Grundlagen

Was ist ein KI-Agent?

Ein KI-Agent ist ein Programm, das ein Ziel bekommt statt einer Anweisung: Es liest eine Aufgabe, legt selbst die nötigen Schritte fest, holt sich dafür Daten aus angebundenen Systemen und prüft das Ergebnis, bevor es abgibt. Im Großhandel übernimmt das reale Vorgänge, den Angebots-Bot bringt Angebote 70 bis 90 Prozent schneller heraus, der Invoice-Bot senkt den manuellen Aufwand bei Eingangsrechnungen um rund 80 Prozent. Diese Seite erklärt den Begriff, grenzt ihn gegen Regel-Automation und reine Sprachmodelle ab und sagt, wann sich ein Agent nicht lohnt.

Definition, Abgrenzung, konkrete Aufgaben im Handel, ERP-Anbindung, Berechtigungen und Grenzen.

Definition

Ein Ziel bekommen statt einer Anweisung

Die Lehrbuchdefinition lautet ungefähr so: Ein KI-Agent nimmt seine Umgebung wahr, trifft Entscheidungen und handelt eigenständig auf ein Ziel hin. Das ist nicht falsch, hilft im Tagesgeschäft aber niemandem. Nützlicher ist die Definition am Vorgang, den Sie ohnehin kennen.

Eine Kundenanfrage kommt per Mail: „Bitte um Angebot über 200 Meter NYM-J 3x1,5 und 20 Verteilerdosen, Lieferung KW 34.“ Ein klassisches Skript kann daraus nichts machen, weil niemand diese Formulierung vorhergesehen hat. Ein reines Sprachmodell versteht den Satz zwar, weiß aber weder, was bei Ihnen am Lager liegt, noch welchen Preis dieser Kunde bekommt. Ein Agent macht vier Dinge hintereinander: Er liest die Anfrage und erkennt die Positionen. Er legt fest, was zu tun ist, also Artikel identifizieren, Bestand prüfen, Kundenkonditionen ziehen, Liefertermin bestätigen. Er holt diese Daten aus den Systemen, in denen sie stehen. Und er prüft am Ende, ob das Ergebnis vollständig ist, bevor es an einen Menschen zur Freigabe geht.

Der entscheidende Teil ist der zweite Schritt. Beim Agenten legt nicht der Entwickler die Reihenfolge fest, sondern das System selbst, Anfrage für Anfrage. Genau daran hängt der ganze Unterschied. Fehlt einer Position der Kundenpreis, holt der Agent ihn nach. Ist ein Artikel nicht am Lager, prüft er den Lieferanten. Ein Skript hätte an dieser Stelle abgebrochen, weil dieser Fall nicht vorgesehen war.

Die vier Schritte eines KI-Agenten: Anfrage lesen, Plan bilden, Daten holen, Ergebnis kontrollieren

Die eigentliche Frage

Regel, Sprachmodell oder Agent: Was braucht Ihr Prozess?

Fast alle Erklärtexte zum Thema stellen Eigenschaften gegenüber, reaktiv gegen proaktiv, lernfähig, autonom. Das beantwortet die Frage nicht, die vor einem Projekt steht: Welchen der drei Ansätze nehme ich für diesen einen Prozess? Die Antwort hängt an zwei Kriterien.

Drei gleichrangige Ansätze im Vergleich: Regel, Sprachmodell und Agent

Regel-Automation

Nehmen Sie eine Regel, wenn der Ablauf immer gleich ist und die Eingabe ein festes Format hat. Ein EDI-Auftrag, der ins ERP gebucht wird. Eine Bestellung, die ab einem Meldebestand ausgelöst wird. Eine Rechnung, die bei Übereinstimmung mit der Bestellung durchgeht. Regeln sind schneller, billiger und nachvollziehbar. Wer hier einen Agenten einsetzt, kauft sich Unsicherheit ohne Gegenwert.

Reiner Sprachmodell-Aufruf

Nehmen Sie einen einzelnen Modellaufruf, wenn die Eingabe frei formuliert ist, aber genau ein Schritt reicht. Eine Mail zusammenfassen, ein Anschreiben entwerfen, eine Anfrage der richtigen Abteilung zuordnen, aus einem Lieferschein die Positionen ziehen. Das ist kein Agent, sondern eine Funktion, die Sprache versteht.

