KI-Agenten sind gerade überall. Und genau deshalb muss man bei dem Thema vorsichtig sein.
Ein Teil der Begeisterung ist berechtigt. Ein guter Agent kann Arbeit übernehmen, die bisher jeden Tag manuell gemacht wurde: recherchieren, prüfen, zusammenfassen, Daten abgleichen, Aufgaben vorbereiten.
Ein anderer Teil ist Hype. Nicht jeder Prozess braucht einen Agenten. Nicht jeder Agent spart Geld. Und nicht alles, was als “Agent” verkauft wird, ist mehr als ein Chatbot mit Werkzeugzugriff.
Ich versuche es deshalb pragmatisch: Was kostet ein KI-Agent wirklich? Wann lohnt er sich? Und wo verbrennt man Geld?
Die kurze Antwort
Für Unternehmen liegen realistische Einstiegsbudgets ungefähr hier:
| Agenten-Typ | Einmalige Entwicklung | Laufender Betrieb |
|---|---|---|
| Einfacher Assistenz-Agent | 3.000 bis 5.000 Euro | ca. 30 bis 150 Euro pro Monat |
| Agent mit Wissensdatenbank und Tools | 9.000 bis 15.000 Euro | ca. 100 bis 400 Euro pro Monat |
| Multi-Agent-System mit mehreren Rollen | 20.000 bis 35.000 Euro | ca. 300 bis 1.200 Euro pro Monat |
Das sind keine Laborprojekte. Das sind Größenordnungen für erste produktive Systeme, die in einem klar begrenzten Unternehmensprozess helfen.
Ein KI-Agent ist kein Chatbot
Ein Chatbot wartet auf eine Frage und antwortet.
Ein KI-Agent bekommt ein Ziel, nutzt Werkzeuge und arbeitet mehrere Schritte ab. Er kann eine Datenbank abfragen, Dokumente lesen, eine API aufrufen, Zwischenergebnisse prüfen und am Ende eine Handlung vorschlagen oder vorbereiten.
Das klingt nach einem kleinen Unterschied. In der Praxis ist es ein großer.
Ein Chatbot beantwortet: “Wie ist der Status dieser Bestellung?”
Ein Agent kann: Bestellung finden, Lieferstatus prüfen, Kundendaten abgleichen, eine Antwort vorbereiten, Unsicherheiten markieren und den Vorgang für einen Mitarbeiter einordnen.
Das zweite System ist nützlicher. Aber es ist auch anspruchsvoller.
Wann ein einfacher Agent reicht
Viele Unternehmen denken bei KI-Agenten sofort an ein großes System.
Ich würde fast immer kleiner anfangen.
Ein einfacher Agent hat eine Aufgabe und wenige Werkzeuge. Zum Beispiel:
- eingehende E-Mails vorsortieren
- neue Leads aus einem Postfach extrahieren
- täglich bestimmte Websites prüfen
- Dokumente vorqualifizieren
- eine Zusammenfassung für einen Mitarbeiter vorbereiten
So ein Agent kostet oft 3.000 bis 5.000 Euro.
Der größte Teil des Aufwands steckt nicht im “KI anschließen”. Das geht heute relativ schnell. Der Aufwand steckt in den Grenzen:
- Welche Daten darf der Agent lesen?
- Was darf er selbst entscheiden?
- Wann muss ein Mensch prüfen?
- Wie wird protokolliert, was passiert ist?
- Was passiert, wenn eine Quelle nicht erreichbar ist?
Bei kleinen Agenten ist diese Begrenzung der wichtigste Teil des Projekts. Ein Agent, der alles darf, ist kein Fortschritt. Er ist ein Risiko.
Wann ein Agent mit Wissensdatenbank sinnvoll ist
Der nächste Schritt ist ein Agent, der auf internes Wissen zugreift.
Das kann eine Wissensdatenbank sein, ein Handbuch, eine Sammlung von PDFs, Angebotsunterlagen, Produktdaten oder Support-Dokumente.
Typische Beispiele:
- Ein Support-Agent sucht in internen Dokumenten und schlägt Antworten vor.
