Wie man Agentic AI im Geschäftskontext betreibt

"Agentic AI" ist derzeit das grosse Versprechen der Branche: Geben Sie einem Modell ein Ziel, lassen Sie es planen, Tools aufrufen und über mehrere Schritte hinweg mit minimaler Aufsicht handeln. Für ein Nebenprojekt ist das spannend. Für einen Geschäftsprozess, der Kunden, Geld oder Verträge betrifft, ist es der falsche Standardfall. Dieser Guide erklärt, was Agentic AI wirklich ist, warum vollständige Autonomie im Geschäftskontext scheitert, und wie {yourcompany}os Agenten stattdessen innerhalb von Leitplanken einsetzt.

Was "KI-Agenten" und "Agentic AI" tatsächlich bedeuten

Ein KI-Agent ist ein System, das mit einem Modell entscheidet, was als Nächstes zu tun ist – es liest ein Ziel, wählt ein Tool oder eine Aktion, bewertet das Ergebnis und entscheidet, ob es weitermacht oder stoppt. Agentic AI beschreibt, diese Entscheidungsschleife über mehrere Schritte hinweg auf ein grösseres Ziel hin zu verketten, manchmal mit mehreren Agenten, die sich Arbeit gegenseitig übergeben. Im Marketing heisst das "autonom". In der Praxis bedeutet es, dass ein probabilistisches System eine Abfolge von Entscheidungen trifft – ohne festes Skript und ohne verpflichtenden Checkpoint.

Warum vollständige Autonomie im Geschäftskontext scheitert

Vollständige Autonomie klingt effizient, scheitert aber leise, nicht dramatisch. Ein Agent muss nicht abstürzen, um Schaden anzurichten – es reicht, wenn er eine E-Mail versendet, die nicht hätte rausgehen sollen, etwas genehmigt, das eine zweite Prüfung gebraucht hätte, oder eine irreversible Aktion ausführt, weil nichts im Design eine Pause erzwungen hat. Modelle halluzinieren, deuten Kontext falsch und können nicht zuverlässig mitteilen, wann sie unsicher sind. Wenn der "Prozess" in Wirklichkeit nur eine Prompt-Kette ist, gibt es nichts zu prüfen: kein Diagramm, keine festen Schritte, keine Aufzeichnung, warum ein bestimmter Weg gewählt wurde.

Das ist der Kern der kontrarischen Position von {yourcompany}os: KI-Agenten versprechen viel, liefern aber zu wenig für kritische Prozesse, wenn sie unbeaufsichtigt laufen. Die Lösung ist nicht, KI abzulehnen – sondern BPMN über die Agenten zu stellen, nicht umgekehrt. Deterministische, prüfbare Workflows, die Menschen von oben bis unten lesen können, mit KI dort, wo sie tatsächlich gut ist.

Beispiel: eine Recherche-Aufgabe, nicht "recherchieren und handeln"

Der Unterschied ist konkret. Ein vollständig autonomer Ansatz sieht so aus: "Agent recherchiert den Kunden, entwirft eine Follow-up-E-Mail und versendet sie" – eine einzige Prompt-Kette entscheidet still über alles, auch darüber, ob gesendet wird. Mit Leitplanken wird aus derselben Arbeit drei sichtbare Prozessschritte:

1. Recherche – der Agent sammelt Informationen und liefert ein strukturiertes Ergebnis: Erkenntnisse, Konfidenz, Quellen. Das ist alles. Er entscheidet nicht, was damit passiert.
2. Übergabe – der Prozess, nicht der Agent, bewertet dieses Ergebnis. Ein Gateway oder eine Regel leitet es weiter: zur Prüfung an eine Person, zur Auslösung einer vorlagenbasierten Aktion, oder zur Eskalation, wenn die Konfidenz niedrig oder das Risiko hoch ist.
3. Entwurf / Versand – erst nach diesem Checkpoint geht der Prozess weiter zum Entwerfen oder Versenden, als eigener expliziter Schritt mit eigenem Freigabe-Gate, falls die Aktion nach aussen wirkt oder nicht rückgängig gemacht werden kann.

Der Agent entscheidet nie selbst, die E-Mail zu senden. Er gibt sein Ergebnis zurück in einen Prozess, den Ihr Team entworfen hat und besitzt, und der Prozess entscheidet den nächsten Schritt.

Wo die Grenze verlaufen sollte

Eine praktische Faustregel: Agentic AI passt gut zu urteilsintensiver, aber reversibler, risikoarmer Arbeit – Recherche, Zusammenfassung, Klassifizierung, Textentwürfe. Alles, was irreversibel ist, nach aussen sichtbar wird oder mit Geld oder Verträgen zu tun hat, gehört in einen eigenen expliziten Prozessschritt, automatisiert oder mit menschlicher Freigabe, nie still an denselben Agenten-Aufruf angehängt, der die Recherche gemacht hat. In der Praxis bedeutet das weniger riesige "autonome" Agenten und mehr kleine, austauschbare Agenten-Schritte, eingebettet in einen Prozess, den Sie tatsächlich lesen können.

Wie das in der Praxis aussieht

Bei {yourcompany}os steht der Prozess zuerst: Jeder Zustand, jede Entscheidung und jede Übergabe ist ein Knoten in einem BPMN-Diagramm, bevor überhaupt KI beteiligt ist. Ein KI-Schritt wird dort hinzugefügt, wo wirklich Urteilsvermögen gefragt ist – "Gegenpartei recherchieren", "eingehende E-Mail klassifizieren", "Zusammenfassung entwerfen" – mit einem festen Vertrag dafür, was hinein- und was herauskommt. Der nächste Schritt wird durch die Prozessdefinition entschieden, nicht dadurch, dass der Agent aus eigener Initiative weiterhandelt. Jeder Schritt, KI oder Mensch, wird protokolliert, damit Sie genau rekonstruieren können, was passiert ist und warum – inklusive wer etwas freigegeben hat, das nicht rückgängig gemacht werden konnte.

Wichtigste Erkenntnisse

Agentic AI ist eine Kette modellgetriebener Entscheidungen auf ein Ziel hin; vollständige Autonomie in dieser Kette scheitert leise, durch Kompetenz-Zuwachs und nicht prüfbare Entscheidungen, nicht durch dramatische Abstürze. Die Antwort von {yourcompany}os ist, BPMN in der Kontrolle zu halten: Ein Agent erhält eine begrenzte Aufgabe mit strukturierter Übergabe, und der Prozess – nicht der Agent – entscheidet, was als Nächstes passiert.

Setzen Sie Agentic AI für urteilsintensive, reversible, risikoarme Arbeit wie Recherche und Textentwürfe ein. Halten Sie irreversible oder nach aussen wirkende Aktionen – senden, genehmigen, bezahlen – als explizite, prüfbare Prozessschritte mit eigenem Checkpoint. Genau diese Grenze macht aus "Agentic AI" mehr als eine Demo – etwas, das Sie produktiv betreiben können.