Was agentische KI im Mittelstand heute leistet, und was noch nicht
Ich baue parallel zu Mandantenprojekten einen KI-Agenten, der Webshops auf Sicherheitsprobleme prüft. Bewusst als Lab-Projekt, nicht als Produkt. Was ich dabei beobachte, deckt sich nicht mit dem, was Marketing-Texte zu agentischer KI versprechen. Eine Selbstbeobachtung.
Was funktioniert
Klar abgegrenzte Aufgaben mit deterministischem Erfolgs-Kriterium. Wenn der Agent zwanzig Webseiten besucht, dort jeweils nach den gleichen Mustern sucht und seine Funde in einem strukturierten Bericht ablegt, ist das produktiv. Die KI ist gut darin, repetitive Aufgaben mit fester Struktur abzuarbeiten.
Auch das Auswerten von unstrukturierten Quellen (Logfiles, alte Dokumentationen, Code-Kommentare) und das Überführen in strukturierte Daten gelingt zuverlässig.
Wo der Workflow vorab definiert ist und der Agent ihm nur noch folgt, läuft das robust.
Was nicht funktioniert
Sobald der Agent eigene Entscheidungen über mehrere Schritte hinweg treffen muss, treten zwei Probleme auf. Erstens: Er triftet ab. Aus einer klaren Aufgabe wird nach drei Schritten eine vage. Der Agent verfolgt einen Seitengedanken und kommt nicht mehr zur ursprünglichen Frage zurück.
Zweitens: Er behauptet Erfolge, die keine sind. “Ich habe die Datei erstellt.” Geprüft: Datei existiert nicht. “Ich habe die Anfrage gesendet.” Geprüft: kein Request im Log. Diese Halluzinationen sind subtiler als bei reiner Code-Generierung, weil sie in einer Kette von Aktionen versteckt sind.
Was das für den Mittelstand bedeutet
Agentische KI ist heute kein “stell den Agenten an, geh Mittagessen, komm zurück, alles ist erledigt”. Sie ist ein Werkzeug, das in eng abgegrenzten Bereichen produktiv arbeitet, wenn ein Mensch die Ergebnisse kontrolliert. Wer das versteht, hat realistische Erwartungen.
Wer einen Agenten in einen Geschäftsprozess einsetzt, ohne klare Erfolgs-Kriterien und ohne menschliche Kontrolle, kauft sich ein nicht-deterministisches System mit Konsequenzen, die schwer zu rekonstruieren sind. Im Schadensfall wird das teuer.
Wo ich ihn einsetzen würde
Bei klar abgegrenzten Routineaufgaben mit reproduzierbarem Output. Bei Recherche-Hilfen, deren Ergebnisse ein Mensch ohnehin sichtet. Bei Datenextraktion aus unstrukturierten Quellen, die anschließend strukturiert weiterverarbeitet werden.
Nicht einsetzen würde ich ihn bei finanziellen Transaktionen, bei Kundenkommunikation ohne Freigabe, bei sicherheitsrelevanten Entscheidungen. Nicht heute.
Fazit
Agentische KI ist ein Werkzeug mit klaren Stärken und ehrlichen Grenzen. Wer überlegt, ob und wo sie ins eigene Unternehmen passt, kann mich ansprechen.