RPA und ein AI Agent unterscheiden sich in genau einem Punkt: wer den Ausführungspfad wählt und wann. Bei RPA wählt ein Mensch den Pfad zur Bauzeit, und die Software spielt ihn für immer identisch ab. Bei einem AI Agent wählt das Modell den Pfad zur Laufzeit aus einem Ziel, das Sie formuliert haben. Kostenmodell, Fehlerverhalten, Audit-Trail und Änderungstoleranz folgen alle aus diesem einen Unterschied — deshalb ist “was ist besser” die falsche Frage und “enthält diese Aufgabe Entscheidungen” die richtige.
Ein AI Agent ist kein klügerer RPA-Bot, und RPA ist kein veralteter Agent. RPA ist auch in keiner Form AI: Ein klassischer Roboter enthält überhaupt kein Modell. Er ist ein Skript, das an UI-Selektoren, XPaths und Object IDs auf den Bildschirmen bereits vorhandener Anwendungen gebunden ist, plus API-Aufrufe dort, wo der Anbieter sie freigegeben hat. Er klickt dorthin, wohin Sie ihn geschickt haben. Ein Agent dagegen hat keinen festen Pfad zum Abspielen — das heißt, er kann einen Fall bearbeiten, den Sie nie vorhergesehen haben, und ebenso etwas tun, das Sie nie freigegeben haben.
Was aus diesem einen Unterschied folgt
Die Änderungstoleranz läuft in entgegengesetzte Richtungen. RPA bricht, wenn sich der Bildschirm ändert: Der Anbieter liefert ein Release aus, ein Klassenname ändert sich, der Selektor löst nicht mehr auf, der Roboter bleibt stehen. Agents überstehen dieselbe UI-Änderung und driften stattdessen — das Modell liest den neuen Bildschirm, entscheidet etwas Plausibles und läuft in eine Richtung weiter, die niemand geprüft hat. Sie wählen zwischen einem System, das sichtbar bricht, und einem System, das sich unsichtbar verbiegt.
Die Fehlerbilder sind invertiert, und das QA-Design ebenso. Ein defekter Roboter wirft eine Exception und landet in einer Queue; Sie merken es, weil die Anzahl der Läufe auf null gefallen ist. Ein scheiternder Agent produziert ein vollständiges, wohlgeformtes, selbstbewusst falsches Ergebnis und meldet Erfolg. Uptime-Monitoring erkennt das Erste und ist für das Zweite blind. Wenn Sie einen Prozess von RPA auf einen Agent umstellen und dasselbe Monitoring behalten, haben Sie den Prozess nicht migriert — Sie haben den Alarm entfernt.
Die Abrechnungseinheit wechselt von Kapazität zu Verbrauch. Ein RPA-Roboter wird als Kapazitätsplatz lizenziert: Sie mieten den Arbeiter und lassen ihn dann so oft laufen, wie Sie wollen. Ein Agent wird nach Verbrauch abgerechnet, also wird eine Aufgabe, die komplexer geworden ist, teurer, ohne dass jemand eine Lizenz anfasst. Die Budgetvarianz steigt von null auf unbegrenzt, sofern Sie sie nicht deckeln.
Der Audit-Trail muss neu gebaut werden. Ein RPA-Skript ist sein eigener Audit-Trail — deterministisches Abspielen bedeutet, dass der Code exakt dokumentiert, was in jedem Lauf passiert ist, und genau deshalb haben sich regulierte Back-Office-Prozesse darauf standardisiert. Die Aktionen eines Agents sind nur rekonstruierbar, wenn der Anbieter die Begründung neben den Aktionen protokolliert. Reine Aktionsprotokolle sagen Ihnen, was sich geändert hat, nicht warum, und “das Modell hat entschieden” übersteht kein Audit.
