KI-Agent erstellen: Anleitung in 7 Schritten mit n8n
KI-Agent erstellen in sieben Schritten: Bausteine, Beispiel mit n8n, Rechte und Freigaben, Erfolgsmessung vor dem Pilot und Steckbrief als PDF.

Inhaltsverzeichnis anzeigen
- Was ist ein KI-Agent, und wann brauchst du keinen?
- Die Bausteine eines KI-Agenten
- KI-Agent erstellen in sieben Schritten
- So sieht das in n8n aus
- Welchen Nachschlageschritt der Agent selbst wählt
- Womit du einen KI-Agenten baust: drei Wege
- Grenzen, Risiken und Sicherheit
- Was technisch absichert
- Datenschutz und EU AI Act
- Erfolg messen, bevor der Pilot startet
- KI-Agent kostenlos erstellen: was der Test kostet und was der Betrieb
- Selbst bauen oder bauen lassen?
- Vom Test zum verlässlichen Ablauf
- Häufige Fragen zum KI-Agenten erstellen
- Was ist ein KI-Agent?
- Was ist der Unterschied zwischen KI-Agent und Chatbot?
- Wie erstelle ich einen KI-Agenten mit n8n?
- Kann ich einen KI-Agenten kostenlos erstellen?
- Welche Beispiele für KI-Agenten gibt es im Unternehmen?
- Darf ein KI-Agent personenbezogene Daten verarbeiten?
- Wie verhindere ich, dass ein KI-Agent etwas Falsches tut?
Der Weg zum ersten Agenten ist kurz: KI-Agent erstellen geht in vielen Werkzeugen mit wenigen Klicks. Einen verlässlichen Agenten zu bauen, dauert länger. Der Unterschied liegt nicht im Werkzeug, sondern in dem, was du vorher festlegst: welche Aufgabe der Agent übernimmt, worauf er zugreifen darf, wann er aufhört und wer sein Ergebnis freigibt. In dieser Anleitung gehst du den Bauweg in sieben Schritten an einem durchgängigen Beispiel durch und siehst, wie das in n8n aussieht.
- Ein KI-Agent entscheidet selbst, welche Werkzeuge er in welcher Reihenfolge nutzt. Ist der Ablauf immer gleich, reicht ein Workflow mit KI-Schritt.
- Sieben Schritte vom abgegrenzten Ablauf über Werkzeuge mit Rechten, Ausgabeformat, Abbruch und Freigabe bis zum Test mit erfundenen oder anonymisierten Fällen.
- Rechte begrenzen statt bitten: Der Agent darf nur innerhalb technisch begrenzter Rechte handeln, Anweisungen allein sind keine Zugriffssicherung.
- Erfolg vor dem Pilot festlegen: zulässige Fehler, Anteil brauchbarer Ergebnisse, Nacharbeit, Gesamtkosten und wer den Agenten überwacht.
- Zum Mitnehmen: ein KI-Agent-Steckbrief als PDF, mit dem du deinen ersten Agenten auf einer Seite planst.
Was ist ein KI-Agent, und wann brauchst du keinen?
Ein KI-Agent ist ein Sprachmodell, das mit Anweisungen und Werkzeugen ausgestattet ist, so beschreibt es die Dokumentation zum Agents SDK von OpenAI. Das Entscheidende: Der Agent wählt selbst, welches Werkzeug er wann einsetzt. Werkzeuge sind dabei alle Zugriffe nach außen: eine Datenbank abfragen, einen Kalender lesen, eine Mail entwerfen, ein Ticket anlegen.
Anthropic zieht die Grenze zum Workflow in einem Grundsatzbeitrag zu Agenten klar: In einem Workflow werden Sprachmodell und Werkzeuge über vorher festgelegte Wege gesteuert. Ein Agent dagegen lenkt seinen Ablauf und seinen Werkzeugeinsatz selbst. Anthropic empfiehlt, die einfachste Lösung zu suchen und die Komplexität nur zu erhöhen, wenn es nötig ist. Diese Empfehlung teile ich.
Beantwortet Fragen im Dialog, meist auf Basis hinterlegter Inhalte. Er handelt nicht in deinen Systemen.
