Vier Agenten statt einer KI-Strategie: Wo Mittelständler am schnellsten Wirkung sehen

Am schnellsten wirken KI-Agenten dort, wo in deinem Unternehmen heute Arbeit liegen bleibt. Bei den meisten Mittelständlern ist das eine von vier Stellen: das Postfach mit eingehenden Anfragen, die Suche nach neuen Kunden, die Nacharbeit nach Meetings oder die Fachtexte, die längst jemand schreiben müsste. Für jede dieser Stellen gibt es einen Agenten mit einem klar umrissenen Auftrag. Jeder liefert ein anderes Ergebnis, braucht andere Voraussetzungen und lässt deinem Team einen anderen Teil der Arbeit. Wenn du mit dem Agenten für deinen eigentlichen Engpass beginnst, siehst du an einer Zahl, die du heute schon kennst, ob er funktioniert. Beginnst du mit einer unternehmensweiten KI-Strategie, diskutiert ihr in derselben Zeit oft noch, wo ihr anfangen wollt.

Die Ausgangslage ist gut. Laut einer Bitkom-Befragung von 604 Unternehmen nutzten im März 2026 bereits 41 Prozent der Unternehmen ab 20 Beschäftigten KI, ein Jahr zuvor waren es 17 Prozent. Dieselbe Befragung zeigt auch die Probleme. Ein Drittel der Unternehmen mit KI im Einsatz berichtet von deutlich höheren Kosten als erwartet, und 66 Prozent nennen fehlende Zeit als Hindernis bei der Digitalisierung. Beides spricht dafür, klein und an einer messbaren Stelle anzufangen.

Warum eine KI-Strategie selten der schnellste Anfang ist

Eine Strategie betrachtet alle Bereiche auf einmal. Für Budget, Datenschutz und Zugriffsrechte ist das sinnvoll. Für die Wirkung ist es ein Problem, weil die zwei oder drei Leute, die sich im Mittelstand um KI kümmern, ihre Zeit auf zehn mögliche Anwendungsfälle verteilen. Keiner davon wird weit genug getrieben, um einen Arbeitsablauf wirklich zu verändern, und deshalb lässt sich auch nichts messen. Am Ende hast du ein Dokument voller Potenziale, aber keinen Vorgang, der heute schneller erledigt ist als vor drei Monaten.

Gartner erwartet, dass mehr als 40 Prozent der Projekte mit KI-Agenten bis Ende 2027 eingestellt werden. Als Gründe nennen die Analysten steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen. Sie stellen außerdem fest, dass viele der Anwendungsfälle, die heute als agentisch verkauft werden, gar keinen Agenten brauchen. Daraus ergibt sich ein brauchbarer Prüfstein. Ein Agent lohnt sich bei Aufgaben, die Urteilsvermögen verlangen, also Lesen, Einordnen, Nachschlagen und Formulieren, und die trotzdem oft genug vorkommen, dass sich die Einrichtung rechnet. Für eine feste Regel wie „Rechnungen an die Buchhaltung weiterleiten“ reicht eine einfache Automatisierung.

Ein Agent mit genau einem Auftrag hat die Probleme der Gartner-Liste nicht im selben Maß, weil Kosten, Nutzen und Risiko an einer Stelle sichtbar werden. Du weißt, welche Daten er braucht, was er abliefert und wer das Ergebnis prüft.

Woran du erkennst, welcher Agent zuerst kommt

Der Engpass ist die Stelle, an der Arbeit wartet. Im Alltag verwechselt man ihn leicht mit dem Bereich, der am lautesten ist oder den meisten Ärger macht. Hilfreicher ist die Frage, wo ein Vorgang ankommt und dann liegen bleibt, weil niemand Zeit hat, ihn vorzubereiten.

Wenn mehrere Signale zutreffen, nimm das, bei dem Warten Geld kostet. Eine unbeantwortete Anfrage kommt von jemandem, der gerade kaufen will. Ein fehlender Fachartikel kostet auch etwas, aber langsamer und schwerer messbar.

Inbound: wenn Anfragen im Postfach warten

Bei eingehenden Anfragen kostet selten das Schreiben die Zeit. Teuer ist das Zusammensuchen: welche Konditionen dieser Kunde hat, was in der letzten Mail stand, ob das Teil lieferbar ist und wer eigentlich zuständig ist. Jede Anfrage verlangt mehrere kleine Nachschlagevorgänge. Weil der Innendienst nebenher telefoniert und Aufträge erfasst, bleiben gerade die aufwendigeren Anfragen bis zum Nachmittag oder zum nächsten Tag liegen.

