KI-Agenten einführen: Der 7-Tage-Plan für Ihren ersten produktiven Workflow
Der größte Fehler bei KI-Agenten: mit dem größten Prozess anfangen.
Der zweitgrößte Fehler: mit einer Demo aufhören.
Ein guter erster KI-Agent muss nicht das ganze Unternehmen verändern. Er muss einen echten Vorgang verbessern, der heute jeden Tag Zeit frisst. Ein Postfach. Ein Scan-Stapel. Ein Rechnungseingang. Ein Auftragseingang.
Das Ziel nach 7 Tagen ist nicht “alles automatisiert”. Das Ziel ist: ein erster Workflow läuft mit echten Fällen, klaren Freigaben und messbarer Entlastung.
Vor Tag 1: Was ein guter Startprozess erfüllen muss
Nicht jeder Prozess eignet sich für den ersten Agenten.
Ein guter Startprozess hat fünf Eigenschaften:
| Kriterium | Gute Antwort |
|---|---|
| Häufigkeit | täglich oder mehrmals pro Woche |
| Input | E-Mail, PDF, Scan, Formular oder Systemereignis |
| Ziel | Aufgabe, Datensatz, Rückfrage oder Freigabe |
| Regeln | Routine und Ausnahmen sind grob beschreibbar |
| Messbarkeit | Zeit pro Vorgang und Volumen sind bekannt |
Schlechte Startprozesse sind selten, politisch aufgeladen oder komplett unklar.
Wenn niemand sagen kann, was nach der Bearbeitung passieren soll, kann auch ein Agent keinen guten Workflow bauen.
Tag 1: Prozess auswählen
Am ersten Tag geht es nicht um Technologie.
Es geht um Auswahl.
Wir suchen einen Prozess, der klein genug für einen Pilot ist und groß genug, dass er weh tut.
Gute Beispiele:
- ein gemeinsames info@-Postfach
- Rechnungen per E-Mail
- Lieferscheine als PDF
- Bewerbungen mit Anhängen
- Kundenanfragen mit wiederkehrenden Kategorien
- Auftragseingänge per Mail und Excel
Die wichtigste Frage lautet:
“Welche Arbeit soll nach dem Agenten erledigt oder vorbereitet sein?”
Nicht: “Kann die KI diese Mail verstehen?”
Sondern: “Soll daraus eine Aufgabe entstehen? Eine Rückfrage? Ein Datensatz? Ein Freigabevorschlag?”
Das ist der Unterschied zwischen KI-Spielerei und Workflow.
Tag 2: Datenquellen prüfen
Am zweiten Tag wird es praktisch.
Wo liegen die Informationen heute?
Typische Quellen:
- Outlook oder Microsoft 365
- SharePoint oder OneDrive
- Teams
- ERP oder TMS
- CRM
- Buchhaltungssystem
- PDF-Ordner
- Excel-Dateien
- interne Dokumentation
Ein Agent ohne Datenzugriff ist nur ein Textgenerator.
Aber Zugriff bedeutet nicht: alles öffnen, alles lesen, alles dürfen.
Wir definieren genau:
- Welche Postfächer darf der Agent lesen?
- Welche Ordner sind relevant?
- Welche Systeme sind Quelle der Wahrheit?
- Welche Daten dürfen nicht verarbeitet werden?
- Welche Aktion darf der Agent auslösen?
Gerade für DSGVO ist dieser Schritt entscheidend. Mehr dazu: KI-Agenten DSGVO-konform einsetzen.
Tag 3: Zielworkflow definieren
Am dritten Tag wird aus einem Problem ein Ablauf.
Beispiel E-Mail-Agent:
- E-Mail kommt rein
- Agent erkennt Kategorie und Priorität
- Agent prüft Anhänge
- Agent sucht Projekt- oder Kundenkontext
- Agent erstellt eine Aufgabe
- Agent bereitet eine Rückfrage vor
- Mensch gibt frei oder korrigiert
Das klingt simpel. Ist aber der Kern.
Denn ohne Zielworkflow bleibt der Agent ein Chatfenster.
Mit Zielworkflow wird er ein Prozessbaustein.
Tag 4: Agentenrolle bauen
Am vierten Tag bekommt der Agent seine Rolle.
Eine gute Agentenrolle beantwortet:
- Was ist deine Aufgabe?
- Welche Inputs bekommst du?
- Welche Outputs sollst du liefern?
- Welche Regeln gelten immer?
- Wann bist du unsicher?
- Wann musst du eskalieren?
- Welche Form soll dein Ergebnis haben?
Beispiel:
“Du bist ein E-Mail-Agent für Auftragseingänge. Du klassifizierst neue Mails, extrahierst Kundendaten, prüfst Anhänge und erstellst einen strukturierten Vorschlag. Du legst keine finalen Aufträge an, wenn Pflichtfelder fehlen oder Sonderkonditionen erwähnt werden.”
Das ist deutlich besser als:
“Bitte bearbeite diese E-Mail.”
Gute Agenten entstehen nicht durch magische Prompts. Sie entstehen durch klare Rollen.
Tag 5: Freigaben und Eskalationen einrichten
Am fünften Tag wird entschieden, was automatisch laufen darf und was nicht.
Das ist der Punkt, an dem viele KI-Projekte falsch abbiegen.
Zu wenig Autonomie bringt keinen Nutzen.
Zu viel Autonomie bringt Risiko.