Feste Regeln steuern den Ablauf, die KI übernimmt einen Schritt wie Einordnen oder Entwerfen. Der Weg ist bei jedem Durchlauf gleich.
Die KI wählt selbst, welche Werkzeuge sie nutzt und in welcher Reihenfolge. Der Weg ändert sich je nach Eingang.
Wenn der Ablauf immer gleich ist, reicht ein Workflow mit KI-Schritt. Wie du so einen Schritt aufbaust und absicherst, steht im Ratgeber zur KI-Automatisierung. Lässt sich der Ablauf sogar ganz als Wenn-dann-Regel aufschreiben, brauchst du gar keine KI, mehr dazu im Artikel zur Prozessautomatisierung.
Quellen: Anthropic, Building effective agents; OpenAI, OpenAI Agents SDK. Abgerufen im November 2026, sinngemäß übersetzt.
Die Bausteine eines KI-Agenten
Jeder Agent besteht aus denselben sechs Bausteinen, egal ob du ihn in einem Baukasten, in n8n oder mit eigenem Code baust. Das Schaubild zeigt sie am Beispiel einer Hausverwaltung, das dich durch die ganze Anleitung begleitet.
Das Schaubild in Kürze:
- Ziel: eine Aufgabe mit festem Eingang, Ergebnis und klarem Ende. Im Beispiel: Mieteranfrage rein, Antwortentwurf raus.
- Modell: ein Sprachmodell mit Anweisungen zu Rolle, Grenzen und Ausgabe. Im Beispiel: feste Felder statt freiem Text.
- Werkzeuge: nur nötige Zugriffe, lesend wo möglich, Rechte technisch begrenzt. Im Beispiel: Objektverzeichnis und Reparaturkalender, lesend.
- Wissen und Daten: Quellen, in denen der Agent nachschlägt, Speicher optional. Im Beispiel: nur Objekte der eigenen Verwaltung.
- Grenzen und Freigabe: Abbruch bei Unklarheit, Limits für Schritte, Zeit und Kosten, Freigabe außerhalb des Agenten. Im Beispiel: Ein Mensch gibt jeden Entwurf vor dem Versand frei.
- Protokoll: jeder Lauf mit Eingang, Werkzeugaufrufen und Ergebnis nachvollziehbar. Im Beispiel: eine Kennung je Mail gegen doppelten Versand.
KI-Agent erstellen in sieben Schritten
Angenommen, eine Hausverwaltung bekommt täglich Anfragen von Mietern per Mail. Manche fragen nach einem Handwerkertermin, manche nach dem Müllraum oder dem zuständigen Hausmeister, manche kündigen. Bisher liest eine Mitarbeiterin jede Mail, schlägt im Objektverzeichnis oder im Reparaturkalender nach und schreibt eine Antwort. Der Agent soll ihr die Vorarbeit abnehmen: Er liest die Anfrage, entscheidet selbst, wo er nachschlägt, und legt ihr einen Antwortentwurf vor. Versenden darf er nichts.
- 1
Ablauf und Ziel abgrenzen
Was du festlegst: genau eine Aufgabe, ihren Eingang, das Ergebnis und wann der Lauf endet. Ein Agent für „den Kundenservice“ ist zu groß für den Anfang.
Im Beispiel: Eingang ist eine Mail im Postfach für Mieteranfragen. Ergebnis ist ein Antwortentwurf oder eine Übergabe an einen Menschen. Der Lauf endet, sobald eins von beiden vorliegt. - 2
Prüfen, ob es ein Agent sein muss
Was du festlegst: welche Entscheidung der Agent selbst trifft. Gibt es keine, baust du einen Workflow.
Im Beispiel: Der Agent wählt je nach Anfrage, ob er im Objektverzeichnis, im Reparaturkalender, in beiden oder gar nicht nachschlägt. Ein Workflow mit KI-Schritt könnte das auch über eine Einordnung und feste Verzweigungen lösen. Der Agent lohnt sich, wenn die Kombinationen zu zahlreich werden, um sie als Regeln zu pflegen. - 3
Werkzeuge und Rechte festlegen
Was du festlegst: jedes Werkzeug mit seinen Rechten, lesend wo möglich. Die Grenze setzt das Zugangskonto des Werkzeugs, nicht der Text der Anweisung.
