Ein Chatbot antwortet, ein KI-Agent handelt. Ein Chatbot ordnet einer Nachricht eine Antwort zu, vorformuliert oder generiert. Ein Agent bekommt ein Ziel, legt die Schritte selbst fest, greift über Tools auf echte Systeme zu und erledigt eine mehrstufige Aufgabe: Er bucht den Termin, löst die Erstattung aus, qualifiziert den Lead und leitet ihn weiter, statt nur zu beschreiben, wie das ginge. Der Unterschied liegt in Autonomie und Tool-Nutzung. Es ist der Unterschied zwischen einer abgefangenen Frage und einer erledigten Aufgabe.
Was bedeutet „agentisch“ eigentlich?
Zieht man das Marketing ab, bleibt eine Aussage übrig: Die Software entscheidet selbst über ihren nächsten Schritt. Ein klassisches Programm folgt einem Pfad, den Sie geschrieben haben. Ein agentisches System bekommt ein Ziel und erarbeitet die Abfolge selbst. Es ruft dabei Tools auf und passt sich an, wenn ein Schritt fehlschlägt. Mehr steckt nicht dahinter. Alles andere, etwa „Reasoning“, „Planung“ oder „autonom“, beschreibt, wie gut das System das tut, nicht, ob es das tut.
Der Begriff ist zum Rauschen geworden, weil Anbieter ihn auf alles anwenden, was ein Sprachmodell enthält, auch auf Systeme, die nur Fragen beantworten. Der brauchbare Test ist deshalb nicht, ob etwas agentisch genannt wird, sondern ob es in einem echten System eine Aktion ausführen kann, ohne dass ein Mensch sie ihm abnimmt. Muss weiterhin jemand die Ausgabe lesen und selbst klicken, haben Sie einen sehr guten Textgenerator. Der ist sein Geld wert. Er ist nur kein Agent, und wer ihn als Agenten einkauft, gibt sein Budget zweimal aus.
Drei Dinge, die ein Agent hat und ein Chatbot nicht
- Tools: Ein Agent kann in Ihren Systemen handeln (Kalender, CRM, Helpdesk, Datenbank), statt nur über sie zu sprechen.
- Zustand über mehrere Schritte: Er behält den Kontext über eine mehrstufige Aufgabe hinweg, statt Nachricht für Nachricht einzeln zu beantworten.
- Begrenzter Entscheidungsspielraum: Innerhalb von Leitplanken wählt er den Weg zum Ziel und eskaliert an einen Menschen, wenn er sich nicht sicher genug ist.
Das sind genau die Schichten, die eine Demo von einem Produktivsystem trennen: Modell, Orchestrierung, Retrieval, Evals, Observability und Leitplanken. Im Detail beschreiben wir sie in unserem Artikel zum Stack eines produktiven Agenten (Englisch).
Warum der Unterschied Ihre Obergrenze festlegt
Ein Chatbot fängt häufige Fragen ab, ein Agent löst das Ticket von Anfang bis Ende. In der Praxis ist das der Unterschied zwischen ein paar Prozent weniger Kontaktvolumen und 60–70 % autonom gelösten Anfragen bei steigender Zufriedenheit. Das leistet ein gut gebauter Support-Agent (Englisch) tatsächlich. Wer einen Chatbot für eine Aufgabe kauft, die einen Agenten braucht, deckelt sein Ergebnis am ersten Tag. Wer für das reine Beantworten häufiger Fragen einen Agenten baut, bezahlt Fähigkeiten, die er nicht nutzt.
„Wir haben schon einen Chatbot“: warum Sie damit noch nicht bereit für KI sind
Das ist der häufigste Grund, warum Unternehmen stehen bleiben: Ein Chatbot ging live, er fängt einen gewissen Anteil der Fragen ab, und hinter KI wurde ein Haken gesetzt. Ein Chatbot ist aber eine Oberfläche für Inhalte, keine betriebliche Fähigkeit. Er liest aus einer Wissensdatenbank und schreibt Text. Dass Sie einen haben, sagt nichts darüber, ob Ihre Systeme für Software erreichbar sind, ob Ihre Daten abfragbar sind, ob Sie Ihre Fehlerbilder kennen oder ob jemand für eine Kennzahl verantwortlich ist.
