Ein Agent ist kein Chatbot

Das Wort Agent wurde 2025 für alles benutzt. 2026 hat sich die Branche auf eine brauchbare Definition geeinigt: ein KI-Agent ist Software, die ein Ziel entgegennimmt, die Schritte zu seiner Erreichung plant, Werkzeuge oder andere Agenten zur Ausführung dieser Schritte aufruft und ein fertiges Ergebnis zurückmeldet. Ein Chatbot beantwortet eine Frage. Ein Agent beendet eine Aufgabe. Der Unterschied zählt — denn alles, wie Sie ihn bewerten, kaufen, deployen und regieren, ist anders als bei einem Chatbot.

IDC prognostiziert, dass der Agenteneinsatz in den nächsten Jahren um eine Größenordnung steigt, mit hunderten Millionen — schließlich über einer Milliarde — Agenten in Unternehmen. Das ist kein Marketing-Gewicht; das ist der Grund, warum Microsoft, OpenAI, Anthropic, Google und Salesforce zwischen März und Mai 2026 Unternehmens-Agentenplattformen gestartet haben. Dieser Text ist die ehrliche Karte: was Agenten heute in Produktion wirklich leisten, wo sie noch brechen, die 2026er Plattformlandschaft und wie man startet.

Die 2026er Plattformlandschaft

Fünf ernsthafte Unternehmensplattformen, alle in der ersten Hälfte 2026 veröffentlicht oder neu positioniert. OpenAI Workspace Agents (22. April 2026) ersetzten Custom GPTs durch cloud-ausgeführte Agenten auf dem Codex-Modell, zielen auf Teamzusammenarbeit und asynchrones Arbeiten. Claude Agent SDK von Anthropic (Unternehmenspreise ab 50.000 $/Jahr, mindestens 50 Seats) setzt auf tiefes Reasoning über langen Kontext (bis eine Million Token auf Opus 4.8), lokale Ausführung und native MCP-Integration. Microsoft Copilot Studio + Agent 365 (Agent 365 seit 1. Mai 2026 allgemein verfügbar als Teil von Microsoft 365 E7 für 99 $/Nutzer/Monat) ist der Governance-erste, vollständigste Stack — Low-Code Copilot Studio, Computer-using Agenten, die Legacy-Anwendungen über den Bildschirm steuern, und Agent 365 als Kontrollebene. Google Gemini Enterprise Agent Platform (am selben Tag wie Workspace Agents gestartet) vereint Vertex AIs Modellauswahl, Modellaufbau und Agentenbau, mit Unterstützung für das A2A- (Agent-to-Agent-) Protokoll und einer interessanten Agent Memory Bank für Langzeitgedächtnis. Salesforce Agentforce 360 ist der Zug des etablierten Anbieters: auf der Salesforce Data Cloud, tiefe CRM-Integration, richtig für alle, die schon im Ökosystem leben.

Das konvergente Muster aller fünf: Multi-Agenten-Orchestrierung. Ein Agent macht nicht mehr alles — ein Supervisor-Agent delegiert an Spezialisten (Recherche, Code, Daten, Ops), jeder mit eigenen Werkzeugen und Modell. Microsofts Agent Framework 1.0 (Semantic Kernel + AutoGen fusioniert) ist der vollständigste Open-Source-Stack; Anthropic SDK und OpenAI Agents SDK decken dasselbe Muster mit anderer Ergonomie ab.

Wo Agenten wirklich liefern 2026

1. Lange, mehrstufige Recherche und Schreiben. Copilot Cowork (Claude-getrieben innerhalb Microsoft 365) läuft mehrtägige Workflows: Daten aus vier Systemen ziehen, Deck entwerfen, Ton iterieren, Handlungspunkte extrahieren. Anthropics Claude Code hat ein „Dynamic Workflows“-Feature, das Hunderte paralleler Sub-Agenten für große Codebasis-Migrationen orchestriert.

2. Tier-1-Kundendienst mit menschlicher Eskalation. Agenten lösen die 60-70 % der Tickets, die Passwort-Resets, Bestellstatus, Rückerstattungsanfragen und einfache Produktfragen sind. Der Rest geht mit vollem Kontext an Menschen. Die Ökonomie funktioniert im Maßstab — nicht weil der Agent klug ist, sondern weil Weiterleitung und Kontextübergabe endlich funktionieren.

3. Legacy-Anwendungsautomatisierung. Microsofts Computer-using-Agenten steuern Desktop- und Web-Anwendungen über den Bildschirm — klickend, tippend, das UI lesend — wo keine API existiert. Das ist der RPA-Ersatz, den Unternehmen seit einem Jahrzehnt zu bauen versuchen; er funktioniert jetzt für begrenzte Workflows wirklich.

4. Vertriebs- und CRM-Dateneingabe. Salesforce Agentforce 360 beantwortet endlich die Frage, die jeder Sales-VP seit zwanzig Jahren stellt: warum aktualisieren die Reps das CRM nicht? Antwort: weil der Agent es aus Meeting-Aufzeichnungen, Kalendereinträgen und E-Mail-Threads macht. Adoption messbar in Wochen, nicht Quartalen.

