Zum Inhalt springen
Kaido Studios
Leistung

KI-Agenten.

Was ein KI-Agent im Unternehmen tut, an 3 Beispielen vom Telefon bis zur Recherche. Was er laut Anbieter kostet, wo er an Grenzen stößt, und wie wir einen KI-Agenten bauen, der über Jahre im Betrieb läuft.

KI-Agent erstellen lassen Zu den Beispielen

Was ist ein KI-Agent?

Ein KI-Agent ist Software, in der ein Sprachmodell eine Aufgabe selbstständig erledigt: Es plant die Schritte, ruft Werkzeuge wie Kalender, Datenbank oder Browser auf und prüft Zwischenergebnisse, bis die Aufgabe fertig ist. Anders als ein Chatbot handelt er, statt nur zu antworten. Verlässlich wird er durch Grenzen und Prüfungen im Code.

Was tut ein KI-Agent im Unternehmen?

Von den Unternehmen, die KI nutzen oder ihren Einsatz planen oder diskutieren, setzten laut Bitkom im Jahr 2026 11 Prozent KI-Agenten ein, 29 Prozent planten den Einsatz und 31 Prozent diskutierten ihn. Befragt wurden 603 Unternehmen ab 20 Beschäftigten.

Ein KI-Agent ist eine Anwendung generativer KI, die nicht bei der Antwort stehen bleibt. Er bekommt ein Ziel statt einer Schrittfolge. „Finde für diese Anfrage den passenden Termin und trage ihn ein“ ist ein Auftrag für einen Agenten. Er schaut in den Kalender, fragt bei Bedarf zurück, legt den Termin an und bestätigt ihn. Welche Schritte dafür nötig sind, entscheidet das Modell während der Arbeit. Das unterscheidet ihn von einem Workflow, in dem der Weg vorher festgelegt ist, und von einem Chatbot, der nur antwortet.

Anthropic, der Hersteller von Claude, zieht die Grenze in seinem Leitfaden von 2024 genau dort: Workflows sind Systeme, in denen Sprachmodelle und Werkzeuge über vorher festgelegte Codepfade zusammenarbeiten. Agenten steuern ihren Ablauf und die Wahl der Werkzeuge selbst. Beides ist agentische KI (agentic AI), aber nur das zweite ist ein Agent im engeren Sinn.

Für einen Betrieb heißt das: Der Einsatz von KI-Agenten lohnt sich dort, wo komplexe Aufgaben nicht jedes Mal gleich aussehen und der Agent auf mehrere Systeme zugreifen muss, um sie zu lösen. Autonome Agenten sind dabei selten das Ziel; meist arbeitet der Agent selbstständig bis zu einem Punkt, an dem ein Mensch freigibt. Wo sie gleich aussehen, ist klassische Automatisierung billiger und berechenbarer: Was sich mit festen Regeln automatisieren lässt, braucht keinen Agenten. Wie solche Abläufe gebaut werden, steht unter KI-Automatisierung. Bitkom fasst die Voraussetzung so: Ein Agent, der eigenständig handelt, braucht verlässliche Daten, verbundene Systeme und Regeln, was er darf und was er zu lassen hat.

Chatbot, Workflow mit KI und KI-Agent im Vergleich
Merkmal Chatbot Workflow mit KI KI-Agent
Was er tut Beantwortet Fragen im Gespräch Führt feste Schritte aus, ein Sprachmodell übernimmt einen davon Plant die Schritte selbst und wählt die Werkzeuge, bis die Aufgabe erledigt ist
Wer den Weg festlegt Niemand, es gibt keinen Der Entwickler, vorher im Code Das Modell, während der Arbeit
Zugriff auf Systeme Meist keiner Genau die vorgesehenen Schnittstellen Freigegebene Werkzeuge, etwa Kalender, Datenbank oder Browser
Passt für Auskünfte aus einer Wissensdatenbank Abläufe, die immer gleich laufen Aufgaben, deren Weg sich erst unterwegs zeigt

KI-Agenten in der Praxis: Welche Use Cases tragen?

3 Beispiele, an denen sich zeigt, was ein Agent selbst entscheidet und wo ihn Code begrenzt: ein Agent am Telefon, einer, der Veröffentlichungen prüft, und einer, der recherchiert.

