KI-Agenten verstehen und nutzen

Der Vorsitzende unseres Jungen Wirtschaftsrates, Darius Norsei, hat in einem anschaulichen Praxis-Workshop vor 41 Online-Teilnehmern, die Möglichkeiten von KI-Agenten unseren Mitgliedern anschaulich und anwendbar dargestellt. Künstliche Intelligenz ist längst nicht mehr nur ein Trend – sie verändert Schritt für Schritt unsere Wirtschaft. Insbesondere sogenannte KI-Agenten rücken dabei immer stärker in den Fokus. Sie übernehmen Routineaufgaben, automatisieren Prozesse und verarbeiten Informationen schneller, als es manuell möglich wäre.

Für den Mittelstand bedeutet das: Effizienzsteigerung, Kostenreduktion und mehr Freiraum für das Wesentliche – das Kerngeschäft. Doch was verbirgt sich genau hinter einem KI-Agenten? Welche konkreten Einsatzmöglichkeiten gibt es für den Mittelstand? Und wie kann man selbst solche digitalen Helfer entwickeln? Genau darum ging es in unserem Praxis-Workshop. Gemeinsam konnten wir nicht nur über die Chancen sprechen, sondern live einen KI-Agenten von Grund auf gemeinsam aufbauen. So konnten wir Schritt für Schritt miterleben, wie man eigene KI-Agenten erstellt – und wie wir dieses Wissen direkt im Unternehmen einsetzen können.

(Foto: Wirtschaftsrat)

Ausgehend von Level 1, Large Language Models (LLM), wie Chat GPT, Microsoft Copilot, Deepseek, Google Gemini, wo ein Input in einen Output umgewandelt wird, sind wir auf Level 2, die KI-Workflows, eingegangen. D.h., das Modell setzt hier einen kompletten Vorgang um: Auf einen Input (Mail mit Rechnung) erfolgt eine Datenabfrage (RAG=Retrieval Augmented Generation) durch das LLM und dann wird der Output (weitergeleitete Rechnung an die Buchhaltung) generiert. Erst beim sogenannten Level 3 handelt sich jedoch um einen wirklichen KI-Agenten. Z. B. im Falle einer Beschwerdeemail wird durch das LLM eine Datenabfrage veranlasst – der Unternehmer bekommt darauf hin eine WhatsApp und eine allgemein formulierte Mail geht parallel sofort an den unzufriedenen Kunden. Gleichzeitig wird im CRM eine Lösung für die Beschwerde veranlasst. Woher weiß der KI-Agent aber, ob es eine dringende Beschwerde ist oder ob es sich um eine Standard-Beschwerde handelt? Der KI-Agent merkt dies anhand der Wortwahl und Zeichensetzung, ob der Beschwerdefall eine hohe Dringlichkeit hat.

Die Frage des Abends war, wie man mit relativ wenigen Ressourcen einen KI-Agenden als Automatisierungsprozess erstellen kann. Hier gibt es Hilfstools, wie „make“, n8n“ oder „zapier“. Als Anwendungsfall haben wir uns den Prozess zur täglichen Mail-Beantwortung (Quantität, Qualität, Zeit) in einem Filialunternehmen herausgesucht. Hier handelt es ich um „Berichts-Agenten“. Als tool haben wir „n8n“ gewählt und die kostenlose Probeversion im Internet verwendet. Wir konnten unseren Prozess mittels KI von Beginn an aufbauen. 

Als ersten Schritt haben wir als „Auslöser“ einen zeitlichen Trigger und „täglich“ gewählt sowie eine Uhrzeit für den Bericht angegeben. Als nächsten Schritt mussten wir unsere E-Mails (eingehende und ausgehende) wählen. Der nächste Schritt war „action in an app“ und dafür haben wir „Outlook“ gewählt und dort „get many messages“ ausgesucht. Nach Verknüpfung des Mail-Accounts mit der Mailadresse konnten wir Mail-Limits bestimmen und filtern, dass zunächst die Mails aus der Inbox vom heutigen Tag, abgegriffen werden. „received after“ konnten wir das Datum bestimmen, für welches die Abfrage erfolgen soll – um den Prozess zu dynamisieren, was für unser Vorhaben notwendig war – konnten wir „today“ in unser entsprechendes Befehlsfeld ziehen. „Execute step“ hat uns dann die Mails von heute geliefert. Für die ausgehenden Mails mussten wir „Gesendete“ wählen. Nach diesem Vorgang wussten wir, was in einer Filiale an Mails empfangen und versendet worden ist. Mit der „Merge“-Funktion konnten wir die beiden Datenströme zusammenführen. Wir wollen einen Gesamtbericht von einem Tag und haben mit der „Code-Funktion“ die Datensätze via Programm verknüpft. Als nächsten Prozessschritt haben wir den „KI-Agent“ von ChatGPT ausgesucht und diesem seine Regeln (System Message) „Datenzusammenfassung“ angewiesen und waren „sehr höflich“ dabei sowie angegeben „keine Prosa“ als Output zu haben. Nach Programmierung (Grammatik, Klarheit, Empathie, Professionalität, Hilfsbereitschaft) des KI-Agenten auf Englisch, wollen wir die Antworten auf Deutsch. Letztlich hat unsere „KI-Prozesskette“ einen Tagesbericht auf unsere Gmail-Adresse „täglicher Qualitätsbericht“ im html ergeben.

Weiterhin war noch von Interesse, welche Unternehmensbereiche sich für die KI-Agenten in besonderem Maße eignen. Insbesondere die Service-Abteilungen, der Kundensupport, das Lieferketten-Management und HR (KI-Agent zur Vorqualifizierung von Bewerbungen) sind dafür besonders prädestiniert (Abteilungen mit viel Administration). 

Zum Abschluss hat uns Darius Norsei noch einen kleinen Denkanstoß mit auf den Weg gegeben. Er ist der Ansicht, dass bei immer weiterer Zunahme von KI-Agenden, das Bedürfnis zur Kommunikation mit „realen Mitarbeitern“ wieder zunehmen dürfte. 

Wir bedanken uns herzlich bei Darius Norsei für seinen super interessanten Workshop. Bis zum nächsten Mal.