Automatisierung oder KI-Agent? Die Entscheidung, die im Mittelstand bares Geld spart

Eine Frage begegnet uns in Gesprächen immer häufiger: „Sollen wir das nicht einfach mit einem KI-Agenten lösen?"

Die ehrliche Antwort: Oft nicht. Manchmal schon. Und in den meisten Fällen liegt die beste Lösung dazwischen.

Wer heute zwischen Automatisierung und KI-Agent entscheidet, entscheidet über Stabilität, Kosten und Risiko – nicht über Technologie. Dieser Artikel gibt Ihnen eine klare Entscheidungslogik an die Hand, ohne Buzzwords und ohne Heilsversprechen.

Warum jetzt der richtige Zeitpunkt ist

Anbieter wie Anthropic stellen laufend neue Werkzeuge vor, die wiederkehrende Aufgaben automatisieren. Das ist zunächst ein Thema für Software-Teams – aber es zeigt einen Trend, der jeden Betrieb betrifft: Die Grenze zwischen klassischer Automatisierung und KI verschwimmt. Genau deshalb lohnt sich jetzt der nüchterne Blick auf die Grundbegriffe.

Inhaltsübersicht

Was ist klassische Automatisierung?

Klassische Automatisierung folgt einem festen Drehbuch: Wenn A passiert, dann tue B. Eingehende Rechnung → ins DMS legen → Buchhaltung benachrichtigen. Lagerbestand unter X → Nachbestellung auslösen.

Drei Eigenschaften sind entscheidend:

Vorhersagbar
Gleicher Input führt immer zum gleichen Ergebnis – keine Überraschungen.
Günstig im Betrieb
Einmal eingerichtet, kostet ein Workflow oft nur noch Cent-Beträge pro Lauf.
Fehlertolerant nur im Rahmen
Was nicht im Drehbuch steht, bleibt liegen oder produziert einen Fehler.

Typische Werkzeuge im Mittelstand: Make, n8n, Power Automate, Zapier – oder ERP-eigene Workflow-Engines.

Hinweis zu n8n

n8n lässt sich selbst hosten – die Daten verlassen dann die eigene Infrastruktur nicht. Für datenschutzbewusste Unternehmen ein relevanter Vorteil gegenüber rein cloudbasierten Alternativen.

Was ist ein KI-Agent?

Ein KI-Agent ist kein Drehbuch, sondern ein Mitarbeiter mit Auftrag. Sie geben ihm ein Ziel, er entscheidet selbst, welche Schritte er geht und welche Werkzeuge er nutzt.

Praxisszenario

Statt „Wenn E-Mail mit Stichwort X, dann Z" sagen Sie dem Agenten: „Beantworte Kundenanfragen zu Lieferzeiten. Nutze ERP, CRM und unser FAQ. Bei Unsicherheit eskalieren."

Drei Eigenschaften:

Flexibel
Der Agent versteht Sprache, kann Kontext interpretieren, kommt mit Varianten klar.
Nicht vollständig vorhersagbar
Zwei identische Anfragen können leicht unterschiedlich beantwortet werden.
Spürbar teurer im Betrieb
Jeder Lauf verbraucht KI-Tokens. Anders als ein klassischer Workflow-Schritt denkt ein KI-Agent in mehreren Reasoning-Steps – er liest Kontext, plant, ruft Werkzeuge auf, prüft das Ergebnis und formuliert eine Antwort. Je nach gewähltem Modell können die Kosten pro Lauf leicht ein zwei- bis dreistelliges Vielfaches eines klassischen Workflow-Schritts erreichen. Konkrete Zahlen gehören vor jedem Projekt sauber gerechnet.

Die Entscheidungsmatrix: Wann was?

Diese Matrix hilft dabei, in jedem Erstgespräch schnell Klarheit zu schaffen:

Kriterium	Klassische Automatisierung	KI-Agent
Aufgabe ist regelbar	✅ Ja – immer gleicher Ablauf	⚠️ Overkill
Sprach-/Kontextverständnis nötig	❌ Stößt an Grenzen	✅ Stärke
Hohe Lauffrequenz (>1.000/Tag)	✅ Cent pro Lauf	⚠️ Kosten skalieren
Hohe Variantenvielfalt im Input	❌ Pflegeaufwand explodiert	✅ Spielt Stärken aus
Audit/Nachvollziehbarkeit kritisch	✅ Jeder Schritt protokolliert	⚠️ Erklärbarkeit aufwendiger
Datenschutz besonders sensibel	✅ Datenfluss klar steuerbar	⚠️ Zusätzliche Prüfung nötig
EU AI Act – Risikoklasse prüfen	✅ Meist nicht betroffen	⚠️ Je nach Use Case einzustufen

Je klarer die Regel, desto eher klassische Automatisierung. Je unklarer der Input, desto eher KI-Agent.