Die Kostenrechnung
Microsoft veröffentlicht beide Seiten dieses Trade-offs auf einer Preisliste, was sie zum saubersten verfügbaren Vergleich macht. Geprüft am 2026-07-26: Power Automate Premium kostet $15 pro Nutzer/Monat und enthält attended Desktop Flows; Power Automate Process kostet $150 pro Bot/Monat für unattended Desktop Flows; Power Automate Hosted Process kostet $215 pro Bot/Monat mit einer von Microsoft verwalteten VM. Copilot Studio kostet $200/Monat für 25.000 Credits. UiPath veröffentlicht eine Automation-Cloud-Einstiegsstufe ab $25/Monat und kalkuliert unattended Robots auf Anfrage.
Die Lizenz des unattended Bots ist fix, sein Preis pro Lauf ist also schlicht $150 geteilt durch Ihre monatliche Laufzahl:
- 100 Läufe/Monat → $1,50 pro Lauf
- 1.000 Läufe/Monat → $0,15 pro Lauf
- 10.000 Läufe/Monat → $0,015 pro Lauf
Messen Sie also die tatsächlichen Kosten pro Lauf Ihres Agents an einer Stichprobe echter Fälle — nennen wir sie C — und der Bot gewinnt oberhalb von etwa 150 / C Läufen pro Monat. Ein Agent mit $0,15 pro Lauf erreicht den Break-even bei 1.000 Läufen/Monat; einer mit $0,50 bei 300. Unterhalb dieser Volumina ist die fixe Bot-Lizenz die teure Option, und die Flexibilität des Agents ist nahezu kostenlos. Deutlich darüber heißt es, per Lauf für eine Entscheidung zu zahlen, die längst getroffen war, wenn ein Modell denselben deterministischen Pfad tausendfach im Monat neu herleitet.
Wie Sie entscheiden
Sortieren Sie die Aufgabe nach zwei Achsen — wie stark der Pfad variiert und wie oft er läuft.
- Geringe Varianz, hohes Volumen (Rechnungserfassung, Status-Sync, Reportaufbau): RPA, oder besser eine API-Integration. Kaufen Sie kein Urteilsvermögen für eine Aufgabe, die keines enthält.
- Hohe Varianz, geringes bis mittleres Volumen (Exception Handling, Vertrags-Triage, Inbound-Recherche): Agent. Die Exception-Queue ist der Kostenblock, den Sie tatsächlich angreifen.
- Hohe Varianz, hohes Volumen: Der Agent entscheidet, der Roboter oder die API führt aus. Das ist das kombinierte Muster weiter unten.
- Geringe Varianz, geringes Volumen: keines von beiden. Ein Mensch, der das 20-mal im Monat erledigt, ist billiger als jede der beiden Lizenzen.
Die Option, die Anbieter beider Lager auslassen: Wenn das Zielsystem eine dokumentierte API hat, ist die UI-Ebene ein Umweg um eine Integration, die Sie einfach bauen könnten. RPA existiert weitgehend, weil Unternehmenssoftware ohne APIs ausgeliefert wurde. Prüfen Sie auf eine, bevor Sie einen Roboter mieten, der in ein Formular tippt — und bevor Sie ein Modell mieten, das dasselbe teurer tut.
Sie ergänzen sich mehr, als sie konkurrieren
Die Anbieterposition auf beiden Seiten lautet 2026 Komposition, nicht Ersatz. UiPath stellt seine Plattform als Agents, Roboter und Menschen dar, koordiniert von einer Orchestrierungsschicht namens Maestro, dazu Agent Builder und Autopilot, und fasst die Arbeitsteilung so zusammen: Agents denken, Roboter tun, Menschen führen. Automation Anywhere verkauft ein Agentic-Process-Automation-System, das zielbasierte Agents, RPA-Bots, APIs und menschliche Freigaben gemeinsam orchestriert, und blieb Leader im Gartner Magic Quadrant for RPA 2026.
Lesen Sie das als Entwurfsmuster statt als Marketing: Das Modell ist gut darin zu entscheiden, was mit einem Fall geschehen soll, und schlecht darin, dieselben Tastenfolgen 10.000-mal zuverlässig auszuführen; beim Roboter ist es umgekehrt. Legen Sie das Urteil in den Agent, die Wiederholung in den Roboter oder die API und das Freigabe-Gate dazwischen.
