Ein Stadtwerk-Kunde meldet über das Portal, dass seine letzte Stromrechnung falsch sein muss. Was folgt, hängt davon ab, was das digitale System auf der anderen Seite kann.
Ein KI-Assistent antwortet: „Vielen Dank für Ihre Nachricht. Wir haben Ihre Anfrage entgegengenommen und melden uns in Kürze.“ Damit ist der Assistent fertig. Der Sachbearbeiter, der morgen früh reinkommt, findet ein Ticket vor.
Ein agentisches System arbeitet anders: Es zieht den Zählerstand aus dem Backend, vergleicht ihn mit dem abgerechneten Verbrauch, identifiziert die Abweichung, erstellt — bei bestätigtem Fehler — die Korrekturrechnung, benachrichtigt den Kunden mit einer verständlichen Erklärung und dokumentiert den Vorgang im CRM. Der Sachbearbeiter sieht morgen früh einen erledigten Fall. Nur bei Ausnahmen, die eine menschliche Entscheidung erfordern, landet etwas in seiner Inbox.
Das ist der Unterschied zwischen einem Assistenten und einem Agenten. Nicht graduell, sondern strukturell.
Was Agentic AI von allem bisherigen unterscheidet
KI-Systeme entwickeln sich in erkennbaren Stufen. Regelbasierte Chatbots beantworten vordefinierte Fragen — tun genau das, was auf der Checkliste steht, und nichts weiter. KI-Assistenten können natürliche Sprache verarbeiten, Zusammenfassungen erstellen, Texte generieren — aber sie warten auf Anweisungen. Ohne Prompt passiert nichts.
Agentic AI bricht dieses Muster. Sie erhält ein Ziel und arbeitet eigenständig darauf hin. Sie plant, welche Schritte nötig sind, wählt die richtigen Werkzeuge, führt Aktionen aus, prüft die Ergebnisse und passt den Ansatz an, wenn etwas nicht funktioniert. Dieser Zyklus — Wahrnehmen, Denken, Handeln, Lernen — wiederholt sich so lange, bis die Aufgabe abgeschlossen ist.
Das bedeutet in der Praxis: Ein agentisches System kann eine Störungsmeldung entgegennehmen, sie mit bekannten Mustern abgleichen, eine Erstmaßnahme ausführen, das Ergebnis prüfen und erst bei erfolglosem Ersteingriff einen Techniker alarmieren. Alles ohne menschlichen Zwischenschritt.
Was agentische Systeme konkret brauchen
Hinter Agentic AI stecken vier Fähigkeiten, die zusammenwirken müssen:
Werkzeuge: Ein Agent, der keine APIs aufrufen, keine Datenbanken abfragen und keine Aktionen auslösen kann, ist ein Assistent mit Planungsfähigkeit — aber kein Agent. Erst durch Werkzeuge wird Planung zu Ausführung.
Gedächtnis: Agenten müssen sich an frühere Interaktionen erinnern können — an Kundenpräferenzen, an bekannte Fehlerbilder, an vergangene Entscheidungen. Ohne strukturiertes Gedächtnis arbeitet jeder Lauf im leeren Kontext.
Entscheidungslogik: Wann handelt der Agent selbst, wann fragt er nach, wann eskaliert er? Diese Leitplanken müssen vor dem Deployment definiert sein. Ein Agent ohne klare Entscheidungsgrenzen ist ein Sicherheitsrisiko.
Protokollierung: Für regulierte Branchen — Energiewirtschaft, Telekommunikation — ist lückenloses Logging keine Option. Jede Aktion, jede Entscheidung, jeder Datenzugriff muss nachvollziehbar sein.
Agentic versus autonom — ein wichtiger Unterschied
Die Begriffe werden häufig synonym verwendet. Sie bedeuten aber etwas anderes.
Agentisch heißt: Das System trifft im Prozess selbstständig Entscheidungen und führt Aktionen aus. Autonom heißt: Das System arbeitet vollständig ohne menschliche Aufsicht.
