Agentische KI im Unternehmen: Was KI-Agenten können und worauf du achten solltest
Ein KI-Agent bekommt ein Ziel statt einer Frage, zerlegt es selbst in Schritte und benutzt dabei deine Systeme. Was das im Alltag bedeutet, welche Werkzeuge es gibt und warum der bekannteste davon derzeit nicht an Unternehmensdaten gehört.
Ein Chatbot antwortet, wenn du fragst. Ein KI-Agent bekommt ein Ziel und arbeitet danach allein weiter. Er liest Mails, sucht Angaben zusammen, schreibt Dokumente und arbeitet dabei über mehrere Programme hinweg. Die Werkzeuge dafür stehen offen zum Herunterladen bereit, und eines davon hat gerade ein Sicherheitsproblem, das ihm den Weg ins Unternehmen versperrt.
Was “Agent” hier bedeutet
Im Englischen heißt “agent” schlicht jemand, der im Auftrag handelt. Ein KI-Agent ist ein Programm, das eine Aufgabe ausführt, statt nur auf eine Frage zu antworten.
Der Unterschied liegt im Ablauf. Ein Sprachmodell bekommt eine Frage und liefert eine Antwort. Ein Agent bekommt ein Ziel, zerlegt es in Teilschritte, ruft dafür Programme auf und ändert seinen Weg, wenn ein Schritt fehlschlägt.
Eine eingehende Mail zum Beispiel liest er, sucht den Absender in der Kundenverwaltung, schreibt eine Antwort und legt sie zur Freigabe vor. Das sind 4 Schritte, für die vorher jemand 4 Programme geöffnet hätte.
Nach einer Gartner-Prognose vom Januar 2026 haben bis Ende 2026 rund 40 % aller Unternehmensanwendungen KI-Agenten eingebaut. Anfang 2025 lag der Wert unter 5 %. Der Markt für agentische KI wird auf über 9 Milliarden Euro geschätzt, mit einem jährlichen Wachstum von mehr als 40 %.
Wo Agenten im Unternehmen ansetzen
| Bereich | Was der Agent übernimmt |
|---|---|
| Kundenservice | Anfragen lesen, einordnen, Standardfälle beantworten, schwierige Fälle mit Vorgeschichte weiterreichen |
| Buchhaltung | Rechnungen erfassen, Belege zuordnen, Zahlungseingänge abgleichen, Mahnungen vorbereiten |
| Angebote | Anfragen aus der Mail herausziehen, mit der Preisliste abgleichen, einen Entwurf vorlegen |
| Termine | Verfügbarkeiten prüfen, Vorschläge verschicken, Bestätigungen einsammeln, an Fristen erinnern |
Gemeinsam ist diesen 4 Bereichen, dass die Arbeit aus vielen gleichartigen Vorgängen besteht und am Ende ein Mensch draufschaut. Der Agent macht die Vorarbeit, die Freigabe bleibt beim Sachbearbeiter.
3 offene Projekte, die den Stand zeigen
Die Werkzeuge für agentische KI gehören längst nicht mehr nur den großen Anbietern.
OpenClaw hat 326.000 Sterne und eine offene Schwachstelle
OpenClaw ist mit über 326.000 Sternen auf GitHub das meistbeachtete Projekt seiner Art. Der Agent läuft auf dem eigenen Rechner, spricht mit mehr als 20 Nachrichtendiensten wie WhatsApp, Telegram, Slack und Signal, verschickt Mails, pflegt Kalender, recherchiert im Netz und bearbeitet Dateien.
Er hat allerdings ein Sicherheitsproblem. Die Schwachstelle CVE-2026-25253 erlaubt den Zugriff aus der Ferne über eine offene Verbindung, und in seinem Verzeichnis für Erweiterungen wurden über 800 bösartige Einträge gefunden. Mit Unternehmensdaten hat OpenClaw in seiner reinen Form deshalb nichts zu tun.
NemoClaw legt eine Schutzschicht darum
Genau dort setzt NemoClaw an. NVIDIA hat auf der GTC 2026 ein offenes Paket vorgestellt, das OpenClaw um die Teile ergänzt, die ein Unternehmen braucht. Der Agent läuft abgeschottet und kommt nur an die Systeme und Daten, die ausdrücklich freigegeben sind. Eine vorgeschaltete Verteilung entscheidet außerdem je Anfrage, ob sie ein lokales Modell bearbeitet oder ein Modell in der Cloud, und sensible Inhalte bleiben damit auf dem eigenen Server.
NemoClaw ist eine frühe Vorabfassung. Die Richtung ist trotzdem abzulesen, nämlich dass ein Agent kontrollierbar sein muss, bevor er in die Nähe echter Daten kommt.
