Einen KI-Agenten zusammenzuklicken dauert heute einen Nachmittag. Damit er im Betrieb tatsächlich Arbeit abnimmt, statt neue zu machen, brauchst du drei Dinge: einen eng geschnittenen Anwendungsfall, saubere Zugriffsrechte und eine menschliche Freigabe an den heiklen Stellen. Genau dort entscheidet sich, ob dein Agent ein Spielzeug bleibt oder ein Kollege wird. In diesem Leitfaden zeige ich dir Schritt für Schritt, wie du einen KI-Agenten erstellst, was er kostet und welche Regeln in Österreich gelten. Und wo es sich lohnt, die Strategie mit mir gemeinsam aufzusetzen, bevor du Geld in ein Tool steckst.
Kurz gesagt
- Ein KI-Agent erledigt mehrstufige Aufgaben selbstständig und nutzt dabei Werkzeuge wie E-Mail, CRM oder Buchhaltung. Ein Chatbot beantwortet nur Fragen.
- Der Bau selbst ist der kleinste Teil. Entscheidend sind Anwendungsfall, Datenzugriff, Tests mit echten Fällen und eine menschliche Freigabe.
- Die WKO beziffert den laufenden Aufwand für KI-Agenten in KMU mit 200 bis 2.000 € pro Monat, je nach Komplexität und Integrationstiefe.
- AI Act und DSGVO gelten parallel: Seit Februar 2025 musst du für KI-Kompetenz im Team sorgen, und dein Agent darf nur die Daten sehen, die er für seinen Zweck braucht.
- Mit dem kostenlosen KI-Check und Erstgespräch findest du heraus, welcher Prozess bei dir als erster einen Agenten verdient.
Was ein KI-Agent ist und was ihn vom Chatbot unterscheidet
Der Begriff wird gerade inflationär verwendet. Fast jedes Tool nennt sich mittlerweile „Agent“. Deshalb eine klare Abgrenzung.
Die Wirtschaftskammer beschreibt KI-Agenten in ihren KI-Guidelines für KMU als Weiterentwicklung, die eigenständig mehrstufige Aufgaben erledigt, verschiedene Tools nutzt und ganze Workflows automatisiert. Ein normaler Prompt an ChatGPT reagiert dagegen auf genau eine Anfrage, und dann ist Schluss.
| Chatbot | KI-Assistent | KI-Agent | |
|---|---|---|---|
| Was er tut | beantwortet Fragen | unterstützt dich bei einer Aufgabe, du steuerst | arbeitet eine Aufgabe in mehreren Schritten selbst ab |
| Zugriff auf Systeme | meist keiner | teilweise (Dokumente, Kalender) | ja, über Schnittstellen (API) zu Mail, CRM, ERP |
| Wer entscheidet | du | du | der Agent, mit Freigabe durch dich an kritischen Stellen |
| Typisches Beispiel | FAQ-Bot auf der Website | Textentwurf, Zusammenfassung | Reklamation prüfen, Gutschrift vorbereiten, Kunden antworten |
Technisch besteht ein Agent aus vier Bausteinen, die die WKO in ihrer 3. Auflage der KI-Guidelines aufzählt:
- Prompt Engineering: Der System-Prompt legt Aufgabe, Rolle und Grenzen fest. Das ist quasi die Stellenbeschreibung.
- Wissensbasis (RAG): RAG steht für Retrieval Augmented Generation. Der Agent sucht in deinen eigenen Dokumenten, bevor er antwortet, statt nur aus seinem Trainingswissen zu schöpfen.
- Kontext Engineering: ein strukturiertes Gedächtnis, damit der Agent weiß, was im Fall bisher passiert ist.
- Tool-Integration: die Anbindung an Datenbanken, Programme und Schnittstellen. Erst damit kann der Agent handeln, nicht nur reden.
Wofür sich KI-Agenten im Unternehmen eignen
Das Lehrbuchbeispiel der WKO ist ein Agent für Kundenreklamationen: Er analysiert die Beschwerde, ruft die Bestellhistorie ab, schlägt eine Lösung vor, erstellt nach Genehmigung eine Gutschrift und schickt eine persönliche E-Mail. Fünf Schritte, drei Systeme, eine menschliche Freigabe. So sieht ein guter Agent aus.