Diagnosefragen an einen Anbieter
Diese trennen einen echten Agent von einem RPA-Produkt mit einem Sprachmodell davor — ein anderer Satz als der in AI Agent für Ops, der Autonomie allgemein prüft statt der Migrationsentscheidung.
- Wird der Ausführungspfad zur Bauzeit festgelegt oder zur Laufzeit gewählt? Das ist die ganze Frage. Alles andere ist Detail.
- Denselben Input zweimal laufen lassen — bekomme ich denselben Pfad? Identische Pfade heißen, Sie kaufen RPA. Das ist ein legitimer Kauf, zu RPA-Preisen.
- Steuert es die UI oder die API? UI-getriebene Produkte erben das Bruchprofil von RPA, unabhängig davon, was das Modell tut.
- Was ist die Abrechnungseinheit — Bot, Lauf oder Token? Die Antwort sagt Ihnen, welches Budget einen komplexer werdenden Prozess auffängt.
- Wenn die Zielanwendung eine UI-Änderung ausliefert, was bricht und wer repariert es? “Nichts bricht” ist keine Antwort; fragen Sie, was das Modell tut, wenn der Bildschirm nicht mehr passt.
Häufige Fehler
Funktionierendes RPA ersetzen, weil RPA altmodisch klingt. Ein Roboter, der seit drei Jahren einen stabilen, hochvolumigen Prozess ohne Urteilsanteil fährt, ist keine technische Schuld. Ihn zu migrieren kauft Varianz und höhere Kosten pro Lauf.
Absicherung: Migrieren Sie nur Prozesse, bei denen die Exception-Queue — nicht der Happy Path — die Arbeit frisst. Liegen die Exceptions unter 5% des Volumens, lassen Sie den Roboter in Ruhe.
Die Flexibilität des Agents als kostenlos behandeln. Flexibilität wird pro Lauf berechnet, und komplexe Fälle kosten mehr als einfache, also skaliert die Rechnung genau mit den Fällen, für die Sie den Agent überhaupt eingeführt haben.
Absicherung: Setzen Sie vor dem Go-live eine harte Kostenobergrenze pro Aufgabe in der Plattform und messen Sie die Kosten pro Lauf nach 30 Tagen an echtem Traffic neu, nicht an der Demo-Stichprobe.
Nach der Umstellung beim Monitoring der RPA-Ära bleiben. Dashboards für Laufzahl und Uptime melden einen halluzinierenden Agent als vollkommen gesund.
Absicherung: Ersetzen Sie Uptime-Checks durch stichprobenartige Output-Prüfung — ein fixer Prozentsatz abgeschlossener Läufe, wöchentlich von einem Menschen gelesen — plus eine Reversal-Rate, die zählt, wie oft ein Mensch rückgängig gemacht hat, was der Agent tat.
Den deterministischen Audit-Trail in einem regulierten Prozess verlieren. Legal-Ops- und TA-Prozesse unter NYC LL 144, dem EU AI Act oder internen SOX-Kontrollen müssen zeigen, was entschieden wurde und warum.
Absicherung: Fordern Sie strukturierte Entscheidungsprotokolle — herangezogene Inputs, angewandte Regel, was eskaliert wurde — vor der Umstellung, und behalten Sie den deterministischen Roboter auf dem regulierten Teilstück, während der Agent Eingang und Triage darum herum übernimmt.
Verwandt
- AI Agent für Ops — was als Agent gilt und welche Autonomietests Sie jedem Anbieter stellen, der einen behauptet
- MCP-Server erklärt — die API-seitige Alternative zum Steuern einer UI und wie Agents ohne Selektoren an Systeme andocken
- n8n und Make — die Workflow-Ebene, zu der die meisten Ops-Teams vor RPA oder Agents greifen
- GTM engineering — die Disziplin, der diese Build-oder-Miete-Entscheidung im RevOps gehört