Chatbot oder KI-Agent: Was braucht Ihr Unternehmen?

Teil 01

Chatbot oder KI-Agent: der Unterschied in klaren Worten

Ein Chatbot ist ein Gespräch. Sie fragen, er antwortet. Die Antwort kann aus einem festen Skript kommen, aus dem Allgemeinwissen des Modells oder aus Ihren eigenen Dokumenten. Wenn das Gespräch endet, hat sich in Ihren Systemen nichts verändert.

Ein KI-Agent erledigt eine Aufgabe. Nehmen wir die E-Mail eines Lieferanten, der fragt, warum seine Rechnung noch offen ist. Ein Chatbot kann Ihre Zahlungsbedingungen erklären. Ein Agent liest die E-Mail, findet die Rechnung im ERP, sieht, dass der Lieferschein fehlt, entwirft eine Antwort mit der Bitte darum und legt den Entwurf der Kreditorenbuchhaltung vor. Das Sprachmodell kann in beiden Fällen dasselbe sein. Die Aufgabe ist eine andere.

Vier Dinge trennen die beiden:

• Werkzeuge. Der Agent kann Ihre Systeme aufrufen: das Postfach lesen, das ERP abfragen, ins CRM schreiben. Ein Chatbot gibt nur Text zurück.
• Berechtigungen. Jedes Werkzeug läuft unter einem Konto mit Grenzen. Nur Lesezugriff auf die Buchhaltung, nur Entwürfe im Postfach, keine Zahlungen. Hier liegt der grösste Teil der Sicherheitsarbeit.
• Gedächtnis. Der Agent hält den Stand der Aufgabe fest: was er geprüft hat, was er gefunden hat, was noch offen ist. Ein Chatbot behält höchstens das Gespräch.
• Eine Entscheidungsschleife. Der Agent schaut sich das Ergebnis jedes Schritts an und wählt den nächsten, bis die Aufgabe erledigt ist oder er an eine Person übergibt.

Anthropic, das Unternehmen hinter den Claude-Modellen, zieht in seinem Technik-Leitfaden Building effective agents dieselbe Linie. Workflows sind dort Systeme, in denen Sprachmodelle und Werkzeuge über vordefinierte Codepfade orchestriert werden. Agenten sind Systeme, in denen die Modelle ihre eigenen Abläufe und die Nutzung der Werkzeuge dynamisch steuern. Im Workflow legen Ihre Entwickler die Reihenfolge der Schritte fest. Im Agenten legt das Modell sie fest. Das zweite ist flexibler, aber schwerer zu testen und zu bepreisen.

Was Agenten in einem Unternehmen konkret tun und wie ihr Preis entsteht, zeigt unser Leitfaden zu KI-Agenten für Unternehmen.

«Wenn Sie Anwendungen mit LLMs bauen, empfehlen wir, die einfachste mögliche Lösung zu finden und die Komplexität nur zu erhöhen, wenn es nötig ist.»

Anthropic, Building effective agents, 2024 (übersetzt)

Teil 02

Vier Stufen, vom FAQ-Bot zum Agenten

Der Markt spricht von Chatbots und Agenten, als gäbe es zwei Optionen. In der Praxis gibt es vier. Jede Stufe nach oben bringt mehr Fähigkeiten und mehr Arbeit: mehr Integrationen, mehr Berechtigungen, mehr Fälle zum Testen.

1. FAQ-Bot

Er beantwortet eine feste Liste von Fragen aus einem Skript oder einer kleinen Wissensdatenbank. Öffnungszeiten, Rückgaberegeln, wo das Rechnungsportal zu finden ist. Günstig und berechenbar, und nutzlos, sobald eine Frage ausserhalb der Liste liegt.

2. Assistent für Ihre Dokumente

Das Modell durchsucht Ihre Verträge, Handbücher und Richtlinien und antwortet mit einem Link zur Quelle. Die Technik heisst Retrieval-Augmented Generation, kurz RAG. Sie beantwortet «Welche Kündigungsfrist haben wir mit diesem Lieferanten?», ohne dass jemand den Ordner öffnet. Der Assistent liest. Er ändert nichts.

3. Workflow mit einem Modellaufruf

Eine feste Abfolge, programmiert oder in einem Werkzeug wie n8n oder Make gebaut. Eine neue E-Mail kommt an, das Modell klassifiziert sie und zieht die Felder heraus, der Workflow legt sie ab und eröffnet das Ticket. Das Modell erledigt eine Aufgabe innerhalb von Schritten, die Sie festgelegt haben. Der grösste Teil der Dokumentenerfassung und der Postfach-Triage gehört hierher.

4. KI-Agent

Das Modell erhält ein Ziel und eine Reihe von Werkzeugen und wählt die Schritte selbst. Das passt zu Arbeit, bei der sich der Weg von Fall zu Fall ändert: ein Streitfall mit einem Lieferanten, für den es den Vertrag, die Lieferhistorie und zwei frühere E-Mails braucht, bevor jemand antworten kann.

