„Wir brauchen einen KI-Agenten" ist mittlerweile ein Standardsatz in Projektanfragen, oft gemeint ist aber ein Chatbot oder eine simple Workflow-Automatisierung. Die drei Begriffe werden ständig durcheinandergeworfen, dabei stehen sie für sehr unterschiedliche Werkzeuge mit unterschiedlichen Stärken.

Der Chatbot: Antworten, keine Aktionen

Ein Chatbot ist im Kern eine Konversationsoberfläche. Er beantwortet Fragen, führt durch ein Gespräch, hilft bei der Orientierung. Was er in der klassischen Form nicht tut: etwas in einem angebundenen System verändern. Ein Chatbot auf einer Website beantwortet Produktfragen, bucht aber keinen Termin und legt keinen Datensatz an, wenn er nicht explizit dafür gebaut wurde. Genau diese Beschränkung macht ihn aber auch einfach zu kontrollieren: Ein Chatbot kann im schlimmsten Fall eine falsche Antwort geben, aber selten direkten operativen Schaden anrichten.

Der Workflow: Zuverlässig, aber starr

Eine Workflow-Automatisierung folgt festen Regeln: Wenn Ereignis X eintritt, führe Schritt Y aus. Das ist die Domäne von n8n, Power Automate und ähnlichen Plattformen. Workflows sind extrem zuverlässig, solange der Ablauf klar definierbar ist. Ein eingehender Rechnungsbeleg wird immer gleich verarbeitet, ein neuer Mitarbeitereintrag löst immer dieselben Schritte aus. Workflows haben keine „Intelligenz" im engeren Sinn, sie führen aus, was vorab definiert wurde, nicht mehr und nicht weniger.

Der Agent: Sprachverständnis plus Werkzeugzugriff

Ein KI-Agent kombiniert Sprachverständnis mit Zugriff auf definierte Werkzeuge und kann innerhalb gesetzter Grenzen selbst entscheiden, welchen Schritt er als Nächstes geht. Ein Agent, der Support-Tickets bearbeitet, kann eine Anfrage lesen, in der Wissensdatenbank recherchieren, eine Antwort formulieren und je nach Komplexität selbst entscheiden, ob er direkt antwortet oder an einen Menschen weitergibt. Diese Flexibilität hat ihren Preis: Agenten sind komplexer zu bauen, zu testen und abzusichern als klassische Workflows.

Die Frage ist nicht „Chatbot, Workflow oder Agent?", sondern: Welche Flexibilität braucht der jeweilige Anwendungsfall wirklich, und welche ist überflüssiger Aufwand?

Eine einfache Entscheidungshilfe

Der häufigste Fehler: Overengineering

In der Praxis sehen wir öfter das Gegenteil von zu wenig Ambition: Unternehmen wollen einen Agenten bauen, wo ein einfacher Workflow völlig ausreichen würde. Das Ergebnis ist unnötige Komplexität, höhere Kosten und mehr Angriffsfläche für Fehler, ohne echten Zusatznutzen. Der umgekehrte Fehler kommt seltener vor, ist aber genauso teuer: ein starrer Workflow wird für einen Anwendungsfall gebaut, der eigentlich Flexibilität braucht, und produziert dann ständig Sonderfälle, die manuell nachbearbeitet werden müssen.

Was Aufwand und Kosten wirklich treibt

Ein Workflow ist in der Regel schneller gebaut und einfacher zu testen, weil sein Verhalten vorhersagbar ist: Ein bestimmter Input führt immer zum selben Ablauf. Ein Agent braucht mehr Vorarbeit, etwa beim Festlegen der Werkzeuge, auf die er zugreifen darf, bei der Definition der Freigabelogik und beim Testen unterschiedlicher, auch unerwarteter Eingaben. Dieser Mehraufwand lohnt sich dort, wo die Varianz der Anfragen tatsächlich hoch ist, ist aber verschwendet, wenn der Anwendungsfall in Wahrheit immer demselben Muster folgt.

Ein Beispiel aus drei Blickwinkeln

Nehmen wir Rechnungsverarbeitung, Kundenservice und Vertragsprüfung als drei typische Anwendungsfälle. Rechnungsverarbeitung folgt meist einem klaren Muster, hier reicht in der Regel ein Workflow. Erstkontakt im Kundenservice mit häufig wiederkehrenden Standardfragen lässt sich gut mit einem Chatbot abdecken. Vertragsprüfung mit unterschiedlichen Dokumenttypen, wechselnden Fragestellungen und dem Bedarf, in bestehenden Systemen nachzuschlagen, ist ein typischer Agenten-Anwendungsfall.

Interessant wird es, wenn sich ein Anwendungsfall über die Zeit verändert. Ein Kundenservice-Chatbot, der anfangs nur Standardfragen beantwortet, wird mit wachsendem Funktionsumfang irgendwann zum Agenten, sobald er beginnt, in Systemen nachzuschauen oder Aktionen auszulösen. Diese Entwicklung ist normal, sollte aber bewusst gesteuert werden, statt schleichend zu passieren, ohne dass Berechtigungen und Freigabelogik mitwachsen.

Kombinationen in der Praxis

Die drei Bausteine schließen sich nicht gegenseitig aus, sie lassen sich kombinieren. Ein typisches Muster: Ein Chatbot übernimmt den Erstkontakt und beantwortet Standardfragen. Erkennt er eine komplexere Anfrage, übergibt er an einen Agenten, der auf interne Systeme zugreifen und eine individuelle Lösung recherchieren kann. Im Hintergrund läuft ein Workflow, der die daraus entstehende Dokumentation automatisch ablegt und bei Bedarf eine Benachrichtigung an das zuständige Team auslöst. Jeder Baustein macht das, worin er am besten ist, statt dass ein einzelnes Werkzeug alles gleichzeitig leisten muss.

Wie wir entscheiden

Wir legen die Architektur nicht vorab fest, sondern leiten sie aus der Analyse des konkreten Prozesses ab. Erst wenn klar ist, wie viel Varianz ein Anwendungsfall tatsächlich hat, entscheidet sich, ob ein Workflow reicht, ein Chatbot die bessere Wahl ist oder ein KI-Agent gebraucht wird. Häufig ist die Antwort auch eine Kombination: ein Workflow als zuverlässiges Rückgrat, ergänzt um einen Agenten für die Fälle, die echte Flexibilität brauchen.

Mehr zu unserem Ansatz für Workflow-Automatisierung finden Sie auf der Seite Workflow-Automatisierung, konkrete Anwendungsfälle im Use-Case-Katalog.