KI-Agenten oder klassische Automatisierung: Wann welcher Weg passt

Ein fester Workflow ist die richtige Wahl, wenn du jeden Schritt vorher aufschreiben kannst und die Daten immer in derselben Form ankommen. Ein KI-Agent passt, wenn erst beim Lesen der Eingabe klar wird, was zu tun ist. Die meisten Unternehmen brauchen beides, und oft startet der Agent den Workflow selbst.

Schwierig wird die Entscheidung an einer anderen Stelle. In vielen Büroabläufen kosten die Fälle, die ein Workflow sauber abarbeitet, gar nicht die meiste Zeit. Die Zeit steckt in den Ausnahmen, also in der Anfrage ohne Bestellnummer, der Rechnung mit abweichendem Betrag oder der E-Mail, in der drei Anliegen auf einmal stehen. Genau dort hört ein Workflow auf und gibt den Fall an einen Menschen zurück. Wenn du diesen Mechanismus verstanden hast, kannst du für jeden Ablauf ziemlich schnell sagen, welcher Weg passt.

Wer entscheidet, welcher Schritt als Nächstes kommt?

Workflow-Tools wie n8n, Make oder Power Automate verbinden Systeme über ihre Schnittstellen. RPA, also Robotic Process Automation, klickt sich wie ein Mensch durch Bildschirmoberflächen, wenn es keine Schnittstelle gibt. Technisch sind das verschiedene Werkzeuge, aber sie folgen demselben Prinzip. Jemand legt beim Bauen fest, welcher Schritt auf welchen folgt und bei welcher Bedingung der Ablauf abzweigt.

Anthropic, der Hersteller der Claude-Modelle, zieht in seinem Leitfaden „Building Effective Agents“ die Grenze genau hier. Workflows sind dort Systeme, in denen Sprachmodelle und Werkzeuge über vorab festgelegte Codepfade gesteuert werden. Agenten sind Systeme, in denen das Modell selbst bestimmt, wie es vorgeht und welche Werkzeuge es nutzt. Ein n8n-Ablauf, der eine E-Mail per KI in eine von fünf Kategorien sortiert, bleibt nach dieser Definition ein Workflow, weil die fünf Wege danach feststehen.

Daraus folgt der Unterschied, der im Alltag zählt. Bei einem Workflow trifft die Person, die ihn baut, alle Entscheidungen im Voraus. Ein Fall, an den sie nicht gedacht hat, bricht ab oder landet in einem Fehlerpostfach. Ein KI-Agent entscheidet erst, wenn der Fall da ist. Er liest die Anfrage, schaut in den Systemen nach, auf die er Zugriff hat, und wählt den nächsten Schritt selbst. Menschen legen für ihn Ziel, Rechte und Grenzen fest, und innerhalb dieses Rahmens findet er den Weg.

Wo feste Workflows unschlagbar sind

Wenn ein Ablauf jedes Mal gleich läuft und die Daten sauber strukturiert ankommen, gibt es kaum einen Grund für einen Agenten. Eine Bestellung aus dem Onlineshop wird im ERP angelegt, das Versandlabel erzeugt und der Kunde bekommt eine Bestätigung. Ein neuer Mitarbeiter erhält zum Eintrittsdatum sein Postfach, seine Lizenzen und seine Gruppenrechte. Am Monatsende zieht ein Report die Umsätze aus drei Systemen zusammen. Solche Abläufe laufen tausendmal gleich, und genau das macht sie so gut automatisierbar.

Ein Workflow liefert bei gleicher Eingabe immer dasselbe Ergebnis. Er kostet pro Durchlauf fast nichts, läuft in Sekunden und du siehst im Protokoll genau, welcher Schritt was getan hat. Ein Agent ruft bei jedem Schritt ein Sprachmodell auf. Das kostet Geld und Zeit, und seine Entscheidungen fallen nicht bei jedem Durchlauf identisch aus. Anthropic schreibt deshalb, dass agentische Systeme Geschwindigkeit und Kosten gegen bessere Ergebnisse bei schwierigen Aufgaben tauschen, und rät, immer mit der einfachsten Lösung zu beginnen, die funktioniert.