Deshalb braucht jeder produktive Workflow drei Stufen:
| Stufe | Agent darf | Mensch macht |
|---|---|---|
| Routine | klassifizieren, zusammenfassen, Aufgabe erstellen | stichprobenartig prüfen |
| Vorschlag | Antwort, Buchung, Angebot oder Entscheidung vorbereiten | freigeben oder korrigieren |
| Eskalation | Unsicherheit erkennen und stoppen | vollständig entscheiden |
Beispiele für Eskalation:
- Rechnung über Grenzwert
- fehlende Bestellnummer
- unbekannter Absender
- rechtlich relevante Beschwerde
- widersprüchliche Dokumente
- personenbezogene HR-Daten
Mehr dazu: Human-in-the-Loop bei KI-Agenten.
Tag 6: Test mit echten Fällen
Am sechsten Tag testen wir nicht mit Fantasiedaten.
Wir testen mit echten Mails, echten PDFs, echten Scans und echten Ausnahmen.
Warum?
Weil Demo-Daten lügen.
Echte Kunden schreiben nicht so, wie Testdaten aussehen. PDFs sind schief. Betreffzeilen sind falsch. Anhänge fehlen. Menschen antworten auf alte Threads. Dokumente enthalten Sonderfälle.
Genau deshalb braucht der Test echte Fälle.
Wir prüfen:
- Erkennt der Agent die richtige Kategorie?
- Extrahiert er die richtigen Felder?
- erkennt er fehlende Informationen?
- eskaliert er bei Unsicherheit?
- ist das Ergebnis für Menschen nutzbar?
- spart es wirklich Zeit?
Ein Agent muss nicht in 100 Prozent der Fälle selbstständig handeln.
Er muss in genug Fällen brauchbare Vorarbeit leisten.
Tag 7: Go-Live mit Monitoring
Am siebten Tag geht der Workflow kontrolliert live.
Nicht mit maximaler Autonomie.
Mit Sichtbarkeit.
Wir messen:
- Anzahl verarbeiteter Vorgänge
- Anteil automatisch vorbereiteter Fälle
- Anteil Eskalationen
- häufigste Fehler
- fehlende Felder
- Korrekturen durch Menschen
- gesparte Zeit pro Vorgang
Ein 7-Tage-Go-Live ist kein Ende.
Er ist ein Startpunkt.
Nach dem Start wird der Agent besser, weil echte Daten zeigen, wo Regeln fehlen und wo der Workflow noch zu vorsichtig oder zu mutig ist.
Beispiel: erster E-Mail-Agent in 7 Tagen
Ein typischer erster Workflow kann so aussehen:
| Tag | Ergebnis |
|---|---|
| 1 | info@-Postfach als Startprozess gewählt |
| 2 | Zugriff auf Outlook und Beispielmails geklärt |
| 3 | Kategorien: Anfrage, Rechnung, Bewerbung, Reklamation definiert |
| 4 | Agentenrolle und Ausgabeformat erstellt |
| 5 | Freigaben für Reklamationen und Rechnungen eingerichtet |
| 6 | 50 echte Mails getestet |
| 7 | kontrollierter Go-Live mit Monitoring |
Das ist kein Science-Fiction-Projekt.
Das ist saubere Prozessarbeit.
Was nach den 7 Tagen passiert
Nach dem Go-Live beginnt die eigentliche Optimierung.
Typische Verbesserungen:
- neue Kategorien ergänzen
- schlechte Eskalationsregeln korrigieren
- weitere Postfächer anbinden
- Dokumentenprüfung ergänzen
- Zielsystem integrieren
- Antwortentwürfe standardisieren
- Reporting aufbauen
Der erste Agent ist selten der letzte.
Aber er zeigt, ob das Unternehmen bereit ist, mit KI wirklich produktiv zu arbeiten.
Interne Anschlussfähigkeit
Wenn Ihr erster Prozess E-Mail-getrieben ist, lesen Sie E-Mail-Agenten und Email-Triage mit KI.
Wenn Dokumente im Mittelpunkt stehen, lesen Sie Dokumenten-Agenten und Rechnungsverarbeitung automatisieren.
Wenn Sie erst das Grundprinzip verstehen wollen, starten Sie mit Was sind KI-Agenten? oder der Hub-Seite KI-Agenten für den Mittelstand.
Fazit
Der beste erste KI-Agent ist nicht der spektakulärste.
Er ist der, der jeden Tag nervt.
Ein gemeinsames Postfach. Ein Scan-Stapel. Ein Rechnungseingang. Ein Auftragseingang.
Dort entsteht der schnellste Lerneffekt.
Häufige Fragen
Kann man einen KI-Agenten in 7 Tagen einführen?
Ein erster fokussierter Workflow kann in 7 Tagen pilotiert werden, wenn Prozess, Datenquellen, Freigaben und Testfälle klar sind. Vollständig optimiert ist er danach noch nicht — aber produktiv messbar.
Welcher Prozess eignet sich als erster KI-Agent?
Am besten eignet sich ein täglicher, klar abgrenzbarer Prozess wie E-Mail-Triage, Dokumentensortierung, Auftragseingang oder Rechnungsprüfung.
Was passiert nach dem Go-Live?
Nach dem Go-Live werden Ergebnisse, Fehler, Eskalationen und Zeitersparnis gemessen. Daraus entstehen bessere Regeln, bessere Prompts und bessere Integrationen.
