Jeder will KI – aber nicht jedes Problem braucht einen KI-Agenten
Die Antwort auf Automatisierungsfragen scheint heute fast immer dieselbe zu sein: „Das macht dann ein KI-Agent!" Aber wer ein einfaches Regelwerk mit einem komplexen KI-Agenten löst, zahlt drauf – an Geld, an Wartungsaufwand, an Nachvollziehbarkeit.
Dieser Artikel nennt fünf Entscheidungsfragen. Wenn Sie diese Fragen durchgehen, wissen Sie, ob ein einfacher Workflow ausreicht oder ob wirklich ein KI-Agent gefragt ist.
Frage 1: Gibt es klare Regeln?
Wenn der Prozess eindeutigen Wenn-Dann-Regeln folgt, brauchen Sie kein Sprachmodell. Ein klassischer Workflow – zum Beispiel in n8n, Make oder auch einem Python-Skript – liefert schneller, zuverlässiger und billiger das gleiche Ergebnis.
| Beispiel | Empfehlung |
|---|---|
| Rechnungen mit festem Layout automatisch auslesen | Regelbasierter Workflow |
| E-Mails anhand von Betreff-Schlüsselwörtern in Ordner sortieren | Regelbasierter Workflow |
| Daten aus einem System in ein anderes übertragen | Skript/Workflow |
| Bestelleingänge ab einem bestimmten Betrag an den Vorgesetzten weiterleiten | Regelbasierter Workflow |
Merksatz: Was Sie als Flussdiagramm zeichnen können, braucht keine KI.
Frage 2: Muss der Prozess Sprache verstehen?
Erst wenn die Eingabe Freitext enthält – zum Beispiel E-Mails mit wechselnden Formulierungen, Kundenanfragen ohne feste Schlagwörter oder gescannte Dokumente mit variabler Struktur – wird ein Language Model (LLM) sinnvoll. Das heißt aber noch nicht, dass Sie gleich einen vollständigen Agenten brauchen.
Ein einzelner LLM-Aufruf im Workflow – „klassifiziere diese E-Mail als Rechnung, Anfrage oder Spam" – kann den nötigen Sprachverständnis-Schritt liefern, während der Rest des Prozesses regelbasiert bleibt.
| Beispiel | Empfehlung |
|---|---|
| Rechnungen mit variablen Layouts und wechselnden Lieferanten | LLM-Aufruf im Workflow |
| Kunden-E-Mails kategorisieren (Anfrage, Beschwerde, Bestellung) | LLM-Aufruf im Workflow |
| Chatbot, der FAQs beantwortet, aber keine Folgefragen stellt | LLM-Aufruf im Workflow |
Frage 3: Muss der Agent eigenständig entscheiden?
Ein echter KI-Agent wird erst dann nötig, wenn der Prozess mehrere Schritte umfasst, der Agent selbst entscheiden muss, welcher Schritt als nächstes kommt, und er unterschiedliche Werkzeuge einsetzen muss.
Ein einfacher Test: Wenn ein Mensch für diese Aufgabe nur eine einzige Aktion ausführen müsste („sag mir, worum es in dieser Mail geht"), reicht ein einzelner LLM-Aufruf. Braucht der Mensch hingegen mehrere Werkzeuge und Entscheidungen („schau im Kalender nach, ob ein Termin frei ist, schlag drei Alternativen vor, buche den Wunschtermin, sende eine Bestätigung"), dann ist ein Agent die richtige Lösung.
| Beispiel | Empfehlung |
|---|---|
| Self-Service-Angebotsanfrage mit Rückfragen | KI-Agent |
| Terminbuchung, die Kalenderzugriff und Antwort erfordert | KI-Agent |
| Rechnungsverarbeitung von der Extraktion bis zur Zahlungsanweisung | KI-Agent |
Frage 4: Wie oft läuft der Prozess?
Ein KI-Agent aufzubauen kostet Zeit – auch wenn moderne Plattformen den Bau beschleunigen. Wenn ein Prozess nur zehnmal im Monat anfällt, kann es wirtschaftlicher sein, ihn manuell zu bearbeiten oder ein einfaches Chat-Template zu nutzen, als einen dedizierten Agenten zu bauen und zu warten.
Bevor Sie bauen, überschlagen Sie:
- Aufbauzeit in Stunden
- Laufende Wartung pro Monat
- Anzahl der Vorgänge pro Monat
Wenn die Ersparnis pro Vorgang nur gering ist und die Zahl der Vorgänge klein, lohnt sich die Automatisierung möglicherweise nicht – egal ob mit oder ohne KI.
Frage 5: Wie hoch ist das Fehlerrisiko?
Sprachmodelle sind probabilistisch: Sie geben nicht immer die gleiche Antwort auf die gleiche Eingabe. Für Prozesse, bei denen ein Fehler gravierende Folgen haben kann, ist ein deterministischer, regelbasierter Ansatz oft sicherer – und besser prüfbar.
| Anwendung | Risiko | Empfehlung |
|---|---|---|
| Bewerbungsvorauswahl | Hoch (Diskriminierungsrisiko, Rechtsfolgen) | Regelbasierter Filter + menschliche Prüfung |
| Rechnungsextraktion | Mittel (Zahlendreher, falscher Betrag) | LLM-Aufruf + menschliche Stichprobe |
| Social-Media-Post-Erstellung | Gering (höchstens peinlich) | KI-Agent |
Die Entscheidungsmatrix auf einen Blick
| Aufgabe | Geeignete Lösung | Begründung |
|---|---|---|
| Datenabgleich zwischen zwei Systemen | Workflow/Skript | Regelbasiert, kein Sprachverständnis nötig |
| Rechnungserkennung mit festem Layout | Workflow | Klare Regeln |
| E-Mail-Klassifikation mit variablen Formulierungen | LLM-Aufruf im Workflow | Sprachverständnis nötig, aber nur ein Schritt |
| FAQ-Chatbot ohne Folgefragen | LLM-Aufruf im Workflow | Einfache Frage-Antwort-Struktur |
| Terminbuchungs-Assistent mit Kalenderzugriff | KI-Agent | Mehrere Schritte und Werkzeuge |
| Angebotserstellung mit Rückfragen beim Kunden | KI-Agent | Mehrere Entscheidungspunkte |
| Emotionaler Kundenservice | Mensch | Zu hohes Risiko für Fehlkommunikation |
Der pragmatische Ansatz: Mit dem Einfachsten starten
Wenn Sie unsicher sind, beginnen Sie mit der einfachsten Lösung und steigern Sie die Komplexität nur bei Bedarf:
- Workflow ohne KI – prüfen, ob die Aufgabe regelbasiert lösbar ist
- Workflow + LLM – wenn Sprachverständnis nötig ist, aber der Prozess einstufig bleibt
- KI-Agent – wenn mehrere Entscheidungen und Werkzeuge nötig sind
Diesen Pfad gehen wir auch in unseren Beratungen. So vermeiden Sie, ein teures System für ein Problem zu bauen, das auch eine Regel erledigen kann.
Ihr nächster Schritt
Die Frage „Agent oder Workflow?" lässt sich pauschal nicht beantworten – sie hängt von Ihren konkreten Prozessen, Daten und Risiken ab.
👉 Jetzt unverbindliche Prozess-Einschätzung vereinbaren
In 45 Minuten analysieren wir Ihren ersten Automatisierungskandidaten und geben eine klare Empfehlung: Workflow, LLM oder Agent? Kostenlos, ohne Verpflichtung.
KIAgentur – KI-Beratung & Implementierung für den österreichischen Mittelstand. Praktisch. Transparent. EU AI Act Ready.