Ein Inbound-Agent arbeitet auf einem ausgewählten Outlook- oder Gmail-Postfach, zum Beispiel der allgemeinen Vertriebsadresse. Er liest jede neue Nachricht, ordnet sie ein, schlägt die nötigen Informationen nach und legt einen Antwortentwurf an. Belegt heißt, dass der Entwurf zeigt, woher jede Aussage stammt, ob aus der Preisliste, der früheren Korrespondenz oder einem Angebot. Wer prüft, schaut auf die Quelle und muss die Fakten nicht noch einmal selbst zusammentragen. Passt eine Anfrage nicht ins Schema, etwa eine Reklamation mit Haftungsfrage, übergibt der Agent sie mit einer kurzen Einordnung an die zuständige Person.

Hinaus geht eine Antwort erst, wenn ein Mensch den Entwurf freigibt. Bei Kundenkorrespondenz ist das der richtige Punkt, weil aus einer Antwort schnell eine Zusage über Preis, Termin oder Lieferfähigkeit wird, an die dein Unternehmen gebunden ist. Der Agent löscht und verschiebt außerdem keine Nachrichten. Das Postfach bleibt so, wie dein Team es kennt, und niemand muss eine Mail suchen, die eine Software in einen Ordner sortiert hat.

Die wichtigste Voraussetzung ist, dass die Fakten für die Antworten irgendwo stehen. Wenn die Lieferzeiten nur ein Kollege im Kopf hat, kann auch ein Agent sie nicht belegen. Er übergibt diese Anfragen dann, statt sie zu beantworten, und entlastet kaum. Oft besteht die erste Arbeit deshalb darin, die zehn häufigsten Antworten mit ihren Quellen aufzuschreiben.

Wie viel das bringt, kannst du mit einer Beispielrechnung abschätzen, deren Zahlen Annahmen sind. Dein Innendienst bekommt 60 Anfragen pro Woche und braucht für jede im Schnitt zwölf Minuten, davon acht fürs Nachschlagen. Das sind zwölf Stunden pro Woche. Dauert das Prüfen eines belegten Entwurfs drei Minuten, bleiben für die vorbereiteten Anfragen etwa drei Stunden, dazu kommen die Übergaben. Ob deine Zahlen so aussehen, misst du in den ersten Wochen selbst, am einfachsten an der Zeit bis zur ersten Antwort, vorher und nachher.

Outbound: wenn der Vertrieb mehr recherchiert als verkauft

Im Mittelstand macht Neukundengewinnung oft der Geschäftsführer selbst oder ein Vertriebler, der nebenher Bestandskunden betreut. Gespräche führen beide gern. Liegen bleibt die Vorarbeit: passende Firmen finden, prüfen, ob sie wirklich ins Raster passen, den richtigen Ansprechpartner herausfinden und einen Anlass für den Anruf. Weil diese Recherche keinen festen Termin hat, verdrängt sie jede dringende Kundenanfrage.

Ein Outbound-Agent beginnt mit einem Zielbild, das du freigibst. Darin stehen Branche, Größe, Region und typische Anlässe, etwa ein neuer Standort oder eine Stellenausschreibung im Einkauf. Danach recherchiert er selbstständig, legt passende Unternehmen und Ansprechpartner als Kontakte in Pipedrive an und hinterlegt dort Aktivitäten, zum Beispiel einen geplanten Anruf mit dem Grund, warum dieser Kontakt gerade jetzt interessant ist. Jeder Lead ist mit der Quelle verknüpft, aus der die Einschätzung stammt. Dein Vertrieb öffnet morgens das CRM und findet eine vorbereitete Liste vor.

Den Erstkontakt führen Menschen, und dafür gibt es auch einen rechtlichen Grund. Nach § 7 Abs. 2 Nr. 2 UWG ist Werbung per E-Mail ohne vorherige ausdrückliche Einwilligung des Empfängers stets eine unzumutbare Belästigung, und die Vorschrift unterscheidet dabei nicht zwischen Verbrauchern und Unternehmen. Für Werbeanrufe bei Unternehmen genügt nach Nr. 1 dagegen eine zumindest mutmaßliche Einwilligung. Ausgerechnet der Schritt, den eine Software am leichtesten in großer Zahl ausführen könnte, also fremde Firmen massenhaft anzuschreiben, ist damit der rechtlich heikelste. Ein Agent, der Recherche und CRM-Pflege übernimmt, setzt an der Arbeit an, die am meisten Zeit frisst, und lässt den Schritt mit dem größten Risiko beim Menschen.