KI-Agent

Nehmen Sie einen Agenten erst, wenn beides zusammenkommt: Die Eingabe ist frei formuliert und die nötigen Schritte stehen vorher nicht fest, weil sie vom Inhalt abhängen. Genau dann muss etwas den Weg pro Vorgang selbst festlegen und dabei mehrere Systeme anfassen.

Die Faustregel

Zählen Sie die Wenn-dann-Fälle, die Sie aufschreiben müssten, um den Vorgang vollständig zu beschreiben. Kommen Sie mit einer Handvoll aus, bauen Sie eine Regel. Merken Sie, dass die Liste nicht fertig wird, weil jeder zweite Vorgang eine Ausnahme mitbringt, ist das der Punkt, an dem sich ein Agent rechnet. Und wenn die Antwort in einem Satz steht und nichts nachgeschlagen werden muss, brauchen Sie nur den Modellaufruf.

In der Praxis

Was ein KI-Agent im Großhandel konkret übernimmt

Drei Vorgänge, an denen sich der Unterschied im Alltag zeigt. Die Zahlen stammen aus unseren eigenen Implementierungen, nicht aus Herstellerbroschüren.

Angebot aus einer freien Anfrage

Der Agent liest die Anfrage, erkennt die Positionen auch bei Kurzbezeichnungen und Tippfehlern, zieht Bestand und Kundenkonditionen aus dem ERP und erzeugt das fertige Angebots-PDF. Der Vertrieb gibt frei statt zu tippen. Ergebnis in der Praxis: Angebote gehen 70 bis 90 Prozent schneller raus. Das zahlt direkt auf die Abschlussquote ein, weil Leads, die innerhalb von 5 Minuten Kontakt bekommen, eine 21-mal höhere Qualifizierungsrate erreichen. Details dazu stehen beim Angebots-Bot.

Eingangsrechnung bis zur Freigabe

Rechnungen kommen als Mail, als PDF, als Scan, jeder Lieferant anders. Der Agent erfasst Beträge, Steuer und Metadaten, prüft gegen Bestellung und Wareneingang und leitet an die zuständige Freigabe weiter. Der manuelle Aufwand sinkt um rund 80 Prozent. Warum das kein Regelfall ist: Die Abweichung zwischen Bestellung und Rechnung ist der Normalfall, nicht die Ausnahme, und genau die Klärung ist der Teil, der Zeit kostet. Details beim Invoice-Bot.

Auskunft zu Bestand, Preis und Auftragsstatus

Die häufigste Frage im Innendienst ist keine komplexe: Wo steht der Auftrag, was kostet das für diesen Kunden, wann kommt die Nachlieferung. Hier reicht oft schon die einfachere Stufe, ein Chatbot mit ERP-Anbindung, der aus den Systemen antwortet. Statt 5 bis 10 Minuten Suche pro Auskunft dauert das unter 30 Sekunden. Wie das aussieht, steht unter KI-Chatbot mit ERP-Anbindung.

Die Datenfrage

Warum die ERP-Anbindung der schwierige Teil ist

In fast jedem Erklärtext steht, ein Agent lasse sich „an ERP-, CRM- oder Buchhaltungssysteme anbinden“. Was daran Arbeit macht, sagt niemand. Es sind vier Dinge, und sie entscheiden über Aufwand und Laufzeit eines Projekts.

Ein KI-Agent als zentraler Knoten mit Anbindung an SAP, Dynamics, Microtech und Sage

Nicht jedes System hat eine brauchbare Schnittstelle

SAP und Microsoft Dynamics bringen dokumentierte APIs mit. Bei microtech büro+ oder älteren Sage-Ständen arbeitet man je nach Version über Datenbankzugriff, Exportdateien oder eine Zwischenschicht. Das ist machbar, aber es ist der Unterschied zwischen zwei Tagen und zwei Wochen.

Die Artikelbezeichnung des Kunden ist nicht Ihre

Kunden schreiben „3x1,5er“, im Stamm steht „NYM-J 3x1,5 mm²“. Diese Zuordnung ist der eigentliche Kern der Auftragserfassung und der Grund, warum reine Schnittstellenprojekte hier scheitern. Ein Sprachmodell ist genau an dieser Stelle stark, es braucht aber Ihren Artikelstamm als Referenz.

