AI Agent für Ops

Ein AI Agent für Ops ist Software, die ein übergeordnetes Ziel entgegennimmt, dieses zur Laufzeit in Teilaufgaben zerlegt, entscheidet, welche Tools in welcher Reihenfolge aufgerufen werden sollen, und seinen Plan anpasst, wenn Zwischenergebnisse die Situation verändern — ohne dass ein Mensch jeden Schritt vorgeben muss. Der entscheidende Unterschied im Ops-Kontext liegt nicht darin, ob ein Produkt ein LLM verwendet, sondern ob das System Verzweigungsentscheidungen autonom auf Basis seiner Erkenntnisse trifft oder ob ein Mensch die Verzweigungspunkte vorab programmiert hat.

Ein AI Agent ist kein Chatbot, der auf Abruf Fragen beantwortet, kein Workflow-Tool, das eine fest definierte Schrittfolge ausführt, und kein RPA-Bot, der aufgezeichnete Klickmuster wiederholt. Alle drei können LLMs integrieren; keiner qualifiziert sich als Agent, sofern er nicht unabhängig den Kurs wechseln kann, wenn sich die Bedingungen ändern.

Warum die Unterscheidung für Ops-Käufer wichtig ist

Der Großteil der als „agentisch” vermarkteten Software ist es in 2025 und 2026 nicht. Gartner prägte dafür den Begriff „Agentwashing”. Ein Tool, das eine E-Mail entwirft, ein Gesprächsprotokoll zusammenfasst oder ein CRM-Feld bei einem Trigger befüllt, ist kein Agent — es ist ein KI-verbesserter Workflow. Das ist eine legitime und oft zuverlässigere Kaufentscheidung, aber das Marketing-Framing täuscht Käufer, die verstehen möchten, was sie tatsächlich erwerben.

Ops-Teams — RevOps, Legal Ops, TA — ist diese Unterscheidung aus zwei Gründen wichtig. Erstens erfordern Agents eine andere Governance: Ein Tool, das autonom E-Mails senden, Datensätze aktualisieren oder Entscheidungen routen kann, benötigt Audit-Trails und Rollback-Kontrollen, die ein Workflow-Tool nicht braucht. Zweitens erschließen Agents eine andere Arbeitsklasse: Aufgaben, die an Verzweigungspunkten Urteilsvermögen erfordern, nicht nur die Ausführung eines bekannten Pfades.

Was ein echter Agent tut

Ein echter Agent zeigt vier Verhaltensweisen:

Zielaufnahme. Er akzeptiert ein in natürlicher Sprache formuliertes Ziel, kein Konfigurationsformular. „Finde und qualifiziere Accounts, die diesem ICP entsprechen, erstelle Outreach-Entwürfe für die Top-20 und markiere die drei mit der höchsten Abschlusswahrscheinlichkeit in diesem Quartal” ist ein Ziel. Eine feste Sequenz aus „anreichern → bewerten → sequenzieren”, die bei einem neuen Lead ausgelöst wird, ist ein Workflow — auch wenn jeder Schritt ein LLM nutzt.
Dynamische Tool-Auswahl. Der Agent wählt, welche externen Tools (Datenanbieter, CRM, E-Mail, Kalender) er in Abhängigkeit von den Erkenntnissen jedes Schritts aufruft. Wenn die firmografische Anreicherung unvollständige Daten liefert, fragt der Agent eine zweite Quelle ab, anstatt zu scheitern oder die Angabe stillschweigend zu überspringen.
Planrevision während der Ausführung. Wenn Zwischenergebnisse die Situation verändern — der Prospect hat geantwortet, bevor das zweite Follow-up geplant war, der Vertrag enthielt eine nicht standardisierte Klausel — ersetzt der Agent die verbleibenden Schritte durch einen revidierten Plan, anstatt das ursprüngliche Script abzuschließen.
Erfolgskriterien auf Zielebene. Der Agent hat eine Definition von „fertig”, gegen die er prüft — nicht nur einen letzten Schritt, den er ausführt. Ein Workflow ist abgeschlossen, wenn der letzte Knoten ausgeführt wurde; ein Agent ist abgeschlossen, wenn seine Erfolgsbedingung erfüllt ist oder er explizit einen Fehler meldet, den er nicht lösen kann.

Wie Agents in der Ops-Arbeit auftreten

RevOps — Der klarste frühe Anwendungsfall ist die Account-Recherche und Qualifizierung. Ein Agent, dem eine Liste von Ziel-Accounts übergeben wird, kann selbstständig Produktnutzungsdaten, Drittanbieter-Absichtssignale und CRM-Historie abgleichen und dann eine priorisierte Shortlist mit Begründung erstellen — ohne dass ein Analyst jede Abfrage vorgibt. Der Unterschied zu einem Workflow: Wenn er auf ein Unternehmen trifft, das nicht im Datenanbieter vorhanden ist, passt er sich an, anstatt einen Fehler zu protokollieren.

