Führende Unternehmen für KI-Automatisierung: So wählen Sie die richtige Plattform

Wo stehen Anbieter von KI-Automatisierung heute wirklich?

Hinter der Bezeichnung „Agent“ stecken Produkte mit sehr unterschiedlichem Verhalten. Manche folgen festen Regeln, manche ergänzen einen vorgegebenen Workflow um ein Modell, und manche können innerhalb eines definierten Ziels zwischen freigegebenen Tools wählen. Aus der Bezeichnung allein geht nicht hervor, wie das System mit Berechtigungen, unerwarteten Eingaben, Fehlern oder Kontrollen umgeht.

Gartner berichtete im Juni 2025, dass nach seiner damaligen Schätzung nur etwa 130 Anbieter unter Tausenden, die agentische KI anboten, tatsächlich solche Systeme bereitstellten. Gartner prognostizierte außerdem, dass bis Ende 2027 mehr als 40 Prozent der Projekte mit agentischer 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 eskaliert.
• Stellen Sie fehlende, fehlerhafte und widersprüchliche Eingaben bereit.
• Lassen Sie eine Abhängigkeit ausfallen und prüfen Sie Wiederholungsversuche, Grenzen und Wiederherstellung.
• Prüfen Sie den vollständigen Ablauf und das geschäftliche Ergebnis.

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

Die wenig beachtete Erkenntnis: Die meisten „KI-Agenten“ für Unternehmen sind nur aufgewertete RPA-Bots

Ein Chatbot, ein RPA-Ablauf und ein Agent, der Tools nutzt, können 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 vor einer regelbasierten Aktion klassifizieren oder extrahieren. 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 an Aktionen.
3. Seine Reaktion auf verweigerte Aktionen, nicht verfügbare Tools und mehrdeutige Eingaben.
4. Welche Entscheidungen und Ergebnisse im Prüfprotokoll erscheinen.
5. Wann eine Person den Durchlauf prüft, freigibt oder stoppt.

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

Schritt 1: Anbieter von KI-Automatisierung nach ihrer Ausrichtung für Unternehmen einordnen

Pauschale Ranglisten helfen nicht weiter. Sie brauchen einen Bewertungsrahmen. Wir ordnen Anbieter von KI-Automatisierung nach ihren wichtigsten Tools für Unternehmen ein.

Die Plattformen lassen sich im Allgemeinen vier Kategorien zuordnen. Jede hat eigene Vor- und Nachteile sowie versteckte Kosten, die Sie kennen sollten, bevor Sie Ihr langfristiges Budget an einen bestimmten Anbieter binden:

• In Produktivitätssuiten integriert: Microsoft Copilot Studio. Besonders geeignet für Unternehmen, die bereits fest an Microsoft 365 gebunden sind. Versteckte Kosten entstehen, wenn die enthaltenen Basisguthaben überschritten werden.
• In CRM-Systeme integriert: Salesforce Agentforce. Besonders geeignet für Vertriebs- und Serviceteams. Für Unternehmen gibt es keine kostenlosen Tarife, und die Kosten steigen mit der Nutzung schnell an.
• In IT-Workflows integriert: ServiceNow. Besonders geeignet für das interne IT-Service-Management. Die Plattform ist sehr leistungsfähig, erfordert aber teure Unternehmenslizenzen.
• Auf Daten ausgerichtet: Tools wie Maia. Maia richtet sich gezielt an Datenteams und beschränkt sich damit auf die Datenautomatisierung. Allgemeine betriebliche 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, positioniert Autohive aber eher als Low-Code-/No-Code-Tool denn als Automatisierungsplattform für Unternehmen. Sie tauschen Leistungsfähigkeit gegen Einfachheit.

Wenn Sie komplexe Abläufe später zwangsläufig skalieren müssen, wird diese fehlende Leistungsfähigkeit Ihr Wachstum erheblich bremsen und einen kostspieligen Plattformwechsel erzwingen.

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

Abrechnungseinheiten ändern sich, und dieselbe geschäftliche Anfrage kann mehrere Aktionen auslösen. Erfassen Sie den Ablauf eines Workflows, bevor Sie Tarife vergleichen: Authentifizierung, Datenabruf, Modellaufrufe, Datensatzänderungen, Benachrichtigungen, Wiederholungsversuche und menschliche Prüfung.

Salesforce rechnet Agentforce derzeit über Flex Credits ab. Laut der offiziellen Preisseite verbraucht eine Standardaktion in Agentforce 20 Flex Credits und eine Sprachaktion 30. Dort werden außerdem 100.000 Flex Credits für $500 aufgeführt.

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

Microsoft und ServiceNow verwenden andere Pakete und Nutzungseinheiten. Vergleichen Sie nicht bloß einen hervorgehobenen Monatspreis, sondern lassen Sie sich die genaue SKU, Region, Vertragslaufzeit, enthaltene Kapazität, Regelung für Mehrverbrauch und abgerechnete Aktion nennen.

Legen Sie eine Höchstzahl an Durchläufen, 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 aktuelle Dokumentation oder der Vertrag des Anbieters dazu keine Angaben macht.

Schritt 2: Governance, Sicherheit und Rahmenbedingungen für Datenqualität bewerten

Governance beginnt bei der Frage, welche Aktionen ein Agent ausführen darf und welche Nachweise für deren Prüfung nötig sind. Lassen Sie sich vom Anbieter begrenzte Berechtigungen, unveränderliche Ereignisprotokolle, Aufzeichnungen von Modell- und Tool-Aufrufen, Aufbewahrungskontrollen, Schwärzung, den Export von Vorfallsdaten und eine zuverlässige Möglichkeit zum Stoppen der Ausführung vorführen.

