Agentic AI kann für den B2B-Mittelstand verschiedene Informations- und Vorbereitungsaufgaben unterstützen. Für die Geschäftsführung ist eine Einsatzidee jedoch noch keine Investitionsgrundlage. Die folgenden zwölf Kandidaten werden deshalb nach Datenbedarf, Abnahme und möglichen Fehlerfolgen geprüft.
In diesem Beitrag finden Sie zwölf mögliche Einsatzfelder aus Vertrieb, Marketing und Datenpflege, jeweils mit einer nüchternen Einschätzung von Aufwand und Nutzen. Wichtig vorab: Es sind Einsatzideen, keine nachgewiesenen Kundenfälle. Ob eine Idee zu Ihnen passt, hängt von Ihren Daten ab und davon, was ein Fehler kosten würde. Unser Tipp für den Einstieg: Prüfen Sie zuerst einen begrenzten Informationsprozess, dessen Ergebnis sich leicht nachvollziehen lässt.
Was ist Agentic KI?
Agentic AI beschreibt hier modellgesteuerte Arbeitsabläufe, die nächste Schritte und erlaubte Werkzeugaufrufe anhand einer Aufgabe auswählen. Der Umfang des Systemzugriffs ist konfigurationsabhängig; auch Assistenten können Werkzeuge verwenden. Ob die zusätzliche Autonomie gegenüber einem festen Workflow hilft, muss im konkreten Fall geprüft werden.
Ein fest programmierter Workflow folgt vorab bestimmten Pfaden. In einem agentischen Ablauf kann das Modell innerhalb des zulässigen Rahmens entscheiden, welche Quelle oder welches Werkzeug als Nächstes gebraucht wird. Diese Arbeitsdefinition orientiert sich an Anthropic, Building effective agents, 2024. Sie enthält kein allgemeines Leistungsversprechen.
Die folgenden Kandidaten beschreiben Aufgaben, keine Produkte. Manche lassen sich mit einem festen Workflow oder einer einzelnen Modellanfrage lösen. Wählen Sie die einfachere Variante, wenn sie den Auftrag erfüllt. Die technische Einordnung erläutert der Grundlagenleitfaden zu KI-Agenten.
Warum helfen die meisten Use-Case-Listen nicht weiter?
Eine Use-Case-Liste allein reicht für eine Investitionsentscheidung nicht aus. Ohne Datenzugang, Abnahme und Kostenvergleich bleiben auch technisch plausible Ideen unbewertet. Prüfen Sie deshalb jeden Kandidaten mit denselben betrieblichen Fragen.
Eine Idee kann technisch umsetzbar sein und an fehlenden Belegen oder aufwendiger Prüfung scheitern. Umgekehrt kann eine seltene Aufgabe wirtschaftlich interessant sein, wenn sie bisher viel Aufwand bindet. Die Häufigkeit allein entscheidet nicht.
Ein Prüffall für die Entscheidung: Wird die bisherige Facharbeit durch Agent und Kontrolle zusammen tatsächlich kürzer oder besser? Messen Sie die Bearbeitung bis zum abgenommenen Ergebnis. Die Erstellungsgeschwindigkeit allein beantwortet diese Frage nicht.
Welche KI Use Cases lohnen sich für den B2B-Mittelstand?
Ob ein KI Use Case sich lohnt, hängt vom gesamten Aufwand je abgenommenem Ergebnis und der vertretbaren Fehlerfolge ab. Das Prüfraster prüft Frequenz, Regelklarheit, Datenverfügbarkeit, Fehlerkosten und Prüfaufwand. Keine allgemeine Fallzahl pro Woche belegt eine Amortisation.
Das Raster beschreibt fünf Prüfkriterien, keine fünf aufeinanderfolgenden Reifestufen. Es wird für einen konkreten Prozess ausgefüllt:
| Kriterium | Leitfrage | Nachweis im Pilot |
|---|---|---|
| Frequenz | Wie oft tritt die Aufgabe auf und wie schwankt das Volumen? | Tatsächliches Aufkommen und bisheriger Aufwand |
| Regelklarheit | Sind Auftrag, Ausnahmen und Abnahme nachvollziehbar? | Dokumentierter Ablauf mit Grenzfällen |
| Datenverfügbarkeit | Sind benötigte Informationen erreichbar, aktuell und zulässig nutzbar? | Datenprobe, Zugriffsprüfung und Quellen |
| Fehlerkosten | Welche Folgen hat eine falsche oder fehlende Ausgabe? | Schaden, betroffene Empfänger und Rücknahmeweg |
| Prüfaufwand | Wie viel Arbeit bleibt bis zum akzeptierten Ergebnis? | Prüfung, Korrektur, Übergaben und Wiederholungen |
Frequenz und Aufwand werden gemeinsam betrachtet. Eine häufige Aufgabe kann einen unwirtschaftlichen Prüfaufwand haben. Eine seltene Aufgabe kann einen hohen manuellen Aufwand vermeiden. Berechnen Sie beide Fälle über denselben Zeitraum und berücksichtigen Sie Aufbau und Pflege. Die Rechenlogik steht in unserem Kostenmodell.