Gartner kommt aus einer anderen Richtung zum selben Schluss. In einer Prognose vom Juni 2025 schreiben die Analysten, dass viele Anwendungsfälle, die heute als agentisch vermarktet werden, gar keine agentische Umsetzung brauchen. Wenn dir jemand einen Agenten für einen Ablauf anbietet, den du auf einer halben Seite als Wenn-dann-Regeln aufschreiben kannst, frag nach, was der Agent dort besser machen soll als ein Workflow.

Woran feste Workflows scheitern

Ein Workflow kann nur an den Stellen abzweigen, die jemand vorgesehen hat. Das wird zum Problem, sobald eine von drei Bedingungen eintritt.

Die erste ist eine unklare Eingabe. Eine Kundenanfrage per E-Mail hat kein festes Format. Der eine schreibt die Artikelnummer dazu, der andere „wie beim letzten Mal, nur in Blau“, und der dritte hängt ein Foto vom Typenschild an. Ein KI-Baustein im Workflow kann solche Texte zwar auslesen, aber was danach passiert, hängt wieder an festen Regeln, und für „wie beim letzten Mal“ gibt es keine.

Die zweite ist die Ausnahme. Die Rechnung weicht um 40 Euro von der Bestellung ab, weil der Lieferant Fracht berechnet hat. Der Kunde steht noch nicht im CRM. Die Lieferadresse unterscheidet sich von der Rechnungsadresse. Jede dieser Abweichungen braucht einen eigenen Zweig, und früher oder später kommt ein Fall, für den keiner existiert.

Die dritte sind Aufgaben ohne festen Pfad. „Kläre, warum der Auftrag von Müller hängt“ lässt sich nicht als Ablaufdiagramm zeichnen, weil der nächste Schritt davon abhängt, was der vorherige ergeben hat. Vielleicht fehlt eine Freigabe im Einkauf, vielleicht wartet die Produktion auf Material, vielleicht hat der Kunde eine Rückfrage nie beantwortet.

Unangenehmer als der Abbruch ist der Fehler, den niemand bemerkt. Wenn ein Lieferant sein Rechnungslayout ändert und ein vorlagenbasierter Workflow den Nettobetrag dann aus dem falschen Feld liest, läuft er ohne Fehlermeldung weiter und übergibt falsche Zahlen an die Buchhaltung. Das fällt erst beim Abgleich auf.

Warum die Ausnahmen mehr Zeit kosten als die Regel

Viele Automatisierungsprojekte rechnen mit dem Anteil der Fälle, den der Workflow abdeckt. Aussagekräftiger ist der Anteil der Arbeitszeit, den er abnimmt, denn beide Zahlen liegen oft weit auseinander.

Eine Beispielrechnung mit angenommenen Werten zeigt das. Ein Unternehmen bekommt 500 Eingangsrechnungen im Monat. 350 davon passen sauber zu einer Bestellung und kosten bei manueller Bearbeitung je zwei Minuten. 150 haben eine Abweichung, etwa einen fehlenden Wareneingang, einen anderen Preis oder eine unbekannte Kostenstelle, und brauchen je zwölf Minuten, weil jemand nachfragen, suchen und entscheiden muss. Die sauberen Rechnungen kosten zusammen 700 Minuten, die Abweichungen 1.800 Minuten.

Ein Workflow, der die 350 sauberen Rechnungen vollständig übernimmt, deckt 70 Prozent der Fälle ab. Er spart aber nur 700 von 2.500 Minuten, also 28 Prozent der Arbeit. Die übrigen 72 Prozent bleiben bei den Menschen in der Buchhaltung, und zwar der Teil mit Rückfragen, Unterbrechungen und Sucherei, der am meisten Konzentration kostet.

