KI-Agenten vs Workflow-Automatisierung – was Ihr Unternehmen braucht

Workflow-Automatisierung nutzt Software, um einen Prozess anhand vordefinierter Regeln, Aktionen und Bedingungen auszuführen. Sie beginnt mit einem Auslöser, etwa einer Vertragsunterzeichnung oder einem geplanten Zeitpunkt, und überträgt Arbeit zwischen Systemen. Sie legen die zulässigen Pfade fest, einschliesslich Freigaben und des Vorgehens bei fehlenden Informationen.

Ein unterschriebener Kundenvertrag könnte die Erstellung eines Projekts auslösen, Onboarding-Aufgaben zuweisen und Rechnungsdaten vorbereiten. Fehlen erforderliche Angaben, fragt der Workflow danach. Ist eine Freigabe nötig, wartet er.

Workflows können sich verzweigen, Schritte wiederholen, Aufgaben parallel ausführen und nach einer Pause fortgesetzt werden. Sie können umfangreiche Geschäftsprozesse abbilden, sofern die Pfade und Bedingungen geplant wurden. Sam Bhagwat, Mitgründer von Mastra, beschreibt diese Abhängigkeiten und Ausführungsmuster in seinem Vortrag über die Kombination von Agenten und Workflows. ²

Ein Workflow kann auch KI nutzen. Ein Modell könnte eine E-Mail lesen und zuordnen oder Informationen aus einem Dokument extrahieren, bevor der nächste Schritt sie prüft. Das Modell übernimmt einen Teil der Arbeit, während der übergeordnete Prozess festgelegt bleibt. Ein KI-Aufruf macht das gesamte System nicht automatisch zu einem Agenten. ¹

Ein KI-Agent ist Software, die ein KI-Modell nutzt, um bei der Arbeit an einem Ziel Aktionen auszuwählen. Er kann freigegebene Werkzeuge verwenden, Ergebnisse prüfen und seinen nächsten Schritt anpassen. Seine Anweisungen und Berechtigungen bestimmen, was er selbstständig tun darf und wann er um Hilfe bitten muss.

Beim Beispiel der verspäteten Bestellung könnte ein Agent feststellen, dass der Versanddienstleister keinen Sendungseintrag hat. Er könnte daraufhin prüfen, ob das Lager die Bestellung verschickt hat, einen fehlenden Artikel entdecken und eine Antwort vorbereiten, die die Situation erklärt. Eine andere Bestellung könnte eine andere Untersuchung erfordern.

Der grundlegende Ablauf lautet: Aktion auswählen, Werkzeug verwenden, Ergebnis prüfen und dann fortfahren, stoppen oder um Hilfe bitten. Dex Horthy, Gründer von HumanLayer, erklärt dies als Kombination aus Anweisungen, Werkzeugausführung, Kontext und einer Ausführungsschleife. ³

Der Freiraum des Agenten lässt sich begrenzen. Die Berechtigung, einen Fall zu untersuchen und eine Antwort zu entwerfen, muss nicht die Erlaubnis umfassen, diese zu versenden, eine Rückerstattung auszulösen oder eine Bestellung zu ändern.

Diese Unterschiede betreffen die Steuerung; sie garantieren keine Qualität. Ein Workflow kann falsche Informationen zuverlässig kopieren. Ein Agent kann eine plausibel wirkende Untersuchung durchführen und zum falschen Schluss kommen.

Harrison Chase, Mitgründer von LangChain, macht die Steuerungsfrage konkret: Muss ein Schritt immer auf einen anderen folgen, gehört diese Vorgabe in den Prozess. Eine Anweisung im Prompt, die Reihenfolge zu beachten, bietet eine schwächere Kontrolle. ⁴

Wählen Sie einen Workflow, wenn Sie die Schritte, die Bedingungen und das erwartete Ergebnis kennen.

Datensätze aus freigegebenen Formularen erstellen, Systeme synchronisieren, Spesen nach Betrag zur Prüfung weiterleiten und geplante Erinnerungen versenden sind gute Ausgangspunkte. Die Arbeit kann viele Schritte umfassen, ohne dass ein Modell deren Reihenfolge bestimmen muss.

