KI-Agenten Beispiele: 12 Einsätze im Unternehmen

Kurz gesagt

Typische Beispiele für KI-Agenten sind Lead-Qualifizierung im Vertrieb, Ticket-Sortierung mit Antwortentwurf im Kundenservice, das Auslesen von Eingangsrechnungen in der Buchhaltung, Recherche-Briefings im Marketing und ein Onboarding-Assistent im Personalbereich. Jeder dieser Agenten startet durch einen Auslöser, nutzt Werkzeuge wie CRM, Postfach oder Tabelle und liefert ein prüfbares Ergebnis. Verlässlich laufen heute vor allem Agenten, die Entwürfe erstellen, die ein Mensch freigibt.

Stand: 21. November 2026

KI-Agenten Beispiele zeigen am schnellsten, wo sich ein Agent lohnt und wo ein einfacher Workflow genügt. Auf dieser Seite findest du zwölf konkrete Einsätze aus Vertrieb, Kundenservice, Buchhaltung, Marketing, Personal und internen Abläufen. Zu jedem Beispiel steht, was den Agenten startet, welche Werkzeuge er nutzt und was am Ende herauskommt. Dazu eine ehrliche Einordnung, was heute verlässlich läuft. Eine Definition von KI-Agenten und ihre Risiken findest du auf kiagentensicherheit.de.

Was alle Beispiele gemeinsam haben

Jeder Agent unten folgt demselben Muster: Ein Auslöser startet ihn, etwa eine neue E-Mail, ein Formular oder ein Zeitplan. Der Agent nutzt Werkzeuge, also Anbindungen an CRM, Postfach, Tabelle oder Wissensdatenbank, und entscheidet selbst, welches er wann aufruft. Am Ende steht ein Ergebnis, das ein Mensch prüfen kann. Alle Beispiele lassen sich ohne Code mit n8n oder Make bauen. Wie das konkret geht, zeigt die Anleitung KI-Agent erstellen.

12 KI-Agenten Beispiele im Überblick

Bereich Beispiel Auslöser Werkzeuge Ergebnis
Vertrieb Lead-Qualifizierung neuer Lead im CRM CRM, Websuche, Slack Lead mit Firmendaten, Einschätzung, Nachricht an Vertrieb
Vertrieb Follow-up nach Termin Gesprächsnotiz gespeichert CRM, E-Mail Follow-up-Mail als Entwurf, Aufgabe im CRM
Support Ticket-Sortierung neue E-Mail im Support-Postfach Ticketsystem, Wissensdatenbank Kategorie, Priorität, Antwortentwurf
Support Hilfe-Chat mit Übergabe Frage im Website-Chat Hilfeartikel, Übergabe an Mensch Antwort mit Quelle oder Ticket für das Team
Buchhaltung Eingangsrechnungen erfassen E-Mail mit PDF-Anhang PDF-Auslesen, Tabelle, Buchhaltung Rechnungsdaten als Datensatz zur Prüfung
Buchhaltung Offene Posten nachfassen Zeitplan, wöchentlich Buchhaltung, E-Mail Liste offener Posten, Erinnerungen als Entwurf
Marketing Wochen-Briefing Zeitplan, montags Websuche, RSS, Notion Zusammenfassung mit Links zu den Quellen
Marketing Social-Posts aus Artikeln neuer Blogartikel CMS, Planungstool Post-Entwürfe je Kanal zur Freigabe
Marketing Kampagnen-Bericht Zeitplan, monatlich Werbe- und Analyse-APIs, Tabelle Bericht mit Kennzahlen und Auffälligkeiten
Personal Bewerbungseingang neue Bewerbung Postfach, Bewerbermanagement Eingangsbestätigung, Hinweis auf fehlende Unterlagen
Personal Onboarding-Assistent Frage im Chat Handbuch oder Wiki, HR-Ticket Antwort mit Fundstelle oder Weitergabe an HR
Intern Meeting-Nachbereitung Transkript liegt vor Projektmanagement, Slack Aufgaben mit Verantwortlichen als Entwurf

Vertrieb: Leads anreichern und nachfassen

Der Agent zur Lead-Qualifizierung liest einen neuen Kontakt aus dem CRM, sucht öffentliche Angaben zur Firma, gleicht sie mit deinem Zielkundenprofil ab und schreibt eine kurze Einschätzung zurück ins CRM. Im Slack-Kanal des Vertriebs landet eine Nachricht mit den wichtigsten Punkten. n8n bringt Anbindungen an verbreitete CRM wie HubSpot und Pipedrive mit.

