Du kennst die alten Geschichten aus der Prozessdigitalisierung in kleinen und mittleren Unternehmen: Da steht irgendwo ein ERP, vielleicht SAP, daneben zwei Bildschirme, eine Checkliste – und Menschen, die Daten eintippen, abgleichen und exportieren. Das System beschleunigt, klar. Aber ohne dich und dein Team geht nichts. Viel Aufwand, wenig Magie.
Mit generativer KI kippt dieses Bild grundlegend. Nicht, weil plötzlich alles „smart“ heisst, sondern weil eine neue Akteursklasse in digitale Geschäftsprozesse einzieht: KI-Agenten, die Aufgaben übernehmen, für die bisher eine Person verantwortlich war – inklusive Lesen, Verstehen und Entscheiden innerhalb definierter Leitplanken. Das ist keine Kosmetik. Das ist ein Rollenwechsel im wahrsten Sinn.
Vom System mit Menschen zum System mit integriertem Agenten
Stell dir einen dreistufigen Prozess vor: Schritt 1 erzeugt Input, Schritt 2 verarbeitet, Schritt 3 kontrolliert und nutzt die Resultate. Bis gestern sass in Schritt 2 eine Mitarbeiterin oder ein Mitarbeiter und fütterte das System. Ab heute sitzt dort – bildlich gesprochen – ein KI-Agent im System. Er liest Kreditorenrechnungen, zieht Lieferantennamen, Beträge und Bankverbindungen heraus, plausibilisiert die Daten, ordnet korrekt zu und übergibt sauber an den nächsten Schritt. Du definierst Regeln, Grenzen und Ausnahmen – der Rest läuft automatisiert.
Das ist der qualitative Sprung: Wir entlasten nicht mehr bloss einzelne Tasks, wir ersetzen klar umrissene Rollen in klar umrissenen Prozessabschnitten. Und genau dort entsteht Hebelwirkung für die Digitalisierung von KMU. Budgets für Automatisierung müssen sich nicht mehr über vage Effizienzgewinne rechtfertigen, sondern über reduzierte Durchlaufzeiten, weniger Fehler und wegfallende manuelle Tätigkeiten.
Was heisst das betriebswirtschaftlich?
Weniger manuelle Touchpoints bedeuten stabilere Durchsätze. Dein Monatsabschluss wartet nicht auf das letzte Pendenzen-Bündel, sondern läuft, sobald die Belege eintreffen. Qualität steigt, weil der Agent nicht müde wird und Regeln nicht „ungefähr“ anwendet. Und Transparenz nimmt zu, weil jeder Agenten-Entscheid protokolliert wird – ideal für Audit und Compliance.
Natürlich gibt es Grenzen: Ein KI-Agent entscheidet innerhalb deines Korridors. Er eskaliert, wenn etwas nicht passt. Genau deshalb bleibt Schritt 3 – der fachliche Blick, das Konsolidieren, das Weiterdenken – bei dir. Nur: Er findet früher statt, mit besseren Daten und ohne Tipparbeit. So wird aus „wir schaffen es gerade so“ ein „wir skalieren, ohne neue Stellen zu schaffen“.
Praxisbeispiel: Kreditoren neu gedacht
Früher: Beleg per Mail, manuelles Erfassen, Kontierung, Rückfragen, Korrekturen, Freigabe.
Heute: Beleg trifft ein, der KI-Agent liest, erkennt Lieferant und Kontext, kontiert gemäss Regelwerk, validiert die IBAN, prüft die Betragslogik und reicht zur Freigabe weiter. Nur wenn etwas ungewöhnlich ist – neue Kostenart, fehlender Rahmenvertrag, abweichender Betrag – ruft der Agent dich rein. Nicht als Datenerfasserin, sondern als Entscheider.
Das Entscheidende: Der Agent arbeitet 24/7, skaliert Lastspitzen mit und hat kein Onboarding-Delta. Neue Regeln? Du spielst sie ein. Neue Gesellschaft? Du übernimmst das Regelset. So wird Prozessarchitektur zu Produktarchitektur – wiederverwendbar, versionierbar und messbar.
20 bis 30 Prozent Arbeit ist durch AI automatisierbar
Viele Studien zeigen, dass in hochentwickelten Volkswirtschaften rund ein Viertel der Arbeit grundsätzlich agentenfähig ist. Entscheidend ist nicht die Zahl auf der Folie, sondern deine Roadmap zur Einführung von Agentic AI: Welche Rollen lassen sich sauber in Regeln und Daten fassen? Wo sind Ausnahmen selten genug, dass Escalate-instead-of-Automate sinnvoll ist? Und an welchen Schnittstellen musst du zuerst die Datenqualität erhöhen?
Das führt zu einer klaren Priorisierung: Beginne dort, wo Volumen hoch, Varianz tief und der Nutzen für das Unternehmen spürbar ist. Rechnungen, Stammdatenpflege, Report-Vorbereitung, Ticket-Triagierung oder Vertriebs-Vorqualifizierung – überall dort ist der Schritt vom System-mit-Mensch zum System-mit-Agent realistisch.
Governance, bitte – aber pragmatisch
KI-Agenten brauchen Leitplanken. Rollenrechte, Nachvollziehbarkeit, Testumgebungen und Monitoring. Das ist kein Overhead, sondern die Betriebsgrundlage. Erfolgreiche Teams bauen Agenten wie Microservices: klar umrissen, sauber geloggt, versioniert, mit Rollback-Optionen. So verbindest du Geschwindigkeit mit Sicherheit.
Der nächste Schritt: Vom Piloten zum Portfolio
Ein Pilot ist schnell gebaut. Wirkung entsteht, wenn du skalierst. Das heisst: ein zentrales Regelwerk, ein gemeinsamer Agenten-Baukasten, klare Metriken wie First-Pass-Yield, Durchlaufzeit oder Eskalationsquote und ein Product-Owner-Modell. Dann fügst du Baustein an Baustein – und transformierst nicht nur einzelne Prozesse, sondern deine gesamte Wertschöpfung.
Wenn du sehen willst, wie das in der Realität aussieht: Wir bauen solche KI-Agenten täglich – und zeigen dir gern konkrete Cases, Zahlen und Architekturen. Der beste Zeitpunkt, eine Rolle zu automatisieren, war gestern. Der zweitbeste ist heute.