KI-Agents im Alltag: Das eigentliche Thema ist Kontrolle

Seit Mai 2026 landen bei einer Software, die wir selbst betreiben, alle Support-Tickets bei einem Agent. Er nimmt das Ticket an, meldet sich an, öffnet eine Coding-Session in Cursor, behebt den Fehler und spielt den Fix über GitHub aus. Das sind rund 50 Tickets im Monat.

Am Anfang haben wir jeden Fix geprüft. Nach ein paar Wochen war klar, dass etwa 95 % auf Anhieb passen. Heute winken wir die meisten durch und schauen bei den übrigen genauer hin.

Ich schreibe das an den Anfang, weil die meisten Texte über KI-Agents im Konjunktiv bleiben. Sie listen auf, was Agents „können“. Mich interessiert, was sie in einem Dienstleister mit 20 oder 80 Leuten nächste Woche tun, und was dabei schiefgeht.

Was unsere Agents heute tun

Support-Tickets bis zum Fix. Beschrieben habe ich das oben. Der Agent hat Zugang zu Helpdesk, Code und Auslieferung, aber nur zu diesen. Als Modell nutzen wir dafür meist Grok in Cursor, weil es für diese Art Fehler schnell und günstig genug ist.

Projektarbeit im Dauerdialog. Den größten Teil unserer Arbeit steuern wir heute aus Coding-Agents wie Claude heraus. Leadtime hängt über einen MCP-Server daran. MCP ist ein offener Standard, mit dem ein KI-Assistent auf ein anderes System zugreifen darf. Ich bespreche eine Aufgabe mit dem Agent, und was dabei entsteht, landet sauber als Aufgabe, Zeiteintrag oder Notiz im ERP. Es gibt Tage, an denen fast alles so läuft.

Der eingebaute Agent in Leadtime. Ich frage ihn nach Zahlen aus dem System oder lasse ihn Dinge vorbereiten, zum Beispiel Rechnungen erstellen und prüfen. Verschickt werden sie erst, wenn ein Mensch draufgeschaut hat. Bei Geld bleibt das so.

Allen drei ist gemeinsam: Der Agent arbeitet im System, mit eigenem Zugang und eigener Rolle. Er sitzt nicht in einem Chatfenster daneben, aus dem jemand das Ergebnis herauskopiert.

Wenn ein Agent hängen bleibt, liegt es meist am Modell

Gescheitert ist bei uns eigentlich noch kein Agent. Wenn einer an einer Aufgabe nicht weiterkommt, hilft meistens das Umstellen auf ein stärkeres Modell.

Daraus folgt etwas für die Planung: Die Wahl des Modells ist eine Kostenentscheidung. Ein großes Modell für jede Kleinigkeit wird teuer. Ein kleines Modell für alles scheitert an den schwierigen Fällen. Wer Agents produktiv einsetzt, muss pro Aufgabe entscheiden, welches Modell sie bekommt, und sehen können, was das kostet.

Wo ich keinen Agent einsetze

Im Vertrieb, vor allem im Outreach. Eine von einem Agent geschriebene Kaltakquise erkennt man fast immer, und der Empfänger zieht daraus einen Schluss über das ganze Unternehmen.

Bei Antworten auf Tickets sieht es anders aus. Wenn ein Kunde fragt, wie der Stand ist oder wie eine Funktion arbeitet, kann ein Agent die Auskunft geben, sofern er die Antwort aus dem System holt und nicht erfindet.

„Wir haben doch ChatGPT, das reicht“

Den Satz höre ich oft von Geschäftsführern. Wer so arbeitet, hat nach meiner Einschätzung vielleicht 3 % des Potenzials gesehen. Gemessen habe ich das nicht, es ist mein Eindruck aus vielen Gesprächen.

Ein Chatfenster beantwortet Fragen. Es nimmt keine Tickets an, schreibt keine Zeiten, bereitet keine Rechnungen vor und weiß nicht, welches Projekt gerade über Budget läuft. Der Nutzen entsteht erst, wenn der Agent an die Systeme angeschlossen ist, in denen die Arbeit passiert.

Wie weit die meisten davon entfernt sind, zeigt die aktuelle Bitkom-Erhebung: 57 % der Unternehmen ab 20 Beschäftigten nutzen KI. Von denen, die KI nutzen oder planen, setzen aber erst 11 % Agents ein, 29 % planen es, 31 % diskutieren noch.¹ Ich gehe davon aus, dass sich in den nächsten zwei Jahren entscheidet, wer auf welcher Seite dieser Lücke steht.

Das eigentliche Problem ist Kontrolle

Gartner rechnet damit, dass bis Ende 2027 mehr als 40 % der Projekte mit KI-Agents wieder eingestellt werden. Als Gründe nennt Gartner steigende Kosten, unklaren Nutzen und unzureichende Risikokontrolle.² Den letzten Grund halte ich für den größten.

In den meisten Unternehmen, die ich kenne, hat jeder Mitarbeiter einen anderen KI-Reifegrad und nutzt seine eigenen Tools. Die eine schreibt Angebote mit einem privaten Abo, der andere lässt Code von einem Assistenten prüfen, den niemand freigegeben hat. Das ist ein ziemlicher Wildwuchs, eine Schattenwirtschaft neben den offiziellen Systemen.

• In einer Befragung des Instituts der deutschen Wirtschaft unter knapp 5.000 Beschäftigten gaben 29,1 % der beruflichen KI-Nutzer an, Tools zu verwenden, die nicht vom Arbeitgeber kommen.³
• Laut Bitkom sagen 8 % der Unternehmen, private KI-Tools seien in ihrer Belegschaft weit verbreitet, weitere 17 % kennen Einzelfälle.⁴

Unternehmen unterschätzen das eher, denn wer etwas nutzt, das nicht erlaubt ist, erzählt es selten. Für einen Dienstleister ist das mehr als ein Datenschutzthema. Wenn die Arbeit in privaten Chatfenstern passiert, fehlt sie im System: keine Zeit auf dem Projekt, keine Notiz im Ticket, keine Spur für den Kollegen, der morgen übernimmt.

Die KI macht den Einzelnen schneller, aber das Unternehmen erfährt nichts davon.

Die Kostenlücke

Dazu kommt die riesige Lücke zwischen den Preismodellen. Die Abos für Einzelpersonen sind extrem großzügig: Für einen festen Monatsbetrag bekommt man sehr viel Rechenleistung. Im Firmenkontext darf man sie aber nicht ohne Weiteres einsetzen, und für Agents, die eigenständig arbeiten, sind sie meist nicht gedacht.

Wer Agents sauber über die Schnittstellen der Anbieter betreibt, zahlt pro Token, also pro verarbeitetem Textstück. Die Kosten hängen dann an Aufgabe und Modell, nicht an der Zahl der Nutzer. Wer das nicht pro Aufgabe sieht, erlebt am Monatsende eine Überraschung oder bremst die Agents aus Vorsicht so stark, dass sie nichts mehr bringen.

Was ein kontrollierbares System braucht

Man muss sich wirklich tief mit dem Thema auseinandersetzen. Aus unserer eigenen Arbeit sind es vier Punkte:

Leadtime, die Plattform für IT-Dienstleister, Agenturen und Beratungen, ist so gebaut: Agents haben eigene Konten und Rollen und arbeiten im selben Vorgang wie das Team. Wie viel Zeit das in Ihrer Routine frei macht, rechnen Sie im Rechner nach. Das ist eine Modellrechnung mit offenen Annahmen.

Häufige Fragen

Quellen