Deshalb entlastet ein gut gebauter Workflow oft weniger, als der Projektplan versprochen hat. Wenn du einen Ablauf prüfst, schätz deshalb neben der Zahl der Fälle auch, wie viel Zeit in den Ausnahmen steckt.

Auch selbst gebaute Workflows brauchen Pflege

Was nach dem Start passiert, kommt in den Vergleichen der Anbieter selten vor. Ein Workflow ist Software, und Software muss gepflegt werden. Schnittstellen bekommen neue Versionen, Felder werden umbenannt, Zugangsdaten laufen ab, und jede neu entdeckte Ausnahme wird als weiterer Zweig angebaut. Ein Ablauf, der mit acht übersichtlichen Schritten begann, wächst so Zweig um Zweig, bis ihn nur noch die Person versteht, die ihn gebaut hat.

Bei RPA ist das Problem größer, weil der Roboter an der Bildschirmoberfläche hängt. Microsoft schreibt in der Dokumentation zu Power Automate ausdrücklich, dass Desktop-Flows Wartung brauchen, wenn eine Anwendung oder Webseite ihre Oberfläche ändert, und dass Aktionen dann mit „Element not found“ scheitern. Microsoft hat dafür eine KI-gestützte Reparaturhilfe gebaut, die neue Selektoren vorschlägt, also neue Beschreibungen, woran der Roboter ein Bedienelement erkennt. Sie arbeitet aber nur beim Testen im Designer und repariert nichts während des laufenden Betriebs, und jemand muss jeden Vorschlag prüfen und übernehmen. Dass ein Hersteller dafür eine eigene Funktion baut, zeigt, dass es sich um kein Randproblem handelt.

Im Mittelstand kommt eine organisatorische Frage dazu. Oft baut eine technisch interessierte Person die Automationen nebenher, ohne Dokumentation und ohne Überwachung. Wenn sie das Unternehmen verlässt oder in ein anderes Projekt wechselt, laufen die Abläufe weiter, bis einer bricht, und dann weiß niemand mehr, was er eigentlich tat. Leg deshalb für jeden Workflow einen Verantwortlichen, eine kurze Beschreibung und eine Benachrichtigung bei Fehlern fest, bevor du den nächsten baust.

Auch KI-Agenten brauchen Pflege. Du hältst ihre Anweisungen aktuell, prüfst ihre Rechte und schaust stichprobenartig nach, was sie getan haben. Die Pflege sieht aber anders aus. Ein Agent erfasst, was in einem Dokument steht, statt Werte an einer festen Position abzugreifen. Deshalb kommt er mit einem neuen Rechnungslayout oder einem umbenannten Feld meist ohne Änderung zurecht. Und wenn sich ein Ablauf ändert, passt du eine Beschreibung in normaler Sprache an und musst kein verzweigtes Diagramm umbauen.

Was ein KI-Agent mit einer Ausnahme macht

Nimm eine typische Kundenanfrage: „Bitte nochmal wie im März, aber 300 statt 200 Stück. Schafft ihr das bis Ende Oktober?“ Ein Workflow findet darin keine Artikelnummer und legt die Mail in den Ordner für manuelle Bearbeitung.

Ein KI-Agent mit Zugriff auf CRM und Warenwirtschaft sucht den Kunden, findet die Bestellung aus dem März und prüft Bestand und Lieferzeit für die größere Menge. Er legt das Angebot mit den Konditionen aus dem Rahmenvertrag an und fragt beim Kunden nach der Lieferadresse, weil die Bestellung im März an einen anderen Standort ging. Du kannst festlegen, dass er Angebote zu Rahmenvertragspreisen selbst verschickt. Weicht der Preis davon ab, legt er das Angebot dem Vertrieb zur Freigabe vor, weil ein Angebot das Unternehmen bindet.

Bei einer Reklamation mit Foto eröffnet der Agent den Vorgang, ordnet ihn dem Auftrag zu und fordert die fehlende Lieferscheinnummer an. Liegt der Schaden unter der Kulanzgrenze, die ihr im Team festgelegt habt, stößt er die Ersatzlieferung direkt an. Niemand muss dafür etwas abnicken, weil die Regel vorher klar war.