- Ein Vertriebs-Agent prüft, ob eine Anfrage zum Angebot passt.
- Ein Backoffice-Agent findet relevante Informationen aus verschiedenen Unterlagen.
- Ein Projekt-Agent fasst Status, offene Punkte und Risiken zusammen.
Hier liegen die Kosten oft zwischen 9.000 und 15.000 Euro.
Warum mehr?
Weil es nicht reicht, Dateien in einen Ordner zu werfen und eine KI darauf loszulassen. Die Dokumente müssen aufbereitet werden. Der Agent muss relevante Stellen finden. Er muss Quellen nennen. Er muss wissen, wann er unsicher ist. Und jemand muss prüfen können, warum er zu einem Ergebnis kommt.
Gerade bei Unternehmenswissen ist Nachvollziehbarkeit wichtig. Eine charmante Antwort reicht nicht. Der Mitarbeiter muss sehen: Woher kommt diese Aussage?
Ohne Quellen wird aus einem Wissens-Agenten schnell ein sehr selbstbewusster Praktikant mit Gedächtnislücken.
Wann Multi-Agent-Systeme Sinn ergeben
Mehrere Agenten klingen beeindruckend. In Demos sehen sie oft aus wie ein kleines digitales Team.
In echten Projekten würde ich damit vorsichtig sein.
Ein Multi-Agent-System lohnt sich, wenn ein Prozess wirklich mehrere getrennte Rollen hat. Zum Beispiel:
- Ein Agent recherchiert.
- Ein Agent bewertet.
- Ein Agent erstellt einen Vorschlag.
- Ein Agent prüft Regeln oder Risiken.
- Ein Mensch gibt frei.
Das kann sinnvoll sein, etwa bei Marktbeobachtung, Ausschreibungsrecherche, Wettbewerbsanalysen oder komplexen Backoffice-Prozessen.
Die Kosten liegen dann schnell bei 20.000 bis 35.000 Euro, manchmal mehr. Nicht, weil jeder Agent für sich kompliziert wäre. Sondern weil das Zusammenspiel schwierig wird.
Wer entscheidet, welcher Agent zuständig ist? Was passiert bei widersprüchlichen Ergebnissen? Wie verhindert man Schleifen? Wie sieht ein Mitarbeiter, was das System getan hat?
Multi-Agent-Systeme brauchen Monitoring. Sonst merkt niemand, wenn sie nachts fleißig Unsinn produzieren. Das klingt überspitzt, ist aber ein echtes Risiko.
Die größte Kostenfalle: Betrieb ohne Leitplanken
Bei klassischen Apps sind die Betriebskosten oft relativ gut planbar.
Bei KI-Agenten hängt viel davon ab, wie oft sie arbeiten, wie lange ihre Eingaben sind und wie viele Zwischenschritte sie erzeugen.
Ein schlecht begrenzter Agent kann unnötig viele KI-Aufrufe erzeugen. Er kann eine API immer wieder versuchen. Er kann lange Dokumente mehrfach einlesen. Er kann Aufgaben in Schleifen bearbeiten, ohne zu einem Ergebnis zu kommen.
Das kostet nicht nur Geld. Es kostet Vertrauen.
Deshalb gehören in jedes Agentenprojekt harte Leitplanken:
- maximale Anzahl von Schritten
- klare Abbruchregeln
- Protokollierung aller Aktionen
- Kostenlimits
- menschliche Freigabe bei kritischen Entscheidungen
- regelmäßige Auswertung der Fehlerfälle
Diese Dinge wirken weniger spannend als die Agentenlogik selbst. Aber ohne sie würde ich keinen Agenten produktiv einsetzen.
Ein Praxisbeispiel: Ausschreibungen und Projektchancen
Ein typischer Agentenprozess sieht so aus:
Ein Unternehmen möchte nicht mehr manuell verschiedene Quellen nach passenden Projektchancen durchsuchen. Bisher schaut jemand regelmäßig in Portale, Websites oder E-Mails, prüft grob die Relevanz und erstellt eine Liste.