Eine interne Ausgabe ist nicht automatisch harmlos. Sie kann eine falsche Entscheidung auslösen oder vertrauliche Informationen an eine unberechtigte Person bringen. Auch technische Protokollierung macht eine falsche CRM-Änderung nicht ungefährlich. Das Risiko wird nach der Wirkung beurteilt. Für die Vorbedingungen hilft der KI-Readiness-Check.
Der NIST AI Risk Management Framework, 2023, bietet eine übergreifende Referenz für die Betrachtung und Steuerung von Risiken. Das Raster in diesem Beitrag ist unsere eigene Arbeitshilfe und kein zertifiziertes Messverfahren.
Was können KI-Agenten in Gesprächen und Daten leisten?
KI-Agenten können Gesprächsinhalte strukturieren und Datenänderungen vorschlagen. Verlässlichkeit und Aufwand müssen anhand repräsentativer Fälle geprüft werden, einschließlich sensibler Angaben und fehlerhafter Daten. Die folgenden Beispiele bleiben im Pilot Entwürfe, bevor eine produktive Änderung freigegeben wird.
Administrative Datenpflege kann einen relevanten Arbeitsaufwand darstellen. Vier illustrative Kandidaten zeigen unterschiedliche Prüffragen:
Use Case 1: Strukturierte Gesprächsnachbereitung
Ein möglicher Agent strukturiert freigegebene Gesprächsnotizen, trennt Zusagen von offenen Fragen und erstellt einen Folgeentwurf.
Voraussetzungen: Zulässige Notizen oder Mitschnitte, ein Abnahmeschema und eindeutige Sprecherzuordnung.
Fehlerfolge: Eine falsch erkannte Zusage kann später als Verpflichtung verstanden werden; sensible Inhalte dürfen nicht unkontrolliert übernommen werden.
Pilotprüfung: Prüfen Sie Zusagen, Termine und Unsicherheiten gegen die Ausgangsquelle. Die Prüfdauer wird im eigenen Ablauf gemessen.
Use Case 2: CRM-Nachpflege und Feldaktualisierung
Ein möglicher Agent schlägt nach einem Kontakt Änderungen an vereinbarten CRM-Feldern vor.
Voraussetzungen: Felddefinitionen, erlaubte Werte und eine Vorschau des bisherigen und des vorgeschlagenen Inhalts.
Fehlerfolge: Eine Feldänderung kann Workflows, Routing oder Scoring beeinflussen. Protokollierung allein verhindert diese Wirkung nicht.
Pilotprüfung: Testen Sie erlaubte Änderungen und gesperrte Felder. Erst nach Abnahme wird geschrieben; Wiederholungen dürfen keine Doppelaktion auslösen.
Use Case 3: Datenqualitäts- und Dublettenprüfung
Ein möglicher Agent bereitet Kandidaten für eine Datenqualitätsprüfung vor.
Voraussetzungen: Nachvollziehbare Identitätskriterien und genügend Kontext zu Gesellschaften und bestehenden Beziehungen.
Fehlerfolge: Ähnliche Namen oder Domains können zu unterschiedlichen Gesellschaften gehören. Eine falsche Zusammenführung kann Historien verändern.
Pilotprüfung: Prüfen Sie Vorschläge gegen Originaldatensätze. Die Zusammenführung bleibt im Pilot eine gesonderte, freizugebende Änderung.
Use Case 4: Lead-Recherche und Datenanreicherung
Ein möglicher Agent recherchiert Rahmendaten für die Vorbereitung eines Gesprächs.
Voraussetzungen: Zulässige Quellen, konkrete Feldanforderungen und Regeln für widersprüchliche Angaben.
Fehlerfolge: Eine falsche Rolle oder Unternehmenszuordnung kann die Gesprächsführung und die spätere Ansprache beeinträchtigen.