Dex Horthy berichtet, dass er ungefähr zwei Stunden damit verbrachte, die Anweisungen eines Agenten zu verfeinern, damit dieser ein Softwareprojekt richtig baut. Am Ende gaben seine Anweisungen die genaue Reihenfolge vor. Er erkannte, dass er in etwa 90 Sekunden ein kurzes Skript hätte schreiben können. Das ist sein persönliches Beispiel. Die Lehre reicht jedoch über Software hinaus: Hat eine Aufgabe bereits eine klare Anleitung, setzen Sie diese um. ³

Für ein Unternehmen kann der Gewinn in weniger Übergaben, weniger Kopieren zwischen Tools und weniger Arbeit liegen, die darauf wartet, dass jemand an den nächsten Schritt denkt. Ein einfacher Workflow kann einen wiederkehrenden Engpass beseitigen, ohne dafür Modellentscheidungen einzuführen.

Ziehen Sie einen Agenten in Betracht, wenn Sie ein nützliches Ergebnis definieren können, die dafür nötige Untersuchung aber von Fall zu Fall anders verläuft.

Ein Beispiel ist die Lieferantenrecherche. Ein Lieferant veröffentlicht alle benötigten Informationen. Bei einem anderen müssen mehrere Dokumente geprüft werden. Ein dritter macht widersprüchliche Angaben, die weitere Recherche erfordern. Ein Agent könnte sein Vorgehen anpassen und einen Vergleich mit belegenden Quellen vorbereiten.

Weitere mögliche Anwendungen für KI-Agenten sind die Untersuchung von Kundenproblemen, die Vorbereitung von Besprechungen mit Informationen aus mehreren Systemen und die Klärung uneindeutiger Datensätze. Dies sind beispielhafte Anwendungen, keine berichteten Ergebnisse von SPS-Kunden.

Unstrukturierte Informationen allein sind kein ausreichender Grund für einen Agenten. Zum Lesen einer Rechnung reicht möglicherweise ein einzelner Extraktionsschritt mit anschliessender Prüfung. Der stärkere Grund ist, dass Zwischenergebnisse verändern, was das System als Nächstes tun sollte. Anthropic nennt offene Aufgaben mit schwer vorhersehbaren Schritten als sinnvollen Einsatzbereich für Agenten. ¹

Sie brauchen trotzdem einen klaren Abschluss: Was muss das Ergebnis enthalten, welche Quellen und Werkzeuge dürfen genutzt werden und wann soll das System die Aufgabe zurückgeben?

Agenten und Workflows teilen viele betriebliche Grundlagen. Beide können Geschäftssysteme anbinden, Fortschritte verfolgen, auf Ereignisse reagieren und Menschen einbeziehen. Beide brauchen Überwachung und einen Umgang mit fehlgeschlagener Arbeit.

Sie können sich auch gegenseitig aufrufen. Ein Agent kann einen Schritt innerhalb eines Workflows übernehmen. Ein Workflow kann zu einem Werkzeug werden, das ein Agent für eine bestimmte Aufgabe nutzt. ²

Für die Kundenanfrage könnte ein vorgeschlagener Aufbau so aussehen:

1. Ein Workflow empfängt die E-Mail und identifiziert den Kunden.
2. Ein Agent untersucht das Problem mit freigegebenen Datensätzen und Werkzeugen.
3. Der Agent bereitet eine Antwort samt Belegen vor.
4. Eine Person prüft vorgeschlagene Rückerstattungen oder ungewöhnliche Zusagen.
5. Der Workflow versendet die freigegebene Antwort und dokumentiert das Ergebnis.

Dex beschreibt eine vergleichbare Aufgabenteilung im Deployment-Prozess von HumanLayer. Konventioneller Code übernimmt einen grossen Teil der Pipeline. Ein Agent schlägt Deployment-Aktionen vor und passt sich menschlichen Anweisungen an. Anschliessend kehrt die Ausführung zu konventionellen Tests zurück. ³

Das ist auch ein Grund, wiederverwendbare Workflows zu bauen. Ein klar definierter Prozess kann mehreren Unternehmensbereichen dienen und zu einem kontrollierten Werkzeug für einen Assistenten werden. Diesen Ansatz vertiefen wir in unserem Vergleich von n8n und Make.

Das Plattform-Abonnement oder die Modellrechnung ist nur ein Teil der Kosten.

Die Automatisierung von Geschäftsprozessen braucht Prozessaufnahme, Integration, Tests und laufende Betreuung. Geschäftsregeln ändern sich. Angebundene Anwendungen ändern sich. Jemand muss für Ausnahmen verantwortlich sein und den Prozess funktionsfähig halten.