Legal Ops — Vertragsüberprüfungs-Agents können einen Vertrag entgegennehmen, ein Playbook mit Fallback-Positionen anwenden und ein Redline zurückgeben — aber noch wichtiger: Sie können eine nicht standardisierte Klausel, die sie noch nicht gesehen haben, als Entscheidung markieren, die anwaltliche Einschätzung erfordert, anstatt sie stillschweigend zu ignorieren oder abzubrechen. Ein Workflow-Tool wendet Regeln an; ein Agent zeigt auf, was die Regeln nicht abdecken.

Recruiting / TA — Ein Sourcing-Agent kann eine Stellenbeschreibung entgegennehmen, Suchanfragen generieren, Sourcing-Tools abfragen, zurückgegebene Profile anhand von Einstellungskriterien prüfen und Outreach entwerfen — dabei die Kriterien anpassen, wenn in einem Kanal keine Profile passen, bevor ein anderer versucht wird. Das Urteilsvermögen des Recruiters ist für die endgültige Shortlist weiterhin erforderlich, aber der Agent komprimiert tagelange Recherche auf Minuten.

Die diagnostischen Fragen, die Käufer Vendors stellen sollten

Wenn ein Vendor behauptet, sein Produkt sei ein „AI Agent”, decken diese Fragen die Realität auf:

1. Was passiert, wenn ein Zwischenschritt fehlschlägt oder ein unerwartetes Ergebnis liefert? Ein echter Agent beschreibt einen Fallback-Plan. Ein Workflow-Tool beschreibt einen Fehlerzustand oder eine manuelle Überprüfungswarteschlange.

2. Kann ich ihm ein Ziel geben, das er noch nie gesehen hat, oder muss ich zuerst ein Playbook konfigurieren? Echte Agents generalisieren; ausgereifte Workflow-Tools generalisieren nur innerhalb der Szenarien, die ihre Designer antizipiert haben.

3. Wo sitzt die menschliche Genehmigung im Prozess? Das ist kein Ausschlusskriterium — viele produktionsreife Agent-Architekturen verwenden bewusst menschliche Checkpoints. Aber die Antwort zeigt, ob die Autonomie real oder theatralisch ist. „Menschen genehmigen jede Aktion” bedeutet in der Regel, dass es ein Workflow mit KI-Unterstützung ist, kein Agent.

4. Wie sieht das Audit-Log aus? Agents produzieren Entscheidungs-Logs — warum hat er dieses Tool aufgerufen? warum hat er den Plan überarbeitet? — nicht nur Aktions-Logs. Workflow-Tools protokollieren Aktionen; Agents sollten das Reasoning protokollieren.

5. Was ist das Kostenmodell, wenn der Agent einen langen Pfad nimmt? Autonome Agents können bei komplexen Zielen erheblich mehr LLM-Tokens verbrauchen als bei einfachen. Wenn der Vendor keine Kostenspanne pro Aufgabentyp nennen kann, wurde sie entweder nicht gemessen oder die Kostenvariabilität ist ein bekanntes Problem.

Häufige Fehler

Einen Agent kaufen, wenn ein Workflow benötigt wird. Agents tauschen Vorhersagbarkeit gegen Flexibilität. Wenn jede Instanz einer Aufgabe denselben Schritten folgt, ist ein gut konfigurierter Workflow schneller, günstiger und besser auditierbar als ein Agent. Die richtige Frage lautet: Hat die Aufgabe an Verzweigungspunkten wesentliche Variabilität? Falls nicht, fügt ein Agent Overhead ohne Mehrwert hinzu.

Schutzmaßnahme: Kartieren Sie die Aufgabe vor der Vendor-Demo. Listen Sie jeden Entscheidungspunkt auf. Wenn alle Entscheidungen als Regeln kodiert werden können, die Sie bereits kennen, kaufen Sie das Workflow-Tool.

Kein Rollback-Plan. Agents, die autonome Aktionen durchführen — E-Mails senden, Datensätze aktualisieren, Elemente in einem System of Record markieren — benötigen eine Rollback-Fähigkeit. Ein Agent, der auf der Basis eines falsch konfigurierten ICP 400 Outreach-Anrufe getätigt hat, kann diese Nachrichten nicht zurücknehmen.

Schutzmaßnahme: Verlangen Sie für jeden Agent, der externe Systeme berührt, einen Dry-Run-Modus (Agent plant, führt aber nicht aus) sowie ein Protokoll jeder externen Aktion mit dem Datenzustand zum jeweiligen Zeitpunkt.

Governance-Vakuum. Legal-Ops-Teams, die Vertrags-Agents betreiben, und TA-Teams, die Sourcing-Agents in Jurisdiktionen mit KI-in-der-Einstellung-Regulierungen (NYC LL 144, EU AI Act) einsetzen, müssen genau wissen, was der Agent getan hat und warum. „Die KI hat entschieden” ist in einer Prüfung keine vertretbare Antwort.

Schutzmaßnahme: Jeder Agent, der regulierte Entscheidungen berührt, sollte strukturierte Entscheidungsprotokolle produzieren — welche Signale er genutzt hat, welche Regeln er angewendet hat, was er zur menschlichen Überprüfung vorgelegt hat — in einem Format, das ein Compliance-Team abfragen kann.