Pilotprüfung: Bewerten Sie Angaben mit Fundstellen und Prüfdatum. Die kontrollierte Recherchekette beschreibt unser Beitrag zum Agentenbetrieb.
Welche KI Use Cases lohnen sich im Marketing?
Für einen Marketingpilot kommen die Zweitverwertung freigegebener Inhalte, Lokalisierung und Informationsaufbereitung als Kandidaten infrage. Eine menschliche Endabnahme ist dabei Teil des Prozesses und der Kostenrechnung. Die folgenden Beispiele behaupten keine gemessene Rentabilität oder garantierte Zeitersparnis.
Die folgenden Agentic-AI-Kandidaten nutzen vorhandene Fachinhalte als Ausgangspunkt:
Use Case 5: Content-Repurposing entlang Persona und Funnelstufe
Ein möglicher Agent erstellt aus einem freigegebenen Fachtext kanalbezogene Entwürfe.
Voraussetzungen: Veröffentlichungsrechte, eine belegte Kernaussage und redaktionelle Anforderungen für den Zielkanal.
Fehlerfolge: Beim Kürzen können Einschränkungen verschwinden oder neue Behauptungen entstehen. Ein freigegebener Quelltext verhindert das nicht automatisch.
Pilotprüfung: Vergleichen Sie Aussagen mit dem Ausgangsmaterial und prüfen Sie die fertige Fassung vor Veröffentlichung. Die Endredaktion zählt zum Aufwand.
Use Case 6: Lokalisierung technischer Inhalte
Ein möglicher Agent erstellt eine Übersetzung und markiert unklare Fachbegriffe.
Voraussetzungen: Zugelassenes Ausgangsmaterial, Terminologie und eine fachkundige Abnahme in der Zielsprache.
Fehlerfolge: Eine falsche technische oder sicherheitsbezogene Anweisung kann erhebliche Folgen haben; der Fehler ist nicht nur eine Stilfrage.
Pilotprüfung: Testen Sie schwierige Fachbegriffe und Warnhinweise. Umfang und Tiefe der Prüfung werden aus der Tragweite abgeleitet.
Use Case 7: Wettbewerbs- und Marktbeobachtung
Für die Marktbeobachtung wird vorab festgelegt, welche Veränderungen eine Entscheidung unterstützen sollen, etwa neue Produktunterlagen oder geänderte Leistungsbeschreibungen. Der Bericht trennt den belegten Sachverhalt von seiner möglichen Bedeutung für das eigene Unternehmen.
Voraussetzungen: Erlaubte Quellen, ein Vergleichszeitpunkt und ein Relevanzfilter. Legen Sie zusätzlich fest, ob ein Lauf in festen Abständen oder nach einem gemeldeten Ereignis beginnt und wann doppelte Meldungen zusammengeführt werden.
Fehlerfolge: Veraltete Meldungen oder eine falsche Interpretation können eine Marktentscheidung verzerren.
Pilotprüfung: Jede berichtete Veränderung erhält Fundstelle, Beobachtungsdatum und den früheren Vergleichsstand. Lassen Sie auch Läufe ohne relevante Änderung sichtbar werden. Prüfen Sie, ob eine ausgefallene Quelle als Ausfall gemeldet wird, statt den Bericht „keine Änderung“ zu erzeugen.
Use Case 8: Kommentierung von Marketing-Reportings
Ein möglicher Agent formuliert Erläuterungen zu fest definierten Kennzahlen und Auffälligkeiten.
Voraussetzungen: Geklärte Kennzahldefinitionen, ein konsistenter Zeitraum und gesicherter Zugriff auf die Ausgangswerte.
Fehlerfolge: Eine Korrelation kann als Ursache ausgegeben werden; falsche Filter oder Zeiträume verzerren den Vergleich.
Pilotprüfung: Rechnen Sie Werte unabhängig nach. Der Text darf keine Ursache behaupten, die in den Daten nicht nachgewiesen ist.
Welche KI Use Cases lohnen sich im Vertrieb?
Im Vertrieb lassen sich Triage, Dokumentensichtung und Antwortentwürfe als begrenzte Kandidaten prüfen. Kritische Angaben und verbindliche Zusagen bleiben in der Verantwortung des zuständigen Teams. Der wirtschaftliche Nutzen wird erst nach Abnahme und Korrektur gemessen.
Für die Auswahl im Vertrieb ist entscheidend, welches Ergebnis vor einer Kundenaktion vorliegen muss. Die folgenden Kandidaten decken Eingang, Dokumentensichtung und Wissenszugriff ab. Die Einbettung in den Verkaufsprozess beschreibt der Vertriebsbeitrag.