Ein Agent kann diesen Prozess vorbereiten:
- Quellen abrufen
- neue Einträge erkennen
- irrelevante Treffer aussortieren
- passende Chancen zusammenfassen
- Begründung und Link liefern
- Ergebnis zur Prüfung schicken
Wichtig ist: Der Agent entscheidet nicht blind, ob man sich bewirbt. Er reduziert die Sucharbeit. Der Mensch entscheidet.
Genau solche Prozesse sind gute Kandidaten. Wiederkehrend, klar abgrenzbar, viel Fleißarbeit, aber am Ende mit menschlicher Bewertung.
Ein erster sinnvoller Agent dafür kann bei etwa 8.000 bis 12.000 Euro liegen. Wenn viele Quellen, Logins oder komplexe Kriterien dazukommen, wird es entsprechend größer.
Wann sich ein KI-Agent nicht lohnt
Ich würde nicht jeden Prozess automatisieren.
Ein Agent lohnt sich eher nicht, wenn der Prozess nur selten vorkommt, die Regeln ständig wechseln oder jede Entscheidung stark vom Bauchgefühl einzelner Personen abhängt.
Auch bei sehr hohem Risiko wäre ich vorsichtig. Medizin, Recht, Personalentscheidungen, kritische Finanzentscheidungen: Dort kann ein Agent vorbereiten, aber nicht eigenständig entscheiden. Zumindest nicht ohne sehr klare Prüfung und Verantwortung.
Ein guter Agent ist meistens kein autonomer Mitarbeiter. Er ist ein sehr schneller Assistent mit begrenztem Mandat.
Das klingt weniger futuristisch. Dafür funktioniert es.
Woran Sie erkennen, ob Ihr Unternehmen einen Agenten braucht
Stellen Sie sich diese Fragen:
- Gibt es einen Prozess, der jede Woche ähnlich abläuft?
- Muss jemand regelmäßig Informationen aus mehreren Quellen zusammensuchen?
- Wird viel kopiert, sortiert, geprüft oder zusammengefasst?
- Gibt es klare Kriterien für “relevant” und “nicht relevant”?
- Reicht es, wenn der Agent vorbereitet und ein Mensch entscheidet?
Wenn Sie mehrere dieser Fragen mit Ja beantworten, lohnt sich eine Prüfung.
Wenn Sie dagegen noch gar nicht wissen, welcher Prozess automatisiert werden soll, würde ich nicht mit einem Agenten starten. Dann ist zuerst Prozessklärung dran.
Was ich Kunden empfehle
Starten Sie mit einem Agenten, der eine konkrete Aufgabe übernimmt.
Nicht: “Wir bauen einen KI-Agenten für unser Unternehmen.”
Besser: “Der Agent prüft jeden Morgen neue Anfragen, sortiert irrelevante heraus und erstellt eine Liste mit Begründung. Ein Mensch prüft die Liste vor dem Versand.”
Das ist klein genug für eine erste Version. Und klar genug, um nach vier Wochen zu sagen: Spart es Zeit oder nicht?
Wenn es funktioniert, kann man erweitern. Wenn nicht, hat man kein halbes Jahr in ein abstraktes KI-Projekt gesteckt.
Fazit
Ein KI-Agent kostet nicht pauschal 100.000 Euro. Ein sinnvoll begrenzter Einstieg beginnt oft bei 3.000 bis 5.000 Euro. Agenten mit Wissensdatenbank und mehreren Werkzeugen liegen eher bei 9.000 bis 15.000 Euro. Größere Multi-Agent-Systeme starten meist ab 20.000 Euro.
Die bessere Frage ist aber nicht: “Was kostet ein Agent?”
Die bessere Frage ist: “Welchen wiederkehrenden Prozess kann ein Agent so vorbereiten, dass Menschen schneller und besser entscheiden?”
Wenn es darauf eine klare Antwort gibt, kann ein KI-Agent sehr sinnvoll sein. Wenn nicht, ist er wahrscheinlich nur ein teures Experiment mit modernem Namen.
Wenn Sie einen Prozess im Kopf haben, den ein KI-Agent übernehmen oder vorbereiten könnte, können wir ihn gemeinsam prüfen: Aufwand, Risiken, Kosten, Betrieb und erwarteter Nutzen.