Die meisten sinnvollen Business-Einsätze sind agentisch, aber nicht autonom. Für kritische Entscheidungen — Vertragskündigungen, Zahlungsfreigaben über einem Schwellenwert, Beschwerden mit rechtlichem Kontext — bleibt der Mensch im Loop. Das ist kein Rückschritt, das ist sinnvolles Design. Vollständige Autonomie ist für die meisten Unternehmensanwendungen weder wünschenswert noch regulatorisch akzeptabel.
Wo die Grenzen heute noch liegen
Agentische Systeme können fehlerhaft sein — und der Fehler kann sich verketten. Wenn ein Agent in Schritt 3 eine falsche Schlussfolgerung zieht und darauf aufbaut, können Folgeschritte auf einer falschen Prämisse basieren. Deshalb sind definierte Prüfpunkte, Rückfragemechanismen bei kritischen Aktionen und eine klare Eskalationslogik keine Extras — sie sind Betriebsvoraussetzung.
Halluzinationen — KI-Systeme, die plausibel klingende aber faktisch falsche Informationen generieren — sind bei agentischen Systemen mit RAG-Architektur (Retrieval-Augmented Generation) stark reduziert, aber nicht ausgeschlossen. Wer sein Agentensystem auf Unternehmensdaten aufbaut statt auf generischem Modellwissen, hat dieses Risiko deutlich im Griff.
Welche Prozesse sich als Einstieg eignen
Nicht jeder Prozess ist ein guter Kandidat für Agentic AI. Die besten Einstiegspunkte haben drei Eigenschaften gemeinsam: Sie sind repetitiv, enthalten regelbasierte Entscheidungen und binden heute Personal, das für anspruchsvollere Aufgaben gebraucht wird.
Für Stadtwerke und Energieversorger: Störungsklassifizierung, Rechnungsreklamationen, Zählerstandsverarbeitung, Meldewesen-Reporting. Für Telekommunikationsunternehmen: Vertragsstatusabfragen, Churn-Frühwarnung, Netzwerkmonitoring mit automatisierten Erstmaßnahmen. Für KMUs: Tier-1-Support, Buchhaltungsroutinen unter definierten Freigabegrenzen, Dokumentenverarbeitung.
Drei Einstiegsstufen
Je nach Ausgangslage und Zielbild gibt es drei Stufen, in denen ich Agentic AI für Unternehmen einführe:
Stufe 1 — Pilotprozess: Ein einziger, klar umrissener Prozess wird agentisch. Ich analysiere gemeinsam mit Ihnen, welcher Prozess den höchsten Hebelwert hat, baue den Agenten, integriere ihn in Ihre Systeme und teste ihn auf realen Fällen. Zeitrahmen: vier bis sechs Wochen.
Stufe 2 — Fachbereichs-Workflow: Mehrere spezialisierte Agenten arbeiten über einen Orchestrator zusammen — jeder mit eigenen Werkzeugen und klar definierten Zuständigkeiten. Typisch: vollständiger Kundenservice-Workflow, IT-Operations-Abdeckung oder automatisierter Beschaffungsprozess. Zeitrahmen: zwei bis vier Monate.
Stufe 3 — Unternehmensweites Agentensystem mit Compliance-Schicht: Vollständiges Multi-Agent-System mit Audit-Trail für regulatorische Anforderungen (BNetzA, BSI IT-Grundschutz), dokumentierter Entscheidungslogik und Integration in bestehende ERP- und CRM-Systeme. Das richtige Projekt für Stadtwerke und Energieversorger, die Agentic AI als strategische Infrastruktur aufbauen.
Fazit
Agentic AI ist kein Zukunftsszenario. Die Technologie ist produktionsreif — mit realistischen Einschränkungen, die man kennen und einplanen muss. Für Unternehmen mit hohem Anteil repetitiver, regelbasierter Abläufe ist der Return on Investment klar: weniger Routinearbeit für qualifiziertes Personal, schnellere Bearbeitung, konsistentere Ergebnisse.
Der beste Einstieg ist nicht der größte, sondern der präziseste: ein Prozess, eine klare Aufgabe, messbare Ergebnisse. Wenn Sie wissen möchten, welcher Prozess in Ihrem Betrieb sich dafür am besten eignet: Sprechen Sie mich an.
