Ein Chatbot beantwortet Fragen, ein KI-Agent erledigt eine Aufgabe. Er plant die Schritte selbst, sucht Daten, nutzt Ihre Systeme und bereitet das Ergebnis vor. Wir entwickeln KI-Agenten für Unternehmen und setzen sie ein: mit festen Regeln, Kontrollpunkten und menschlicher Freigabe überall dort, wo ein Fehler Geld oder Kundenvertrauen kosten würde.
Webforte entwirft, entwickelt und implementiert KI-Agenten für Unternehmen. Ein KI-Agent ist ein Programm auf Basis eines Sprachmodells, das eine Aufgabe selbst in Schritte zerlegt und mit Werkzeugen ausführt: Er sucht in Dokumenten, liest und schreibt in Datenbank, E-Mail, Buchhaltungssystem oder Kundenverwaltung (CRM). Ein Chatbot antwortet nur, ein Agent handelt und trägt das Ergebnis dort ein, wo es hingehört. Klassische Automatisierung braucht Eingaben in fester Form, ein Agent kommt auch mit einer frei formulierten Anfrage zurecht. Bei größeren Aufgaben bauen wir die Zusammenarbeit mehrerer spezialisierter Agenten unter einer Steuerung (Orchestrierung). Agentische KI (englisch agentic AI) bauen wir mit Sicherungen: Der Agent hat nur die nötigen Berechtigungen, durchläuft Kontrollpunkte im Code, wichtige Aktionen gibt ein Mensch frei, und jeder Schritt wird in einem Protokoll (Log) festgehalten. Anbieter ist Webforte Technologies s.r.o. (IČO 23364343), Prag. Den Preis ermitteln wir mit einer unverbindlichen Kalkulation nach dem Beratungsgespräch.
Agentische KI (englisch agentic AI) ist der Oberbegriff für Systeme, in denen die KI Schritte selbst plant und ausführt. Arbeiten mehrere Agenten unter einer Steuerung zusammen, spricht man von einem Multi-Agenten-System, und ihre Steuerung heißt Orchestrierung.
Versteht Aufträge in normaler Sprache und entscheidet, welcher Schritt als Nächstes kommt.
Zugriff auf Dokumente, Datenbanken und Systeme über eine API, also die Schnittstelle, über die Programme miteinander kommunizieren.
Was der Agent schon erledigt und herausgefunden hat und in welchem Kontext er die Aufgabe bearbeitet.
Berechtigungen, Kontrollpunkte, Limits und menschliche Freigabe.
KI-AgentEin Modell allein antwortet nur. Zum Agenten wird es erst mit Werkzeugen, Gedächtnis und Regeln.
Alle drei werden als KI verkauft, lösen aber unterschiedliche Aufgaben. Prüfen Sie vor der Entscheidung, welchen Typ Ihre Aufgabe wirklich braucht.
Tabelle seitlich wischen, um alle Spalten zu sehen.
| Chatbot, Automatisierung oder KI-Agent? | Chatbot | Automatisierung | KI-Agent |
|---|---|---|---|
| Funktion | Beantwortet Fragen | Führt eine festgelegte Abfolge von Schritten aus | Erledigt mehrstufige Aufgaben und wählt den Weg selbst |
| Entscheidungsgrundlage | Frage und Unterlagen | Regeln, die jemand vorab geschrieben hat | Ziel, Regeln und Ergebnisse der vorherigen Schritte |
| Mögliche Eingaben | Eine Frage in normaler Sprache | Daten in festem Format | E-Mail, Dokument oder frei formulierte Anfrage |
| Arbeitsort | Chatfenster auf der Website oder in einer App | Im Hintergrund zwischen Systemen | In Ihren Systemen über Werkzeuge, für die er berechtigt ist |
| Beispiel | Nennt einem Kunden die Lieferzeit | Überträgt jede bezahlte Bestellung in die Buchhaltung | Liest eine Anfrage, sucht Preise und Lagerbestand und bereitet ein Angebot zur Freigabe vor |
| Geeignet für | Wiederkehrende Fragen von Kunden oder Mitarbeitern | Stabile Abläufe mit Eingaben in fester Form | Wechselnde Eingaben, die Urteilsvermögen und Arbeit in mehreren Systemen erfordern |
Ein KI-Agent ist nicht immer die bessere Wahl. Wenn eine klassische Automatisierung die Aufgabe zuverlässig erledigt, ist sie meist günstiger im Betrieb und leichter zu kontrollieren. Wir empfehlen die einfachste Variante, die die Aufgabe löst.
Ein Agent ist dort sinnvoll, wo heute ein Mensch Daten zwischen mehreren Systemen abtippt und zusammensucht und die Eingaben keine feste Form haben.
