Potenziale und Grenzen von Agenten Marke Eigenbau Die Illusion des selbstgebauten KI-Assistenten

Anbieter zum Thema

Rittal GmbH & Co. KG

Kentix GmbH

STACKIT GmbH & Co. KG

Verlockend: einen KI-Agenten oder Chatbot mit wenigen Klicks in No-Code-Tools bauen, der Aufgaben eigenständig übernimmt oder mit Nutzern kommuniziert. Doch die technischen und organisatorischen Stolpersteine des DIY-Ansatzes sind beachtlich.

Bevor es an die Umsetzung geht, gilt es zunächst zu klären, was eigentlich hinter einem „echten“ KI-Agenten (Künstliche Intelligenz) steckt. Im Gegensatz zu einem klassischen Chatbot oder Voice Assistant kann ein Agent eigenständig handeln und ist oft über entsprechende APIs an Werkzeuge angebunden, um seine Aufgaben zu erfüllen. Ein echter KI-Agent verfügt über:

• Zugriff auf LLMs (Large Language Models) wie GPT-5 oder Claude zur Sprachverarbeitung,

• Werkzeuge und Schnittstellen (APIs) zur Ausführung von Aktionen,

• Gedächtnisstrukturen für Kontextbezug und

• eine Autonomie-Logik, die Entscheidungen ohne manuelle Eingaben ermöglicht.

Dabei erfordern Low- oder No-Code-Anwendungen wie Langflow, BotBuilder oder Zapier Chatbots zur Erstellung auch solcher komplexen Agenten teils lediglich, ein passendes Framework auszuwählen. Oft bieten diese Tools auch an, Dokumente hochzuladen, damit der Assistent spezifische Fragen zum Unternehmen oder bestimmten Prozessen beantworten kann.

Zusammen mit Automatisierungsanwendungen wie Zapier, n8n oder Make lassen sich die selbst erstellten Assistenten dann auch an Tools anbinden, sodass sie beispielsweise eigenständig E-Mails verschicken oder Kalendereinträge vornehmen können. Diese Anbindungen sind oft innerhalb kürzester Zeit aufgesetzt und sparen Entwicklungskosten.

Grenzen der Selbstbau-Ansätze

Auch wenn No-Code-Tools den Einstieg erleichtern, stoßen sie in vielen Anwendungsszenarien dennoch regulär an ihre Grenzen. Häufige Probleme sind:

• Komplexe Schnittstellenintegration: Weichen Software oder Tools, auf die der Agent zugreifen soll, von Standardprodukten ab, fehlen oft Schnittstellen, mit denen der Agent kommunizieren kann. Im besten Fall erfordert es umständliche Workarounds, im schlimmsten Fall lässt sich eine Anbindung nur unter unverhältnismäßig hohen Kosten realisieren.

• Sicherheitsanforderungen: In regulierten Branchen sind DSGVO, ISO-Standards und interne Compliance-Vorgaben zu beachten. Hier kann es ein Ausschlusskriterium sein, unternehmensspezifische Dokumente auf eine der Anbieterplattformen hochzuladen. Auch ist ein eigenes Hosting bei vielen Anbietern nicht möglich, da der Zugriff nur über die Cloud läuft.

• Wartung und Weiterentwicklung: APIs ändern sich, Modelle veralten, Sicherheitslücken entstehen. Ohne laufende Pflege wird der Agent schnell zum Risiko. Außerdem haben Anwender bei Drittanbietern keinen Einfluss auf Änderungen. Da kann es sein, dass sich der Agent von heute auf morgen anders verhält, als ursprünglich konfiguriert.

• Fehlende interne Expertise: Ohne erfahrene Entwicklerinnen und Entwickler droht eine Endlosschleife aus Bugs, Debugging und Frustration.