Im Beispiel: zwei lesende Zugänge, einer zum Objektverzeichnis und einer zum Reparaturkalender, beide auf die Objekte der Verwaltung beschränkt. Ein Werkzeug zum Versenden bekommt der Agent nicht. - 4
Anweisungen und Ausgabe festlegen
Was du festlegst: Rolle, Ziel, Tonalität und Grenzen in den Anweisungen, dazu ein festes Ausgabeformat mit benannten Feldern. Nur damit kann der Ablauf nach dem Agenten zuverlässig weiterarbeiten.
Im Beispiel: Der Agent liefert immer dieselben Felder: Anliegen, genutzte Quelle, Antwortentwurf, Rückfrage nötig (ja oder nein) und Abbruchgrund. - 5
Abbruch und Limits festlegen
Was du festlegst: wann der Agent aufhört und an einen Menschen übergibt. Dazu Grenzen für die Zahl der Schritte, die Laufzeit und die Kosten je Lauf, die technisch durchgesetzt werden.
Im Beispiel: Bei Kündigung, Mietminderung, Hinweisen auf einen Notfall, einem nicht eindeutig zuzuordnenden Objekt oder widersprüchlichen Angaben bricht er ab und übergibt ohne Entwurf. Nach wenigen Werkzeugaufrufen ist ohnehin Schluss. - 6
Freigabe und Protokoll einrichten
Was du festlegst: wer welches Ergebnis freigibt, und zwar außerhalb der Entscheidung des Agenten. Dazu ein Protokoll je Lauf und ein Wiederanlauf, der keine Aktion doppelt ausführt.
Im Beispiel: Der Entwurf landet bei der Sachbearbeitung. Erst nach ihrer Freigabe verschickt ein gewöhnlicher Workflow-Schritt die Mail. Eine Kennung je Mieteranfrage verhindert, dass nach einem Abbruch zweimal geantwortet wird. - 7
Mit Testfällen prüfen und den Pilot starten
Was du festlegst: einen Testsatz aus erfundenen oder wirksam anonymisierten Fällen und die Erfolgskriterien, bevor der Pilot beginnt (siehe Abschnitt zur Erfolgsmessung).
Im Beispiel: Die Verwaltung spielt nachgestellte Anfragen durch, die typischen Fällen ähneln, aber keine echten Mieterdaten enthalten, darunter bewusst Kündigungen und unklare Mails. Sollen echte Mails in den Test, klärst du den Datenschutz vorher. Erst wenn die Abbrüche greifen und die Entwürfe brauchbar sind, läuft der Agent im Postfach mit, weiterhin mit Freigabe jedes Entwurfs.
So sieht das in n8n aus
n8n ist ein Workflow-Werkzeug, in dem feste Schritte und ein Agent im selben Ablauf stehen können. Das passt zum Beispiel, weil die Freigabe und der Versand dort als normale Workflow-Schritte laufen und damit außerhalb der Entscheidung des Agenten. Eine Klick-für-Klick-Anleitung ist das hier nicht, sondern der Aufbau im Überblick.
Eine neue Mail im Postfach startet den Ablauf. Mit dem Knoten „AI Agent“ baust du laut n8n-Dokumentation einen Agenten in n8n. Laut Doku entscheidet der Agent, welche Werkzeuge er aufruft, um seine Aufgabe zu erledigen.
An den Agenten hängst du die Zugriffe, die er nutzen darf, jeweils mit einem Zugang, der nur lesen kann. Ein Speicher für den Gesprächsverlauf ist optional. Für einzelne Mails, die unabhängig voneinander bearbeitet werden, brauchst du ihn nicht.
Der Agent gibt seine Felder in fester Form zurück. Die folgenden Knoten werten sie aus: Steht ein Abbruchgrund im Feld, geht die Mail ohne Entwurf an einen Menschen.