Der Agent liest eine Anfrage aus E-Mail oder Formular, sucht den Kunden im CRM, Preise in der Preisliste und den Lagerbestand im Onlineshop und bereitet einen Angebotsentwurf vor. Der Vertrieb prüft und versendet ihn.
Aus Rechnungen, Bestellungen und Lieferscheinen liest er die Daten aus, gleicht sie mit der Bestellung ab und bereitet die Buchung vor. Abweichungen markiert er und übergibt sie einem Menschen.
Er geht vorgegebene Quellen, interne Daten und Dokumente durch, fasst zusammen, was sich geändert hat, und erstellt eine Unterlage oder einen Report mit Verweisen auf die Quellen, auf denen er beruht.
Hinter einem Chatbot, der antwortet, kann ein Agent stehen, der auch handelt: Er prüft den Bestellstatus, bereitet eine Reklamation vor oder legt ein Ticket an. Was außerhalb der Regeln liegt, übergibt er einem Menschen.
Mitarbeitende fragen in normaler Sprache, und der Agent findet die Antwort in Richtlinien, Verträgen oder der Datenbank, immer mit Quellenangabe. Wir richten ihn so ein, dass er nur Daten sieht, auf die die fragende Person Zugriff hat.
Er vergleicht einen Vertrag, eine Richtlinie oder ein Angebot mit Ihren Regeln und schlägt Änderungen vor, jede mit Verweis auf die konkrete Regel. Ob ein Vorschlag übernommen wird, entscheidet ein Mensch.
Eine größere Aufgabe erledigt nicht ein universeller Agent, sondern mehrere Agenten mit enger Rolle. Ein Planer steuert sie (das nennt man Orchestrierung), und das Ganze hält ein Harness zusammen: die Software rund um das Modell, die festlegt, was die Agenten dürfen, was sie sich merken, wann sie anhalten und wer ihre Arbeit prüft.
Harness
Eingang
Eine Anfrage per E-Mail, ein Dokument oder eine Anforderung aus Ihrem System.
Orchestrierung
Zerlegt die Aufgabe in Schritte, verteilt sie an die Agenten und behält im Blick, was erledigt ist.
Spezialisierte Agenten
Eine enge Rolle lässt sich leichter testen und kontrollieren als ein Agent für alles. Schritte, die nicht voneinander abhängen, laufen parallel.
Findet den Kunden, die Bestellhistorie und Unterlagen.
Werkzeuge
Berechnet den Preis nach Preisliste und prüft die Verfügbarkeit.
Werkzeuge
Schreibt das Angebot nach Ihren Vorlagen und in Ihrem Ton.
Werkzeuge
Prüfung im Code
Ein normales Programm prüft die Regeln: Die Summen stimmen, der Kunde existiert, die Aussage hat eine Quelle, und der Agent hat kein Limit überschritten.
Mensch in der Schleife
Bevor der Agent ein Angebot versendet oder in die Buchhaltung schreibt, prüft und bestätigt ein Mensch das Ergebnis.
Ausgabe
Das Ergebnis wird in Ihr System geschrieben. Jeder Schritt, jedes genutzte Werkzeug und jede Entscheidung eines Menschen bleiben im Protokoll.
Ein Sprachmodell überwacht sich nicht selbst. Über die Zuverlässigkeit entscheidet der Harness, den wir um das Modell herum bauen.
Genau festgelegte Funktionen, über die der Agent mit Ihren Systemen arbeitet. Was nicht zu den Werkzeugen gehört, kann der Agent nicht tun.
Für jedes Werkzeug einzeln, Lesen getrennt vom Schreiben. Sensible Aktionen laufen immer über eine Freigabe.
Stand der Aufgabe und Kontext aus Ihren Daten, damit der Agent erledigte Schritte nicht wiederholt und dort weitermacht, wo er aufgehört hat.
Jeder Schritt, jedes Werkzeug und jede Ausgabe. So lässt sich nachvollziehen, warum der Agent so gehandelt hat, und der Fehler wird in den Regeln behoben.
Eine Sammlung von Testfällen aus Ihrer Praxis. Jede Änderung am Modell oder an den Regeln prüfen wir daran, bevor sie in Betrieb geht.
Obergrenze für Schritte, Zeit und Kosten pro Aufgabe. Erreicht der Agent sie, hält er an und übergibt die Aufgabe einem Menschen.
Nicht sicher, was Sie davon brauchen? Schreiben Sie uns, wir empfehlen die einfachste Lösung.
Die Zuverlässigkeit eines Agenten entsteht nicht durch das Modell allein, sondern durch das System, das Sie darum herum bauen. Kontrollen im Code, Quellen für Aussagen und die Freigabe durch einen Menschen nutzen wir auch in unseren eigenen KI-Werkzeugen.