01

Was kostet eine Telefon-Agentin je Minute?

Eine Telefon-Agentin übernimmt einen Teil vom Kundenservice: Sie nimmt Anrufe an, versteht das Anliegen, fragt nach, schlägt etwa im Kalender oder in der Kundendatenbank nach und bucht einen Termin, nimmt eine Bestellung auf oder verbindet zu einem Menschen. Technisch sind es drei Teile: Spracherkennung, ein Sprachmodell, das entscheidet, und eine künstliche Stimme. Während des Gesprächs ruft das Modell Funktionen auf, also die Werkzeuge, die ihm freigegeben sind.

Die KI-Verordnung der EU verlangt in Artikel 50, dass Menschen erfahren, wenn sie mit einem KI-System sprechen, sofern das nicht ohnehin offensichtlich ist. Diese Pflicht aus dem EU AI Act erfüllt die Agentin mit einem Satz am Anfang jeder Interaktion.

Listenpreise für Telefon-Agenten laut Anbieter
Anbieter Listenpreis Beispiel
Retell AI 0,07 bis 0,31 $ je Minute für Sprachagenten, je nach gewähltem Sprachmodell und Stimme Grundeinstellung des Preisrechners: 0,11 $ je Minute (0,055 $ Plattform, 0,015 $ Stimme, 0,04 $ Sprachmodell)
Vapi 0,05 $ je Minute für die Plattform, Sprachmodell, Spracherkennung und Stimme werden zum Einkaufspreis weitergereicht Plattformanteil allein bei 1.000 Minuten: 50 $

Angaben von den Preisseiten der Anbieter, abgerufen am 18.10.2026, ohne Steuern. Die Telefonverbindung kommt bei beiden dazu. Zum Nachrechnen: 600 Anrufe im Monat mit je drei Minuten ergeben 1.800 Minuten. Mit der Grundeinstellung von Retell sind das rund 198 $ im Monat, bei Vapi 90 $ für die Plattform plus die Modelle zum Einkaufspreis. Teurer wird es mit großen Sprachmodellen und hochwertigen Stimmen, deshalb die Spanne bis 0,31 $.

Die Rechnung zeigt, wo die eigentliche Arbeit liegt: nicht in der Minute, sondern darin, was die Agentin nachschlagen und eintragen darf. Wenn die meisten Anrufer Sonderfälle haben, ist ein Mensch am Telefon schneller. Dann übernimmt die Agentin besser nur die Annahme außerhalb der Geschäftszeiten.

02

Aus der Praxis · Jens Hagel

Ein Agent prüft jede Veröffentlichung dieser Website, und bei Fehlern geht nichts online

Dieses Beispiel stammt aus meiner eigenen Arbeit, an genau der Website, die Sie gerade lesen. Sie ist mit Astro gebaut, einem Werkzeug, das aus Texten und Bausteinen statische Seiten erzeugt. Jede Veröffentlichung durchläuft dabei Prüfungen, die ein Mensch nicht jedes Mal von Hand machen würde.

Prüfen lässt ein anderer Agent

Jeder Beitrag wird vor der Veröffentlichung von einem eigenen KI-Agenten auf vertrauliche Angaben geprüft, der ihn nicht geschrieben hat. Er liest nur den fertigen Text und die Regeln, nicht den Verlauf, der zu ihm geführt hat. So prüft er, was dasteht, und nicht, was gemeint war.

Im Zweifel geht nichts online

Das Ergebnis der Prüfung wird mit einer Prüfsumme des Texts abgelegt. Beim Bauen der Website wird jeder Beitrag damit verglichen. Wurde ein Text nach der Prüfung geändert oder hat er sie nicht bestanden, bricht der Bau ab, und nichts geht online. Dazu kommt eine zweite Sperre: Ein Bau, der fehlerfrei endet, kann trotzdem leer sein. Darum bricht der Bau dieser Website ab, wenn weniger Seiten entstehen als eine Mindestzahl.