Für Interessenten stimmt der Agent anschließend auch Termine über das bestätigte Microsoft-365-Firmenkonto des einladenden Unternehmens ab. Teams-Einladungen kommen hinzu, sobald das Werkzeug dafür freigegeben ist.

Die Qualität hängt fast vollständig am Zielbild. Ist es vage, liefert der Agent schnell viele vage Leads, und dein Vertrieb verliert in der ersten Woche das Vertrauen. Leite das Zielbild deshalb aus deinen fünf besten Bestandskunden ab und frag, was sie gemeinsam hatten, bevor sie Kunden wurden. Beim Team bleiben das Freigeben des Zielbilds, das Aussortieren schwacher Leads mit einer kurzen Begründung für den Agenten und die Gespräche selbst.

Meeting: wenn nach dem Termin nichts passiert

Ob ein Meeting etwas gebracht hat, entscheidet sich danach. Aufgaben, die niemand aufschreibt, gehen verloren, und das Follow-up an den Kunden kommt drei Tage später oder gar nicht. Das liegt selten an fehlendem Willen. Direkt im Anschluss beginnt der nächste Termin, und das Protokoll schreibt am Ende niemand.

Ein Meeting-Agent baut auf dem auf, was Teams ohnehin erzeugt. Startet jemand im Meeting die Transkription, sehen laut Microsoft alle Teilnehmer einen Hinweis, und nach dem Ende ist das Transkript sofort beim Termin verfügbar. Der Agent liest vorhandene Transkripte, die er lesen darf, und startet selbst keine Aufnahme. Daraus erstellt er eine Zusammenfassung und eine Aufgabenliste, in der jede Aufgabe auf die Stelle im Transkript verweist, an der sie vereinbart wurde. Auf Anfrage legt er einen Eintrag im CRM an und schreibt einen Entwurf für die Follow-up-Mail. Verschicken tut er sie nicht.

Dass der Agent keine Aufnahme startet, hat einen praktischen Vorteil. Ob ein Gespräch transkribiert wird, entscheiden die Menschen im Meeting, und alle sehen den Hinweis von Teams. Bei Kundengesprächen ist das auch der natürliche Moment, kurz zu fragen, ob alle einverstanden sind.

Die Voraussetzungen sind technisch, und sie entscheiden darüber, ob der Agent überhaupt etwas zu lesen hat. Teams muss die Transkription erstellen, und das verbundene Konto braucht Zugriff. Microsoft dokumentiert außerdem zwei Administratoreinstellungen, die unabhängig voneinander gelten. Ist der Graph-Zugriff auf Transkripte abgeschaltet, kommt keine Anwendung an die Inhalte heran. Ist die Sprecherzuordnung abgeschaltet, gibt es den Text nur ohne Namen, und dann lässt sich kaum noch sagen, wer welche Aufgabe übernommen hat. Prüf beide Einstellungen mit deiner IT, bevor du den Agenten bewertest. Achte auch darauf, dass die gesprochene Sprache des Meetings richtig eingestellt ist, weil Microsoft genau das für die Genauigkeit der Transkription verlangt.

Beim Team bleiben das Starten der Transkription, ein kurzer Blick auf die Aufgaben und das Anpassen und Senden des Follow-ups. Eine gute Messgröße ist der Anteil der Kundentermine, nach denen das Follow-up am selben oder am nächsten Tag beim Kunden ist.

Content: wenn Fachwissen das Haus nicht verlässt

Viele Mittelständler wissen über ihr Fach mehr als die Wettbewerber, die laut darüber schreiben. Das Wissen steckt in Angeboten, Projektberichten und den Köpfen der Techniker. Schreiben ist aber niemandes Aufgabe, und ein Fachartikel verliert gegen jede Kundenanfrage.

Ein Content-Agent schreibt Entwürfe aus freigegebenen Fakten und nach deinem Markenleitfaden. Wichtiger sind die freigegebenen Fakten. Ein Sprachmodell formuliert auch dann flüssig, wenn es eine Referenz oder eine Zahl nicht kennt, und füllt solche Lücken mit plausibel klingenden Angaben. Arbeitet der Agent auf einer geprüften Faktensammlung, lässt sich jeder Entwurf gegen diese Sammlung abgleichen, und wer redigiert, sucht nach fehlenden Punkten statt nach erfundenen. Veröffentlichen tut ein Mensch.

