AI Agents

Wie Maschinen denken, handeln und geführt werden

Das Buch über AI Agents, agentische Systeme, Enterprise-Automation und die neue Prozesswelt

Worum es in diesem Buch geht

AI Agents markieren den nächsten Schritt nach ChatGPT, GenAI und Large Language Models. Sie beantworten nicht nur Fragen, sondern interpretieren Informationen, nutzen Werkzeuge, starten Workflows und können Aktionen in Unternehmenssystemen auslösen.

Damit verändert sich die Digitalisierung grundlegend: Aus Antworten werden Aktionen, aus Dialogen werden Prozesse, aus Software wird ein System-Akteur mit Wirkung in realen Abläufen.

Dieses Buch ist die technologische Ergänzung zu den Governance-Fragen. Es richtet sich an alle, die fundiert verstehen möchten, wie AI Agents funktionieren, wie sie in Unternehmensprozesse eingebettet werden und welche Leitplanken nötig sind, sobald Maschinen handeln dürfen. Verständlich erklärt, ohne Mathematik und ohne Informatikstudium.

Ein AI Agent ist kein besserer Chatbot. Er ist ein System aus Modell, Kontext, Orchestrator, Tools, Rechten, Policies, Freigaben, Protokollierung und Kostenkontrolle.

Die zentrale Führungsfrage lautet deshalb nicht, wie viel Autonomie technisch möglich ist. Die zentrale Frage lautet: Wie viel Autonomie ist verantwortbar?

AI Agents, Enterprise Automation und Governance für Unternehmen

Dieses Buch dient als verständlicher Orientierungsrahmen für AI Agents im Unternehmen. Es unterstützt Führungskräfte, Verwaltungsräte, Geschäftsleitungen, Berater und Architekten dabei, agentische Systeme technisch einzuordnen, geeignete Use Cases zu erkennen und die nötigen Leitplanken für den produktiven Einsatz zu setzen.

AI Agents markieren den Schritt von der Antwort zur Aktion: Sie erzeugen nicht nur Text, sondern interpretieren Informationen, nutzen Werkzeuge, starten Workflows und können Aktionen in Unternehmenssystemen vorbereiten oder auslösen.
Im Zentrum steht die Führungsfrage, wie viel Autonomie verantwortbar ist, sobald Maschinen mit Daten, Prozessen, Schnittstellen und Schreibrechten arbeiten.
Das Buch zeigt, warum ein AI Agent kein besserer Chatbot ist, sondern eine neue Betriebseinheit mit Auftrag, Kontext, Tools, Rechten, Policies, Protokollierung und Kostenkontrolle.

Der Schwerpunkt liegt auf Verständnis, Betrieb und Kontrolle:

Varianten von AI Agents: Vom AI-gestützten Prozessschritt über intelligente Router bis zu autonomen Agenten und AI-generierten Prozessen.
Einsatzgebiete und Nutzen: Wo AI Agents in unterschiedlichen Branchen zuerst Mehrwert schaffen können, etwa in Banken, Versicherungen, Gesundheit, Pharma und MedTech, Industrie, Energie, Behörden, Treuhand, Legal, Marketing, Immobilien und Beratung.
Chancen und Risiken: Wie AI Agents Prozesse beschleunigen, Routinearbeit reduzieren und Servicequalität verbessern können, aber auch neue Risiken durch Fehlentscheidungen, Tool-Aufrufe und operative Wirkung erzeugen.
Enterprise Integration: Warum produktive AI Agents eine kontrollierte Laufzeitumgebung brauchen: Orchestrator, Kontext, Tools, APIs, Workflows, Telemetrie, AgentOps und AI FinOps.
Governance und Risk: Zero Trust, technische Identitäten, Least Privilege, Prompt Injection, Tool Abuse, Kill-Switch, Human-in-the-loop, Audit-Trails und nachvollziehbare Verantwortung.

Konkrete Werkzeuge erleichtern die Umsetzung:

Ein Use-Case-Modell hilft, geeignete Einsatzfelder zu finden und realistisch zu bewerten.
Ein Vorgehensmodell zeigt den Weg vom persönlichen Assistenten über Team-Agenten bis zum Enterprise-Agenten.
Ein umfangreicher Evaluationskatalog unterstützt die Auswahl und Bewertung von AI-Agent-Plattformen.