Der Entwurf geht an die Sachbearbeitung, erst nach ihrer Freigabe versendet ein eigener Schritt die Mail. Darf ein Agent selbst ein schreibendes Werkzeug nutzen, kannst du in n8n laut Doku eine menschliche Freigabe verlangen, bevor er es ausführt.
Welchen Nachschlageschritt der Agent selbst wählt
Genau hier zeigt sich, ob du einen Agenten gebaut hast oder einen Workflow. Die Quelle legt keine Regel fest, der Agent wählt sie je nach Anfrage:
| Anfrage (fiktiv) | Was der Agent nachschlägt | Ergebnis |
|---|---|---|
| „Wann kommt der Monteur wegen der Heizung?“ | Reparaturkalender | Entwurf mit dem eingetragenen Termin |
| „Wer ist bei uns der Hausmeister?“ | Objektverzeichnis | Entwurf mit dem Ansprechpartner fürs Objekt |
| „Die Heizung ist wieder kalt. War schon jemand da?“ | erst Reparaturkalender, dann Objektverzeichnis | Entwurf mit letztem Termin und zuständigem Hausmeister |
| „Hiermit kündige ich meine Wohnung.“ | nichts | Abbruch, Übergabe an die Sachbearbeitung ohne Entwurf |
n8n lässt sich laut Dokumentation auch auf eigener Infrastruktur betreiben, im eigenen Rechenzentrum oder in einer privaten Cloud. Das Sprachmodell kann dabei trotzdem bei einem externen Anbieter laufen. Wohin die Mails der Mieter tatsächlich gehen, entscheidest du vor allem mit der Wahl von Modell und Hosting, aber auch über die angebundenen Werkzeuge und die Protokolle.
Quellen: n8n-Dokumentation, AI Agent node, Human-in-the-loop für Werkzeuge, Simple Memory, Hosting. Abgerufen im November 2026, sinngemäß übersetzt.
Womit du einen KI-Agenten baust: drei Wege
Es gibt nicht das eine richtige Werkzeug. Welcher Weg passt, hängt davon ab, wer den Agenten baut und betreibt, welche Systeme er erreichen muss und wo die Daten liegen sollen. Die genannten Produkte sind Beispiele, keine Rangliste.
| Weg | Für wen | Stärken | Grenzen | Datenhaltung |
|---|---|---|---|---|
| Baukasten großer Anbieter, etwa Microsoft Copilot Studio | Teams ohne Programmierkenntnisse, die in der Umgebung des Anbieters arbeiten | Grafische Oberfläche mit wenig Code. Einen Agenten kannst du in natürlicher Sprache beschreiben und vor der Veröffentlichung testen. | An die Plattform gebunden. Für die Testphase empfiehlt Microsoft ein Geschäfts- oder Schulkonto, in der Testphase kein Veröffentlichen. | Beim Anbieter, nach dessen Vertragsbedingungen |
| Workflow-Werkzeug, etwa n8n | Wer Abläufe zwischen mehreren Systemen verbindet | Agent und feste Schritte im selben Ablauf, Freigabe vor einzelnen Werkzeugen möglich | Aufbau, Betrieb und Updates liegen bei dir oder deinem Dienstleister | Cloud oder eigene Infrastruktur, das Modell wählst du getrennt davon |
| Eigener Code mit Hersteller-SDKs, etwa dem OpenAI Agents SDK | Teams mit eigener Entwicklung oder einem Entwicklungspartner | Volle Kontrolle. Prüfungen von Eingaben und Ausgaben, Pausieren bis zur menschlichen Freigabe heikler Werkzeugaufrufe | Entwicklung, Tests und Betrieb vollständig in eigener Verantwortung | Selbst gewählt, je nach Hosting und Modellanbieter |
Quellen: Microsoft Learn, What is Copilot Studio und Testversion; n8n, Hosting; OpenAI Agents SDK, Guardrails und Human in the loop. Abgerufen im November 2026, sinngemäß übersetzt.
Grenzen, Risiken und Sicherheit
Ein Agent, der selbst entscheidet, kann auch selbst danebenliegen. Die Risiken sind bekannt, und die meisten lassen sich technisch eingrenzen, wenn du sie vor dem Bau einplanst.