An diesen vier Punkten entscheidet sich, ob ein Unternehmen bereit ist, und keiner davon wird mit einem Chat-Widget mitgeliefert:
- Integration: Kann sich Software an Helpdesk, CRM und Abrechnung anmelden und dort schreiben, nicht nur lesen?
- Daten: Liegt das Wissen, von dem die Arbeit abhängt, an einem abfragbaren Ort oder in Postfächern, PDFs und im Kopf einzelner Personen?
- Umgang mit Fehlern: Was fängt es ab, wenn das Modell falsch liegt, und was kostet Sie der Fehler, bis das geschieht?
- Verantwortung: Gibt es eine namentlich benannte Person, die für eine Kennzahl einsteht, die sich bewegt?
Die Zahlen zeigen es: 91 % der von RSM befragten mittelständischen Unternehmen nutzen generative KI, aber nur 25 % haben sie in ihre Kernprozesse integriert (RSM, 2025). Diese Lücke von 66 Prozentpunkten besteht fast vollständig aus Unternehmen mit einem Chatbot und nichts dahinter. Wenn der Anteil der Anfragen, die Ihr Chatbot abfängt, irgendwo zwischen 10 und 20 Prozent stehen geblieben ist und sich nie mehr bewegt hat, ist das kein Problem der Feinabstimmung. Es ist die Obergrenze der Produktkategorie, die Sie gekauft haben. Das AI Readiness Assessment (Englisch) bewertet genau diese vier Dimensionen.
Wann ein Chatbot weiterhin die richtige Wahl ist
Wenn es darum geht, häufige Fragen aus einer Wissensdatenbank zu beantworten, ohne andere Systeme zu berühren, ist ein Chatbot günstiger und völlig ausreichend. Kaufen Sie keine Autonomie, die Sie nicht nutzen. Das Ziel ist das passende Werkzeug für den Workflow, nicht das eindrucksvollste.
Wann Sie wirklich einen Agenten brauchen
Wenn die Aufgabe verlangt, auf Systeme zuzugreifen, Kontext über mehrere Schritte zu halten und ein echtes Ergebnis zu liefern, etwa einen gebuchten Termin, eine bearbeitete Retoure oder einen qualifizierten Lead, der an den Vertrieb übergeben wird, dann brauchen Sie einen Agenten. Das sind die Aufgaben im Katalog von Gigabit Agents: Resolver (Support), Scheduler (Terminbuchung), Intake (Lead-Qualifizierung) und die übrigen, jeder zu einem Pauschalpreis gebaut.
Wie viel Autonomie wollen Sie tatsächlich?
Die meisten Geschäftsprozesse brauchen begrenzte Autonomie: einen zuverlässigen mehrstufigen Ablauf mit wenigen Entscheidungspunkten und Kontrollpunkten für Menschen, keinen frei agierenden Agenten, der improvisiert. Das ist ein Vorteil und keine Einschränkung, denn Zuverlässigkeit entsteht dadurch, dass der Agent auf seine Aufgabe beschränkt wird. Es erklärt auch die Lücke bei der Einführung: 91 % der von RSM befragten mittelständischen Unternehmen nutzen generative KI, aber nur 25 % haben sie in ihre Kernprozesse integriert (RSM, 2025). Die meisten stehen noch bei Fragen und Antworten auf Chatbot-Niveau, nicht bei der Ausführung auf Agenten-Niveau. Wenn Sie nicht sicher sind, was Ihr Workflow braucht, zeigt Ihnen das AI Readiness Assessment (Englisch) die Richtung.