Die Evolution der Prozesswelt

Mit AI Agents beginnt eine neue Ära der Prozessdigitalisierung. Das Buch zeigt detailliert auf, wie sich die Welt der Prozesse verändern wird:

Veränderung: Von menschengeführten Prozessen, über digitalisierte Prozesse, hin zu Agenten-geführten Prozessen.
Implikationen: Welche neuen Möglichkeiten sich dadurch für Automatisierung, Entscheidungsfindung und Effizienz ergeben.

Ein Blick in die Zukunft:

Ein besonderes Kapitel beschreibt ein Experiment mit einer virtuellen Firma aus AI Agents. Es zeigt, wie KI unter bestimmten Bedingungen nicht nur Aufgaben bearbeitet, sondern organisatorische Muster erzeugen kann: Rollen, Abhängigkeiten, Reviews, Entscheidungswege und Folgeaktivitäten.

Inhaltsverzeichnis

Inhaltsverzeichnis
1 Grundlagen & Konzepte (Verstehen)..................................................................... 1
1.1 Von der Antwort zur Aktion.......................................................................... 1
1.2 Der eigentliche Sprung: GenAI als universeller Interpreter.................................. 4
1.3 Anatomie eines AI-Agents – Wo die KI wirklich sitzt.......................................... 4
1.4 Varianten von AI-Agents.............................................................................. 6
1.5 Chancen und Risiken.................................................................................. 13
1.6 Multi-Agent-Systeme: Rollen, Laufzeit und Koordination.................................. 17
1.7 Warum „Action“ der Risiko-Kern ist.............................................................. 19
1.8 Betriebsformen von AI-Agents im Enterprise-Kontext...................................... 20
2 Enterprise Integration & Betrieb (Bauen & Betreiben)........................................... 27
2.1 Tooling & Schnittstellen als Verträge............................................................ 27
2.2 Enterprise-Steuerung: Plan → Validate → Execute (PVE).................................. 28
2.3 Testen, Betrieb und die neuen Kostenmodelle (AgentOps & FinOps).................. 32
3 Governance, Risiko & Recht (Absichern).............................................................. 39
3.1 Zero-Trust für AI-Agents............................................................................. 39
3.2 Incident Response: Kill-Switch und Quarantäne.............................................. 40
3.3 Risiken, Verantwortung und Nachvollziehbarkeit............................................ 41
4 Strategie, Use Cases & Umsetzung (Machen)........................................................ 45
4.1 Begriffe und Legende................................................................................. 45
4.2 Plattformstrategien und Beschaffung............................................................ 45
4.3 Use Cases beurteilen: Daten, Aktionen, Fehlerwirkung, Kontrolle....................... 50
4.4 Der richtige Einstieg: persönlicher Assistent, Team-Agent, Enterprise-Agent........ 51
4.5 Branchenlandkarte: Wo AI-Agents zuerst Nutzen stiften................................... 53
4.6 Der PoC als Beweislast............................................................................... 55
4.7 Vom Pilot zur Skalierung............................................................................. 56
4.8 Management-Fazit.................................................................................... 57
5 Epilog: Wenn Agents Organisationen erzeugen..................................................... 58
6 Evaluationskatalog für Enterprise-AI-Agents......................................................... 60
6.1 Zweck und Einordnung............................................................................... 60
6.2 Architekturverständnis............................................................................... 60
6.3 Bewertungslogik....................................................................................... 61
6.4 Strategische und organisatorische Anforderungen.......................................... 62
6.5 Technische Sicherheitsanforderungen........................................................... 63
6.6 Funktionale Anforderungen an Agenten und Sprachmodelle............................. 64
6.7 Authoring-Runtime-Trennung und Runtime-Lock-in......................................... 65
6.8 Betriebs- und Integrationsanforderungen...................................................... 66
6.9 Hochverfügbarkeit, Georedundanz und Upgrade-Fähigkeit............................... 67
6.10 Datenresidenz, Standortoptionen und Datenflüsse.......................................... 68
6.11 Benutzer- und Akzeptanzanforderungen....................................................... 68
6.12 Wirtschaftliche Anforderungen und TCO....................................................... 69
6.13 Event- und Trigger-Fähigkeit....................................................................... 70
6.14 Intake und Understanding.......................................................................... 70
6.15 Kontextaggregation und Situationslogik........................................................ 70
6.16 Closed-Loop Automation............................................................................ 71
6.17 Operativer Agentenbetrieb......................................................................... 71
6.18 Integrations- und Automationsschicht.......................................................... 72
6.19 Kohärenz, Durchgängigkeit und Upgrade-Fähigkeit.......................................... 72
6.20 Komponenten- und BOM-Komplexität.......................................................... 73
6.21 Empfohlene KO-Kriterien............................................................................ 74
6.22 Evidenzanforderungen............................................................................... 74
6.23 RFP-Prüffragen......................................................................................... 75
6.24 Gewichtung der Evaluationsmatrix............................................................... 76
6.25 Fazit....................................................................................................... 76
7 Anhänge......................................................................................................... 78
7.1 Glossar – Die Sprache der Agents................................................................. 78
7.2 Pattern-Karten (Management-Spickzettel)..................................................... 82
7.3 Checklisten – Operative Readiness............................................................... 83
7.4 E: Branchen- & Fachbereichsmatrix (Ideengenerator)...................................... 83
7.5 Quellenverzeichnis.................................................................................... 84