Pain Points beim Einsatz von KI-Agenten

Die Implementierung und Einführung von Agentic AI

Praxisbeispiel 1: KI-Sprach-Agent zur Entlastung im Kundenservice

Ein mittelständisches Autohaus wollte Mitarbeitende im Verkauf und der Werkstatt von der Beantwortung telefonischer Anfragen zu Öffnungszeiten und Terminbuchungen entlasten. Mit einem No-Code-Tool hatte ein technisch versierter Mitarbeiter schnell einen Voice-Assistenten aufgesetzt. Die Anbindung an die Telefonnummer funktionierte problemlos. Die ersten Tests verliefen vielversprechend: Der Agent konnte einfache Fragen zum Autohaus beantworten und erkannte Kundendaten zuverlässig.

Doch als es um die Integration des Assistenten mit einem eigenentwickelten Terminbuchungssystem des Autohauses ging, entstand ein Problem: Die Plattform unterstützte keine offene Schnittstelle zur Anbindung, weder über eine API noch über externe Anbindungen wie Zapier oder Webhooks. Der Sprachagent konnte zwar sprechen, aber keine Termine eintragen, was jedoch die Voraussetzung für eine echte Entlastung gewesen wäre.

Erfolg-as-a-Service

SaaS ist tot. Es leben die Agenten!

Nach mehreren Versuchen und Rücksprachen mit dem Support entschied sich das Autohaus, professionelle Hilfe von einer spezialisierten Agentur in Anspruch zu nehmen. Diese entwickelte ein maßgeschneidertes Programm, das den KI-Agenten mit dem Terminbuchungssystem verband. Damit war das Projekt erfolgreich umgesetzt worden, allerdings mit mehr Aufwand als zunächst geplant.

Praxisbeispiel 2: KI-gestützter Onboarding-Chatbot für ein Maschinenbau-Unternehmen

Ein weiteres Beispiel, das ebenfalls die Grenzen der No-Code-Ansätze aufzeigt, ist das eines Maschinenbauers, der seinen Onboarding-Prozess für neue Angestellte optimieren wollte. Hierfür war geplant, allen neuen Mitarbeitern einen virtuellen Chat-Assistenten als interaktiven Mentor an die Seite zu stellen, der jederzeit Fragen zum Unternehmen und zu Prozessen beantworten sollte.

Automatisierung durch Künstliche Intelligenz

Wie Agentic AI die Zusammenarbeit von KI-Agenten neu definiert

Als einfachen und schnellen Weg wurde auf ein No-Code Chatbot-Tool zurückgegriffen. Die ersten Tests mit fiktiven Daten liefen gut, und der Chatbot ließ sich auch leicht in das bestehende Wissensmanagement-Programm integrieren. Als es allerdings darum ging, dem Chatbot Unternehmensdaten verfügbar zu machen, wurde schnell klar, dass viele Daten vertrauliche Unternehmensinformationen enthielten, die nicht auf externe Server von wie dem des Chatbot-Anbieters hochgeladen werden durften. Der No-Code-Ansatz war zwar theoretisch gut geeignet, um die Funktionalitäten zu testen, hatte in der Praxis in Bezug auf die strengen Datenschutzanforderungen aber keinen Bestand.

Wann lohnt sich der Eigenbau und wann nicht?

Ein selbst gebauter Agent oder Chatbot kann sinnvoll sein, wenn er einfache Fragen zum Unternehmen beantworten soll, kommerzielle und weit verbreitete Tools mit entsprechenden Schnittstellen angebunden werden sollen, keine unternehmenskritischen Daten in die Cloud des Drittanbieters hochgeladen werden müssen, Self-Hosting nicht unbedingt notwendig ist, nur ein kleines Budget zur Verfügung steht und gleichzeitig interne IT-Expertise vorhanden ist.

Mega-Trend Agentic AI

Agenten im Rechenzentrum zerstören Paradigmen

Sobald jedoch hohe Sicherheitsanforderungen, komplexe Integrationen oder Skalierungsfragen ins Spiel kommen, ist die Umsetzung durch einen professionellen IT-Dienstleister nicht nur empfehlenswert, sondern oft unverzichtbar. Die Demokratisierung von KI-Technologien ist ein Fortschritt, aber kein Freifahrtschein für den Eigenbau komplexer Agentensysteme.

(ID:50611158)