KI-Agenten für KMU: 5 konkrete Anwendungsfälle

"KI-Agent" klingt nach Grosskonzern: riesige Projekte, eigene Teams, sechsstellige Budgets. Nach meiner Erfahrung ist das Gegenteil wahr: Die besten Anwendungsfälle liegen in den KMU, wo eine Person zehn Rollen ausfüllt und jede Stunde, die mit dem Abtippen von Daten oder dem Nachjagen von E-Mails vergeht, eine Stunde weniger für die Arbeit ist, die Umsatz bringt. Hier fünf konkrete Szenarien, mit dem, was es wirklich braucht, damit sie funktionieren.

Zuerst eine Definition in drei Zeilen. Ein KI-Agent beschränkt sich nicht darauf zu antworten: er führt Schritte aus. Er liest, was hereinkommt (eine E-Mail, ein Dokument, eine Zahl), entscheidet nach den Regeln, die Sie ihm gegeben haben, und handelt in Ihren Systemen: E-Mail-Postfach, ERP, Kalender, CRM. Den Unterschied zu einem einfachen Konversationsassistenten habe ich im Beitrag über den Unterschied zwischen Chatbot und KI-Agent erklärt; hier schauen wir, was Sie in der Praxis damit machen.

1. Der erste Filter für eingehende E-Mails

Der typische Fall ist das info@-Postfach, in dem alles landet: Offertanfragen, Fragen zu den Öffnungszeiten, Lieferantenrechnungen, Reklamationen, Spam. Jemand öffnet es zehnmal am Tag und entscheidet, Mail für Mail, was damit geschehen soll.

Der Agent übernimmt den ersten Durchgang für Sie: Er liest jede eingehende Nachricht, klassifiziert sie (Verkauf, Support, Administration), beantwortet wiederkehrende Fragen sofort mit echten Daten (Öffnungszeiten, Konditionen, Status einer Bestellung), leitet an die richtige Person weiter, was Urteilsvermögen erfordert, und meldet die heiklen Fälle, zum Beispiel einen verärgerten Kunden, ohne sie anzurühren. Sie öffnen das Postfach und finden die Arbeit bereits sortiert vor, mit den einfachen Antworten schon verschickt oder als Entwurf.

Was es braucht: Zugriff auf das Postfach, eine Liste der häufigen Fragen mit den korrekten Antworten, klare Regeln, was immer an den Menschen geht. Geringe Komplexität: Es ist oft der erste Agent, den ich empfehle, weil das Volumen hoch und der mögliche Fehler begrenzt ist.

2. Von der Offerte zur Rechnung ohne Abtippen

Der typische Fall: Ein Kunde fragt per Mail nach einer Offerte, jemand tippt die Daten in eine Word- oder Excel-Vorlage ab, beim Ja tippt er sie für den Auftrag ins ERP ab, dann noch einmal für die Rechnung. Dreimal abtippen, drei Fehlerquellen, Stunden, die niemand hat.

Der Agent liest die Anfrage, extrahiert Artikel und Mengen, bereitet den Offertentwurf vor, indem er die Preise aus den Preislisten holt, und legt ihn Ihnen zur Freigabe vor. Wenn der Kunde annimmt, erzeugt er Auftrag und Rechnung aus denselben Daten, ohne dass jemand etwas neu schreibt. Über das letzte Stück der Kette, von der Rechnung bis zu den Mahnungen, habe ich einen eigenen Leitfaden zur Automatisierung der Rechnungen in der Schweiz geschrieben.

Was es braucht: Preislisten und Stammdaten in einem lesbaren Format (keine in zehn Ordnern verstreuten PDFs), ein ERP oder auch nur gut strukturierte Dateien, und die menschliche Freigabe der Offerte vor dem Versand. Mittlere Komplexität: Es hängt fast alles davon ab, wie geordnet Ihre Preislisten sind.