Anders liegt der Fall, wenn ein Lieferant per Mail eine neue Bankverbindung mitteilt. Ein Workflow, der Stammdaten aus E-Mails übernimmt, würde die Änderung einfach eintragen. Ein gut eingerichteter Agent erkennt, dass diese Änderung bestimmt, wohin die nächste Zahlung fließt. Er ändert nichts, sondern legt die Prüfung als Aufgabe an, etwa einen Rückruf unter der bekannten Telefonnummer des Lieferanten. Die Grenze zwischen „selbst erledigen“ und „vorlegen“ ziehst du nach dem Schaden, den ein Fehler anrichten kann, und nicht nach dem Werkzeug.

Wo KI-Agenten an ihre Grenzen kommen

Gartner erwartet in der bereits zitierten Prognose, dass mehr als 40 Prozent der Projekte mit agentischer KI bis Ende 2027 eingestellt werden, wegen steigender Kosten, unklarem Geschäftsnutzen oder unzureichender Risikokontrollen. Die Analysten beschreiben außerdem „Agent Washing“, also das Umetikettieren bestehender Produkte wie Chatbots oder RPA zu Agenten, und schätzen, dass nur etwa 130 der Tausenden Anbieter tatsächlich agentische Produkte haben. Bevor du also Agenten gegen Workflows abwägst, lohnt sich die Frage, ob das angebotene Produkt überhaupt selbst entscheidet oder nur einen festen Ablauf mit Sprachmodell hat.

Anthropic nennt zwei Schwächen, die in der Sache liegen. Agenten verursachen höhere Kosten pro Aufgabe, und Fehler können sich aufschaukeln, weil jeder Schritt auf dem Ergebnis des vorherigen aufbaut. Wenn der Agent am Anfang den falschen Kunden zuordnet, sind alle folgenden Schritte ebenfalls falsch, auch wenn jeder einzelne sauber ausgeführt wird.

Dazu kommt ein Sicherheitsrisiko, das Workflows so nicht haben. Ein Agent liest E-Mails, Webseiten und Dateien von außen, und diese Inhalte können Anweisungen enthalten, die sein Verhalten ändern. Das OWASP-Projekt zur Sicherheit generativer KI führt diese sogenannte Prompt Injection als erstes Risiko seiner Liste und schreibt, dass unklar ist, ob es eine vollständig sichere Abwehr gibt. OWASP empfiehlt deshalb, einem Modell nur die Rechte zu geben, die es für seine Aufgabe braucht, und risikoreiche Aktionen von einem Menschen freigeben zu lassen.

Für dich folgt daraus, dass die Einrichtung der Rechte wichtiger ist als die Wahl des Modells. Ein Agent, der Kundenanfragen beantwortet, braucht Lesezugriff auf Aufträge und Bestand. Schreibzugriff auf Bankverbindungen braucht er nicht.

Wie Agent und Workflow zusammenarbeiten

Du musst dich nicht zwischen beiden entscheiden, und in den meisten Fällen solltest du es auch nicht. Die stärkste Kombination lässt den Agenten die Eingabe verstehen und entscheiden, was zu tun ist, und die eigentliche Ausführung einem getesteten Workflow übergeben.

n8n bietet dafür einen eigenen Baustein. Mit dem Call n8n Workflow Tool kann ein Agent einen anderen n8n-Workflow ausführen und dessen Ergebnis zurückbekommen. Ein Agent erkennt dann in einer frei formulierten Mail eine Bestellung, klärt die fehlenden Angaben und ruft den bestehenden Workflow „Auftrag anlegen“ auf, der wie bisher Kundennummer, Artikel und Preise prüft und den Auftrag ins ERP schreibt. Der Teil mit festen Regeln bleibt fest und nachvollziehbar, und der Agent übernimmt nur das, wofür es keine festen Regeln gibt.

