KI-Agenten: Beispiele und Einsatzbereiche im Unternehmen
Wo ein KI-Agent im Alltag wirklich Arbeit abnimmt, zeigt sich an konkreten Aufgaben. Diese Seite geht sechs Use Cases aus Vertrieb, Service und Backoffice durch – jeweils mit dem Aufwand, der dahintersteckt, und dem, was der Agent tatsächlich übernimmt.
Was einen guten Use Case ausmacht
Ein KI-Agent spielt seine Stärke dort aus, wo heute jemand eine Anfrage liest, einordnet und einen nächsten Schritt anstößt. Die Aufgabe muss oft genug anfallen, damit sich der Aufbau lohnt, und sie darf variieren, sonst reicht eine feste Automatisierung. Genau in dieser Mitte liegen die Beispiele auf dieser Seite: Sie wiederholen sich, folgen aber keinem starren Schema.
Bevor du weiterliest, eine Einordnung: Ein Agent ist nicht immer die richtige Antwort. Für einen Ablauf, der jedes Mal identisch läuft, ist eine schlichte Automatisierung günstiger und verlässlicher. Wie Pipewave Agenten baut, anbindet und mit Freigaben absichert, steht auf der Seite zu KI-Agenten für Unternehmen.
Die sechs Beispiele im Überblick
Im Vertrieb
Lead-Qualifizierung und Anreicherung
Eine neue Anfrage kommt über Formular, Mail oder Messe-Liste herein. Bisher schaut jemand nach, ob die Firma passt, sucht Branche und Größe heraus, legt den Kontakt im CRM an und entscheidet, wie dringend die Sache ist. Ein Agent liest die Anfrage, ergänzt die Firmendaten über eine Quelle wie die Website oder ein Register, prüft sie gegen deine Kriterien und legt den Kontakt mit einer ersten Einstufung an. Passt der Lead nicht, markiert er das statt ihn stumm durchzuwinken.
Der Aufwand liegt vor allem im Anfang: die Kriterien sauber beschreiben und die Datenquelle anbinden. Der Nutzen ist, dass der Vertrieb morgens vorsortierte Leads mit Kontext vorfindet, statt jede Anfrage selbst zu recherchieren. Wie sich das Anreichern der Daten technisch löst, steht unter CRM-Datenanreicherung.
Angebote vorbereiten
Ein Interessent fragt nach einem Angebot. Der Agent sammelt, was schon bekannt ist: frühere Gespräche im CRM, angefragte Leistung, passende Textbausteine und Preise aus einer hinterlegten Liste. Daraus baut er einen Angebotsentwurf, den der Vertrieb prüft und freigibt. Er verschickt nichts allein, er nimmt die halbe Stunde Zusammensuchen ab.
Der Aufwand steckt in den Bausteinen und der Preislogik, die einmal sauber hinterlegt werden. Der Nutzen zeigt sich bei jedem Angebot danach: Der Entwurf steht in Minuten statt in einer halben Stunde, und die Handschrift bleibt einheitlich.
Im Service
E-Mail- und Ticket-Triage
Im Support-Postfach landet alles gemischt: Rechnungsfragen, technische Probleme, Terminwünsche, Spam. Jemand liest jede Mail, ordnet sie einer Kategorie zu, hängt sie an den richtigen Kontakt und leitet sie weiter. Ein Agent macht die Vorsortierung: Er liest die Mail, erkennt das Anliegen, ordnet Priorität und Zuständigkeit zu und verknüpft sie im System mit dem passenden Vorgang. Der Mensch übernimmt eine bereits sortierte Liste.
Antwortentwürfe schreiben
Für wiederkehrende Fragen schreibt der Agent einen Antwortvorschlag: Er zieht sich den Vorgang aus dem CRM, sucht in einer hinterlegten Wissensbasis die passende Auskunft und formuliert einen Entwurf im Ton des Unternehmens. Der Mitarbeiter liest gegen, ergänzt und schickt ab. Bei kniffligen Fällen übergibt der Agent mit einer kurzen Zusammenfassung, statt zu raten.
Der Aufwand liegt darin, die Wissensbasis anzubinden und die Grenzen zu ziehen, ab wann ein Mensch übernimmt. Der Nutzen ist eine schnellere erste Antwort, ohne dass Standardfragen jedes Mal von vorn getippt werden.
