Die führenden KI-Automatisierungsunternehmen: So wählen Sie die richtige Plattform

Wie ist der tatsächliche Stand bei KI-Automatisierungsunternehmen?

Die Bezeichnung „Agent“ umfasst Produkte, die sich ganz unterschiedlich verhalten. Manche folgen festen Regeln, manche ergänzen einen vorgegebenen Workflow um ein Modell, und manche können innerhalb eines definierten Ziels zwischen freigegebenen Tools wählen. Die Bezeichnung allein sagt nichts darüber aus, wie das System mit Berechtigungen, unerwarteten Eingaben, Ausfällen oder der Überprüfung umgeht.

Gartner berichtete im Juni 2025, dass nach seiner damaligen Schätzung unter Tausenden Anbietern, die mit agentenbasierter KI warben, nur etwa 130 tatsächlich entsprechende Produkte anboten. Gartner prognostizierte außerdem, dass bis Ende 2027 mehr als 40 Prozent der Projekte mit agentenbasierter KI wegen hoher Kosten, unklaren Nutzens oder unzureichender Risikokontrollen eingestellt würden. Betrachten Sie beide Zahlen als Markteinschätzung und Prognose von Gartner, nicht als Bewertung eines bestimmten Produkts.

Bewerten Sie den Workflow statt der Bezeichnung:

• Geben Sie dem System ein Ziel, für das es zwischen zwei freigegebenen Tools wählen muss.
• Verweigern Sie eine Aktion und prüfen Sie, ob das System stoppt oder den Fall eskaliert.
• Stellen Sie fehlende, fehlerhafte und widersprüchliche Eingaben bereit.
• Lassen Sie eine Abhängigkeit ausfallen und prüfen Sie Wiederholungsversuche, Grenzwerte und die Wiederherstellung.
• Prüfen Sie den vollständigen Ablauf und das Geschäftsergebnis.

Ein Pilotprojekt sollte das erforderliche Verhalten anhand repräsentativer Fälle belegen, bevor Sie einen umfassenderen Vertrag abschließen.

Die überraschende Erkenntnis: Die meisten „KI-Agenten“ für Unternehmen sind kaum mehr als RPA-Bots

Ein Chatbot, ein RPA-Ablauf und ein Agent, der Tools nutzt, können alle Teil desselben Produkts sein. Entscheidend ist, welches Verhalten der Prozess erfordert.

RPA folgt festgelegten Schritten in einer Benutzeroberfläche und eignet sich, wenn der Ablauf stabil ist und die Anwendung keine API bietet. Ein modellgestützter Workflow kann Daten klassifizieren oder extrahieren, bevor eine regelbasierte Aktion erfolgt. Ein Agent kann innerhalb eines vorgegebenen Ziels Tools auswählen oder Schritte planen.

Diese Flexibilität bringt jedoch zusätzliche Kosten und Fehlerquellen mit sich.

Lassen Sie sich vom Anbieter Folgendes vorführen:

1. Die genauen Berechtigungen des Agenten.
2. Die Tools, zwischen denen er wählen darf, und die maximale Anzahl von Aktionen.
3. Sein Verhalten bei verweigerten Aktionen, nicht verfügbaren Tools und mehrdeutigen Eingaben.
4. Welche Entscheidungen und Ergebnisse im Prüfprotokoll erscheinen.
5. Wann eine Person den Durchlauf überprüft, freigibt oder stoppt.

Ein Produkt braucht keine weitreichende Autonomie, um einen wertvollen Prozess zu bewältigen. Wählen Sie die Lösung mit dem geringsten Maß an Flexibilität, die alle erforderlichen Fälle und Fehlerpfade abdeckt.

Schritt 1: KI-Automatisierungsunternehmen nach ihrem Schwerpunkt im Unternehmenseinsatz einordnen

Allgemeine Ranglisten helfen Ihnen nicht weiter. Sie brauchen einen Vergleichsrahmen. Wir ordnen KI-Automatisierungsunternehmen nach ihrem wichtigsten Toolangebot für Unternehmen ein.

Die Plattformen lassen sich im Wesentlichen vier Kategorien zuordnen. Jede bringt eigene Kompromisse und versteckte Kosten mit sich, die Sie verstehen sollten, bevor Sie Ihr langfristiges Budget an einen Anbieter binden:

• In eine Produktivitätssuite integriert: Microsoft Copilot Studio. Am besten für Unternehmen geeignet, die bereits fest an Microsoft 365 gebunden sind. Zusätzliche Kosten entstehen, wenn die enthaltenen Basisguthaben überschritten werden.
• In ein CRM integriert: Salesforce Agentforce. Am besten für Vertriebs- und Serviceteams geeignet. Für Unternehmen gibt es keine kostenlosen Tarife, und die Kosten steigen mit der Nutzung schnell an.
• In IT-Workflows integriert: ServiceNow. Am besten für das interne IT-Servicemanagement geeignet. Die Plattform ist leistungsfähig, erfordert aber teure Unternehmenslizenzen.
• Auf Daten ausgerichtet: Tools wie Maia. Maia richtet sich speziell an Datenteams und beschränkt sich damit auf die Datenautomatisierung. Allgemeine geschäftliche Workflow-Automatisierung bleibt außen vor.