Viele Probleme, die als Agenten verkauft werden, löst eine einfachere Automatisierung besser. Passt Ihr Prozess als feste Abfolge von Schritten auf ein Whiteboard, erledigt Stufe 3 die Arbeit mit weniger beweglichen Teilen, tieferen Betriebskosten und Ergebnissen, die Sie Fall für Fall prüfen können. Gartner hat einen Namen für das Gegenteil: «Agent Washing», das Umetikettieren von Chatbots, RPA und KI-Assistenten zu Agenten. Gartner schätzt, dass nur rund 130 der Tausenden Anbieter von agentischer KI echt sind, und sagt voraus, dass bis Ende 2027 über 40 % der Projekte mit agentischer KI abgebrochen werden, wegen steigender Kosten, unklarem Geschäftsnutzen oder ungenügender Risikokontrollen (Gartner, Juni 2025).

Europäische Unternehmen arbeiten heute vor allem auf den unteren Stufen. 2025 nutzten laut Eurostat 19,95 % der EU-Unternehmen mit 10 oder mehr Beschäftigten mindestens eine KI-Technologie. Am häufigsten war die Analyse geschriebener Sprache mit 11,75 %. Technologien, die Abläufe automatisieren oder Entscheidungen unterstützen, also die Kategorie, die Agenten am nächsten kommt, erreichten 5,35 %. Die Kategorien decken sich nicht eins zu eins mit Chatbots und Agenten, zeigen aber, dass die meisten Unternehmen beim Lesen und Schreiben von Text beginnen.

Teil 03

Wann ein Chatbot reicht und wann sich ein Agent lohnt

Zwei Fragen ordnen die meisten Anwendungsfälle ein. Wie stark unterscheidet sich ein Fall vom letzten? Und was kostet ein Fehler?

Ein Chatbot reicht, wenn

• sich die Fragen wiederholen und die Antworten in Dokumenten stehen, die Sie pflegen.
• das Ergebnis eine Information ist und eine Person die Handlung übernimmt.
• eine falsche Antwort billig zu korrigieren ist: Die Person fragt nochmals nach oder greift zum Telefon.

Ein Chatbot ist verschwendet, wenn

• Leute ihn um Dinge bitten, die er nicht kann: eine Buchung ändern, eine Bestellung stornieren, eine Adresse anpassen. Jede Anfrage endet mit «Bitte wenden Sie sich an den Support», und der Kunde hat zweimal gewartet.
• Ihre Dokumente veraltet sind oder sich widersprechen. Der Assistent wiederholt den Widerspruch mit voller Überzeugung.
• niemand die Logs liest. Die Fragen, die Leute eintippen, sind die beste Liste dessen, was Sie als Nächstes automatisieren sollten.

Ein Agent lohnt sich, wenn

• die Fälle variieren und jeder mehrere Schritte in zwei oder mehr Systemen braucht.
• eine geschulte Person die meiste Zeit Informationen zusammensucht, statt zu entscheiden.
• das Volumen gross genug ist, um Aufbau und Tests zu tragen, und die Ausnahmen an eine Person gehen können.

Ein Agent ist zu viel, wenn

• die Schritte immer gleich sind. Ein Workflow erledigt das günstiger.
• das Volumen klein ist. Eine Handvoll Fälle im Monat rechtfertigt den Testaufwand nicht.
• die Berechtigungen ein Durcheinander sind. Bräuchte der Agent Administratorrechte im ERP, um zu funktionieren, bringen Sie zuerst das Zugriffsmodell in Ordnung.

Teil 04

Kosten und Risiken im direkten Vergleich

Drei Dinge treiben die Kosten auf jeder Stufe: die Zahl der beteiligten Systeme, die Zahl der Falltypen und was ein Fehler kostet. Zwischen den Stufen ändert sich, wo die Kosten anfallen. Ein FAQ-Bot kostet wenig im Betrieb und viel an verärgerten Nutzern. Ein Agent kostet mehr pro Fall, der grösste Teil davon in Tests und Berechtigungen.

Der Leitfaden von Anthropic benennt den Zielkonflikt offen: Agentische Systeme tauschen oft Latenz und Kosten gegen bessere Ergebnisse, und man sollte prüfen, wann sich dieser Tausch lohnt. Ein Agent ruft das Modell pro Fall mehrmals auf, ein Workflow einmal. Jeder zusätzliche Aufruf bringt Kosten, Wartezeit und eine weitere Gelegenheit, falsch zu liegen.