Im Alltag von EPU und KMU passen Agenten überall dort, wo eine Aufgabe:
- regelmäßig wiederkommt, also mindestens mehrmals pro Woche,
- nach erkennbaren Regeln abläuft, auch wenn die Eingaben unordentlich sind (Mails, PDFs, Formulare),
- mehrere Programme berührt, zwischen denen du heute per Copy-and-paste jongliert,
- und einen klaren Prüfpunkt hat, an dem ein Mensch kurz drüberschaut.
Klassiker sind Anfragen vorsortieren und Antworten vorbereiten, Angebote aus Vorlagen bauen, Termine koordinieren oder Rechnungen und Belege mit KI verarbeiten. Weniger geeignet sind einmalige Projekte und Entscheidungen, bei denen jeder Fall ein Sonderfall ist. Da bist du mit einem guten Assistenten im Chat schneller.
KI-Agenten erstellen in sieben Schritten
Die Reihenfolge ist kein Selbstzweck. Fast jeder Agent, der in der Praxis scheitert, scheitert an einem übersprungenen Schritt 1 oder 5, nicht an der Technik.
1. Den Anwendungsfall eng schneiden
Schreib in einem Satz auf, was der Agent tun soll, für wen und woran du merkst, dass er es gut macht. „Hilft im Kundenservice“ ist kein Anwendungsfall. „Sortiert eingehende Supportmails in vier Kategorien und schreibt für Kategorie A einen Antwortentwurf“ schon.
Wo es schiefgeht: Der erste Agent soll gleich alles können. Das Ergebnis ist ein Prompt mit drei Seiten, der nirgends zuverlässig arbeitet.
Was ich hier beitrage: Im KI-Check für EPU und KMU schauen wir gemeinsam, wo sich KI in deinem Betrieb wirklich rechnet. Der Check ist kostenlos und liefert dir genau diesen einen Satz.
2. Den Ablauf skizzieren
Zeichne den heutigen Prozess auf, ruhig auf Papier: Wo kommt die Information her, welche Entscheidungen fallen, welche Programme sind beteiligt, wo endet der Fall? Markiere die Stellen, an denen heute ein Mensch nachdenkt. Das sind später deine Freigabepunkte.
Wo es schiefgeht: Man automatisiert einen Prozess, den niemand sauber beschreiben kann. Dann automatisiert der Agent das Chaos, nur schneller.
3. Werkzeug und Modell wählen
Jetzt erst kommt die Technik. Die Frage lautet: Wie tief muss der Agent in deine Systeme, und wie viel Kontrolle brauchst du? Mehr dazu im nächsten Abschnitt. Beim Sprachmodell (LLM, also das Modell hinter ChatGPT, Claude oder Gemini) zählen Qualität bei deinen Aufgaben, Datenstandort und Vertragsbedingungen. Einen ehrlichen Vergleich findest du in meinem LLM-Vergleich 2026.
Was ich hier beitrage: In der Beratung „KI-Strategie & Prozesse“ wählen wir Werkzeug und Modell passend zu deinem Prozess und mit klarem Blick auf Datenschutz, statt nach dem lautesten Marketing.
4. Anweisungen schreiben
Der System-Prompt ist die Stellenbeschreibung deines Agenten. Er enthält:
- Rolle und Ziel („Du sortierst Supportanfragen für eine Tischlerei in Salzburg“),
- erlaubte und verbotene Aktionen,
- das Ausgabeformat, damit nachgelagerte Systeme damit arbeiten können,
- was bei Unsicherheit passiert: nachfragen oder an einen Menschen übergeben.
Wo es schiefgeht: Vage Formulierungen wie „sei hilfreich“. Der Agent interpretiert sie, und zwar jeden Tag ein bisschen anders.