Hermes Agent baut sich ein Gedächtnis
Hermes Agent von NousResearch geht einen anderen Weg. Statt möglichst vieler Anbindungen steht dort das Lernen im Mittelpunkt. Aus Aufgaben, die er erledigt hat, legt der Agent wiederverwendbare Abläufe an, und er behält einen Teil davon über die einzelne Sitzung hinaus.
Das Sprachmodell darunter ist frei wählbar. Ein lokales Modell, ein Zugang zu OpenRouter mit über 200 Modellen oder ein eigener Server, an den er sich wendet. Wer agentische KI erst einmal ausprobieren will, kommt damit am schnellsten zu einem Ergebnis, und zum Testen reicht ein lokales Modell wie Qwen oder Llama. Für den täglichen Betrieb gehört darunter eine Umgebung, die jemand eingerichtet hat und die jemand pflegt.
Warum ein Agent besser im Unternehmen rechnet
Ein Agent in der Cloud schickt alles, was er verarbeitet, an einen fremden Server, und ein Agent liest mehr als ein Chatfenster. Mails, Kundendaten, Angebote, Dateien. Läuft er auf der eigenen Hardware, bleibt dieser Stoff im Unternehmen, was für Kanzleien, Praxen und Fertigungsbetriebe den Ausschlag gibt.
Dazu kommen die Kosten. Nach der Anschaffung der Hardware fällt keine Abrechnung je Anfrage mehr an, und gerade ein Agent stellt für eine einzige Aufgabe viele Anfragen hintereinander. Wer täglich hundert Vorgänge durchlaufen lässt, merkt den Unterschied im Monatsabschluss.
Und niemand kann dir den Dienst wegnehmen. Preise, Funktionsumfang und Verfügbarkeit eines Cloud-Angebots entscheidet der Anbieter, ein Modell auf dem eigenen Server läuft weiter.
Hermes Agent und NemoClaw sind für diesen Betrieb gebaut. Auf einem Rechner mit einer RTX 5090 und 32 GB Grafikspeicher laufen die Modelle, die für Agenten in Frage kommen.
Was NVIDIA mit dem Agent Toolkit vorhat
Auf der GTC 2026 kam neben NemoClaw ein ganzes Werkzeugpaket dazu. Es enthält die offenen Nemotron-Sprachmodelle, mit AI-Q einen Zugang für Agenten zu firmeneigenen Dokumenten und Datenbanken, mit OpenShell eine abgeschottete Umgebung für den Betrieb und mit cuOpt eine Bibliothek für Logistik- und Planungsrechnungen.
17 große Softwarehäuser haben das Paket übernommen, darunter Adobe, Salesforce, SAP, ServiceNow und Siemens. Agentische KI kommt damit in die Standardsoftware, die im Mittelstand ohnehin läuft.
AI-Q ist der Teil, der für Unternehmen zuerst zählt. Damit greift ein Agent auf interne Dokumente und Datenbanken zu, ohne dass vorher jemand ein eigenes System dafür bauen muss.
Worauf du achten solltest
Ein Agent mit Zugriff auf Postfach und Dateiablage hat weitreichende Rechte. Bevor er startet, muss feststehen, welche Schritte er allein ausführen darf und welche eine Freigabe brauchen. Diese Grenze schriftlich zu ziehen kostet einen Vormittag und erspart hinterher die Diskussion darüber, wer eine Mail verschickt hat.
Fang mit einem einzigen Vorgang an. Terminbestätigungen oder das Sortieren des Postfachs sind eng umrissen und liefern nach einer Woche ein Ergebnis, an dem sich beurteilen lässt, ob es weitergeht.
Prüfe, was herauskommt. Agenten machen Fehler, und bei allem, was nach außen geht, an Kunden, an Lieferanten, an Behörden, gibt am Ende ein Mensch frei.
Sag deinem Team, welche Aufgaben der Agent übernimmt. Ein Programm, das unangekündigt Mails beantwortet, erzeugt Misstrauen, das sich später schwer wieder einfangen lässt.
Und nimm ein offenes Projekt, wo es eines gibt. Bei einem geschlossenen Agenten siehst du nicht, welche Daten wohin gehen. Offener Code lässt sich prüfen und an die eigene Ablage anpassen.
Wer die Spielregeln früh festlegt, kommt später schneller voran. Welche Daten darf ein Agent verarbeiten, wer gibt einen neuen Ablauf frei, wer schaut sich die Qualität an? Diese 3 Fragen einmal zu beantworten ist billiger, als sie nach dem ersten Vorfall zu beantworten.
Wie es weitergeht
Agentische KI bewegt sich schneller als jedes andere Feld der KI. Mit dem Agent Toolkit von NVIDIA und offenen Projekten wie Hermes Agent wird die Technik langsam reif für den Betrieb. Wann ein Unternehmen einsteigt und mit welchem Vorgang, entscheidet es selbst. Nur zuwarten, bis die eigene Branchensoftware Agenten mitbringt, heißt, die Spielregeln von jemand anderem zu übernehmen.