Daneben gibt es Tools wie Autohive, mit denen Teams im Arbeitsalltag einfach KI-Agenten erstellen sollen. Das dürfte für Nutzer ohne technische Vorkenntnisse attraktiv sein, macht das Produkt aber eher zu einem Low-Code- oder No-Code-Tool als zu einer Plattform für die Automatisierung in Unternehmen. Einfachheit geht hier zulasten der Leistungsfähigkeit.

Wenn Sie später komplexe Abläufe skalieren müssen, kann diese Einschränkung Ihr Wachstum erheblich bremsen und einen kostspieligen Plattformwechsel erzwingen.

Wie unterscheiden sich führende KI-Automatisierungsplattformen bei Funktionen und Preisen?

Abrechnungseinheiten ändern sich, und eine einzige geschäftliche Anfrage kann mehrere Aktionen auslösen. Erfassen Sie den Ablauf des Workflows, bevor Sie Tarife vergleichen: Authentifizierung, Datenabruf, Modellaufrufe, Aktualisierungen von Datensätzen, Benachrichtigungen, Wiederholungsversuche und menschliche Prüfung.

Salesforce rechnet Agentforce derzeit über Flex Credits ab. Laut seiner offiziellen Preisseite verbraucht eine Standardaktion von Agentforce 20 Flex Credits, eine Sprachaktion 30. Dort werden außerdem 100,000 Flex Credits für $500 angeboten.

Eine Anfrage, bei der ein Kunde authentifiziert und eine Bestellung abgerufen wird, umfasst im veröffentlichten Beispiel von Salesforce zwei Aktionen. Verwenden Sie die aktuelle Preisliste und die Aktionen Ihres eigenen Ablaufs, denn produktspezifische Multiplikatoren und Verträge können das Ergebnis verändern.

Microsoft und ServiceNow nutzen andere Pakete und Abrechnungseinheiten. Fragen Sie nach der genauen SKU, Region, Vertragslaufzeit, enthaltenen Kapazität, Regelung für Mehrverbrauch und abgerechneten Aktion, statt nur einen monatlichen Preis zu vergleichen.

Legen Sie Obergrenzen für Durchläufe, Zeitlimits, Ausgabenwarnungen und Idempotenzschlüssel fest. Testen Sie im Pilotprojekt anschließend mehrdeutige Eingaben und Ausfälle nachgelagerter Systeme. Treffen Sie keine Annahmen über die Abrechnung von Wiederholungsversuchen oder das Verhalten bei Schleifen, sofern die aktuellen Unterlagen oder der Vertrag des Anbieters dazu nichts festhalten.

Schritt 2: Rahmenbedingungen für Governance, Sicherheit und Datenqualität prüfen

Governance beginnt bei der Frage, welche Aktionen ein Agent ausführen darf und welche Nachweise für ihre Prüfung nötig sind. Lassen Sie sich vom Anbieter begrenzte Berechtigungen, unveränderliche Ereignisaufzeichnungen, Protokolle von Modell- und Toolnutzung, Aufbewahrungsregeln, Schwärzung, den Export von Vorfalldaten und eine zuverlässige Möglichkeit zum Stoppen der Ausführung vorführen.

Erfassen Sie die Datenwege, bevor Sie Aussagen zu Datenstandorten oder Übermittlungen bewerten. Halten Sie die primäre Region, Backups, Supportzugriffe, Unterauftragsverarbeiter, Modellendpunkte, Telemetrie und Ziele bei einem Ausfall fest. Eine Umschaltung auf Systeme in den Vereinigten Staaten ist nicht automatisch ein Verstoß gegen die DSGVO.

Für internationale Datenübermittlungen sind ein geeigneter Rechtsmechanismus und auf den Einzelfall abgestimmte Schutzmaßnahmen erforderlich, wie die Europäische Kommission erläutert. Die Auswahl einer festen Region reicht nicht aus, wenn Ausfallumschaltung oder Supportzugriffe sie umgehen können.

Gehen Sie diese Fragen mit den zuständigen Rechts- und Sicherheitsteams durch:

• Welche Stelle ist für die jeweiligen Datensätze Verantwortlicher oder Auftragsverarbeiter?
• Welche Vereinbarung zur Auftragsverarbeitung (DPA), welcher Übermittlungsmechanismus, welches Business Associate Agreement (BAA) oder welche branchenspezifische Vereinbarung gilt?
• Lassen sich Berechtigungen auf Tools, Datensätze, Felder und Transaktionswerte begrenzen?
• Können Prüfer Eingabe, abgerufene Nachweise, Entscheidung, Aktion und Ergebnis rekonstruieren?
• Was geschieht, wenn Daten veraltet, fehlerhaft, außerhalb der erwarteten Verteilung oder nicht verfügbar sind?
• Kann das Unternehmen Daten und Protokolle exportieren, sie gemäß seinen Vorgaben löschen und die Plattform verlassen?