Beim Follow-up nimmt der Agent die Gesprächsnotiz, zieht Kontaktdaten und bisherige Kommunikation aus dem CRM und entwirft eine Mail. Er verschickt sie nicht selbst. Den Versand übernimmt der Vertriebler nach seiner Prüfung.

Kundenservice: Tickets sortieren und Antworten vorbereiten

Kundenservice ist eines der beiden Felder, die Anthropic in seinem Leitfaden als besonders geeignet für Agenten nennt: Die Arbeit folgt einem Gesprächsablauf, braucht Zugriff auf Daten und Aktionen, und der Erfolg ist an gelösten Anfragen messbar.

Die Ticket-Sortierung ordnet jede eingehende Mail einer Kategorie und Priorität zu, sucht in der Wissensdatenbank nach der passenden Lösung und hängt einen Antwortentwurf an. Der Hilfe-Chat beantwortet Fragen nur aus deinen Hilfeartikeln und nennt die Fundstelle. Findet er nichts Passendes, übergibt er an einen Menschen. Diese Regel muss ausdrücklich in der Anweisung stehen.

Buchhaltung: Belege erfassen, offene Posten im Blick

Der Agent für Eingangsrechnungen liest PDF-Anhänge aus, erkennt Rechnungsnummer, Datum, Lieferant, Netto- und Bruttobetrag und legt einen Datensatz an. Beträge und Steuersätze muss ein Mensch prüfen, bevor etwas gebucht oder bezahlt wird. Bei schlechten Scans kommen Lesefehler vor.

Beim Nachfassen offener Posten holt der Agent wöchentlich die überfälligen Rechnungen und entwirft freundliche Erinnerungen. Zahlungen auslösen oder Mahngebühren festsetzen sollte er nicht.

Marketing: Recherche, Entwürfe und Berichte

Das Wochen-Briefing sammelt Neuigkeiten aus festgelegten Quellen, fasst sie zusammen und verlinkt jede Aussage. Der Agent für Social-Posts macht aus einem neuen Blogartikel Entwürfe für mehrere Kanäle. Vor der Veröffentlichung gibt sie jemand frei.

Beim Kampagnen-Bericht gilt eine Regel: Kennzahlen kommen direkt aus den Schnittstellen der Werbe- und Analysetools in eine Tabelle. Rechnen sollte ein fester Workflow-Schritt, nicht das Sprachmodell. Der Agent schreibt nur die Einordnung dazu.

Personal: Eingänge bestätigen, Fragen beantworten

Beim Bewerbungseingang bestätigt der Agent den Eingang und prüft, ob alle angeforderten Unterlagen dabei sind. Bewerbungen bewerten oder aussortieren sollte er nicht. Die EU-KI-Verordnung führt KI-Systeme, die Bewerbungen filtern oder Kandidaten bewerten, in Anhang III als Hochrisiko-Systeme mit strengen Pflichten.

Der Onboarding-Assistent beantwortet Fragen neuer Mitarbeiter aus dem Handbuch oder Wiki, etwa zu Urlaubsanträgen oder Zugängen, und nennt die Fundstelle. Bei Fragen zu Gehalt oder Vertrag gibt er an die Personalabteilung weiter.

Interne Abläufe: Meetings nachbereiten

Liegt das Transkript eines Meetings vor, erkennt der Agent vereinbarte Aufgaben, ordnet Verantwortliche zu und legt sie als Entwurf im Projektmanagement an. Im Team-Kanal erscheint eine Zusammenfassung. Wie solche Abläufe als feste Workflows aussehen, zeigt KI-Workflows.