Use Case 9: Vorqualifizierung eingehender Anfragen
Ein möglicher Agent prüft eine Anfrage auf fehlende Angaben und schlägt eine Zuständigkeit vor.
Voraussetzungen: Fachlich definierte Routing-Regeln und ein Übergabeweg für unbekannte Fälle.
Fehlerfolge: Eine falsche Priorisierung kann eine relevante Anfrage verzögern. Fehlende Angaben bedeuten nicht automatisch fehlende Passung.
Pilotprüfung: Vergleichen Sie Vorschläge mit der fachlichen Einordnung und messen Sie Wartezeiten. Die Behandlung offener Fälle muss sichtbar bleiben.
Use Case 10: Ausschreibungs- und Angebotsvorprüfung
Ein möglicher Agent sammelt Fundstellen zu Anforderungen und möglichen Ausschlusskriterien.
Voraussetzungen: Vollständige, lesbare Dokumente und ein freigegebener Kriterienkatalog.
Fehlerfolge: Übersehene Anlagen oder missverstandene Bedingungen können eine Angebotsentscheidung verändern.
Pilotprüfung: Prüfen Sie Fundstellen einschließlich Anlagen. Ein fehlender Treffer bedeutet nicht, dass eine Anforderung im Dokument nicht existiert.
Use Case 11: Antwortentwürfe auf technische Standardanfragen
Ein möglicher Agent entwirft Antworten aus freigegebenen Produktinformationen.
Voraussetzungen: Aktuelle Dokumente mit Produktversion und eine Zuständigkeit für die fachliche Abnahme.
Fehlerfolge: Eine falsche Spezifikation oder Lieferzusage kann eine Kundenentscheidung beeinflussen.
Pilotprüfung: Testen Sie fehlende Informationen und unterschiedliche Produktversionen. Entwürfe werden vor Versand geprüft; bei fehlendem Beleg wird übergeben.
Use Case 12: Interner Wissensassistent für den Vertrieb
Ein möglicher Agent sucht Informationen in freigegebenen Dokumenten und stellt belegte Auszüge bereit.
Voraussetzungen: Gepflegte Inhalte, nutzerspezifische Zugriffsrechte und nachvollziehbare Quellen.
Fehlerfolge: Eine interne Antwort kann vertrauliche Inhalte offenlegen oder als Grundlage einer externen Zusage verwendet werden.
Pilotprüfung: Prüfen Sie Quellen und Rechte mit unterschiedlichen Benutzerrollen. Ein Assistent muss unerlaubte Inhalte technisch zurückhalten können.
Welche KI-Anwendungen funktionieren meistens nicht?
Wir raten davon ab, Kaltakquise ungeprüft zu automatisieren, Konditionen von einem Agenten verbindlich zusagen zu lassen oder Fachartikel ohne fachliche Prüfung zu veröffentlichen. Diese Empfehlungen beruhen auf den möglichen Fehlerfolgen, nicht auf einer hier behaupteten Ausfallstatistik. Ein begrenzter Entwurfsprozess kann dagegen geprüft werden.
Diese drei Szenarien sehen wir besonders kritisch:
1. Vollautomatische Kaltakquise ohne Sichtung
Ein Agent recherchiert Kontakte, formuliert E-Mails und versendet diese ungesehen an Hunderte Adressaten. Mögliche Folgen sind unpassende Ansprache und Beschwerden. Die rechtlichen Voraussetzungen der Kontaktaufnahme müssen unabhängig vom Werkzeug geprüft werden. Dies ist keine Rechtsberatung.
– Bedingung, unter der es trägt: Das System übernimmt Recherche und Datenanreicherung. Das Anschreiben wird vom Vertriebsmitarbeiter individuell geprüft und manuell versendet.
2. Autonome Preis- und Konditionsverhandlungen
Unvertrauenswürdige Eingaben können ein modellgesteuertes System beeinflussen. Berechtigungen und verbindliche Zusagen müssen deshalb unabhängig vom Antworttext begrenzt sein. Es drohen Margenverluste und ungewollte Vertragsbindungen.
– Bedingung, unter der es trägt: Der Agent kalkuliert Deckungsbeiträge und Staffelpreise für interne Szenarien vor. Das Verhandlungsgespräch und die Zusage verbleiben beim Vertriebsleiter.