Angaben zum Buch

Titel: AI Agents -Wie Maschinen denken, handeln und geführt werden

Umfang: 94Seiten

Format: 17 x 24 cm

Einband: Softcover

Veröffentlicht: Juni 2026

ISBN Print: 978-3-565524-85-3

ISBN E-Book: (Wird nachgereicht, falls abweichend)

Bestellen

Ex Libris
Orell Füssli
Amazon
Lehmann
ePubli

Ergänzende Publikation: Der Band «Verantwortung mit KI: AI Governance für Schweizer Verwaltungsräte» bildet mit diesem Buch eine Einheit aus Verständnis (dieses Buch) und Verantwortung (Governance).

Verantwortung mit KI

Ergänzende Publikation: Der Band «LLMs und GenAI, Verstehen, Bedienen, Absichern» bildet mit diesem Buch eine Einheit aus Verständnis und Verantwortung (Governance).

LLMs und GenAI

Zusammenfassung: Warum AI Agents für Unternehmen jetzt relevant werden

AI Agents markieren den Übergang von generativer KI als Antwortsystem zu KI als handlungsfähigem System-Akteur. Sie können Informationen interpretieren, Werkzeuge nutzen, Workflows starten, Aufgaben koordinieren und Aktionen in Unternehmenssystemen vorbereiten oder auslösen.

Damit entsteht eine neue Führungsaufgabe für Verwaltungsräte, Geschäftsleitungen und Digitalisierungsverantwortliche. Es reicht nicht mehr, nur über ChatGPT, GenAI oder Large Language Models zu sprechen. Entscheidend wird, wie viel Autonomie ein Unternehmen zulassen will, welche Systeme ein Agent nutzen darf und wie Kontrolle, Haftung, Kosten und Nachvollziehbarkeit sichergestellt werden.

Dieses Buch bietet einen kompakten Orientierungsrahmen für AI Agents, agentische Systeme, Enterprise Automation, Governance, AgentOps, FinOps und Plattform-Evaluation.

Die wichtigsten Suchthemen im Überblick:

▪ AI Agents für Unternehmen: Was sind AI Agents, wie funktionieren sie und wo können sie produktiv eingesetzt werden?

▪ AI Agents für Verwaltungsräte und Geschäftsleitungen: Welche Führungsfragen entstehen, wenn KI nicht nur antwortet, sondern handelt?

▪ Agentic AI und Enterprise Automation: Wie verändern AI Agents Prozessautomatisierung, Workflows, Kundenservice, Administration und operative Abläufe?

▪ AI Agents Governance: Welche Leitplanken braucht ein Unternehmen, damit AI Agents kontrolliert, nachvollziehbar und verantwortbar eingesetzt werden können?

▪ AI Agents Risiko Management: Welche Risiken entstehen durch Tool-Calls, Prompt Injection, Fehlentscheidungen, Datenzugriffe, Schreibrechte und autonome Aktionen?

▪ AI Agents Plattform Evaluation: Wie beurteilt man Plattformen für Enterprise-AI-Agents hinsichtlich Sicherheit, Runtime, Datenresidenz, Telemetrie, Kostenkontrolle und Exit-Fähigkeit?

▪ AgentOps und AI FinOps: Wie werden AI Agents im Betrieb überwacht, getestet, begrenzt und kostenmässig gesteuert?

Expertise-Fokus: AI Agents als neue Betriebseinheit im Unternehmen

René Schwarb betrachtet AI Agents nicht als isolierte KI-Werkzeuge, sondern als neue Betriebseinheiten in der Unternehmensarchitektur. Ein produktiver AI Agent besteht nicht nur aus einem Sprachmodell. Entscheidend ist das Zusammenspiel aus Modell, Kontext, Orchestrator, Tools, APIs, Rechten, Policies, Freigaben, Audit-Trails und Kostenkontrolle.