Umgekehrt funktioniert es auch. Ein Workflow kann seinen Fehlerzweig an einen Agenten übergeben statt an ein Sammelpostfach. Die Rechnung mit der Abweichung von 40 Euro landet dann bei einem Agenten, der den Lieferschein sucht, die Frachtposition findet und die Rechnung mit Begründung zur Buchung weitergibt.

Damit werden deine bestehenden Automationen zu Werkzeugen, die der Agent benutzt. Was heute zuverlässig läuft, kannst du behalten.

Eine Entscheidungsregel für deine Abläufe

Gartner fasst die Arbeitsteilung knapp zusammen: Agenten dort einsetzen, wo Entscheidungen nötig sind, Automatisierung für Routineabläufe und Assistenten für das einfache Nachschlagen von Informationen. Für einen konkreten Ablauf in deinem Unternehmen helfen vier Fragen.

1. Lässt sich der Ablauf vollständig als Wenn-dann-Regeln aufschreiben, und kommen die Daten strukturiert an? Dann baue einen Workflow.
2. Wie viel Arbeitszeit steckt in den Ausnahmen? Ist es wenig, reicht ein Workflow mit Fehlerpostfach. Ist es ein großer Teil, lohnt sich ein Agent für genau diesen Teil.
3. Wie oft ändert sich der Ablauf oder die Systeme dahinter? Häufige Änderungen machen Workflows teuer in der Pflege und sprechen eher für einen Agenten.
4. Was kostet ein Fehler, und lässt er sich rückgängig machen? Diese Frage entscheidet nicht über das Werkzeug, sondern darüber, welche Aktionen der Agent selbst ausführt und welche er vorlegt.

Am schnellsten kommst du zu einer belastbaren Antwort, wenn du für einen Ablauf die letzten 50 Fälle durchgehst und markierst, welche den Standardweg genommen haben und wie lange die anderen gedauert haben. Diese Liste zeigt dir, welcher Teil in einen Workflow gehört und welcher einen Agenten braucht, und sie zeigt dir auch, wo bisher jemand stillschweigend die Ausnahmen aufgefangen hat, ohne dass es in einem Prozessdiagramm stand.

Häufige Fragen

Ist ein n8n-Workflow mit KI-Baustein schon ein KI-Agent?

Das hängt davon ab, wer den Weg bestimmt. Sortiert ein Sprachmodell eine E-Mail in eine Kategorie und danach laufen feste Zweige, ist es ein Workflow mit KI-Schritt. Wählt das Modell selbst, welche Werkzeuge es in welcher Reihenfolge nutzt, ist es ein Agent. n8n bietet beides an.

Muss ich bestehende RPA-Bots oder Workflows ablösen?

Nein. Was zuverlässig läuft, bleibt. Ein Agent kann bestehende Workflows als Werkzeuge aufrufen oder die Fälle übernehmen, an denen sie heute abbrechen. Ablösen lohnt sich nur bei Abläufen, deren Pflege mehr Zeit frisst, als sie einsparen.

Was ist im Betrieb teurer, ein Workflow oder ein KI-Agent?

Pro Durchlauf ist ein Workflow fast immer günstiger, weil ein Agent bei jedem Schritt ein Sprachmodell aufruft. Die Rechnung ändert sich, wenn du die Arbeitszeit für Ausnahmen und die Pflege der Workflows dazunimmst. Deshalb lohnt sich ein Agent vor allem dort, wo heute Menschen die Fälle auffangen, die kein Workflow abdeckt.

Welche Aufgaben sollte ein KI-Agent nicht ohne Freigabe erledigen?

Aktionen mit echtem finanziellem oder rechtlichem Risiko, etwa Zahlungen, Änderungen an Bankverbindungen oder verbindliche Zusagen außerhalb vereinbarter Konditionen. Routineaktionen innerhalb klarer Regeln, wie Rückfragen, Terminvorschläge oder Ersatzlieferungen unter einer Kulanzgrenze, kann ein Agent selbst ausführen.