Automatisierung vs. KI-Agenten: Wann brauchen Sie was?

Zwei unterschiedliche Ansätze – klar definiert

Regelbasierte Automatisierung bildet einen Prozess als festen Ablauf ab: Ein Auslöser startet eine vordefinierte Kette von Schritten («Wenn Rechnung eingeht, dann prüfe Betrag, dann verbuche, dann sende Bestätigung»). Der Weg ist vom Menschen entworfen; das System führt ihn nur aus. Typische Werkzeuge sind Workflow-Plattformen, RPA (Robotic Process Automation) und iPaaS-Dienste, die Systeme über Regeln und Konnektoren verbinden.

Ein KI-Agent bekommt statt eines Ablaufs ein Ziel. Auf Basis eines grossen Sprachmodells (LLM) plant er selbst, welche Schritte nötig sind, wählt aus verfügbaren Werkzeugen (etwa Suche, E-Mail, Datenbank, API), führt sie aus, bewertet das Ergebnis und passt den nächsten Schritt an. Der Agent geht mit natürlicher Sprache und mit Situationen um, die nicht vollständig vorab bekannt sind – dafür ist sein Verhalten weniger genau vorhersehbar.

• Automatisierung = fester Weg, vom Menschen definiert, deterministisch.
• KI-Agent = Ziel vorgegeben, Weg selbst geplant, adaptiv.
• Ein Chatbot mit festen Antwortbäumen ist Automatisierung; ein Chatbot, der Werkzeuge nutzt und selbst entscheidet, tendiert zum Agenten.

Wie sie funktionieren: deterministisch vs. autonom

Der Kernunterschied ist Determinismus. Bei gleicher Eingabe liefert eine Regel-Automatisierung stets dasselbe Ergebnis – das macht sie testbar, zertifizierbar und leicht zu überwachen. Ein KI-Agent kann bei identischer Eingabe unterschiedliche, aber plausible Wege wählen. Das ist bei kreativen oder unstrukturierten Aufgaben ein Vorteil und bei buchhalterischen oder rechtlichen Aufgaben ein Risiko, das durch Leitplanken eingegrenzt werden muss.

In der Praxis verschwimmt die Grenze. Viele robuste Lösungen sind hybrid: Ein Agent übernimmt das Verstehen und Entscheiden (etwa eine E-Mail einordnen), während deterministische Automatisierung die sensiblen Aktionen ausführt (Datensatz anlegen, Zahlung auslösen) – nur innerhalb erlaubter Grenzen und mit menschlicher Freigabe bei kritischen Schritten. So kombiniert man die Flexibilität des Agenten mit der Kontrollierbarkeit der Regel.

Direkter Vergleich: Stärken und Grenzen

• Vorhersehbarkeit: Automatisierung hoch und stabil; Agenten variabel und probabilistisch.
• Umgang mit Unschärfe: Regeln scheitern an Ausnahmen und Freitext; Agenten glänzen bei Sprache, Varianten und unvollständigen Angaben.
• Aufwand & Wartung: Automatisierung braucht klare Spezifikation vorab; Agenten starten schneller, brauchen aber Tests, Leitplanken und laufende Beobachtung.
• Kosten pro Vorgang: Regeln sind nach dem Bau sehr günstig; Agenten verursachen laufende Modellkosten pro Aufruf.
• Nachvollziehbarkeit: Regel-Logs zeigen exakt jeden Schritt; Agenten-Entscheidungen sind schwerer zu erklären und zu auditieren.
• Fehlerbild: Regeln brechen sichtbar ab (Ausnahme); Agenten können still «halluzinieren» und plausibel wirkende, falsche Ergebnisse liefern.

Entscheidungsleitfaden: Wann Regeln, wann Agenten?

Prüfen Sie den Prozess entlang von vier Fragen: Ist der Ablauf klar und stabil? Ist die Eingabe strukturiert? Sind Fehler teuer oder reguliert? Ändern sich die Fälle häufig? Je öfter Sie mit «klar, strukturiert, reguliert, stabil» antworten, desto eher genügt deterministische Automatisierung. Je mehr Unschärfe, Sprache und Varianz im Spiel sind, desto eher lohnt ein Agent – idealerweise mit einem Menschen im kritischen Pfad.

• Regeln wählen bei: Lohnläufen, Rechnungsfreigaben nach festen Schwellen, Datenabgleich zwischen Systemen, Terminbestätigungen, Compliance-Checklisten.
• Agenten wählen bei: E-Mails triagieren und beantworten, Rechercheaufgaben, Angebotsentwürfe aus unstrukturierten Anfragen, mehrsprachiger Support-Erstlinie, Zusammenfassungen aus vielen Quellen.
• Hybrid wählen bei: Prozessen, die vorne verstehen und hinten sicher ausführen müssen – Agent interpretiert, Regel und Freigabe kontrollieren die Wirkung.

Häufige Fehler bei der Wahl

• Einen Agenten für eine Aufgabe einsetzen, die eine simple Regel deterministisch und billiger löst – Komplexität und Kosten ohne Nutzen.
• Einem Agenten ohne Leitplanken direkten Zugriff auf kritische Aktionen (Zahlungen, Löschungen, Versand) geben, statt Freigaben und Grenzen einzuziehen.
• Keine Beobachtung: Agenten ohne Logging, Auswertung und regelmässige Stichproben laufen zu lassen und Fehler erst spät zu bemerken.
• Den Datenschutz vergessen: personenbezogene Daten unnötig an externe Modelle senden, ohne Rechtsgrundlage, Auftragsverarbeitung und Zweckbindung zu klären.

Schweizer Perspektive: revDSG, EU AI Act und Governance

Für Schweizer KMU gilt bei beiden Ansätzen das revidierte Datenschutzgesetz (revDSG). Sobald Personendaten verarbeitet werden, brauchen Sie Zweckbindung, Transparenz und – bei externen KI-Diensten – einen Auftragsverarbeitungsvertrag; bei Übermittlung ins Ausland ist ein angemessenes Schutzniveau sicherzustellen. Aufsichtsbehörde ist der EDÖB. Deterministische Automatisierung ist hier meist leichter zu beherrschen, weil Datenflüsse fest und dokumentierbar sind.

Zusätzlich kann der EU AI Act extraterritorial greifen, wenn Sie in den EU-Markt liefern oder Ergebnisse dort genutzt werden. Er verlangt risikobasierte Sorgfalt, etwa Transparenz, wenn Menschen mit KI interagieren. Praktisch heisst das: Autonomie eines Agenten dosieren, kritische Aktionen mit menschlicher Freigabe versehen, Entscheidungen protokollieren und den Anwendungsfall dokumentieren. So bleibt auch der flexiblere Agenten-Ansatz governance-fähig.