Die meisten Geschäftsprozesse laufen heute ohnehin digital, in Cloud-Anwendungen, Ticketsystemen und Postfächern. Damit lassen sich auch KI-Agenten, die diese Prozesse unterstützen, vollständig remote konzipieren, entwickeln und einführen. Für Unternehmen in Deutschland, Österreich und der Schweiz bedeutet das schnellen Zugang zu Spezialwissen, ohne auf einen Partner in der Nähe angewiesen zu sein. Dieser Beitrag erklärt Aufbau, Kontrolle und Einführung von KI-Agenten und wie ein Remote-Projekt abläuft.
Was KI-Agenten von Chatbots unterscheidet
Ein Chatbot beantwortet Fragen. Ein KI-Agent erledigt Aufgaben: Er liest eine eingehende Anfrage, schlägt im ERP-System den Lagerbestand nach, erstellt einen Angebotsentwurf und legt ihn zur Freigabe vor. Möglich wird das durch Tool Use, also die Fähigkeit moderner Sprachmodelle, definierte Werkzeuge wie Datenbankabfragen, Schnittstellen oder Dateioperationen gezielt aufzurufen und mit den Ergebnissen weiterzuarbeiten.
Damit eröffnen Agenten neue Möglichkeiten in Bereichen wie Auftragsbearbeitung, Einkauf, Kundenservice, Buchhaltung oder IT-Betrieb. Sie bringen aber auch neue Risiken mit sich, denn ein Agent, der Aktionen ausführen darf, kann auch falsche Aktionen ausführen. Der Schlüssel zum Erfolg liegt deshalb nicht im möglichst autonomen Agenten, sondern in einer klugen Aufteilung zwischen dem, was die Maschine selbstständig erledigt, und dem, was ein Mensch bestätigt.
MCP als Standard für die Anbindung von Systemen
Das Model Context Protocol, kurz MCP, hat sich als offener Standard etabliert, um Sprachmodelle mit Werkzeugen und Datenquellen zu verbinden. Ein MCP-Server stellt Funktionen Ihres Systems, etwa Kundensuche, Ticketanlage oder Berichtsabruf, in einer einheitlichen Form bereit. Agenten und Assistenten wie Claude, aber auch andere MCP-fähige Anwendungen, können diese Funktionen dann nutzen, ohne dass für jede Kombination eine eigene Integration entsteht.
Für Unternehmen bedeutet das: Einmal sauber gebaute MCP-Server für ERP, CRM oder Dokumentenablage lassen sich in mehreren Agenten und Werkzeugen wiederverwenden. Wichtig ist, jeden Server mit eng gefassten Berechtigungen, Eingabeprüfung und Protokollierung auszustatten, damit ein Agent nur das darf, was für seine Aufgabe nötig ist. Lesende und schreibende Funktionen sollten dabei klar getrennt sein. Ebenso wichtig ist die Beschreibung jedes Werkzeugs: Das Modell entscheidet anhand von Name und Erläuterung, wann es eine Funktion aufruft, und unklare Beschreibungen führen zu falschen oder überflüssigen Aufrufen.
Human-in-the-loop: Kontrolle an den richtigen Stellen
Bewährt hat sich ein Vorgehen, das Autonomie schrittweise erweitert und Vertrauen auf Messungen statt auf Hoffnung gründet:
- Wählen Sie einen Prozess mit klaren Regeln, häufiger Wiederholung und überschaubarem Schadenspotenzial als ersten Kandidaten.
- Beschreiben Sie den heutigen Ablauf Schritt für Schritt und markieren Sie, welche Entscheidungen Ermessen erfordern.
- Bauen Sie die nötigen Werkzeuge beziehungsweise MCP-Server mit minimalen Rechten und lassen Sie den Agenten zunächst nur Vorschläge erstellen.
- Lassen Sie jeden Vorschlag von einem Menschen prüfen und erfassen Sie, wie oft er unverändert übernommen wird.
- Erlauben Sie automatische Ausführung nur für Fälle, in denen die Quote dauerhaft hoch ist, und behalten Sie Freigaben für kritische Aktionen bei.
- Überwachen Sie Agentenläufe mit Protokollen und Kennzahlen und prüfen Sie das Verhalten nach jedem Modellwechsel erneut.