- Falsche Aktionen: Ein Sprachmodell liefert nicht bei jedem Lauf dasselbe Ergebnis. Ein falscher Entwurf ist ärgerlich, eine falsche Buchung oder Löschung kann teuer werden.
- Prompt-Injection: Das OWASP-Projekt für KI-Anwendungen beschreibt sie als Schwachstelle, bei der Eingaben das Verhalten oder die Ausgabe des Modells ungewollt verändern. Bei Agenten reicht dafür eine Mail oder eine Webseite, die der Agent liest.
- Übermäßige Rechte: OWASP führt als eigenes Risiko, dass ein Agent mit zu viel Handlungsspielraum schädliche Aktionen ausführt, wenn seine Ausgabe unerwartet, mehrdeutig oder manipuliert ist.
- Kosten je Lauf: Jeder Werkzeugaufruf und jede Modellantwort kostet. Ein Agent, der sich in Schleifen verfängt, treibt die Kosten unbemerkt hoch.
- Daten: Mieter-Mails enthalten personenbezogene Daten, die an Modell- und Hosting-Anbieter, an angebundene Werkzeuge und in Protokolle fließen können.
Was technisch absichert
Der wichtigste Satz dieser Anleitung: Der Agent darf nur innerhalb technisch begrenzter Rechte handeln. Anweisungen allein sind keine Zugriffssicherung, denn eine manipulierte Mail kann sie aushebeln. Deshalb gehören diese Punkte in jeden Agenten:
- Rechte am Zugang begrenzen: lesende Konten, nur die nötigen Datenbereiche, keine Werkzeuge auf Vorrat.
- Freigaben außerhalb des Agenten: Was eine Wirkung nach außen hat, gibt ein Mensch frei, und der Ablauf setzt das durch, nicht der Agent.
- Limits für Schritte, Laufzeit und Kosten: Ist eine Grenze erreicht, bricht der Lauf ab und übergibt an einen Menschen.
- Kontrollierter Wiederanlauf: Nach einem Abbruch startet der Lauf so, dass keine Aktion doppelt ausgeführt wird, etwa über eine Kennung je Vorgang.
- Protokoll je Lauf: Eingang, Werkzeugaufrufe, Ergebnis und Freigabe sind nachvollziehbar.
Datenschutz und EU AI Act
Verarbeitet dein Agent personenbezogene Daten, gilt die DSGVO wie bei jeder anderen Verarbeitung. Dazu gehört die Frage, ob mit dem Modell- und dem Hosting-Anbieter ein Auftragsverarbeitungsvertrag besteht und wohin die Daten übermittelt werden, außerdem Rechtsgrundlage und Information der Betroffenen. Wie das an einem konkreten Anbieter aussieht, zeigt der Ratgeber zu Claude, Datenschutz und DSGVO. Entscheidungen über Menschen, etwa über Bewerbungen oder Verträge, sollte kein Agent allein treffen. Ob dafür zusätzliche Anforderungen gelten, gehört vor dem Einsatz geprüft.
Auch der EU AI Act kann je nach Einsatz Pflichten auslösen, etwa zur Transparenz, wenn Menschen direkt mit einem KI-System zu tun haben, zum Beispiel wenn ein Agent selbst mit Kunden chattet. Welche Pflichten heute gelten, was sich bei der KI-Kompetenz geändert hat und was sich verschoben hat, fasst die Bilanz zum EU AI Act für den Mittelstand zusammen.
Quellen: OWASP GenAI Security Project, LLM01 Prompt Injection und LLM06:2025 Excessive Agency. Abgerufen im November 2026, sinngemäß übersetzt.
Erfolg messen, bevor der Pilot startet
Ob sich ein Agent lohnt, entscheidest du an Kriterien, die vor dem Pilot feststehen. Wer sie erst danach festlegt, findet immer einen Grund, weiterzumachen.
Welche Fehler darf der Agent machen, und welche nie? Ein holpriger Satz im Entwurf ist etwas anderes als ein falscher Termin.
Wie viele Ergebnisse sind ohne große Änderung verwendbar? Die Schwelle legst du vorher fest, nicht nach dem ersten Eindruck.