3. Unbeaufsichtigte Fachartikelproduktion
Bei Fachbeiträgen ohne Fachredaktion können unbelegte Behauptungen und inhaltliche Lücken unentdeckt bleiben. Die Qualität muss anhand belegter Aussagen und des Nutzens für die Leser beurteilt werden; fehlende Fachprüfung lässt sich durch häufige Veröffentlichung nicht ausgleichen.
– Bedingung, unter der es trägt: Echte Experten liefern Thesen, Rohdaten und Gliederung. Das Sprachmodell hilft bei Formulierungen, gefolgt von einer gründlichen Endredaktion.
Womit sollten Sie im Unternehmen anfangen?
Für den Einstieg empfehlen wir einen eng begrenzten Prozess mit zugänglichen Daten und einem Ergebnis, das sich gut prüfen lässt. Welche Idee geeignet ist, hängt vom tatsächlichen Engpass und ihrer Fehlerfolge ab. Eine Ausweitung erfolgt erst nach dokumentierter Abnahme und Kostenvergleich.
Für die Auswahl eines Agentenprozesses kann der tatsächliche betriebliche Engpass den Ausgangspunkt bilden:
- Situation 1: Hohe Terminlast und lückenhaftes CRM. Wenn Vertriebsmitarbeiter täglich Termine wahrnehmen, aber keine Zeit für die Dokumentation bleibt, kann Use Case 1 (Gesprächsnachbereitung) ein Prüfkandidat sein. Zulässigkeit und Aufwand der Dokumentation werden vorab geklärt.
- Situation 2: Starke Marketinginhalte, aber fehlende Reichweite. Liegen fundierte Fallstudien oder Fachvorträge vor, die mangels Zeit nicht für andere Kanäle aufbereitet werden, startet man mit Use Case 5 (Content-Repurposing).
- Situation 3: Überlasteter Innendienst durch Routineanfragen. Gehen täglich Dutzende ähnliche E-Mails zu technischen Details ein, empfiehlt sich Use Case 11 (Antwortentwürfe). Ob der Innendienst Zeit gewinnt, wird nach der Abnahme gemessen.
Starten Sie stets mit einem eng abgegrenzten Pilotprojekt. Wer die organisatorischen Rahmenbedingungen an einem einfachen Ablauf erprobt hat, verfügt über dokumentierte Erfahrungen für weitere Vorhaben. Deren Aufwand muss trotzdem gesondert geprüft werden.
Tipp: Nehmen Sie zum ersten Gespräch mit einem Anbieter eine Person aus dem Fachbereich mit, die den Ablauf täglich erledigt. Sie erkennt schnell, ob eine Vorführung zu Ihrem echten Prozess passt.
Welcher nächste Schritt ist für Entscheider sinnvoll?
Prüfen Sie Ihre möglichen Anwendungsfälle mit dem Raster aus fünf Kriterien. Erfassen Sie Aufkommen, Datenzugang, Regelklarheit, Fehlerfolgen und Prüfaufwand für jede Idee. Ein Kandidat wird erst nach dokumentierter Abnahme und Kostenvergleich ausgeweitet.
Ein erfolgreiches Vorhaben beginnt nicht mit Softwareauswahl, sondern mit nüchterner Prozessanalyse:
- Drucken Sie das Bewertungsraster mit fünf Kriterien aus und tragen Sie Ihre drei dringlichsten Projektideen ein.
- Prüfen Sie jede Idee an allen fünf Kriterien und notieren Sie den fehlenden Nachweis.
- Stellen Sie Ideen zurück, deren Voraussetzungen oder Kostenbilanz nicht tragfähig sind. Es kann auch sein, dass noch kein Kandidat geeignet ist.
- Dokumentieren Sie für einen geeigneten Kandidaten Auftrag, Ausnahmen, Abnahme und Fehlerpfad.
Für die nächste Entscheidung reicht eine ausgefüllte Auswahlvorlage: ein bevorzugter Kandidat, der fehlende Nachweis und der Test, mit dem Sie ihn erbringen wollen. Bleibt die Kosten- oder Datenfrage offen, wird die Investition zurückgestellt.
Kurz zusammengefasst: Agentic AI kann im Mittelstand viele Vorbereitungsaufgaben übernehmen, von der Gesprächsnachbereitung bis zur Angebotsvorprüfung. Entscheidend ist, ob Daten, Abnahme und Kosten für einen konkreten Ablauf geklärt sind. Eine lange Ideenliste ersetzt das nicht. Starten Sie mit einem Kandidaten und weiten Sie erst nach geprüften Ergebnissen aus.