Was heute verlässlich funktioniert und was nicht

Art der Aufgabe Einschätzung Warum
Lesen, einordnen, zusammenfassen verlässlich Ergebnis leicht prüfbar, kein Schaden bei Fehlern
Entwürfe mit menschlicher Freigabe verlässlich Mensch entscheidet vor jeder Wirkung nach außen
Daten aus Dokumenten auslesen mit Kontrolle Lesefehler bei schlechten Vorlagen möglich
Aktionen ohne Freigabe (Versand, Buchung) nur eng begrenzt Fehler wirken sofort und summieren sich über Schritte
Bewertung von Menschen (Bewerbung, Kredit) nicht empfohlen rechtlich als Hochrisiko eingestuft

Anthropic weist darauf hin, dass Agenten höhere Kosten verursachen und sich Fehler über mehrere Schritte aufaddieren können. Deshalb empfiehlt der Leitfaden Tests in einer abgeschotteten Umgebung und Schutzmechanismen. In n8n setzt du vor ein Werkzeug eine menschliche Freigabe, der Ablauf wartet dann auf Zustimmung per Slack, Teams, E-Mail oder im n8n-Chat.

So wählst du dein erstes Beispiel

  • Die Aufgabe kommt häufig vor und kostet heute spürbar Zeit.
  • Ein Fehler ist harmlos, weil am Ende ein Mensch prüft.
  • Die nötigen Systeme haben eine Anbindung in n8n, Make oder per MCP.

Wie Agenten über das Model Context Protocol an weitere Systeme kommen, erklärt die Seite zum MCP-Server. Für n8n zeigt KI-Agent mit n8n die Umsetzung im Detail. Vorlagen für solche Agenten tauschen Mitglieder in der KI-Automatisierungs-Community aus.

Was ist ein einfaches Beispiel für einen KI-Agenten?

Ein Agent, der neue E-Mails im Support-Postfach liest, sie nach Thema und Dringlichkeit einordnet, in der Wissensdatenbank nach der passenden Antwort sucht und einen Antwortentwurf anlegt. Ein Mensch prüft den Entwurf und schickt ihn ab.

In welchen Bereichen werden KI-Agenten eingesetzt?

Häufig im Kundenservice, im Vertrieb, in der Buchhaltung, im Marketing, im Personalbereich und bei internen Abläufen wie der Nachbereitung von Meetings. Gut geeignet sind Aufgaben mit klarem Auslöser und einem Ergebnis, das sich prüfen lässt.

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

Ein Chatbot beantwortet Fragen im Gespräch. Ein KI-Agent kann zusätzlich Werkzeuge aufrufen, also zum Beispiel im CRM nachsehen, einen Datensatz anlegen oder eine E-Mail entwerfen, und entscheidet selbst, welchen Schritt er als Nächstes braucht.

Dürfen KI-Agenten Bewerbungen vorsortieren?

KI-Systeme, die Bewerbungen filtern oder Kandidaten bewerten, führt der EU AI Act in Anhang III als Hochrisiko-Systeme. Dafür gelten strenge Pflichten. Unkritischer sind Agenten, die nur Eingänge bestätigen oder Unterlagen auf Vollständigkeit prüfen.

Kann ich KI-Agenten ohne Programmieren bauen?

Ja. Alle Beispiele auf dieser Seite lassen sich mit dem AI-Agent-Node in n8n oder mit Make AI Agents umsetzen. Code brauchst du erst, wenn ein System keine fertige Anbindung hat oder der Agent Teil einer eigenen Anwendung wird.

Wie verlässlich sind KI-Agenten heute?

Verlässlich sind Agenten mit enger Aufgabe, wenigen Werkzeugen und menschlicher Freigabe vor Aktionen mit Außenwirkung. Je mehr Schritte ein Agent ohne Kontrolle hintereinander ausführt, desto eher summieren sich Fehler.

KI-Automatisierungs-Community

Werde Teil der Community

Kostenlos auf Skool, mit über 14.000 Mitgliedern, Kursen und Vorlagen.

Kostenlos beitreten