Ein Agent braucht zusätzlich wiederholte Tests seiner Anweisungen, Werkzeuge und Entscheidungen. Die Nutzungskosten können je nach Fall variieren, weil sich die Anzahl der Modellaufrufe, Suchvorgänge und erneuten Versuche ändern kann. AWS empfiehlt, die gesamten Betriebskosten zu bewerten, einschliesslich Infrastruktur, Modellnutzung, Betrieb und menschlicher Aufsicht. ⁵

Ein teurerer Durchlauf kann sich lohnen, wenn er wertvolle Arbeit erledigt. Ebenso kann ein günstiger Durchlauf wenig wert sein, wenn jemand das Ergebnis neu erstellen muss.

Messen Sie die Kosten pro korrekt abgeschlossenem Fall. Berücksichtigen Sie Software und Nutzung, Wartung, menschliche Prüfung und Korrekturzeit. Vergleichen Sie das mit dem bestehenden Prozess.

Für eine Beispielrechnung nehmen wir an, dass eine Aufgabe manuell 30 Minuten dauert. Der neue Prozess braucht fünf Minuten Vorbereitung und zehn Minuten Prüfung. Bei 100 Fällen schafft das 25 Stunden freie Kapazität. Es spart nicht automatisch 25 Stunden Lohnkosten: Der wirtschaftliche Nutzen hängt davon ab, wie das Team die Zeit nutzt und was der Betrieb des Systems kostet.

Ein Workflow kann scheitern, weil eine Verbindung ausfällt, eine Regel falsch ist oder für einen unerwarteten Fall kein geeigneter Pfad existiert. Bei einem Agenten kommt Unsicherheit darüber hinzu, welche Aktionen das Modell auswählt und ob seine Interpretation stimmt.

Dex beschreibt Agenten, die stecken bleiben, wenn sich wiederholte Werkzeugfehler in ihrem Kontext ansammeln. Zu einem zuverlässigen System gehört deshalb, zu steuern, was das Modell sieht und wann die Ausführung endet. ³

Berechtigungen bestimmen, wie weit sich ein Fehler auswirken kann. Einen Datensatz lesen, eine Änderung vorbereiten und diese Änderung anwenden sind unterschiedliche Verantwortlichkeiten. NIST warnt, dass weitreichender Zugriff Agenten ermöglichen kann, unerwartete Werkzeuge oder Daten zu nutzen und unbeabsichtigten Schaden anzurichten. Es empfiehlt eng begrenzte Berechtigungen und sorgfältiges Management der Zugangsdaten. ⁶

Für ein erstes System empfehlen wir, den Zugriff auf die Aufgabe zu begrenzen, Zeit- und Nutzungslimits zu setzen, Aktionen zu protokollieren und folgenreiche Änderungen vorab prüfen zu lassen. Planen Sie, wie fehlgeschlagene Arbeit eine Person erreicht und wie abgeschlossene Aktionen nach Möglichkeit geprüft oder rückgängig gemacht werden können.

Menschliche Prüfung sollte an sinnvollen Kontrollpunkten stattfinden. Harrison beschreibt den Wert eines substanziellen ersten Entwurfs: Der Agent erledigt einen bedeutenden Teil der Arbeit, danach beurteilt eine Person das Ergebnis. Eine Freigabe für jeden winzigen Schritt kann die Kapazität aufbrauchen, die Sie gewinnen wollten. ⁴

Workflows können Kapazität schaffen, indem sie wiederkehrende Arbeit verlässlich ausführen. Agenten können diese Kapazität auf Untersuchung, Interpretation und Vorbereitung ausweiten, bei denen bisher jemand jeden Schritt steuern musste.

Mögliche Chancen sind schnellere Kundenantworten, mehr vorbereitete Angebote, ein kleinerer Recherche-Rückstand oder bessere Informationen vor einer Entscheidung. Messen Sie diese Ergebnisse in Ihrem eigenen Prozess, bevor Sie sie als Investitionsrendite betrachten.

