KI-Agent erstellen: Anleitung in 7 Schritten
Was einen Agenten ausmacht
Ein KI-Agent basiert auf einem großen Sprachmodell (etwa von Anthropic, OpenAI oder Google), beantwortet aber nicht nur Fragen, sondern arbeitet eine Aufgabe in mehreren Schritten ab. Dazu bekommt er drei Dinge: Anweisungen, was er tun und lassen soll, Wissen wie Handbücher, Preislisten oder frühere Antworten, und Werkzeuge, etwa Zugriff auf Postfach, CRM oder Websuche. Die Grenze zum Assistenten ist fließend: Ein Assistent unterstützt einen Menschen, der jede Entscheidung selbst trifft; ein Agent handelt in einem festgelegten Rahmen eigenständig und holt Freigaben nur dort, wo es wichtig ist. Für den Einstieg ist der Assistent oft die bessere Wahl, weil das Team erst Vertrauen aufbauen kann.
Drei Wege zum eigenen Agenten
- Fertiges KI-Tool im Business-Tarif (geringer Aufwand): wenn das Team schnell starten und mit eigenem Wissen arbeiten will — etwa ein Claude-Projekt, ein eigener GPT mit Handbüchern oder ein Copilot-Agent in Microsoft 365.
- Automatisierung mit KI-Schritten (mittlerer Aufwand): wenn ein Ablauf zwischen mehreren Systemen regelmäßig wiederkehrt — etwa eine Formularanfrage prüfen, ins CRM schreiben und einen Antwortentwurf erzeugen, mit n8n, Make oder Zapier.
- Eigenentwicklung über Schnittstellen (hoch, mit Programmierung): wenn der Agent in eigene Software oder ein Kundenportal gehört.
Viele Tools lassen sich heute über das Model Context Protocol (MCP) verbinden — ein offener Standard, den Anthropic 2024 vorgestellt hat; Agenten greifen damit über fertige Konnektoren auf Kalender, Dokumente oder Datenbanken zu, ohne dass jede Verbindung neu programmiert werden muss.
Die sieben Schritte
- Die Aufgabe eng festlegen. Mit einer einzigen, wiederkehrenden Aufgabe beginnen, die heute viel Zeit kostet und klare Regeln hat — etwa Anfragen vorsortieren, Standardfragen beantworten oder Dokumente zusammenfassen. In einem Satz aufschreiben, was der Agent liefern soll und woran man erkennt, dass er es gut gemacht hat.
- Die passende Plattform wählen. Prüfen, womit das Team schon arbeitet: Microsoft 365 führt oft zu Copilot, viel Text- und Dokumentenarbeit zu Claude oder ChatGPT im Team- oder Enterprise-Tarif; bei mehreren Systemen kommt eine Automatisierungsplattform dazu. Für Firmendaten immer einen Business-Tarif wählen, keine private Version.
- Wissen und Daten bereitstellen. Ein Agent ist nur so gut wie seine Quellen: Dokumente vorher aufräumen — veraltete Preislisten, doppelte Handbücher und widersprüchliche Angaben führen sonst zu falschen Antworten. Nur das bereitstellen, was er für seine Aufgabe wirklich braucht.
- Werkzeuge und Systeme anbinden. Festlegen, auf welche Systeme der Agent zugreifen darf und ob er dort nur lesen oder auch schreiben kann. Mit Lesezugriffen starten; Schreibrechte, etwa zum Versenden von Mails oder Ändern von Datensätzen, kommen erst dazu, wenn die Tests sitzen.
- Anweisungen und Grenzen schreiben. Formulieren wie für einen neuen Mitarbeiter: Rolle, Ziel, Tonfall, Ablauf — und vor allem, was der Agent nicht tun darf. Festhalten, wann er an einen Menschen übergibt und welche Aktionen immer eine Freigabe brauchen, zum Beispiel jede Nachricht an Kunden.
- Mit echten Fällen testen. Mit 20 bis 30 echten, anonymisierten Fällen aus dem Alltag testen, auch mit schwierigen und ungewöhnlichen. Notieren, wo der Agent falsch liegt, und Anweisungen oder Quellen verbessern. Dieselbe Aufgabe mehrmals stellen, denn Sprachmodelle antworten nicht jedes Mal gleich.
- Einführen, schulen und nachbessern. Zuerst in einem kleinen Team einführen und festlegen, wer den Agenten betreut. Schulungen sind Pflicht: Seit Februar 2025 verlangt Artikel 4 der EU-KI-Verordnung ausreichende KI-Kompetenz der Beschäftigten. Feste Termine einplanen, an denen Ergebnisse geprüft und der Agent angepasst wird.
Praxisbeispiel: Anfragen vorsortieren
Ein Handwerksbetrieb mit zwölf Mitarbeitenden bekommt jede Woche Dutzende Anfragen über Website, Mail und Telefonnotizen, die die Büroleitung bisher von Hand sortiert. Mit Agent: Er liest neue Anfragen aus Formular und Postfach, ordnet sie nach Leistung, Ort und Dringlichkeit, erkennt fehlende Fotos oder Maße und schlägt eine Rückfrage vor; der Antwortentwurf liegt bereit, die Büroleitung prüft und versendet, und eine wöchentliche Liste zeigt alle offenen Fälle. Wichtig: Ein Mensch prüft und versendet — der Agent spart Zeit beim Sortieren und Vorbereiten, die Verantwortung bleibt im Betrieb.
Typische Fehler
- Zu viel auf einmal: Ein Agent für alles wird nie richtig gut. Mit einer Aufgabe starten.
- Private Konten: Firmendaten in kostenlosen oder privaten Versionen sind ein Datenschutzproblem.
- Unaufgeräumtes Wissen: Alte Dokumente führen zu falschen Antworten, die überzeugend klingen.
- Volle Rechte ab Tag eins: Schreib- und Versandrechte erst nach erfolgreichen Tests freigeben.
- Kein Verantwortlicher: Ohne feste Betreuung veraltet der Agent, sobald sich Preise oder Abläufe ändern.
Datenschutz und AI Act
Sobald ein Agent personenbezogene Daten verarbeitet, gilt die DSGVO: Vertrag zur Auftragsverarbeitung mit dem Anbieter, wissen, wo die Daten verarbeitet werden, und die Datenschutzerklärung anpassen. Aus der EU-KI-Verordnung kommen die Pflicht zur KI-Kompetenz und Transparenz dazu: Wenn Kunden mit einem KI-System sprechen, sollten sie das wissen. Bei sensiblen Bereichen wie Personalentscheidungen oder Kreditvergabe gelten strengere Regeln — dort vorher rechtlichen Rat einholen.
Selbst bauen oder einrichten lassen?
Einen ersten Assistenten auf Basis eines Business-Tarifs kann man mit dieser Anleitung selbst aufsetzen. Hilfe lohnt sich, wenn mehrere Systeme verbunden werden, Kundendaten im Spiel sind oder das Team den Agenten wirklich im Alltag nutzen soll — dann geht die meiste Zeit nicht in die Technik, sondern in Auswahl, Regeln, Tests und Schulung.
Vollständige Anleitung: https://www.in-seo.de/ki-agent-erstellen/
1VR Auswahl · Quelle: In-SEO @Dirk Schiff
机器翻译 ·