IBM, Salesforce, Microsoft und ServiceNow bieten Governance-Funktionen. Diese Funktionen bescheinigen dem Workflow des Kunden jedoch keine Compliance. Ob die Anforderungen erfüllt sind, hängt von Verträgen, Konfiguration, Daten, Zweck, Schutzmaßnahmen und dem täglichen Betrieb ab.

Schritt 3: Realistischen ROI berechnen und Anbieterbindung vermeiden

Berechnen Sie den Nutzen anhand beobachteter Arbeitsdaten. Erfassen Sie die monatlichen Stunden manueller Arbeit, die gesamten Personalkosten, den Zeitaufwand für Prüfungen, die Plattformnutzung, Modellaufrufe, Infrastruktur, Implementierung, Wartung, die Behebung von Fehlern und den Anteil der Aufgaben, die das System korrekt erledigt. Werten Sie eingesparte Zeit als zusätzliche Kapazität, es sei denn, das Unternehmen kann nachweisen, dass dadurch Ausgaben gesunken oder zusätzliche Umsätze entstanden sind.

Framework und Hosting sind getrennte Entscheidungen. LangGraph kann gehostete Modelle orchestrieren und erfordert keine lokale GPU. Ein selbst verwalteter Stack benötigt möglicherweise Anwendungshosting, eine Datenbank, Warteschlangen, Observability, Secret-Management, Backups und eine Zuständigkeit für den Bereitschaftsdienst.

Lokales Modellhosting kann zusätzliche GPU-Kapazität erfordern. Diese Kosten entstehen jedoch durch die Bereitstellung des Modells, nicht durch LangGraph selbst.

Verringern Sie die Anbieterabhängigkeit dort, wo der Nutzen den Wartungsaufwand übersteigt. Bewahren Sie ursprüngliche Prompts, Schemas, Evaluierungsfälle, Geschäftsregeln und Daten nach Möglichkeit außerhalb proprietärer Oberflächen auf. Verlangen Sie vor einem langfristigen Vertrag dokumentierte APIs, Exportformate, eine Versionshistorie, Regelungen zur Löschung und einen Test für den Anbieterwechsel.

Für diese Ansätze gibt es keinen allgemeingültigen Richtwert von 4x oder 5.8x. Ziehen Sie einen Ausgangswert und das beobachtete Ergebnis eines Pilotprojekts heran.

Die Lücke zwischen Pilotprojekt und produktivem Einsatz schließen

Alle testen. Nur wenige setzen produktiv ein. Zwischen dem Test von KI-Agenten und ihrem Einsatz im großen Maßstab klafft eine deutliche Lücke.

Für den produktiven Einsatz müssen Sie diese Hürde überwinden.

So beschleunigen Sie den Weg, ohne in endlosen Pilotprojekten stecken zu bleiben, die Ihr Budget aufzehren und die Motivation Ihres Teams schwächen: * Beginnen Sie mit der Automatisierung eines klar abgegrenzten Prozesses mit hohem Nutzen. * Überwachen Sie Ausnahmen bei den Agenten täglich und verbessern Sie die Anweisungen für die Tools. * Erhöhen Sie die Autonomie schrittweise: von menschlicher Freigabe bei jedem Schritt hin zu menschlicher Aufsicht.

* Skalieren Sie erst dann auf weitere Workflows, wenn ein Workflow 99% Zuverlässigkeit erreicht hat.

Offene Fragen: Anbieter für branchenspezifische KI-Automatisierung finden

Branchenvorlagen können die Konfiguration beschleunigen, wenn sie zu den Daten und Prozessen eines Unternehmens passen. Sie belegen weder die Einhaltung gesetzlicher Vorgaben noch fachliche Richtigkeit oder die Eignung für den produktiven Einsatz.

Bitten Sie einen Anbieter, den Weg eines repräsentativen Datensatzes von der Eingabe über die Entscheidung bis zur Aktion darzustellen. Im Gesundheitswesen kann das die genaue klinische oder abrechnungsbezogene Fachsprache und die beteiligten Systeme umfassen. In der Fertigung können es Telemetrieformate und Vorgaben für die Instandhaltung sein.

Im Finanzwesen können es länderspezifische Regeln und ein Freigabeprozess sein. Lassen Sie diese Zuordnungen von den Verantwortlichen für das Fachgebiet, Recht und Sicherheit prüfen.

Vergleichen Sie ein spezialisiertes Produkt und eine allgemeine Plattform anhand derselben Fälle. Messen Sie die Abdeckung der Integrationen, die Korrekturquote, die Eskalationsquote, die Latenz, die Betriebskosten und die Möglichkeiten für einen Anbieterwechsel. Eine spezialisierte Ontologie kann einer Abteilung helfen, die Wiederverwendung in anderen Bereichen aber erschweren.

Eine allgemeine Plattform erfordert möglicherweise mehr Konfiguration, kann dafür jedoch zu mehreren Workflows passen.

Weisen Sie die Behauptung zurück, ein Produkt eigne sich allein aufgrund einer Trust-Schicht, regionalen Hostings oder von Audit-Logs für eine regulierte Branche. Diese Kontrollen sind Nachweise, die im Kontext der gesamten Bereitstellung geprüft werden müssen.