5. Tools anbinden, mit möglichst wenig Rechten
Hier wird es ernst. Jede Schnittstelle gibt dem Agenten Macht. Mein Grundsatz: zuerst nur Leserechte, Schreibrechte nur dort, wo es unbedingt nötig ist, und nie mehr Daten als für den Zweck notwendig. Die WKO empfiehlt bei eigener Entwicklung ausdrücklich Datenisolation, Zugriffskontrollen und kontinuierliches Monitoring sowie eine Dokumentation, welche Prompts und Modelle welche Daten verarbeiten.
Wo es schiefgeht: Der Agent bekommt der Einfachheit halber Vollzugriff auf das Postfach oder das CRM. Das ist bequem, bis er eine Mail an den falschen Verteiler schickt.
6. Menschliche Freigabe einbauen und mit echten Fällen testen
Bau an jedem Punkt, an dem Geld fließt, ein Kunde etwas Verbindliches liest oder personenbezogene Daten das Haus verlassen, einen Freigabeknopf ein. Das nennt man Human-in-the-Loop und ist kein Rückschritt, sondern dein Sicherheitsnetz. Dann testest du mit echten, anonymisierten Fällen aus deinem Alltag, inklusive der komischen: die Mail ohne Betreff, die Rechnung als Handyfoto, der Kunde, der in drei Sprachen schreibt.
Wo es schiefgeht: Getestet wird nur mit den drei Musterfällen, die man beim Bauen im Kopf hatte.
7. Klein live gehen und laufend überwachen
Starte mit begrenztem Volumen, zum Beispiel nur einer Mailadresse oder einer Kundengruppe. Schau dir in den ersten Wochen regelmäßig die Protokolle und die Kosten an. Erst wenn Fehlerquote und Aufwand passen, drehst du auf. Und: Schul dein Team, denn wer mit dem Agenten arbeitet, muss wissen, wann man ihm vertraut und wann nicht.
Was ich hier beitrage: Der kostenlose AI Literacy Kurs deckt die KI-Kompetenz nach Artikel 4 AI Act für Anwender ab, und im Workshop „Fokus LLMs“ lernt dein Team praktisch, mit Sprachmodellen zu arbeiten.
Welche Werkzeuge es zum Bauen gibt
Grob unterscheidet man drei Stufen. Die Grenze zwischen ihnen verläuft entlang einer Frage: Wie viel Kontrolle brauchst du über das, was der Agent tut?
| Stufe | Typische Werkzeuge | Gut für | Aufwand |
|---|---|---|---|
| No-Code | eigene GPTs und Projekte in Chat-Oberflächen, Agenten-Baukästen im Browser | Prototypen, interne Wissensagenten | Stunden bis Tage |
| Low-Code | Workflow-Plattformen mit KI-Bausteinen, Agenten-Studios in Office-Paketen | Anbindung an Mail, CRM, Kalender | Tage bis Wochen |
| Code | Frameworks für Entwickler | individuelle, skalierende Systeme | Wochen bis Monate |
Die WKO nennt in ihren Guidelines konkret Plattformen wie Microsoft Copilot Studio und n8n mit AI Workflows als Optionen für KMU. Wenn dein Betrieb ohnehin auf Microsoft 365 läuft, ist Copilot Studio der naheliegende Ort für einen ersten Agenten, weil er dort auf Outlook, Teams und SharePoint zugreifen kann. Wenn dir Datenhoheit besonders wichtig ist, lohnt der Blick auf lokal betriebene Lösungen. Wie das aussieht, zeige ich im Workshop mit AnythingLLM.
Mein ehrlicher Rat: Wähl das Werkzeug zuletzt. Wer mit dem Tool anfängt, baut, was das Tool gut kann, und nicht, was der Betrieb braucht.
Was ein KI-Agent kostet
Die WKO gibt für KI-Agenten in KMU eine Kostengröße von 200 bis 2.000 € pro Monat an (Stand der 3. Auflage, 2026), abhängig von Komplexität und Integrationstiefe. Die Spanne ist groß, weil sich die Kosten aus mehreren Töpfen zusammensetzen:
- Lizenzen: Plattform- und Modellabos, oft pro Nutzer oder pro Agent.
