Warum KI-Agenten am Prozess scheitern, nicht am Modell

KI-Agenten sind das Versprechen des Jahres: Software, die nicht nur antwortet, sondern Aufgaben erledigt, Daten zusammenträgt, Entwürfe schreibt, Vorgänge anstößt. In der Demo sieht das beeindruckend aus. Im Alltag bleiben viele Rollouts dann stehen. Der Grund ist selten das Modell, sondern der Prozess, auf den man es loslässt.

Die Lücke entsteht nicht im Modell

Ein Blick auf die Adoptionszahlen ist ernüchternd:

Das Modell ist dasselbe. Der Abstand von über 40 Punkten entsteht nicht im Modell, sondern im Drumherum: in den Abläufen, den Daten und der Frage, ob der Agent dort ansetzt, wo Menschen Zeit verlieren. Dasselbe Sprachmodell, das privat als ChatGPT begeistert, bleibt im Arbeitskontext blass, sobald es auf einen Prozess trifft, der nie für es gedacht war.

Prompt-förmig oder prozess-förmig?

Ein Prompt ist eine einzelne Frage mit einer einzelnen Antwort. Echte Arbeit sieht anders aus: Eine Rechnung kommt herein, wird geprüft, einem Projekt zugeordnet, freigegeben, verbucht und im Zweifel eskaliert. Das ist ein Prozess mit Zuständen, Regeln, Zuständigkeiten und vielen Ausnahmen. Wer einen Agenten auf ein Formular von 2013 klebt, automatisiert die Vergangenheit: Die Demo zeigt den einfachen Fall, der Alltag besteht aus den Ausnahmen. Genau dort bleibt der Rollout liegen.

Vier Prinzipien, mit denen Agenten tragen

1. 01

   Erst den Prozess neu denken

   Wir nutzen KI als Anlass zum Redesign eines Ablaufs, nicht als Aufkleber auf einem bestehenden. Die spannende Frage ist nicht „wie baue ich das alte Formular nach", sondern „welche Schritte entfallen ganz, wenn ein Agent Daten selbst zusammenträgt".

2. 02

   LLM für Sprache, Code für Ausführung

   Das Modell übernimmt Kommunikation und Absicht, also das, was es gut kann. Ein deterministischer Kern übernimmt Ausführung und Guardrails: verlässlich, prüfbar und ohne Würfeln bei kritischen Schritten. So darf das Modell vorschlagen, aber nicht unkontrolliert handeln.

3. 03

   Berechtigungs-bewusst im System of Record

   Ein Agent handelt mit dem richtigen Umfang, im Namen der richtigen Identität und in euren Systemen, nicht in einem Tool daneben. Er sieht und tut nur das, was die jeweilige Person auch dürfte.

4. 04

   Klein starten, Nutzen beweisen, dann skalieren

   Mit Mensch im Prozess. Wir beginnen mit einem Workflow, messen den Effekt und bauen aus, was nachweislich trägt. Was nur glänzt, lassen wir wieder weg, bevor es Aufwand bindet.

Wie das in der Praxis aussieht

Nehmen wir die Zuordnung eingehender Rechnungen. Das Modell liest das Dokument, versteht den Freitext und schlägt Projekt, Kostenstelle und Fälligkeit vor, das ist die Sprach-Aufgabe. Die eigentliche Buchung übernimmt deterministischer Code, der gegen eure echten Stammdaten prüft und feste Regeln anwendet. Der Agent handelt dabei nur mit den Rechten der anfragenden Person und direkt im System of Record. Sichere Fälle laufen durch, Zweifelsfälle landen bei einem Menschen. Erst wenn dieser eine Workflow nachweislich trägt, kommt der nächste dazu.

Die meisten Agenten scheitern nicht am Modell, sondern am Prozess.

Fazit

Ein gutes Modell ist heute Voraussetzung, kein Wettbewerbsvorteil. Den Unterschied macht, ob der Ablauf für einen Agenten gedacht ist: neu geschnitten, deterministisch abgesichert, berechtigungs-bewusst und in euren Systemen verankert. Deshalb beginnen wir nicht beim Modell, sondern beim Prozess, und führen Agenten dort ein, wo sie messbar Arbeit abnehmen, statt überall ein bisschen. Wie dieser Weg Schritt für Schritt aussieht, beschreiben wir in Der peercode-Weg zum Agenten.