Rechtliche Leitplanken und Umsetzung
Bei Agenten, die mit personenbezogenen Daten arbeiten oder Entscheidungen mit Auswirkungen auf Menschen vorbereiten, sind DSGVO und EU AI Act früh zu berücksichtigen. Nachvollziehbare Protokolle, menschliche Aufsicht und eine klare Dokumentation des Einsatzzwecks helfen, die Anforderungen zu erfüllen und intern Akzeptanz zu schaffen.
Die AI Code Engineers von neooutput entwickeln KI-Agenten und MCP-Server für Unternehmensprozesse, von der ersten Prozessanalyse bis zum überwachten Betrieb. OnlineAppCreator setzt als B2B- und B2G-Agentur größere Vorhaben um, bei denen Agenten in individuelle Fachanwendungen eingebettet werden. In Agentic-Coding-Workshops lernt Ihr Team zusätzlich, eigene MCP-Server und Agenten sicher weiterzuentwickeln. Ein kostenloses 15-Minuten-Erstgespräch hilft, den richtigen ersten Prozess zu finden.
KI-Agenten remote einführen, für Unternehmen in ganz DACH
Ein Remote-Projekt beginnt mit einer Live-Session per Video, in der Ihr Team den Prozess am Bildschirm zeigt. Wir zeichnen die Session auf, sammeln Beispielfälle und skizzieren gemeinsam, welche Schritte der Agent übernehmen und wo ein Mensch freigeben soll. Danach entstehen MCP-Server und Agent in einer Testumgebung, auf die alle Beteiligten unabhängig von ihrem Standort Zugriff haben. Dort lassen sich Vorschläge des Agenten in Ruhe prüfen und kommentieren.
Während der Pilotphase begleiten wir asynchron: Wir werten Protokolle aus, beantworten Rückfragen und passen den Agenten an, wenn bestimmte Fälle noch nicht zuverlässig funktionieren. Für verteilte Teams ist eine gemeinsame Übersicht über Agentenläufe und Freigaben besonders hilfreich, weil niemand mehr nachfragen muss, wer was erledigt hat. Agentic-Coding-Workshops von neooutput vermitteln Ihrem Team online, eigene Agenten und Werkzeuge weiterzuentwickeln, inklusive Aufzeichnungen zum Nachschauen.
Häufige Fragen
Welche Prozesse eignen sich für den ersten KI-Agenten?
Gut geeignet sind wiederkehrende Abläufe mit klaren Regeln und digital verfügbaren Daten, etwa das Vorsortieren von Anfragen, das Vorbereiten von Angeboten oder das Abgleichen von Belegen. Weniger geeignet sind seltene Sonderfälle oder Entscheidungen mit hohem Schadenspotenzial. Starten Sie mit einem Prozess, in dem Fehler leicht zu erkennen und zu korrigieren sind.
Was ist ein MCP-Server und brauche ich einen?
Ein MCP-Server stellt Funktionen eines Systems über das Model Context Protocol für KI-Anwendungen bereit. Sie brauchen einen, wenn Agenten oder Assistenten auf Ihre internen Systeme zugreifen sollen und Sie diese Anbindung wiederverwendbar und kontrolliert gestalten möchten. Für viele verbreitete Dienste existieren bereits fertige Server.
Wie verhindere ich, dass ein KI-Agent Fehler im System anrichtet?
Durch minimale Berechtigungen, Eingabeprüfung in den Werkzeugen, menschliche Freigaben für kritische Aktionen und vollständige Protokollierung. Testen Sie den Agenten zunächst in einer Testumgebung und lassen Sie ihn im Produktivsystem anfangs nur Vorschläge machen. So wächst die Autonomie nur dort, wo sie sich bewährt hat.
Wie testen wir einen KI-Agenten, wenn das Projekt komplett remote läuft?
Wir stellen eine Testumgebung mit Beispieldaten bereit, auf die Ihr Team von überall zugreifen kann. Ergebnisse und Protokolle sind für alle einsehbar, Rückmeldungen erfolgen asynchron oder in Live-Sessions. Erst nach erfolgreichem Pilot wird der Agent mit Freigaben im Produktivsystem eingesetzt.