Das Buch richtet den Blick deshalb auf die Fragen, die für Management und Architektur wirklich relevant sind:

▪ Vom Chatbot zum System-Akteur: Wann wird aus einem Antwortsystem ein handlungsfähiger Agent?

▪ Von GenAI zu Enterprise Automation: Wie werden Sprachmodelle, Workflows, Schnittstellen und Unternehmenssysteme sinnvoll verbunden?

▪ Von Experimenten zu Betrieb: Welche Anforderungen entstehen an Runtime, Monitoring, Telemetrie, Testbarkeit, Rollback, Kill-Switch und Incident Response?

▪ Von Autonomie zu Kontrolle: Wie viel Freiheit ist technisch möglich, wirtschaftlich sinnvoll und organisatorisch verantwortbar?

▪ Von Anbieter-Demos zu Beschaffungsfähigkeit: Welche Kriterien braucht ein Unternehmen, um AI-Agent-Plattformen seriös zu evaluieren?

Die Kernthese des Buches lautet: Das zentrale Risiko eines AI Agents liegt nicht im Text, sondern in der Handlungsmacht. Sobald ein Agent Schreibrechte erhält, Workflows startet oder Daten in Unternehmenssystemen verändert, braucht er klare Grenzen, technische Kontrollen und nachvollziehbare Verantwortung.

Fragen, die Verwaltungsräte und Geschäftsleitungen zu AI Agents stellen sollten

▪ Was ist der Unterschied zwischen ChatGPT, einem LLM, einem Copilot und einem AI Agent?

▪ Ab wann wird ein KI-System vom Assistenten zum handlungsfähigen Agenten?

▪ Welche Aufgaben dürfen AI Agents in unserem Unternehmen übernehmen?

▪ Welche Aktionen dürfen AI Agents ohne menschliche Freigabe auslösen?

▪ Welche Datenquellen, Dokumente, Systeme und Schnittstellen darf ein AI Agent nutzen?

▪ Welche Schreibrechte auf CRM, ERP, ITSM, DMS, E-Mail, Portale oder Fachsysteme sind vertretbar?

▪ Wie verhindern wir, dass ein AI Agent falsche, unzulässige oder schädliche Aktionen ausführt?

▪ Wie erkennen wir Prompt Injection, Tool Abuse und indirekte Angriffe über E-Mails, Dokumente oder Webseiten?

▪ Brauchen AI Agents eigene technische Identitäten?

▪ Wie setzen wir Least Privilege, Zero Trust und Sandboxing für AI Agents um?

▪ Wann braucht es Human-in-the-loop, Vier-Augen-Prinzip oder explizite Freigaben?

▪ Wie testen wir AI Agents vor dem produktiven Einsatz?

▪ Wie führen wir AI Agents im Shadow Mode ein?

▪ Welche Qualitätskennzahlen, Fehlerraten und Eskalationsregeln sind sinnvoll?

▪ Wie überwachen wir AI Agents im laufenden Betrieb?

▪ Wie stellen wir Audit-Trails, Nachvollziehbarkeit und Run-Replay sicher?

▪ Wie stoppen wir einen fehlerhaften oder kompromittierten Agenten sofort?

▪ Was ist ein Kill-Switch für AI Agents?

▪ Was bedeutet Quarantäne bei einem AI Agent?

▪ Wie verhindern wir Kostenexplosionen durch Tokens, Tool-Calls, Schleifen oder Fehlverhalten?

▪ Was bedeutet AI FinOps für Unternehmen?

▪ Welche Rolle spielt AgentOps im produktiven Betrieb?

▪ Wie finden wir geeignete Use Cases für AI Agents?

▪ Wann ist ein persönlicher AI-Assistent sinnvoll, wann ein Team-Agent und wann ein Enterprise-Agent?

▪ Welche Branchen und Fachbereiche eignen sich zuerst für AI Agents?

▪ Welche Prozesse sollten bewusst nicht autonom ausgeführt werden?

▪ Wie beurteilen wir, ob ein AI-Agent-Use-Case wirtschaftlich tragfähig ist?

▪ Wie unterscheiden wir AI-assistierte Prozesse von autonomen AI Agents?

▪ Welche Plattformstrategie ist sinnvoll: Eigenbau, spezialisierte Agent Runtime, Enterprise-Plattform oder Hybrid-Ansatz?

▪ Wo entsteht bei AI-Agent-Plattformen der eigentliche Lock-in?