Datenschutz und Regulierung: Der oft übersehene Faktor

Viele Mittelständler verwechseln „Cloud-KI" mit „automatisch DSGVO-Problem". Das ist zu einfach.

Die zentralen Fragen sind unabhängig vom Anbieter:

•
Wo werden Daten verarbeitet?
EU-Region, US-Region, gemischt? Das ist der erste Check vor jedem Projekt.
•
Werden Eingaben zum Training genutzt?
Bei Business-Verträgen großer Anbieter ist das in der Regel ausgeschlossen oder deaktivierbar – aber die genaue Default-Logik ändert sich regelmäßig. Vor jedem Projekt: aktuelle Vertrags- und Einstellungslage prüfen.
•
Auftragsverarbeitungsvertrag (AVV) vorhanden?
Pflicht bei Verarbeitung personenbezogener Daten durch externe Dienstleister.
•
Welche Daten gehen überhaupt in das System?
Pseudonymisierung und Datensparsamkeit lösen 80 % der Bedenken.
•
EU AI Act – greift der Use Case?
KI-Agenten in sensiblen Bereichen (Personalauswahl, Bonität, kritische Infrastruktur) können unter „Hochrisiko" fallen. Für die meisten typischen Mittelstands-Use-Cases – Rechnungsverarbeitung, Anfragen-Routing, Stammdatenpflege – ist das kein Thema. Aber prüfen kostet nichts.

Wichtig zu wissen

Wer einen KI-Agenten produktiv einsetzt, sollte den Datenfluss vorab dokumentieren – nicht erst nach dem Pilotprojekt. Das gilt auch für klassische Automatisierung mit Cloud-Tools.

Der Hybrid-Ansatz: Was in der Praxis am häufigsten gewinnt

In typischen Mittelstandsprojekten im Großhandel und technischen Handel ist die beste Antwort weder „nur Automatisierung" noch „nur Agent", sondern eine klare Arbeitsteilung:

Klassische Automatisierung

Übernimmt das Skelett: Trigger, Datenabruf aus ERP/CRM, Übergaben, Protokollierung, Versand.

Übernimmt nur den Schritt, der echtes Verstehen braucht: Klassifikation einer E-Mail, Extraktion aus einem PDF, Formulierung einer Antwort.

Human in the Loop

Bei Beträgen über Schwellwert, neuen Lieferanten oder unklaren Fällen geht der Vorgang an einen Menschen.

Das Ergebnis: stabile, günstige Workflows mit punktueller KI-Intelligenz – und einem klaren Audit-Trail.

Praxisszenario

Lieferantenrechnungen im technischen Handel: Der Workflow holt den Anhang ab (klassisch), KI extrahiert Positionen und ordnet sie der Bestellung zu (Agent), der Workflow bucht ins ERP und benachrichtigt bei Abweichungen über Schwelle X den Einkauf (klassisch + Mensch). Drei Technologien, eine Logik.

Die drei häufigsten Fehler im Mittelstand

„KI-Agent für alles"

Aus Begeisterung wird ein Agent gebaut, wo ein Make-Workflow für einen Bruchteil der Kosten reichen würde.

„Klassisch reicht schon"

Anfragen, die eigentlich Sprachverständnis brauchen, werden mit immer komplexeren Regelwerken erschlagen – bis niemand mehr durchblickt.

„Pilot ohne Datenkonzept"

Erst gebaut, dann fällt der Datenschutz-Check durch. Reihenfolge umkehren spart Wochen.

Fazit: Die richtige Frage vor der richtigen Technologie

Der Unterschied zwischen einem erfolgreichen Automatisierungsprojekt und einem teuren Experiment liegt selten in der Technologie – er liegt in der Frage, die am Anfang gestellt wird. Nicht: „Welcher Agent passt?" Sondern: „Welcher Schritt verdient überhaupt KI?"

Klassische Automatisierung ist kein Rückschritt. Sie ist oft die schnellere, günstigere und zuverlässigere Antwort. KI-Agenten sind kein Allheilmittel – sie sind dann wertvoll, wenn Flexibilität und Sprachverständnis gefragt sind und wenn die Kosten dafür eingerechnet wurden.

Technologie folgt dem Prozess – nicht umgekehrt. Wer mit dieser Reihenfolge startet, trifft selten die falsche Entscheidung.

Ihr viamind-Team