- Verbrauch: Jeder Aufruf des Sprachmodells kostet, abgerechnet nach Textmenge (Tokens). Ein Agent, der lange Dokumente liest, wird teurer als einer, der kurze Mails sortiert.
- Einrichtung: Ablauf skizzieren, Prompts schreiben, Schnittstellen anbinden, testen.
- Betreuung: Protokolle prüfen, Prompts nachschärfen, auf Modell-Updates reagieren. Diese interne Zeit wird am häufigsten vergessen.
Ein Rechenbeispiel: Wenn dein Agent pro Woche 50 Anfragen vorsortiert und dir dabei je fünf Minuten spart, sind das gut vier Stunden pro Woche. Bei einem internen Stundensatz von 60 € sind das rund 1.000 € pro Monat an gewonnener Zeit. Damit siehst du sofort, in welchem Teil der WKO-Spanne sich dein Agent rechnet.
Meine eigenen Preise sind transparent: Die Beratung KI-Strategie & Prozesse kostet 150 € pro Stunde, der Workshop Fokus LLMs 120 € pro Stunde. Erstgespräch, KI-Check und AI Literacy Kurs sind kostenlos. Wie eine Beratung bei mir abläuft, beschreibe ich ausführlich in Ablauf und Kosten der KI-Beratung.
Rechtlicher Rahmen: AI Act und DSGVO
Keine Panik, aber auch kein Ignorieren. Für die meisten Agenten in EPU und KMU sind die Pflichten überschaubar, wenn du sie von Anfang an mitdenkst.
Was der AI Act von dir verlangt
Die EU-KI-Verordnung, kurz AI Act, ist laut Digital Austria am 1. August 2024 in Kraft getreten. Mit dem Omnibus-Paket vom Juli 2026 wurden Fristen für Hochrisiko-KI verschoben: Für eigenständige Hochrisiko-Systeme nach Anhang III gelten die Pflichten laut Haufe nun ab 2. Dezember 2027. Hochrisiko betrifft etwa KI in Personalauswahl oder Kreditvergabe, nicht den Agenten, der deine Supportmails sortiert.
Was schon gilt: Seit 2. Februar 2025 müssen Betreiber Maßnahmen setzen, damit ihr Personal ausreichend KI-Kompetenz hat. Die RTR erklärt auf ihrer Seite zur KI-Kompetenz nach Art. 4, dass das Betreiber und Anbieter verpflichtet, ohne ein bestimmtes Niveau für jede Person zu garantieren. Die Wirtschaftsjuristen von KPMG Law betonen, dass Unternehmen die Kompetenz trotzdem tatsächlich sicherstellen sollten, um blindes Vertrauen in die KI zu vermeiden. Spricht dein Agent direkt mit Kunden, kommen Transparenzpflichten dazu. Was Artikel 50 konkret verlangt, habe ich in KI-Kennzeichnungspflicht für EPU und KMU aufgeschrieben. Den Überblick, was davon dich wirklich betrifft, findest du in EU AI Act 2026: Was für KMU und EPU wirklich gilt.
Was die DSGVO von deinem Agenten verlangt
AI Act und DSGVO gelten nebeneinander. Der Standard bringt es in einem Beitrag über Grenzen für KI-Agenten auf den Punkt: Ein Agent mit Zugriff auf alle Daten verstößt möglicherweise gegen beide Gesetze, und eine pauschale Ausnahme für Kleinbetriebe gibt es nicht. Praktisch heißt das:
- Für jede Verarbeitung personenbezogener Daten brauchst du eine Rechtsgrundlage.
- Datenminimierung: Der Agent sieht nur, was er für seine Aufgabe braucht.
- Prüfe, wo der Modellanbieter Daten verarbeitet, und schließ einen Auftragsverarbeitungsvertrag ab.
- Dokumentiere Zweck, Datenarten, Modell und Prompts.
Welche organisatorischen Vorbereitungen in österreichischen Betrieben dazugehören, etwa bei Telefon- und Chatbots im Kundenkontakt, beschreibt der Beitrag über deutsche KI für österreichische KMU anhand praktischer Fälle. Bei konkreten Rechtsfragen zu deinem Fall, etwa wenn dein Agent Bewerbungen oder Gesundheitsdaten berührt, zieh zusätzlich deine Rechtsanwältin oder deinen Datenschutzbeauftragten hinzu.