Harrison stellt drei Fragen ins Zentrum der Entscheidung: Wie wertvoll ist ein korrektes Ergebnis, wie wahrscheinlich ist der Erfolg und was kostet ein Fehlschlag? Der erwartete Nutzen muss die Kosten für den Betrieb des Systems übersteigen. ⁴

Ein Agent muss auch nicht in einem Chatfenster warten. Er kann durch ein eingehendes Ereignis starten und Arbeit im Hintergrund vorbereiten, während Freigabepunkte erhalten bleiben. Das kann ihn im bestehenden Betrieb nützlicher machen, sofern Umfang und Verantwortung klar sind. ⁴

KI-Workflow-Automatisierung kann einen bereits genutzten Prozess um Interpretation oder Inhaltserstellung ergänzen. Beispielsweise kann ein KI-Schritt eine Anfrage zuordnen, während bestehende Regeln Zuweisung, Freigaben und Datensatzaktualisierungen steuern. Führen Sie einen Agenten dort ein, wo die Wahl der nächsten Aktion einen Mehrwert bringt. Bestehende Workflows können auch zu Werkzeugen werden, die der Agent aufruft. ^{1 2}

Wählen Sie eine wiederkehrende Aufgabe mit klarer Zuständigkeit. Halten Sie fest, wie lange sie dauert, wo Arbeit wartet und was Nacharbeit verursacht. Trennen Sie Schritte mit bekannten Regeln von solchen, die eine Untersuchung erfordern.

Bauen Sie die kleinste nützliche Version und testen Sie sie mit alltäglichen und schwierigen Fällen. Messen Sie akzeptierte Ergebnisse, Prüfaufwand, Durchlaufzeit und gesamte Betriebskosten. Erweitern Sie die Verantwortung des Systems erst, wenn die Belege dafür sprechen.

Um daraus ein erstes Projekt zu machen, laden Sie Ihren ersten Automationsplan herunter. Das achtseitige ausfüllbare Kit hilft Ihnen, eine wiederkehrende Aufgabe auszuwählen, ihren Wert abzuschätzen und einen praktischen ersten Schritt festzulegen. Geben Sie für den Download die URL Ihres persönlichen LinkedIn-Profils ein.

Swiss Product Studio baut KI-Agenten und Workflow-Automatisierung rund um bestehende Geschäftstools und Teams. Bringen Sie einen wiederkehrenden Engpass zu einem 30-minütigen Operations Review mit. Wir sehen uns die Arbeit, die beteiligten Tools und die Stellen an, an denen ein definierter Workflow oder ein Agent helfen könnte.

Die Empfehlungen und beispielhaften Geschäftsanwendungen oben sind eine Zusammenführung durch Swiss Product Studio. Die drei folgenden Vorträge wurden 2025 von AI Engineer veröffentlicht; ihre Beispiele beruhen auf den Berichten der Vortragenden und sind keine unabhängig gemessenen SPS-Ergebnisse.

1. Anthropic. Building effective agents, Dezember 2024. Definitionen von Workflows und Agenten, geeignete Anwendungsfälle und kombinierte Muster. Genutzt für Architekturprinzipien, nicht für aktuelle Tool-Empfehlungen. ↑1 ↑2 ↑3 ↑4
2. Sam Bhagwat, Mastra. Agents vs Workflows: Why Not Both?, AI Engineer, 1. August 2025. 8:18–10:22: Workflow-Abhängigkeiten und Steuerung; 11:06–13:19: Kombination von Agenten und Workflows. ↑1 ↑2 ↑3
3. Dex Horthy, HumanLayer. 12-Factor Agents: Patterns of reliable LLM applications, AI Engineer, 3. Juli 2025. 1:04–2:06: Anekdote zum Build-Skript; 5:13–7:54: Ausführungsschleife eines Agenten; 10:03–11:58: Kontext und Fehlerbehandlung; 12:32–13:36: Deployment-Beispiel. ↑1 ↑2 ↑3 ↑4
4. Harrison Chase, LangChain/LangGraph. 3 ingredients for building reliable enterprise agents, AI Engineer, 23. Juli 2025. 1:59–3:02: Erwartungswert und Kosten eines Fehlschlags; 5:32–7:37: explizite Steuerung und kombinierte Systeme; 13:37–17:05: Ausführung im Hintergrund und menschliche Eingaben; 19:34–20:48: erste Entwürfe und Kontrollpunkte zur Prüfung. ↑1 ↑2 ↑3 ↑4
5. AWS. AI Agents vs. Automation: A Leader's Guide to Understanding the Difference & Choosing the Right Solution. Entscheidungsrahmen und Überlegungen zu Betriebskosten. Abgerufen am 14. Oktober 2026. ↑1
6. NIST. Back to the Future: Why Agentic AI Needs a Strong Identity Foundation. Agentenberechtigungen, weitreichender Zugriff und Zugangsdatenmanagement. Abgerufen am 14. Oktober 2026. ↑1