Agentic Use Cases für die Wissensarbeit: wofür sich ein KI-Agent lohnt

Nicht jeder Prozess braucht einen Agenten. Bevor ihr investiert, sortiert eine einzige Frage die meisten Fälle: Wie viel Urteil steckt in der Aufgabe? Rein regelbasierte Vorgänge, eindeutige Regeln, feste Vorlagen, eine richtige Antwort, sind mit einem Skript oder klassischer Automatisierung günstiger und stabiler gelöst. Dafür braucht ihr keinen Agenten.

Urteilsbasierte Vorgänge sind das eigentliche Agenten-Terrain: mehrere unterschiedliche Quellen, Kontext verstehen, zwischen Faktoren abwägen, mit neuer Information umgehen. Und ein dritter Fall bleibt bewusst bei Menschen: einmalige, kreative oder rein geschmacksbasierte Entscheidungen ohne prüfbares Kriterium. Die meiste Verwechslung passiert zwischen den ersten beiden. Steckt echtes Abwägen über mehrere Quellen drin, ist es ein Agenten-Fall; reicht eine feste Regel, spart ihr euch den Agenten.

Steht eine Aufgabe auf der urteilsbasierten Seite, entscheiden drei Signale, ob sie im Alltag wirklich trägt. Erstens die Datenlage: Die Information liegt digital vor, in Mails, PDFs, Sheets, CRM oder APIs. Perfekt strukturiert muss sie nicht sein, aber zugänglich. Zweitens ein klarer Auslöser und ein klares Ergebnis: Es gibt einen Trigger, eine Mail, ein Dokument, ein neuer Vorgang, und ein definiertes Resultat, eine Antwort, eine Liste, ein Report. Drittens messbare Qualität: Es gibt Kriterien, Checklisten oder Regeln, an denen sich „gut" prüfen lässt.

Woran es scheitert, ist meist nicht das Modell, sondern fehlende Struktur: keine digitale Spur, kein wiederkehrendes Muster, „gut" ist reine Geschmackssache, oder das Ergebnis lässt sich gegen kein Kriterium messen. Fangt mit dem Fall an, bei dem alle drei Signale am klarsten sind. Einer genügt für den Anfang.

Anfragen-Triage ist der niedrigschwellige Klassiker. Support- und Service-Teams bearbeiten täglich viele Anfragen unterschiedlicher Komplexität, und viele ähneln längst gelösten Fällen. Ein Agent liest die eingehenden Anfragen aus euren Kanälen, gleicht sie per Bedeutungssuche gegen gelöste Fälle und eure Wissensquellen ab, entwirft für klare Fälle eine Antwort zur Freigabe und leitet komplexe Fälle mit Kontext an die richtige Stelle weiter. Gesendet wird nach eurer Freigabe. Aus einem unsortierten Stapel wird vorbereitete Routine und sauber eskaliertes Komplexes.

Vertriebsrecherche ist das zweite Feld. Eine saubere Akquise kostet Recherche-Zeit, und die meisten Listen sind breit, aber flach. Gebraucht werden wenige, inhaltlich getroffene Ziele mit echtem Anlass. Ein Agent findet Zielorganisationen im definierten Profil, reichert sie zu sauberen Datensätzen an, verifiziert die Kontaktwege, bereitet je Ziel einen belegten Gesprächsanlass auf und liefert eine geprüfte Charge ins CRM. Lücken bleiben ehrlich leer, statt geraten. Versand und rechtliche Prüfung der Ansprache bleiben bei euch.

Die Bibliothek reicht weiter, gruppiert nach Funktion statt nach Branche. Beleg- und Dokumentenprüfung: eingehende Dokumente unabhängig vom Format auslesen, relevante Felder extrahieren, gegen Regeln und Stammdaten prüfen, Eindeutiges automatisch, Unklares zur manuellen Prüfung. Recherche-Synthese: definierte interne und externe Quellen durchsuchen, Relevantes extrahieren und einordnen, jede Aussage mit Quelle belegen, eine prüfbare Synthese erzeugen.

Regulatorik-Monitoring: definierte Quellen verfolgen, relevante Änderungen gegen euer Profil abgleichen, Betroffenheit mit Begründung und Quelle markieren, statt selbst zu entscheiden. Markt- und Quellen-Beobachtung: laufend Signale sammeln, filtern und zu einem knappen, belegten Lagebild verdichten. Diese Felder sind Beispiele, kein Katalog, aus dem ihr wählt. Wir bauen den Agenten für euren konkreten Prozess. Die ausführliche Fassung jedes Feldes steht im Guide.