Du erkennst deinen eigenen Ablauf in einem dieser Beispiele wieder? Schreib ihn mir kurz – ich sage dir ehrlich, ob ein Agent, eine einfache Automatisierung oder erstmal keins von beidem passt.
Im Backoffice
Datenpflege im CRM
CRM-Daten veralten leise. Firmen ziehen um, Ansprechpartner wechseln, Dubletten schleichen sich ein. Ein Agent geht Datensätze durch, gleicht sie gegen aktuelle Quellen ab, schlägt Korrekturen vor und markiert mögliche Dubletten zur Prüfung. Heikle Änderungen laufen erst nach Freigabe, unkritische Ergänzungen trägt er direkt nach.
Der Aufwand liegt im Festlegen, was der Agent allein ändern darf und was ein Mensch bestätigt. Der Nutzen ist ein Bestand, der nicht einmal im Jahr in einer großen Aktion aufgeräumt wird, sondern laufend sauber bleibt. Wenn der Bestand vorher stark verschmutzt ist, lohnt sich zuerst eine einmalige Bereinigung und Anreicherung.
Belege und Rechnungen vorbereiten
Rechnungen und Belege kommen als PDF im Postfach an. Bisher öffnet jemand jedes Dokument, liest Betrag, Datum und Lieferant heraus und trägt alles ins System. Ein Agent liest die Angaben strukturiert aus, ordnet den Beleg dem passenden Vorgang zu und legt ihn zur Prüfung ab. Die Freigabe bleibt beim Menschen, das stumpfe Abtippen fällt weg.
Der Aufwand steckt im Anbinden von Postfach und Zielsystem und im Umgang mit Belegen, die vom üblichen Format abweichen. Der Nutzen ist, dass Zahlen nicht mehr von Hand übertragen werden und Tippfehler an dieser Stelle verschwinden.
Welche Aufgaben sich eignen
Die Beispiele oben haben eines gemeinsam. Woran du erkennst, ob dein eigener Fall dazu passt:
Guter Kandidat für einen Agenten
- Die Aufgabe fällt oft an und frisst spürbar Zeit
- Die Fälle ähneln sich, weichen aber im Detail voneinander ab
- Es braucht Einschätzung, keine reine Wenn-dann-Regel
- Ein Mensch kann das Ergebnis leicht gegenprüfen
Noch nicht der richtige Moment
- Die Aufgabe taucht nur ein paar Mal im Monat auf
- Jeder Fall ist ein Einzelfall und braucht echte Entscheidung
- Der Ablauf ist noch gar nicht klar beschrieben
- Die Datenbasis ist unsauber – erst aufräumen, dann Agent
Vom Beispiel zum ersten Agenten
Wenn du einen der Fälle wiedererkennst, führt der Weg dahin über vier Schritte. Der erste Agent kostet am meisten Zeit, jeder weitere weniger.
Eine Aufgabe, die oft anfällt und heute von Hand läuft. Kein kritischer Prozess für den Anfang, sondern einer, an dem man ruhig lernen kann.
Was soll der Agent selbst entscheiden, wo bestätigt ein Mensch? Diese Grenze festzulegen ist der eigentliche Teil der Arbeit, nicht die Technik.
Der Agent bekommt Zugriff auf CRM, Postfach oder API und läuft erst im Trockenlauf mit, ohne zu schreiben. So sieht man, wo er danebenliegt.
Läuft der erste Use Case sauber, kommt der nächste dazu. Erweitern ist einfacher, wenn das Fundament steht.
Was der Aufbau und der laufende Betrieb kosten, habe ich getrennt durchgerechnet im Ratgeber Was kostet ein KI-Agent? Die technische Grundlage für die meisten dieser Beispiele, die Workflow-Engine, beschreibe ich unter n8n-Agentur.
Häufige Fragen zu Beispielen und Einsatz
Ich habe mir mit 18 das Programmieren selbst beigebracht und seitdem eine Reihe KI-Agenten und Automatisierungen mit n8n und HubSpot gebaut. Die Beispiele hier stammen aus echten Projekten, nicht aus einem Prospekt – inklusive der Fälle, in denen sich am Ende eine schlichte Automatisierung besser eignete als ein Agent.
Auf LinkedIn vernetzen →Welcher Use Case passt zu deinem Unternehmen?
30 Minuten, unverbindlich. Wir schauen uns einen konkreten Ablauf bei dir an, und du bekommst eine ehrliche Einschätzung, ob und wie sich ein Agent dafür lohnt.
Termin auswählen →