Die Grenzen sitzen außerhalb des Agenten

Regeln, die nur in einer Anweisung stehen, werden gebrochen. Agenten warteten bei mir in Schleifen, obwohl der Auftrag das verbot: 9,7 von 68,6 Stunden Laufzeit gingen so verloren. Deshalb setzen Hooks, kleine Skripte vor jedem Werkzeugaufruf, die Grenzen hart durch. Einer erlaubt drei Warteschleifen und verweigert jede weitere. Ein anderer zählt die Schritte jedes Teil-Agenten, fordert bei Schritt 180 zum Abschluss auf und sperrt ab Schritt 221 alle Werkzeuge.

Das ist das Muster, nach dem wir auch Agenten für Unternehmen bauen: Der Agent arbeitet frei, aber was er abliefert, prüft jemand, der es nicht erzeugt hat, und was er nicht darf, verhindert Code.

03

Wie arbeitet ein Recherche-Agent, und woran scheitert er?

Ein Recherche-Agent bekommt eine Frage, etwa „Welche Lieferanten bieten dieses Bauteil an, und was steht in ihren Lieferbedingungen?“. Er sucht, öffnet Seiten und Dokumente, liest sie, verwirft Unpassendes, sucht nach, wo etwas fehlt, und liefert eine Übersicht, in der jede Aussage auf ihre Fundstelle verweist. Intern durchsucht er dasselbe im eigenen Dokumentenbestand, über eine Wissensdatenbank, die Texte nach Bedeutung findet (RAG, Retrieval-Augmented Generation).

Größere Recherchen teilt man in Teilaufgaben auf: Mehrere spezialisierte Agenten durchsuchen je einen Bereich, ein steuernder Agent orchestriert sie und führt die Ergebnisse zusammen. Diese Orchestrierung ist der Kern, wenn mehrere Agenten arbeiten, statt einer. Das ist schneller und, wie der Abschnitt zu den Kosten zeigt, auch günstiger als ein einzelner Agent mit sehr langem Verlauf.

Die Schwachstelle ist das Lesen selbst. Laut OWASP entsteht eine indirekte Prompt Injection, wenn ein Sprachmodell Eingaben aus externen Quellen wie Websites oder Dateien übernimmt. Eine Seite kann also Anweisungen enthalten, die der Agent für einen Auftrag hält. Ein Recherche-Agent darf deshalb lesen, aber nichts verschicken, bestellen oder löschen. Und jede Zahl in seinem Ergebnis wird gegen die Fundstelle geprüft, bevor jemand damit arbeitet.

Wo liegen die Grenzen eines KI-Agenten, und welche Guardrails braucht er?

Ein Agent ist leistungsstark, aber kein Mitarbeiter, dem man vertraut, weil man ihn kennt. 4 Grenzen sollte jeder kennen, der einen KI-Agenten erstellen lassen will.

  • Er ist nicht berechenbar wie Code

    Bei gleicher Eingabe kann ein Agent einen anderen Weg gehen. Für Aufgaben, die jedes Mal gleich ablaufen sollen, ist ein fester Workflow die bessere Wahl. Anthropic rät selbst, mit der einfachsten Lösung anzufangen und erst dann mehr Autonomie zu geben, wenn sie nötig ist.

  • Er glaubt, was er liest

    Ein Agent, der Websites, E-Mails oder Dateien liest, kann darin versteckte Anweisungen finden und befolgen. Das OWASP-Projekt führt diese Prompt Injection als größtes Risiko von Sprachmodellen. Deshalb bekommt ein Agent nur die Rechte, die seine Aufgabe braucht, und alles, was nach außen geht, läuft über eine Freigabe.

  • Eine Regel in der Anweisung ist keine Grenze

    Was nur im Prompt steht, also in der Arbeitsanweisung an das Modell, wird irgendwann gebrochen. Echte Grenzen sitzen im Code um den Agenten herum: Er darf bestimmte Befehle gar nicht ausführen, egal was er plant.

  • Lange Läufe werden teuer

    Ein Agent liest bei jedem Schritt alles, was bisher passiert ist, noch einmal. Die Kosten wachsen deshalb schneller als die Arbeit. Wie stark, steht im Abschnitt zu den Kosten.

Was kostet ein KI-Agent im Betrieb?