Erfassen Sie den Datenweg, bevor Sie Aussagen zum Speicherort oder zur Übertragung von Daten bewerten. Dokumentieren Sie die primäre Region, Backups, Supportzugriffe, Unterauftragsverarbeiter, Modell-Endpunkte, Telemetrie und mögliche Ziele bei einem Failover. Ein Failover in die Vereinigten Staaten ist nicht automatisch ein Verstoß gegen die DSGVO.

Für internationale Übermittlungen sind ein geeigneter Rechtsmechanismus und den Umständen entsprechende Schutzmaßnahmen erforderlich, wie die Europäische Kommission erläutert. Die Auswahl einer festen Region reicht nicht aus, wenn ein Failover oder Supportzugriff diese Vorgabe umgehen kann.

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

• Welche Stelle ist für die einzelnen Datensätze Verantwortlicher oder Auftragsverarbeiter?
• Welche DPA, welcher Übermittlungsmechanismus, welche BAA oder welche branchenspezifische Vereinbarung gilt?
• Lassen sich Berechtigungen auf Tools, Datensätze, Felder und Transaktionswerte begrenzen?
• Können Prüfende Eingaben, abgerufene Nachweise, Entscheidungen, Aktionen und Ergebnisse nachvollziehen?
• Was geschieht, wenn Daten veraltet, fehlerhaft, außerhalb der erwarteten Verteilung oder nicht verfügbar sind?
• Kann das Unternehmen Daten und Protokolle exportieren, gemäß seinen Vorgaben löschen und die Plattform verlassen?

IBM, Salesforce, Microsoft und ServiceNow bieten Governance-Funktionen. Diese Funktionen bescheinigen nicht die Regelkonformität des Kunden-Workflows. Ob ein Einsatz regelkonform ist, hängt von Verträgen, Konfiguration, Daten, Zweck, Schutzmaßnahmen und dem täglichen Betrieb ab.

Schritt 3: Realistischen ROI berechnen und Vendor-Lock-in vermeiden

Berechnen Sie den Nutzen anhand gemessener Arbeitsdaten. Erfassen Sie die monatlich geleisteten Stunden für manuelle Arbeit, die vollständigen Personalkosten, die Prüfzeit, die Plattformnutzung, Modellaufrufe, Infrastruktur, Implementierung, Wartung, Fehlerbehebung und den Anteil der Arbeit, den das System korrekt erledigt. Werten Sie eingesparte Zeit als zusätzliche Kapazität, sofern das Unternehmen nicht nachweisen kann, dass es Ausgaben gesenkt oder zusätzliche Umsätze erzielt hat.

Die Wahl des Frameworks und die des Hostings sind getrennte Entscheidungen. LangGraph kann gehostete Modelle orchestrieren und benötigt keine lokale GPU. Ein selbst verwalteter Stack erfordert möglicherweise Anwendungshosting, eine Datenbank, Warteschlangen, Observability, Verwaltung von Zugangsdaten, Backups und einen verantwortlichen Bereitschaftsdienst.

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

Verringern Sie die Abhängigkeit von einem Anbieter, wenn der Nutzen die Wartungskosten übersteigt. Bewahren Sie Quellprompts, Schemas, Evaluierungsfälle, Geschäftsregeln und Daten nach Möglichkeit außerhalb proprietärer Oberflächen auf. Bestehen Sie vor einem langfristigen Vertrag auf dokumentierten APIs, Exportformaten, einer Versionshistorie, Löschbedingungen und einem Test für den Anbieterwechsel.

Für diese Ansätze gilt keine allgemeine Benchmark von 4x oder 5,8x. Nutzen Sie einen Ausgangswert und ein gemessenes Pilotergebnis.

Die Umsetzungslücke schließen: vom Pilotprojekt zum produktiven Einsatz in großem Maßstab

Viele testen KI-Agenten. Nur wenige setzen sie produktiv ein. Zwischen dem Testen und dem Einsatz in großem Maßstab klafft eine deutliche Umsetzungslücke.

Für den produktiven Einsatz müssen Sie die Hürden der Bereitstellung überwinden.

So kommen Sie schneller ans Ziel, ohne in endlosen Pilotphasen Budget und Motivation Ihres Teams aufzubrauchen: * Beginnen Sie mit der Automatisierung eines klar abgegrenzten Prozesses mit hohem Nutzen. * Überprüfen Sie Ausnahmen des Agenten täglich und verbessern Sie die Anweisungen für die Tools. * Erhöhen Sie den Grad der Autonomie schrittweise: von der Freigabe einzelner Schritte durch Menschen hin zur menschlichen Aufsicht.

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

Offene Fragen: Anbieter branchenspezifischer KI-Automatisierung erkennen

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

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

Im Finanzwesen können landesspezifische Regeln und ein Freigabeprozess dazugehören. Lassen Sie die Zuordnungen von Verantwortlichen für den Fachbereich, Recht und Sicherheit prüfen.

Vergleichen Sie ein spezialisiertes Produkt und eine allgemeine Plattform anhand derselben Fälle. Messen Sie, welche Integrationen abgedeckt sind, wie häufig Korrekturen und Eskalationen nötig sind, wie lange die Verarbeitung dauert, welche Betriebskosten anfallen und welche Möglichkeiten zum Anbieterwechsel bestehen. 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 wegen einer Sicherheitsschicht, regionalem Hosting oder Audit-Logs für eine regulierte Branche. Diese Kontrollen sind Nachweise, die im Rahmen der gesamten Bereitstellung geprüft werden müssen.