Preise stehen selten an einer Stelle

Listenpreis, Kundenpreisliste, Rahmenvertrag, Aktion, Staffel: Ein Agent, der den falschen Preis zieht, ist schlimmer als keiner. Die Regel, welcher Preis gewinnt, muss explizit hinterlegt sein und darf nicht dem Modell überlassen bleiben.

Lesen und Schreiben sind zwei Projekte

Ein Agent, der Bestände liest, ist harmlos. Ein Agent, der Aufträge anlegt, greift in Ihre Buchungslogik ein. Fangen Sie lesend an und führen Sie schreibende Vorgänge erst ein, wenn die Trefferquote über mehrere Wochen belegt ist.

Der blinde Fleck

Berechtigungen und kundenindividuelle Konditionen

Wenn in Erklärtexten über Datenschutz gesprochen wird, geht es um DSGVO und EU AI Act, also um die regulatorische Ebene. Das ist wichtig, aber es ist nicht das Problem, das ein Großhändler zuerst hat. Das Problem heißt: Wer darf welchen Preis sehen?

Im Handel hat fast jeder Kunde eigene Konditionen. Ein Agent, der Kunden direkt antwortet, muss deshalb bei jeder einzelnen Anfrage wissen, wer fragt, und darf ausschließlich die Konditionen dieses einen Kunden verwenden. Fragt Kunde A nach einem Preis, ist die Staffel von Kunde B keine zulässige Antwort, auch nicht als Näherung. Dasselbe gilt intern: Der Innendienst darf Deckungsbeiträge sehen, ein Kunde nicht.

Technisch heißt das, die Berechtigung greift vor der Antwort, nicht danach. Der Agent bekommt die Identität des Fragenden mit und stellt seine Datenabfrage von vornherein nur auf den erlaubten Ausschnitt. Ein Agent, der erst alles liest und die Antwort danach filtert, ist ein Datenleck mit Verzögerung. Bei allem, was nach außen geht oder eine Buchung auslöst, bleibt zusätzlich ein Mensch in der Freigabe.

Die Berechtigungsprüfung liegt zwischen Anfrage und Antwort: Anfrage, Rolle erkennen, Freigabe, Antwort

Ehrlich bleiben

Wann sich ein KI-Agent lohnt und wann nicht

Stärken

Viele Vorgänge, viele Ausnahmen

Der Vorgang wiederholt sich täglich, aber fast jeder Fall weicht ein wenig ab. Genau hier ist die Regelliste nie fertig und der Agent spielt seinen Vorteil aus.

Eingaben kommen unstrukturiert an

Anfragen per Mail, Rechnungen als PDF, Bestellungen als Freitext. Wo kein festes Format existiert, scheitert die klassische Schnittstelle.

Es gibt eine klare Freigabe-Instanz

Ein Mensch prüft das Ergebnis, bevor es rausgeht. Das macht den Einstieg risikoarm, weil ein Fehler auffällt, bevor er beim Kunden landet.

Die Daten liegen in erreichbaren Systemen

Ohne Zugriff auf Artikelstamm, Bestand und Konditionen bleibt jeder Agent bei allgemeinen Auskünften und damit nutzlos.

Probleme & Grenzen

Der Ablauf ist immer gleich

Feste Eingabe, fester Weg, festes Ergebnis. Dann ist eine Regel schneller, billiger und prüfbar. Ein Agent bringt hier nur Unsicherheit.

Der Vorgang kommt selten vor

Ein paar Fälle im Monat rechtfertigen weder Anbindung noch Pflege. Der Aufwand steckt in der Integration, nicht im Modell, und der fällt unabhängig von der Menge an.

Ein Fehler wäre nicht korrigierbar

Direkte Buchungen ohne Freigabe, verbindliche Preiszusagen nach außen, alles mit unmittelbarer Rechtsfolge. Solche Schritte gehören hinter eine menschliche Freigabe.

Die Stammdaten sind ungepflegt

Doppelte Artikel, veraltete Preise, unvollständige Kundenzuordnung. Ein Agent macht diese Lücken sichtbar, er repariert sie nicht. Dann ist die Datenpflege das erste Projekt.

Zum Zeitrahmen: Eine Basis-Automatisierung wie die Angebotserstellung ist in 2 bis 4 Wochen betriebsbereit. Implementierungen mit mehrstufigen Freigaben und eigenen Dashboards liegen bei 6 bis 12 Wochen, lassen sich aber schrittweise ausrollen. Wer wissen will, wie so ein Agent gebaut wird, findet das in KI-Agenten erstellen und in KI-Agenten Beispiele. Den fertigen Katalog gibt es unter KI-Agenten für den Großhandel.