5. Engineering und Code-Migration. Claude Codes Dynamic Workflows und OpenAI Codex’ parallele Ausführung handhaben Multi-Repo-Refactorings, Abhängigkeits-Upgrades und Legacy-Übersetzungen im Maßstab. Muster wie bei den anderen: Agenten ersetzen keine Ingenieure, sie erledigen die lästigen 60 %, damit Ingenieure Zeit für die interessanten 40 % haben.

Wo sie noch brechen

Prompt Injection bleibt real. Capsule Securitys CVE-2026-21520 setzte 200.000 MCP-Server dem Remote-Code-Execution-Risiko aus, bevor Microsoft Copilot Studio im Januar 2026 patchte. Jeder Agent, der Live-Systeme berührt und Aktionen über zuvor getrennte Anwendungsgrenzen hinweg unternimmt, trägt dieses Risiko mit erhöhter Konsequenz. Governance-Ebenen (Agent 365, Enterprise-MCP-Scanning) eliminieren das Risiko nicht — sie machen es beobachtbar und handhabbar.

Langkontext-Zuverlässigkeit sinkt. Mehrtägige Agentenläufe brechen noch auf heikle Weise: Gedächtnisdrift, Werkzeugaufruf-Wiederholungen, die Nebeneffekte duplizieren, Entscheidungen, die bei Schritt 4 Sinn ergaben, aber nicht bei Schritt 40. Die Abhilfe ist architektonisch — Checkpoint-Gedächtnisse, idempotente Werkzeuge, menschliche Review-Gates — nicht nur ein schlaueres Modell.

Kostenüberraschungen sind häufig. Claude Opus 4.8 ist bei anspruchsvollen Ausgaben Token-ineffizient; ein Dynamic Workflow mit Hunderten parallelen Sub-Agenten kann API-Credits an einem Nachmittag verbrennen. Copilot Studios 25.000 Copilot Credits für 200 $/Monat sehen großzügig aus — bis ein Agent in eine Schleife gerät, in die er nicht sollte. Budget-Alarme und Kostenobergrenzen pro Agent sind so wichtig wie die Funktionalität.

Governance ist nicht optional. Microsofts Agent 365 — der Grund, warum E7 99 $/Nutzer/Monat kostet — existiert, weil Unternehmen Audit-Trails, Berechtigungsbereiche, Kill-Switches und Shadow-Agent-Discovery brauchen. Jedes Deployment ohne Governance produziert einen Compliance-Vorfall, bevor es messbaren Wert produziert.

Der richtige Weg, in einem Unternehmen zu starten

Der Fehler, den wir sehen: bei der Plattform starten („lass uns Copilot Studio machen“) statt beim Anwendungsfall. Das Muster, das arbeitende Teams 2026 nutzen, ist umgekehrt. Wählen Sie einen eng definierten, lästigen, beobachtbaren Workflow — etwa „eingehende Support-Tickets triagieren und Antworten mit Produktkontext entwerfen.“ Bauen Sie ihn auf der Plattform, wo Ihr bestehender Stack lebt (Microsoft-365-Shop → Copilot Studio; Salesforce-Shop → Agentforce; tief individuell → Claude Agent SDK oder Anthropic-API direkt). Messen Sie wöchentlich zwei Zahlen: Zeitersparnis pro gelöstem Fall und Rate menschlicher Überschreibungen. Trenden beide drei Monate lang in die richtige Richtung, erweitern Sie. Wenn nicht, töten Sie den Piloten und probieren einen anderen Anwendungsfall — nicht eine andere Plattform. Plattformen sind 20 % des Erfolgs; der Anwendungsfall 80 %.

Zwei Dinge an Tag eins: jemand im Team besitzt den Agenten (nicht IT, nicht Anbieter), und eine Governance-Ebene existiert (Agent 365 oder Äquivalent aus der gewählten Plattform). Ohne beides bauen Sie den Compliance-Vorfall, nicht den Produktivitätsmultiplikator.

Was wir bei DZDSoft bauen

DZDSoft integriert KI-Agenten in Produktions-Workflows für Kunden aus Bau, Fassadentechnik und Unternehmensdiensten. Was wir nicht tun: Agenten-Deployment als Magic-Button-Projekt behandeln. Wir starten mit dem lästigen Workflow mit klaren Erfolgsmetriken, wählen die Plattform, die zum bestehenden Stack passt (nicht die lauteste), und liefern die Governance-Ebene, bevor der erste Agent live geht. Wenn Sie erkunden wollen, was ein Agent für einen bestimmten Workflow in Ihrem Unternehmen leisten könnte — und eine ehrliche Einschätzung hören, ob es der richtige Anwendungsfall ist — das ist das Gespräch, das wir jede Woche mit Kunden führen. Bringen Sie den Workflow. Wir bringen die ehrliche Antwort.