Sollen Sie in Ihrem Betrieb AI Agents einsetzen – oder reicht klassische Automatisierung? Diese Frage stellt sich derzeit in vielen Schweizer KMU, und die Antwort hängt weniger von der Technik als von der Governance ab: Wer entscheidet, wer haftet, wer kontrolliert das Ergebnis. AI Agents im Unternehmen sind Softwaresysteme, die auf Basis von Sprachmodellen selbstständig Entscheidungen treffen, Werkzeuge auswählen und mehrstufige Aufgaben ausführen – ohne dass jeder Schritt vorab programmiert wurde.
Das unterscheidet sie fundamental von der bisherigen Prozessautomatisierung, bei der ein Ablauf fest definiert ist und immer gleich abläuft. Für den Einsatz von AI Agents im Unternehmen braucht es deshalb zuerst eine Entscheidung auf Führungsebene, nicht einfach ein IT-Projekt von unten. Bevor Sie investieren, lohnt sich ein nüchterner Blick auf Einsatzfelder, Verantwortlichkeiten und die Risiken, die mit autonomen KI Agenten in KMU tatsächlich verbunden sind.
Was sind AI Agents – und was unterscheidet sie von klassischer Automatisierung?
Ein klassisches Automatisierungs-Skript folgt einem festen Regelwerk: Wenn X eintrifft, geschieht Y. Ein AI Agent hingegen erhält ein Ziel, nicht eine feste Abfolge von Schritten. Er interpretiert eine Anfrage, entscheidet, welche Information oder welches Werkzeug er als Nächstes braucht, und passt sein Vorgehen an den konkreten Fall an. Diese Flexibilität ist der eigentliche Unterschied – und zugleich die Quelle der Risiken, die weiter unten beschrieben werden.
Diese Verschiebung zeigt sich auch ausserhalb des eigenen Betriebs: Google nutzt öffentlich publizierte Website-Inhalte zunehmend in KI-gestützten Sucherlebnissen, wobei Website-Betreiber gewisse Steuerungsmöglichkeiten darüber haben, wie ihre Inhalte dort erscheinen, wie die Hinweise von Google zu KI-Funktionen und Websites zeigen. Aus unserer Sicht überträgt sich dieser Trend in abgewandelter Form auch auf interne Abläufe: Unternehmen sollten davon ausgehen, dass KI-Systeme zunehmend mit betrieblichen Informationen arbeiten – die Frage ist, wie kontrolliert das intern geschieht.
Wichtig für die Einordnung: Ein AI Agent ist kein Chatbot mit Textbaustein-Antworten. Er kann – je nach Konfiguration – Datenbanken abfragen, E-Mails verfassen, Termine buchen oder Freigaben auslösen. Genau diese Handlungsfähigkeit macht eine bewusste Entscheidung vor dem Einsatz nötig, statt ein Projekt einfach laufen zu lassen und zu hoffen, dass es passt.
Typische Einsatzfelder für AI Agents in Schweizer KMU
In der Praxis zeigen sich AI Agents dort nützlich, wo Aufgaben zwar wiederkehren, aber nicht in jedem Fall identisch ablaufen. Beispiele aus dem KMU-Alltag:
- Ein Agent prüft eingehende Kundenanfragen, ordnet sie einer Kategorie zu und beantwortet Standardfälle direkt, während er komplexere Fälle an eine Mitarbeiterin weiterleitet.
- Ein Agent liest Rechnungen und Lieferscheine, gleicht sie mit Bestellungen ab und markiert Abweichungen zur manuellen Prüfung.
- Ein Agent recherchiert für die Vertriebsabteilung Hintergrundinformationen zu einem Lead und bereitet eine erste Einschätzung vor, bevor ein Mensch den Kontakt aufnimmt.
Gerade für KI Agenten in Schweizer KMU ist entscheidend, dass ein Prozess klar abgegrenzt ist, bevor ein Agent überhaupt Zugriff auf Systeme erhält. Der Unterschied zu einer reinen Ablaufautomatisierung liegt darin, dass der Agent innerhalb eines Rahmens selbst entscheidet, welcher Schritt als Nächstes sinnvoll ist. Wo dieser Rahmen fehlt oder zu weit gefasst ist, entsteht Unsicherheit über das Ergebnis. Wie sich Automatisierung und Agenten-Einsatz in einem Betrieb konkret kombinieren lassen, zeigt die Seite zur Prozessautomatisierung; dort wird auch deutlich, welche Abläufe sich mit festen Regeln lösen lassen und wo ein Agent einen echten Mehrwert bringt.
Governance: Wer entscheidet, wer verantwortet, wer kontrolliert den Einsatz?
AI Agent Governance beginnt nicht bei der Technik, sondern bei der Organisation. Drei Rollen sollten Sie vor dem ersten Projekt klar zuordnen.
Die Geschäftsleitung entscheidet, in welchen Bereichen ein Agent überhaupt eigenständig handeln darf – etwa ob er nur Vorschläge macht oder auch direkt Aktionen auslöst, wie das Versenden einer Bestellung. Die IT- oder Digitalisierungsverantwortlichen definieren die technischen Leitplanken: welche Systeme und Daten ein Agent erreichen darf, welche Protokollierung mitläuft und wie Fehler erkannt werden.