Meine Sicht: Der Agent ist das Werkzeug, nicht die Strategie
Ich teste KI-Tools seit Jahren, und bei Agenten wiederholt sich ein Muster: Die Demo beeindruckt, der Alltag nicht. Das liegt selten am Modell. Es liegt daran, dass niemand vorher geklärt hat, welcher Prozess sich lohnt, welche Daten der Agent wirklich braucht und wer am Ende auf „Senden“ drückt.
Alex Januschewsky
Deshalb fange ich in der Beratung nie mit dem Tool an. Wir schauen uns deinen Betrieb an, suchen den einen Prozess mit dem besten Verhältnis aus Aufwand und Nutzen und bauen von dort aus. Ohne leere Versprechen: Wenn ein Agent sich bei dir nicht rechnet, sag ich dir das, und wir suchen den Prozess, bei dem er es tut.
Datenschutz ist dabei kein Anhängsel, sondern Teil des Bauplans. Ein Agent, der nur liest, was er braucht, ist nicht nur rechtssicherer, er arbeitet auch präziser. Weniger Kontext heißt weniger Verwirrung. Das ist für mich der Kern von ehrlicher KI-Beratung: Ergebnisse, die du nach drei Monaten noch nutzt.
So begleite ich dich zum ersten Agenten
Wenn du deinen ersten KI-Agenten nicht im Blindflug bauen willst, starte mit dem kostenlosen KI-Erstgespräch. Danach entwickeln wir in der Beratung KI-Strategie & Prozesse um 150 € pro Stunde den Fahrplan für deinen Anwendungsfall, inklusive Werkzeugwahl, Rechtekonzept und Datenschutz. Und damit dein Team mit dem Ergebnis umgehen kann, gibt es den Workshop Fokus LLMs um 120 € pro Stunde.
Häufige Fragen
Kann ich einen KI-Agenten ohne Programmierkenntnisse erstellen?
Ja. No-Code- und Low-Code-Plattformen erlauben einfache Agenten ohne eine Zeile Code. Die eigentliche Arbeit liegt ohnehin in Anwendungsfall, Anweisungen, Rechten und Tests. Dafür brauchst du Prozesswissen, keine Programmierkenntnisse.
Wie erstelle ich einen Agenten in Microsoft 365?
In Microsoft 365 baust du Agenten mit Copilot Studio oder direkt im Copilot-Chat über die Agentenerstellung. Du beschreibst Aufgabe und Wissensquellen, etwa einen SharePoint-Ordner, und legst fest, auf welche Aktionen der Agent zugreifen darf. Auch hier gilt: zuerst Leserechte, Schreibrechte erst nach erfolgreichen Tests.
Was kostet ein KI-Agent für ein kleines Unternehmen?
Die WKO nennt für KMU eine Größenordnung von 200 bis 2.000 € pro Monat, je nach Komplexität und Integrationstiefe. Dazu kommen Einrichtung und interne Betreuungszeit. Ob sich das rechnet, siehst du, wenn du die gesparte Zeit mit deinem internen Stundensatz multiplizierst.
Brauche ich für einen KI-Agenten eine Schulung nach dem AI Act?
Wenn du oder dein Team KI-Systeme beruflich einsetzt, verlangt Artikel 4 AI Act seit Februar 2025 Maßnahmen zur KI-Kompetenz. Ein bestimmtes Zertifikat schreibt das Gesetz nicht vor, eine dokumentierte Schulung ist aber der einfachste Nachweis. Mein AI Literacy Kurs ist dafür kostenlos.
Quellen
- WKO: KI-Agenten (KI-Guidelines)
- WKO: KI-Guidelines für KMU, 3. Auflage (PDF)
- Digital Austria: KI-Verordnung
- Haufe: Digital Omnibus und die KI-Verordnung
- RTR: AI Act, KI-Kompetenz
- KPMG Law: Digital Omnibus on AI
- Der Standard: Setz dem KI-Agenten eine Grenze