Häufig gestellte Fragen

Hier finden Sie die Antworten auf häufig gestellte Fragen.

Was ist ein KI-Agent einfach erklärt?

Ein KI-Agent ist ein Programm, das ein Ziel bekommt statt einer Schritt-für-Schritt-Anweisung. Es liest die Aufgabe, legt selbst fest, welche Schritte nötig sind, holt sich dafür Daten aus angebundenen Systemen wie dem ERP und prüft das Ergebnis, bevor es abgibt. Der Unterschied zu klassischer Automatisierung: Die Reihenfolge steht nicht im Voraus fest, sondern wird pro Vorgang neu bestimmt.

Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Ein Chatbot antwortet, ein Agent handelt. Der Chatbot beantwortet eine Frage aus angebundenen Daten, etwa nach Bestand oder Auftragsstatus, und ist damit fertig. Ein Agent verfolgt ein Ziel über mehrere Schritte hinweg und fasst dabei mehrere Systeme an, zum Beispiel Artikel erkennen, Bestand prüfen, Kundenpreis ziehen und daraus ein Angebot erzeugen. In der Praxis ist der Chatbot oft die günstigere und ausreichende Stufe.

Was macht ein KI-Agent im Großhandel konkret?

Typisch sind drei Vorgänge: Angebote aus frei formulierten Kundenanfragen erstellen, Eingangsrechnungen erfassen und bis zur passenden Freigabe führen, sowie Auskünfte zu Bestand, Preis und Auftragsstatus geben. Bei uns bringt der Angebots-Bot Angebote 70 bis 90 Prozent schneller heraus, der Invoice-Bot senkt den manuellen Aufwand um rund 80 Prozent, und Auskünfte dauern unter 30 Sekunden statt 5 bis 10 Minuten.

Wann lohnt sich ein KI-Agent nicht?

Wenn der Ablauf immer gleich ist, reicht eine Regel und ist billiger sowie besser prüfbar. Wenn der Vorgang nur ein paar Mal im Monat vorkommt, rechtfertigt er die Anbindung nicht, weil der Aufwand in der Integration steckt und unabhängig von der Menge anfällt. Und wenn die Stammdaten ungepflegt sind, ist die Datenpflege das erste Projekt, denn ein Agent macht solche Lücken sichtbar, aber er repariert sie nicht.

Braucht ein KI-Agent Zugriff auf unser ERP?

Für alles, was mit Beständen, Preisen oder Aufträgen zu tun hat, ja. Ohne diesen Zugriff bleibt der Agent bei allgemeinen Auskünften. Der Zugriff ist dabei gestuft: Lesend anzufangen ist harmlos und schnell umgesetzt, schreibende Vorgänge wie das Anlegen von Aufträgen greifen in die Buchungslogik ein und werden erst freigeschaltet, wenn die Trefferquote über mehrere Wochen belegt ist.

Wie wird verhindert, dass ein Kunde fremde Preise sieht?

Die Berechtigung greift vor der Antwort, nicht danach. Der Agent bekommt die Identität des Fragenden mit und stellt seine Datenabfrage von vornherein nur auf den erlaubten Ausschnitt, also die Konditionen genau dieses Kunden. Ein Agent, der erst alles liest und die Antwort anschließend filtert, ist ein Datenleck mit Verzögerung. Bei allem, was nach außen geht, bleibt zusätzlich ein Mensch in der Freigabe.

Wie lange dauert die Einführung?

Eine Basis-Automatisierung wie die Angebotserstellung ist in 2 bis 4 Wochen betriebsbereit. Implementierungen mit mehrstufigen Freigaben und eigenen Dashboards liegen bei 6 bis 12 Wochen. Ein schrittweiser Rollout ist möglich und meist sinnvoll, weil die ersten Wochen vor allem zeigen, wie gut die Stammdaten wirklich sind.

Beratungsgespräch

Sichern Sie sich Ihre kostenfreie Erstberatung

  • Analyse Ihres Bedarfs
  • Erste Empfehlungen zu Ihren Workflows
  • Transparente Einblicke in unsere Methoden, Technologien & Referenzen
Berater