Und es braucht Klarheit darüber, wer die Verantwortung für den Datenschutz intern trägt: Das Schweizer Datenschutzgesetz weist die entsprechenden Pflichten dem Unternehmen als «Verantwortlichem» zu, sobald ein Agent mit Personendaten arbeitet – eine Datenschutzberaterin oder einen Datenschutzberater zu benennen, ist für private Unternehmen freiwillig und keine gesetzliche Pflicht. Aus unserer Sicht ist es trotzdem sinnvoll, diese Rolle organisatorisch klar einer Person zuzuordnen, statt sie offen zu lassen.
Governance heisst hier nicht zwingend ein zusätzliches Gremium, sondern eine klare Antwort auf drei Fragen: Wer darf den Agent freischalten, wer prüft seine Ergebnisse stichprobenartig, und wer wird informiert, wenn er falsch entscheidet? Ohne diese Antworten bleibt jedes Projekt ein Testballon, der irgendwann unkontrolliert weiterläuft, weil niemand die Verantwortung explizit trägt.
Risiken und Grenzen: Datenschutz, Halluzination, Kontrollverlust
Drei Risikofelder sollten Sie vor dem Einsatz konkret prüfen.
Datenschutz: Sobald ein Agent Personendaten verarbeitet – etwa Kundendaten aus einem CRM oder Bewerbungsunterlagen – gelten die Vorgaben des Schweizer Datenschutzrechts. Der EDÖB stellt dazu Orientierungshilfen bereit, und das Datenschutzgesetz verlangt unter anderem, dass die verantwortliche Stelle für den Bearbeitungszweck und die Datensicherheit einsteht – auch wenn die eigentliche Bearbeitung durch ein KI-System erfolgt.
Halluzination: Sprachmodelle formulieren Antworten, die plausibel klingen, aber sachlich falsch sein können. Bei einem Chatbot, der nur Auskunft gibt, ist das ärgerlich. Bei einem Agenten, der auf dieser Basis eine Bestellung auslöst oder eine Rechnung freigibt, wird es teuer. Jede Aktion mit finanzieller oder rechtlicher Wirkung braucht deshalb einen Prüfpunkt, an dem ein Mensch die Entscheidung bestätigt, bevor sie wirksam wird.
Kontrollverlust: Je mehr Entscheidungsspielraum ein Agent bekommt, desto schwerer lässt sich im Nachhinein nachvollziehen, warum er so gehandelt hat. Ohne Protokollierung und regelmässige Stichproben verschwindet dieser Spielraum aus dem Blickfeld der Verantwortlichen – genau das ist der Kern der Risiken ki agenten in der Praxis. Wer diese drei Felder von Anfang an mitdenkt, reduziert das grösste Risiko: den Agent laufen zu lassen, ohne zu wissen, was er gerade tut.
Entscheidungsraster: Wann lohnt sich ein AI Agent, wann reicht klassische Automatisierung?
Ein einfaches Raster hilft bei der Einordnung. Prüfen Sie pro Prozess vier Punkte:
- Variabilität: Läuft die Aufgabe immer identisch ab, oder unterscheiden sich die Fälle stark? Bei hoher Variabilität kann ein Agent mehr leisten als ein starres Skript.
- Fehlerkosten: Was kostet eine falsche Entscheidung – eine falsch einsortierte E-Mail oder eine falsch versendete Zahlung? Je höher die Fehlerkosten, desto mehr menschliche Kontrolle braucht der Agent.
- Datensensibilität: Verarbeitet der Prozess Personendaten oder Geschäftsgeheimnisse? Dann müssen Zugriffsrechte und Protokollierung von Anfang an mitgedacht werden.
- Volumen und Wiederholung: Lohnt sich der Aufwand für Aufbau und Kontrolle überhaupt, gemessen an der Häufigkeit des Prozesses?
Ist die Variabilität gering, das Volumen hoch und die Fehlerkosten überschaubar, reicht in der Regel eine klassische Prozessautomatisierung. Erst wenn Entscheidungen situativ getroffen werden müssen und sich nicht vollständig in Regeln fassen lassen, rechtfertigt das den zusätzlichen Governance-Aufwand eines Agenten. Für den Einsatz von AI Agents im Unternehmen ist dieses Raster kein einmaliger Check, sondern eine Übung, die Sie bei jedem neuen Prozess wiederholen sollten.
Vom Entscheid zur Umsetzung: Die nächsten sinnvollen Schritte
Bevor Sie einen AI Agent produktiv setzen, lohnt sich ein begrenzter Testlauf in einem klar abgegrenzten Bereich – mit definierten Freigabepunkten und einer Person, die Ergebnisse regelmässig prüft. Erst wenn dieser Testlauf zeigt, dass die Ergebnisse zuverlässig und nachvollziehbar sind, folgt die Ausweitung auf weitere Prozesse.
Die Seite zu AI-Lösungen zeigt, wie sich ein solcher Einsatz konkret aufbauen lässt – von der Auswahl geeigneter Prozesse bis zur technischen Umsetzung. Wenn Sie zunächst klären möchten, ob sich ein AI Agent für Ihren Betrieb überhaupt lohnt oder ob klassische Automatisierung der passendere erste Schritt ist, vereinbaren Sie ein unverbindliches Gespräch. Gemeinsam lässt sich anhand Ihrer konkreten Prozesse einordnen, wo eine AI-Lösung entwickelt werden sollte – und wo klassische Automatisierung vorerst genügt.