Das hat auch eine rechtliche Seite. Art. 50 Abs. 4 der KI-Verordnung verpflichtet Betreiber, die KI-generierte Texte zur Information der Öffentlichkeit über Angelegenheiten von öffentlichem Interesse veröffentlichen, das offenzulegen. Diese Transparenzpflichten gelten seit dem 2. August 2026. Die Pflicht entfällt, wenn der Text menschlich geprüft oder redaktionell kontrolliert wurde und eine natürliche oder juristische Person die redaktionelle Verantwortung trägt. Ob ein Fachartikel über Lagertechnik überhaupt unter diese Vorschrift fällt, ist eine Auslegungsfrage. Wenn ein Mensch redigiert und veröffentlicht, ist der redaktionelle Schritt aber ohnehin vorhanden.

Content zeigt seine Wirkung in der Regel langsamer als die anderen drei Rollen, weil zwischen einer Veröffentlichung und der Anfrage, die sie auslöst, oft Wochen oder Monate liegen. Beim Team bleibt hier auch am meisten Arbeit, nämlich Fakten freigeben, redigieren und veröffentlichen. Als erster Agent passt Content trotzdem, wenn die Sichtbarkeit tatsächlich dein Engpass ist, etwa vor einer Produkteinführung oder wenn eure Website seit Jahren nichts Neues zeigt.

Was die vier Rollen gemeinsam haben

In allen vier Fällen erledigt der Agent die Routinearbeit seines Bereichs selbst. Er liest, recherchiert, ordnet ein, schreibt Kontakte und Aktivitäten ins CRM, stimmt Termine ab und legt Entwürfe an. Den Schritt, der dein Unternehmen nach außen festlegt, macht ein Mensch: die Antwort an den Kunden, den ersten Anruf, das Follow-up, die Veröffentlichung. Diese Grenze folgt daraus, was ein Fehler kostet. Ein falscher CRM-Eintrag ist in einer Minute korrigiert, ein falscher Preis in einer Kundenmail kostet Marge oder eine unangenehme Korrektur.

Die zweite Gemeinsamkeit ist der Beleg. Jedes Ergebnis zeigt, woher es stammt, und das senkt den Prüfaufwand stärker als jede andere Eigenschaft. Ein Entwurf ohne Quelle zwingt dich, alles nachzuprüfen. Ein Entwurf mit Quelle lässt dich gezielt die Stellen prüfen, die dir zweifelhaft vorkommen.

Needs bietet Inbound, Outbound, Meetings und Content als betreute Rollen an, mit genau diesen Grenzen: Inbound versendet erst nach Freigabe, Outbound überlässt den Erstkontakt dem Vertrieb, der Meeting-Agent liest nur vorhandene Transkripte, und Content liefert Entwürfe, die ein Mensch veröffentlicht.

Warum du mit einem Agenten anfängst und der zweite leichter wird

Jede Rolle braucht ihre eigene Voraussetzung: die Postfachanbindung, das Zielbild, die Transkriptionseinstellungen oder die Faktensammlung. Wenn du alle vier gleichzeitig einrichtest, muss jemand vier solcher Fragen parallel klären. Sind die Ergebnisse dann mittelmäßig, weißt du nicht, welche Voraussetzung gefehlt hat. Mit einer Rolle lernst du, was das Prüfen tatsächlich kostet und wie zuverlässig eure Quellen sind, und dieses Wissen nimmst du in die nächste mit.

Der zweite Agent ist billiger, weil sich die Voraussetzungen überschneiden. Die Fakten, die du für den Inbound-Agenten zusammengetragen hast, also Preise, Lieferzeiten und Referenzen, braucht auch der Content-Agent. Die CRM-Einträge des Meeting-Agenten verbessern die Daten, mit denen der Outbound-Agent arbeitet. Die Reihenfolge ist deshalb einfach: zuerst der Engpass, danach die Rolle, die am meisten von dem nutzt, was schon steht.

Leg vor dem Start für die erste Rolle eine einzige Zahl fest, die du heute schon messen kannst. Bei Inbound ist das die Zeit bis zur ersten Antwort, bei Outbound die Zahl der Gespräche aus vorbereiteten Kontakten pro Woche, bei Meetings der Anteil pünktlicher Follow-ups und bei Content die veröffentlichten Beiträge pro Monat. Bewegt sich die Zahl nach einigen Wochen nicht, prüf zuerst die Voraussetzung und erst danach den Agenten, weil fehlende Fakten, ein vages Zielbild oder abgeschaltete Transkripte häufiger die Ursache sind als das Modell.

Die Frage für diese Woche lautet also, wo bei dir ein Vorgang ankommt und dann wartet.