Die Risiken unterscheiden sich in der Art. Liegt ein Chatbot falsch, gibt er eine schlechte Antwort, die eine Person ignorieren kann. Liegt ein Agent falsch, führt er eine schlechte Aktion aus: eine Antwort verschickt, ein Datensatz geändert, ein Ticket geschlossen. Deshalb brauchen Agenten enge Berechtigungen, ein Protokoll jedes Schritts und eine Konfidenzschwelle, unter der eine Person entscheidet.

Teil 05

Drei Beispiele aus dem Alltag

Ein Support-Postfach

Ein Onlineshop erhält E-Mails zu Bestellstatus, Adressänderungen, Rücksendungen und Reklamationen. Ein Assistent auf der Website beantwortet Fragen zu den Richtlinien mit einem Link auf die richtige Seite. Ein Workflow erledigt die Routine: Das Modell klassifiziert jede Nachricht, der Workflow holt den Bestellstatus und entwirft die Antwort. Reklamationen sind anders. Jede braucht die Bestellhistorie, die Sendungsverfolgung und einen Kulanzentscheid. Dort passt ein Agent: Er trägt alles zusammen, schlägt eine Lösung vor, und eine Person gibt jede Rückerstattung frei.

Fazit: Assistent und Workflow für den grössten Teil des Postfachs, ein Agent nur für Reklamationen.

Eine Buchhaltung

Lieferantenrechnungen kommen als PDF per E-Mail. Der Abgleich mit Bestellungen und Lieferscheinen ist eine feste Abfolge: Felder auslesen, vergleichen, verbuchen oder markieren. Das ist Stufe 3, und sie deckt den Grossteil des Volumens ab. Eine Rechnung, die zu keiner Bestellung passt, heisst dagegen: Jemand durchsucht E-Mails, Verträge und frühere Gutschriften, bevor entschieden wird. Ein Agent kann diese Suche übernehmen und die Funde vorlegen, die Buchhalterin entscheidet. Ein Chatbot zum Buchhaltungshandbuch hilft neuen Mitarbeitenden bei «Auf welche Kostenstelle gehört das?», und er ändert nichts in den Büchern.

Fazit: ein Workflow für den Abgleich, ein Agent für die Ausnahmen, die Buchhaltung entscheidet.

Ein Onboarding in der Personalabteilung

Eine neue Mitarbeiterin unterschreibt den Vertrag. Dann folgen Konten, Geräte, Lohndaten, ein Schulungsplan und eine Willkommensmail. Die Schritte sind bekannt und die Reihenfolge ändert sich selten, also erledigt das ein Workflow, der mit dem unterschriebenen Vertrag startet. Ein Assistent der Stufe 2 beantwortet ihre Fragen aus dem Personalhandbuch: Ferien, Spesen, wer beim Laptop hilft. Ein Agent bringt hier wenig, und die Personendaten sprechen für den engsten möglichen Zugriff.

Fazit: ein Workflow und ein Assistent. Kein Agent.

Teil 06

Eine Checkliste für die Entscheidung

Gehen Sie jeden Anwendungsfall mit diesen Fragen durch, bevor Sie eine Offerte einholen.

1. Schreiben Sie die Aufgabe als Schritte auf.Passen die Schritte auf eine Seite und ändern sie sich selten, beginnen Sie mit einem Workflow.
2. Markieren Sie, was berührt wird.Ist das Ergebnis nur Information, reicht vielleicht ein Chatbot oder ein Assistent für Ihre Dokumente. Muss etwas in ein System geschrieben werden, brauchen Sie einen Workflow oder einen Agenten.
3. Beziffern Sie einen Fehler.Eine falsche Antwort, eine falsche E-Mail, eine falsche Buchung. Ab einer Schwelle, die Sie festlegen, gibt eine Person frei, bevor etwas hinausgeht.
4. Prüfen Sie Ihre Dokumente.Ein Assistent ist so gut wie das, was er liest. Sind die Richtlinien veraltet, bringen Sie sie zuerst auf den neuesten Stand.
5. Zählen Sie die Fälle.Ein Agent braucht genug Volumen, um seine Tests zu bezahlen. Wenig Volumen spricht für einen Workflow oder dafür, manuell zu bleiben.
6. Sammeln Sie echte Fälle, auch die unbequemen.Sie werden zum Testset, egal welche Stufe Sie bauen.
7. Fragen Sie den Anbieter, warum eine einfachere Stufe nicht reicht.Kann niemand erklären, warum ein Workflow nicht genügt, bezahlen Sie für einen Agenten, den Sie nicht brauchen.

Bei Alpgency steht diese Checkliste am Anfang des kostenlosen Audits, und wir empfehlen die einfachste Stufe, die die Aufgabe löst. Der erste Use Case erhält danach eine Demo auf Ihren echten Daten und den Bau, zu einem Festpreis, der nach dem Audit vereinbart wird. Nach dem Go-live wählen Sie: vollständige Übergabe, eine feste monatliche Supportpauschale oder uns als Tech-Partner nach festem Plan.

FAQ

Häufige Fragen