Zuerst beschreiben wir die Aufgabe so, wie ein Mensch sie heute erledigt: Eingaben, Entscheidungen, Systeme und die Stellen, an denen Fehler passieren. Erst dann entscheiden wir, ob eine Automatisierung reicht, ein Agent oder die Zusammenarbeit mehrerer Agenten.
Ein Agent für alles lässt sich schlecht kontrollieren. Wir verteilen die Aufgabe auf Agenten mit enger Rolle und eigenen Werkzeugen und überlassen die Steuerung einem Planer. Wo die Reihenfolge der Schritte immer gleich ist, bleibt sie im Code, weil das günstiger und berechenbarer ist.
Der Agent arbeitet mit Ihren Systemen über eine API oder über MCP (Model Context Protocol), einen offenen Standard, um KI-Anwendungen mit Daten und Werkzeugen zu verbinden. Jedes Werkzeug beschreiben wir so, dass das Modell weiß, wofür es dient und was es damit nicht darf.
Was ein Programm prüfen kann, überlassen wir nicht dem Modell: Summen, ob der Kunde existiert, Pflichtfelder, eine Quelle zu jeder Aussage. So funktioniert auch unser Artikelgenerator: Rechercheergebnisse ohne Quelle sortiert der Code aus, und die Quellenliste mit den Zitatnummern erstellt das Programm, nicht das Modell.
Bevor ein Agent in Betrieb geht, durchläuft er eine Sammlung von Testfällen aus Ihrer Praxis, und danach erneut nach jeder Änderung am Modell oder an den Regeln. Im Betrieb setzen wir Limits für Schritte, Zeit und Kosten pro Aufgabe und beobachten, wo der Agent Fehler macht.
Ein Agent, der in Firmensysteme eingreift, braucht Regeln wie ein neuer Mitarbeiter, nur strengere. Das richten wir bei jedem Agenten ein, den wir bauen.
Wir bauen keinen Agenten ins Blaue. Jeder Schritt hat ein Ergebnis, das Sie sehen und kommentieren können.
Wir besprechen, wo Sie am meisten Zeit verlieren, und wählen die Aufgabe, bei der sich ein Agent zuerst lohnt. Wir prüfen auch, ob eine einfachere Automatisierung reicht.
Ergebnis: Lösungsempfehlung und unverbindliche Kalkulation
Wir beschreiben Eingaben, Schritte, Systeme und Entscheidungen. Wir entwerfen die Rollen der Agenten, Werkzeuge, Berechtigungen, Kontrollpunkte und die Stellen, an denen ein Mensch freigibt.
Ergebnis: Agentenentwurf mit Berechtigungen und Kontrollpunkten
Aus Ihren realen Fällen stellen wir eine Sammlung zusammen, an der wir den Agenten messen. Wir legen fest, was ein richtiges Ergebnis ist und welcher Fehler inakzeptabel ist.
Ergebnis: Testfälle und Erfolgskriterien
Wir bauen eine erste Version und lassen sie die Testfälle durchlaufen. Wir zeigen Ihnen die Ergebnisse samt Fehlern und passen die Regeln an.
Ergebnis: Auswertung des Prototyps anhand der Testfälle
Der Agent läuft im Echtbetrieb, aber alles Wichtige gibt ein Mensch frei. Im Log sehen wir, wo er Fehler macht, und verfeinern die Regeln.
Ergebnis: Agent im Pilotbetrieb mit Protokoll der Schritte
Je nach Ergebnis des Pilots erweitern wir, was der Agent selbst tun darf. Sensible Aktionen gibt weiterhin ein Mensch frei. Nach jeder Änderung prüfen wir den Agenten erneut an den Testfällen und überwachen Kosten und Limits.
Ergebnis: Agent im Betrieb mit regelmäßiger Evaluierung
Der Artikelgenerator im Admin-Bereich dieser Website arbeitet in mehreren Schritten: Recherche, Gliederung, Schreiben nach Abschnitten und Prüfungen im Code. Ergebnisse ohne Quelle sortiert er aus, interne Links prüft er gegen die Sitemap der Website, und er veröffentlicht nichts selbst: Ob ein Artikel Entwurf bleibt oder erscheint, entscheidet ein Mensch. Auf denselben Prinzipien beruhen unsere Produkte.
Beschreiben Sie eine Aufgabe, die heute jemand von Hand in mehreren Systemen erledigt. Im Beratungsgespräch beurteilen wir, ob eine Automatisierung reicht oder ein Agent nötig ist, wo ein Mensch entscheiden muss, und erstellen eine unverbindliche Kalkulation. Die Kommunikation läuft auf Englisch.