3. Der Assistent für die internen Dokumente

Der typische Fall: Die Antworten existieren, sind aber in Handbüchern, Verträgen und Verfahrensanweisungen vergraben. "Was sagt der Vertrag von Lieferant X zu den Lieferfristen?" bedeutet eine halbe Stunde Suche oder eine Frage an die Person, die "weiss, wo es steht". Ist diese Person in den Ferien, steht die Arbeit still.

Der Agent indexiert Ihre Dokumente und beantwortet Fragen, indem er die genaue Passage zitiert, aus der er die Antwort genommen hat, sodass Sie in zehn Sekunden nachprüfen können. Das funktioniert für Lieferantenverträge, Qualitätsverfahren, Maschinenhandbücher, Verkaufsbedingungen.

Was es braucht: die Dokumente an einem einzigen Ort gesammelt und klare Berechtigungen, wer was sehen darf (der Vertrag eines Lieferanten darf nicht allen antworten). Technisch geringe Komplexität: Die eigentliche Arbeit ist, Ordnung in die Dokumente zu bringen.

4. Die Zahlenkontrolle, die Sie warnt

Der typische Fall: Die Zahlen sind da, im ERP oder in einem Dashboard, aber Sie schauen sie an, wenn Sie Zeit haben, also zu spät. Den Zahlungsausstand entdecken Sie am Monatsende, den Margenrückgang im Quartal.

Der Agent kehrt den Fluss um: Er überwacht Zahlungseingänge, Fälligkeiten und Anomalien, und wenn etwas aus dem Ruder läuft, schreibt er Ihnen. "Kunde Y hat die 30 Tage überschritten", "die Zahlungseingänge der Woche liegen unter dem Durchschnitt", "dieser Lieferant hat die Preise um 12% erhöht". Nicht Sie suchen die Zahl: Die Zahl kommt zu Ihnen, wenn es zählt. Es ist die natürliche Weiterentwicklung meiner Arbeit zu Daten und Controlling.

Was es braucht: zugängliche und aktuelle Buchhaltungsdaten und gemeinsam definierte Schwellenwerte (was für Ihr Unternehmen eine Anomalie ist, entscheiden Sie, nicht der Algorithmus). Mittlere Komplexität: Der Wert liegt ganz in der Qualität der Ausgangsdaten.

5. Das Verkaufs-Follow-up, das nichts vergisst

Der typische Fall: verschickte Offerten, denen nie nachgefasst wird. Nicht aus Strategie, aus Zeitmangel. Eine Offerte ohne Antwort nach zwei Wochen ist fast immer eine still verlorene Offerte.

Der Agent führt die Liste der offenen Offerten, bereitet nach der Anzahl Tage, die Sie festlegen, eine auf den Inhalt der Offerte zugeschnittene Erinnerung vor, legt sie Ihnen als Entwurf vor (oder verschickt sie selbst, wenn die Regeln es vorsehen) und aktualisiert das CRM mit dem Ergebnis: beantwortet, verschoben, verloren. Keine Chance erlischt nur deshalb, weil niemand die Zeit hatte, sie wieder in die Hand zu nehmen.

Was es braucht: eine Übersicht der verschickten Offerten (auch ein gut geführtes Tabellenblatt genügt), den richtigen Ton für die Erinnerungen und präzise Regeln, wann Schluss ist. Geringe Komplexität: Es ist einer der Fälle mit dem schnellsten Ertrag, weil er direkt den Umsatz betrifft.