Abgerechnet wird nach Tokens, kleinen Wortbausteinen, die das Modell liest und schreibt. Die Zahlen rechts stammen aus meiner eigenen Arbeit mit Agenten in Claude Code. Es sind Listenpreise der Anthropic-API, umgerechnet auf den tatsächlichen Verbrauch. Bezahlt habe ich über ein Abo; die Beträge zeigen, was derselbe Verbrauch über die API gekostet hätte.

Jeder Schritt liest alles noch einmal

Ein Agent liest bei jedem Schritt den gesamten bisherigen Verlauf neu. In einer gemessenen Sitzung las Schritt 2 rund 29.000 Token, Schritt 548 rund 610.000, für dieselbe Art Arbeit. Schritt 500 kostet das 19-Fache von Schritt 1. Ein Agent mit 800 Schritten kostet deshalb knapp das Dreifache eines Agenten mit 400 (424 statt 150 Mio. gelesene Token), nicht das Doppelte.

Teilen ist billiger als durchhalten

Vier Agenten mit je 200 Schritten leisten dasselbe wie einer mit 800 und kosten zusammen etwa halb so viel. Ein einzelner Agent mit 812 Schritten kostete allein rund 550 $. In einem großen Agentenlauf, der über die API rund 7.500 $ gekostet hätte, entfielen 93 % auf die Teil-Agenten, nicht auf die steuernde Sitzung. Daraus folgt meine Regel: höchstens rund 200 Schritte je Agent, danach übernimmt ein frischer.

Was das für ein Unternehmen heißt

Ein Agent, der eine eng geschnittene Aufgabe in wenigen Schritten erledigt, ob mit Claude, ChatGPT oder anderen LLMs, kostet je Lauf Cent-Beträge. Teuer wird er, wenn er ohne Grenze weiterarbeitet. Die Kosten eines Agenten sind deshalb eine Frage der Bauweise, nicht nur des Modells. Was Claude in Abo und API kostet, steht unter Claude im Unternehmen.

KI-Agent erstellen: mit Tools selbst bauen oder programmieren lassen?

Wer nach „KI Agent erstellen“ sucht, findet vor allem Tutorials und Plattformen im Vergleich: Copilot Studio in Microsoft 365, Baukästen wie n8n, das Agents SDK von OpenAI für Entwickler, Googles Vertex AI mit Gemini oder Azure in der Microsoft-Cloud. Einen ersten KI-Agenten zu erstellen, schafft damit fast jedes Team selbst. Die Tools bringen vorgefertigte Bausteine mit, und ein Prototyp steht oft an einem Tag, ganz ohne eigene APIs. Für einen Agenten, der Informationen nachschlägt und Entwürfe schreibt, die ein Mensch freigibt, ist das der richtige erste Schritt.

Programmieren lassen lohnt sich, wenn der Agent produktiv in Geschäftsprozesse eingreift: Er schreibt ins ERP, legt Aufträge an, spricht mit Kunden. Dann braucht er eine saubere Integration in den Unternehmenskontext, Rechte je Werkzeug, Tests gegen gespeicherte Fälle und ein Protokoll jedes Laufs. Dazu kommen Governance, also klare Zuständigkeit dafür, was der Agent darf, und eine Messung seiner Genauigkeit. Das ist Entwicklungsarbeit mit Know-how in Software und Betrieb, keine Konfiguration. Wie wir KI an vorhandene Systeme anbinden, beschreibt die Seite zur KI-Integration, die Werkzeuge dahinter stehen unter Womit wir bauen.

Wie bauen wir einen KI-Agenten?

In 5 Schritten, die für einen Agenten am Telefon genauso gelten wie für einen, der Belege prüft. Gebaut wird mit Claude Code, Modelle wählen wir nach Aufgabe und Datenschutz.

  1. 01

    Die Aufgabe eng schneiden

    Ein Agent, der „den Vertrieb unterstützt“, wird nie fertig. Einer, der eingehende Anfragen liest, im CRM nachschlägt und einen Antwortentwurf anlegt, schon. Je enger der Use Case, desto besser lässt sich prüfen, ob er funktioniert.

  2. 02

    Werkzeuge mit genau den nötigen Rechten

    Der Agent greift über Schnittstellen auf ERP, CRM oder Dokumente zu, oft über das Model Context Protocol (MCP), einen Standard, mit dem ein Modell Werkzeuge bedient. Lesen und Schreiben werden getrennt freigegeben.

