erreicht. Er braucht deshalb Programmierschnittstellen zu CRM, Warenwirtschaft, Kalender oder Ticketsystem, meist als REST-API. Der Zugriff sollte über einen eigenen Dienstzugang laufen, bei OAuth 2.0 (RFC 6749) mit eng gefassten Scopes, also nur den Rechten, die der Ablauf wirklich braucht. Für die Anbindung von Werkzeugen gibt es seit Ende 2024 außerdem den offenen Standard Model Context Protocol (MCP), über den sich ein Werkzeug einmal beschreiben und in verschiedenen Agenten nutzen lässt. Firmenwissen wie Handbücher oder Preislisten kommt meist per Retrieval-Augmented Generation (RAG) dazu. Die Dokumente werden in Abschnitte zerlegt und als Vektoren indexiert, und pro Anfrage landen nur die passenden Abschnitte im Kontext. Ältere Systeme ohne API sind der häufigste Bremsklotz. Dann bleiben CSV-Exporte oder ein direkter Datenbankzugriff, beides fehleranfälliger. Gehen personenbezogene Daten an einen externen Modellanbieter, verlangt Art. 28 DSGVO einen Auftragsverarbeitungsvertrag. Ob Ihr Setup die Anforderungen erfüllt, klären Sie mit Ihrem Datenschutzbeauftragten.

Was geht bei KI-Agenten typischerweise schief?

Die meisten Probleme sehen wir nicht beim Modell selbst, sondern an den Übergängen zwischen Modell, Werkzeugen und Daten. Das sind die häufigsten Fehlerbilder und ihre Ursachen:

• Erfundene Werte: Fehlt eine Information im Kontext, füllt das Modell die Lücke mit einer plausiblen Angabe. Abhilfe schafft eine Prüfung von Pflichtfeldern und Formaten, bevor ein Aufruf ausgeführt wird.
• Endlosschleifen: Ein Werkzeug liefert einen Fehler und der Agent versucht es immer wieder. Ohne Obergrenze für Durchläufe laufen dann Kosten und Wartezeit weiter.
• Prompt Injection: Eine eingehende E-Mail oder Webseite enthält versteckte Anweisungen, die der Agent als Auftrag behandelt. Die OWASP Top 10 für LLM-Anwendungen führen das als Risiko LLM01.
• Falsches Werkzeug: Zwei Werkzeuge haben ähnliche Beschreibungen und das Modell verwechselt sie. Hier helfen eindeutige Namen und Beschreibungen, die sich klar voneinander abgrenzen.
• Kostenausreißer: Bei jedem Schleifendurchlauf wird der bisherige Verlauf erneut mitgeschickt, lange Vorgänge werden dadurch überproportional teuer.
• Stille Verhaltensänderung: Der Anbieter aktualisiert das Modell und Antworten fallen anders aus. Deshalb eine feste Modellversion angeben und die Beispielfälle nach jedem Wechsel erneut durchlaufen lassen.

Keiner dieser Fehler lässt sich vollständig ausschließen. Ein Protokoll aller Werkzeugaufrufe sorgt aber dafür, dass Sie ihn im Nachhinein finden.

Was verlangt der EU AI Act, wenn ein Unternehmen KI-Agenten einsetzt?

Maßgeblich ist die Verordnung (EU) 2024/1689, die am 1. August 2024 in Kraft getreten ist und durch die Verordnung (EU) 2026/1744 mit Wirkung zum 27. Juli 2026 geändert wurde. Ihre Pflichten gelten gestaffelt. Kapitel I und II gelten seit dem 2. Februar 2025. Art. 4 verlangt in der geänderten Fassung, dass Anbieter und Betreiber Maßnahmen ergreifen, um die Entwicklung der KI-Kompetenz ihres Personals und anderer Personen zu unterstützen, die in ihrem Auftrag mit dem Betrieb und der Nutzung von KI-Systemen befasst sind. Ein bestimmtes Kompetenzniveau einzelner Personen muss dabei nicht garantiert werden. Das betrifft auch ein mittelständisches Unternehmen, das einen Agenten im Kundenservice nutzt. Art. 50 regelt Transparenz und gilt seit dem 2. August 2026: Menschen, die direkt mit einem KI-System interagieren, müssen grundsätzlich darüber informiert werden, sofern es nicht offensichtlich ist. Anbieter von Systemen, die synthetische Inhalte erzeugen und vor dem 2. August 2026 in Verkehr gebracht wurden, haben für Art. 50 Abs. 2 bis zum 2. Dezember 2026 Zeit. Strenger wird es künftig, wenn ein Agent in einem Bereich nach Anhang III eingesetzt wird, etwa bei der Auswahl von Bewerbern. Die Vorgaben für solche Hochrisiko-Systeme mit Risikomanagement, Dokumentation und menschlicher Aufsicht gelten nach Art. 113 erst ab dem 2. Dezember 2027, für Systeme nach Anhang I ab dem 2. August 2028. Bei DigifyNow schulen und begleiten wir die Mitarbeitenden, die mit den Agenten arbeiten. Solche Schulungen sind ein Baustein, ersetzen aber keine rechtliche Bewertung. Ob Ihr konkreter Einsatz die Anforderungen erfüllt, klären Sie mit Ihrer Rechtsberatung.

KI-Agent mit Baukasten selbst bauen oder entwickeln lassen?

No-Code-Baukästen reichen für einen Prototyp oft völlig aus. Ein Ablauf, wenige Nutzer, Daten aus Standardsystemen mit fertigen Konnektoren: Damit lässt sich in Tagen prüfen, ob die Idee trägt. An Grenzen stößt der Baukasten meist erst, wenn der Agent in den Betrieb geht. Dann geht es um Rechte pro Nutzerrolle, ein durchsuchbares Protokoll, automatisierte Tests gegen Beispielfälle, feste Modellversionen und die Anbindung an eine Eigenentwicklung ohne fertigen Konnektor. Wir sagen deshalb ehrlich: Wenn Ihr Ablauf im Baukasten stabil läuft, brauchen Sie uns dafür nicht. Entwickeln lassen lohnt sich, wenn der Agent auf Ihre eigenen Daten und Systeme zugreifen soll. So haben wir für Mundo Marketing ein individuelles Backoffice mit CRM gebaut. Genau an so eine Datenbasis mit sauberer Schnittstelle lassen sich Agenten später anbinden. Wann sich individuelle Software grundsätzlich rechnet, steht in unserem Beitrag über maßgeschneiderte Software für KMU. Einen Überblick über unsere Arbeit an KI-Einführung und Automatisierung finden Sie bei den Leistungen von DigifyNow.

Kostenlose Einschätzung für Ihr Projekt anfragen