Was es braucht, damit sie wirklich funktionieren

Hier muss ich ehrlich sein, denn das ist der Punkt, an dem Projekte scheitern:

• Zuerst Ordnung in den Daten. Ein Agent auf schmutzigen Daten vollbringt keine Wunder: Er macht dieselben Fehler wie vorher, nur schneller. Aktuelle Preislisten, saubere Stammdaten, gesammelte Dokumente.
• Klare Regeln, was er allein tun darf. Eine Frage zu den Öffnungszeiten beantworten ja, einen Rabatt geben nein. Den Rahmen legen Sie vorher fest, Sie entdecken ihn nicht hinterher.
• Menschliche Aufsicht am Anfang. In den ersten Wochen schlägt der Agent vor und eine Person gibt frei. Die Autonomie wird erst erweitert, nachdem er bewiesen hat, dass er sie verdient.
• Ein Prozess nach dem anderen. Den Agenten, der "alles macht", gibt es nicht. Fünf kleine, zuverlässige Agenten sind mehr wert als ein riesiges Projekt, das auf halbem Weg stehen bleibt.

Was ein KI-Agent kostet

Grössenordnungen, ohne Versprechen: Ein einfacher Fall, aufgebaut auf Werkzeugen, die Sie bereits bezahlen (Copilot Studio in Microsoft 365 zum Beispiel), beginnt bei wenigen tausend Franken für Analyse und Konfiguration. Ein massgeschneiderter Agent, der mehrere Systeme berührt, mit Anbindungen ans ERP und komplexen Regeln, liegt in der Spanne eines gut gemachten Automatisierungsprojekts: Die detaillierte Rechnung habe ich im Beitrag darüber aufgestellt, was die Automatisierung eines Prozesses in einem KMU kostet.

Das Entscheidungskriterium bleibt dasselbe: eingesparte Stunden mal Stundensatz, plus die Fehler, die Sie nicht mehr machen. Wenn Sie sehen möchten, wie ich diese Projekte aufsetze, von der Wahl des Prozesses bis zur Inbetriebnahme, ist die Referenzseite die zu massgeschneiderten KI-Agenten für KMU.

---

Sie wissen nicht, mit welchem Fall Sie starten sollen? Das ist das Erste, was ich in der Beratung kläre: Ich schaue mir Ihre Prozesse, die Volumen und den Zustand der Daten an und sage Ihnen, welcher Agent sich wirklich lohnt und welcher besser warten kann. Die Leistung Automatisierung und KI beginnt immer dort, beim Prozess, nie beim Werkzeug.

Häufige Fragen

Kann ein KI-Agent Fehler machen?

Ja. Und anders als ein Chatbot, der eine falsche Antwort gibt, kann ein Agent eine falsche Aktion auf echten Daten ausführen. Deshalb startet man mit engen Regeln, begrenzten Berechtigungen und menschlicher Aufsicht bei kritischen Schritten und erweitert die Autonomie erst, wenn sich der Agent als zuverlässig erwiesen hat.

Braucht es ChatGPT Enterprise oder genügt weniger?

Das hängt vom Prozess ab, nicht von der Marke. Oft startet man mit Werkzeugen, die Sie bereits haben, etwa Microsoft 365 mit Copilot Studio oder den Business-Versionen der KI-Tools, und wechselt erst zur Masslösung, wenn Volumen und Komplexität es rechtfertigen.

Sind meine Daten bei einem KI-Agenten sicher?

Sie können es sein, unter zwei Bedingungen: die Business-Versionen der Werkzeuge nutzen, die die Modelle nicht mit Ihren Daten trainieren, und dem Agenten nur Zugriff auf das geben, was er braucht. In der Schweiz gilt das revDSG: klare Verträge mit den Anbietern und Sorgfalt bei Personendaten. Ich habe das Thema im Beitrag über ChatGPT im Unternehmen und das revDSG vertieft.

Mit welchem Fall sollte man beginnen?

Mit dem, der das höchste Volumen und die klarsten Regeln hat: viel Wiederholung und wenig Mehrdeutigkeit. Dort bringt der Agent am meisten und macht am wenigsten Fehler. Besser ein kleiner Prozess, der wirklich funktioniert, als ein ehrgeiziges Projekt, das auf halbem Weg stehen bleibt.

← Zurück zum Magazine