  3. 03

    Grenzen in Code, nicht im Prompt

    Schrittgrenzen, gesperrte Befehle und Pflichtprüfungen setzt ein Skript außerhalb des Modells durch. Diese Guardrails, also Leitplanken, lassen sich vom Agenten nicht überreden.

  4. 04

    Prüfen lässt jemand anderes

    Das Ergebnis prüft gewöhnlicher Code oder ein zweiter Agent mit frischem Kontext, der es nicht erzeugt hat. Was durchfällt, geht an einen Menschen, statt still weiterzulaufen.

  5. 05

    Im Betrieb beobachten

    Jeder Lauf wird protokolliert: was der Agent gelesen, entschieden und ausgeführt hat. Neue Modellversionen und geänderte Anweisungen werden gegen gespeicherte Fälle getestet, bevor sie live gehen.

Häufige Fragen

01

Was kostet ein KI-Agent?

Zwei Posten: das Bauen und der Betrieb. Im Betrieb zahlt man das Sprachmodell nach Verbrauch. Bei Telefon-Agenten nennt Retell AI 0,07 bis 0,31 $ je Minute Gespräch, Vapi 0,05 $ je Minute für die Plattform plus die Modelle, jeweils zuzüglich Telefonie. Den größeren Teil macht meist die Anbindung an die eigenen Systeme aus, und die hängt davon ab, wie viele Systeme es sind und wie sauber ihre Daten.
02

Welches Tool für KI-Agenten?

Für einfache Agenten in Microsoft 365 gibt es Copilot Studio, für Abläufe zwischen Anwendungen Baukästen wie n8n, für Telefon-Agenten spezialisierte Plattformen. Sobald ein Agent an ERP, CRM oder einen großen Dokumentenbestand angebunden wird und über Jahre laufen soll, ist eigene Software mit einem Modell wie Claude oder GPT über die API meist die tragfähigere Wahl, weil sich Rechte, Prüfungen und Protokolle dort genau festlegen lassen.
03

Welcher KI-Agent ist kostenlos?

Kostenlos sind meist nur der Einstieg und das Ausprobieren, etwa mit Gratis-Guthaben oder Testtarifen. Retell AI gibt zum Beispiel ein Startguthaben von 10 $. Im Betrieb kostet jeder Agent Geld, weil jede Antwort des Sprachmodells nach Verbrauch abgerechnet wird. Kostenlos betreiben lässt sich ein Agent nur mit einem lokalen Modell, dann zahlt man die Hardware.
04

Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Ein Chatbot antwortet, ein Agent handelt. Der Chatbot beantwortet Fragen im Gespräch, oft aus einer Wissensdatenbank. Der Agent bekommt eine Aufgabe, plant die Schritte selbst, ruft Werkzeuge auf, etwa einen Kalender oder eine Datenbank, und arbeitet, bis die Aufgabe erledigt ist oder er an eine Grenze stößt.

Quellen

  1. 01 Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI · bitkom.org, 2026
  2. 02 Anthropic: Building effective agents · anthropic.com, 2024
  3. 03 Retell AI: Pricing · retellai.com, 2026
  4. 04 Vapi: Pricing · vapi.ai, 2026
  5. 05 OWASP Gen AI Security Project: LLM01:2025 Prompt Injection · genai.owasp.org, 2025
  6. 06 EU-KI-Verordnung, Artikel 50: Transparenzpflichten · artificialintelligenceact.eu, 2024

Weiterlesen

Einen KI-Agenten bauen lassen,
der über Jahre trägt?

Für einen Agenten, der Entwürfe schreibt und Informationen sucht, braucht kein Unternehmen einen Partner. Wer einen Agenten will, der in ERP, CRM und den Dokumentenbestand eingreift und dort jeden Tag zuverlässig arbeitet, braucht jemanden, der ihn baut, betreibt und weiterentwickelt.

Kaido Studios ist dafür Entwicklungspartner im laufenden Betrieb, mit wenigen Kunden gleichzeitig und für große Vorhaben. Abgerechnet wird über eine monatliche Pauschale mit festem Kontingent: Entwicklung, Betrieb und Weiterentwicklung in einer Hand. Wie das abläuft, steht unter Zusammenarbeit.

Vorhaben besprechen