▪ Welche Anforderungen müssen wir in einer Ausschreibung für Enterprise-AI-Agents stellen?

▪ Welche KO-Kriterien sind bei AI-Agent-Plattformen sinnvoll?

▪ Welche Rolle spielen Datenresidenz Schweiz, Datenresidenz Europa und transparente Datenflüsse?

▪ Wie stellen wir sicher, dass Policies nicht nur im Prompt stehen, sondern technisch durchgesetzt werden?

▪ Was muss ein Verwaltungsrat über AI Agents wissen, bevor produktive Schreibrechte freigegeben werden?

Terminologie und Architekturgrundlagen für AI Agents

▪ AI Agent: Ein Software-Agent, der ein Large Language Model als kognitives Werkzeug nutzt, etwa für Extraktion, Klassifikation, Zusammenfassung oder Entscheidungsunterstützung. Der Ablauf bleibt dabei durch den Orchestrator, definierte Policies und vorgegebene Prozesslogik begrenzt.

▪ Autonomer AI Agent: Ein AI Agent, der ein Ziel erhält, Zwischenschritte selbst plant, Tools vorschlägt und sein Vorgehen aufgrund von Ergebnissen anpassen kann. Auch hier bleibt die Ausführung durch Validierung, Rechte, Freigaben und technische Leitplanken begrenzt.

▪ Agentic AI: KI-Einsatz, bei dem ein System nicht nur Inhalte erzeugt, sondern Ziele, Zwischenschritte, Werkzeuge und Ausführung miteinander verbindet.

▪ LLM, Large Language Model: Ein Sprachmodell, das Texte verstehen, erzeugen, strukturieren und zur Planung oder Tool-Auswahl beitragen kann.

▪ Orchestrator: Die steuernde System-Hülle eines AI Agents. Der Orchestrator stellt Kontext bereit, prüft Regeln, kontrolliert Tools und führt zulässige Aktionen aus.

▪ Tool-Call: Der technische Moment, in dem ein Agent eine externe Funktion nutzt, etwa eine API, ein CRM, ein ERP, ein Ticket-System, eine Datenbank oder ein E-Mail-System.

▪ Enterprise Context Layer: Eine Kontextschicht, die Dokumente, Daten, Rollen, Zustände, Historien, Regeln und Prozessinformationen zu einer handlungsfähigen Situationssicht verbindet.

▪ Plan → Validate → Execute: Ein Enterprise-Muster für kontrollierte Agenten-Ausführung. Das Modell erstellt einen Plan, die Runtime validiert ihn, erst danach erfolgt die Ausführung.

▪ Agent Runtime: Die technische Laufzeitumgebung, in der Agenten ausgeführt, überwacht, begrenzt und protokolliert werden.

▪ AgentOps: Betriebsdisziplin für AI Agents, inklusive Monitoring, Tracing, Tests, Fehlerbehandlung, Qualitätssicherung und Incident Response.

▪ AI FinOps: Kostensteuerung für AI Agents, insbesondere bei Tokenverbrauch, API Calls, Tool-Nutzung, Modellkosten, Budgets und Kostenallokation.

▪ Prompt Injection: Angriffsmuster, bei dem fremde Inhalte versuchen, das Verhalten eines Sprachmodells zu manipulieren.

▪ Zero Trust für AI Agents: Sicherheitsprinzip, bei dem Agenten keine pauschalen Rechte erhalten. Jeder Zugriff, jede Aktion und jeder Tool-Call wird geprüft.

▪ Kill-Switch: Technischer Mechanismus, um einen Agenten sofort zu stoppen oder in einen sicheren Modus zu versetzen.

▪ Runtime-Lock-in: Strategische Bindung an eine Plattform durch Laufzeit, Datenmodell, Tool-Registry, Policies, Memory, Telemetrie oder Audit-Logik.

Ergänzende Publikationen

Die Bände «AI-Governance für Verwaltungsräte: Verantwortung mit KI», «LLMs und GenAI: Verstehen, Bedienen, Absichern» und «AI Agents: Wie Maschinen denken, handeln und geführt werden» bilden zusammen eine praxisnahe Reihe für moderne KI-Führung.

Der erste Band behandelt Verantwortung, Aufsicht und Governance. Der zweite Band erklärt Sprachmodelle und generative KI. Der dritte Band zeigt, wie aus Modellen handlungsfähige Systeme werden und wie Unternehmen AI Agents führen, kontrollieren und betreiben können.

Page updated

Google Sites

Report abuse