Wie viel Zeit kosten Prüfen, Korrigieren und die Fälle, die der Agent abgibt? Die Nacharbeit gehört in die Rechnung.
Aufbau, Modellaufrufe, Hosting, Pflege und Anpassungen, wenn sich Systeme ändern. Erst die Summe zeigt, ob der Agent sich trägt.
Dazu kommen drei Zuständigkeiten, die vor dem Start einen Namen brauchen: Wer überwacht den Agenten im Alltag und schaut ins Protokoll? Wer darf ihn stoppen, und wie geht das? Wer übernimmt die Fälle, wenn er ausfällt oder Fehler macht? Im Beispiel ist das die Leitung der Sachbearbeitung, und der Rückweg ist einfach: Ohne Agent bearbeitet das Team die Mails wie vorher.
KI-Agent kostenlos erstellen: was der Test kostet und was der Betrieb
Zum Ausprobieren kostet ein Agent oft nichts. Viele Werkzeuge haben Test- oder Einstiegsstufen, Copilot Studio etwa eine Testphase, in der du Agenten im Test-Chat ausprobieren, aber nicht veröffentlichen kannst. n8n kannst du im Rahmen seiner Lizenz auf eigener Infrastruktur betreiben. Kostenlos im Betrieb ist ein Agent trotzdem nicht: Es fallen Modellaufrufe an, Hosting, Pflege und die Zeit für Freigaben und Kontrolle. Für einen ersten Test mit erfundenen Daten reicht eine Teststufe völlig. Sobald echte Kundendaten im Spiel sind, gelten die Fragen zu Vertrag und Datenschutz aus dem Abschnitt oben.
Selbst bauen oder bauen lassen?
Selbst bauen passt, wenn
- der Agent nur liest und Entwürfe vorbereitet
- jemand im Team Zeit für Aufbau, Tests und Pflege hat
- die Systeme fertige Anbindungen im Werkzeug haben
- du erst lernen willst, was ein Agent in deinem Ablauf leistet
Unterstützung lohnt sich, wenn
- der Agent in Systeme schreiben oder nach außen wirken soll
- eigene Schnittstellen zu ERP, Shop oder Datenbank nötig sind
- Rechte, Freigaben, Limits und Wiederanlauf sauber sitzen müssen
- der Ablauf dauerhaft laufen und überwacht werden soll
Vom Test zum verlässlichen Ablauf
Den ersten Test kannst du selbst aufbauen. Soll daraus ein verlässlicher Ablauf mit Systemzugriffen, Freigaben und Fehlerbehandlung werden, unterstütze ich dich bei Umsetzung und Betrieb. Ich arbeite seit 2004 in der Webentwicklung und setze von Münster aus Automatisierungen mit n8n um, vom Aufbau bis zur Wartung, mehr dazu auf der Seite zur n8n-Agentur. Braucht der Agent individuelle Anbindungen an deine Daten und Systeme, findest du das unter KI-Integration.
Dieser Beitrag gibt einen praxisorientierten Überblick und ersetzt keine Rechtsberatung. Gesetzeslage und Auslegung können sich ändern, Stand November 2026. Ob dein Agent personenbezogene Daten verarbeiten darf und welche Pflichten aus DSGVO und EU AI Act für deinen Einsatz gelten, hängt vom Einzelfall ab. Lass das bei konkreten Fragen von einer Anwältin, einem Anwalt oder deiner Datenschutzberatung prüfen. Ich unterstütze bei der technischen Umsetzung, nicht bei der rechtlichen Bewertung.
KI-Agent-Steckbrief als PDF
Plan deinen ersten Agenten auf einer Seite: Ablauf, Ziel, Abbruchkriterium, Werkzeuge mit Rechten, Freigabe, Limits, Erfolgskriterien und wer den Agenten überwacht. Zum Ausdrucken oder digitalen Ausfüllen.
Jetzt herunterladen (PDF)Häufige Fragen zum KI-Agenten erstellen
Was ist ein KI-Agent?
Ein KI-Agent ist ein Sprachmodell mit Anweisungen und Werkzeugen, das selbst entscheidet, welche Werkzeuge es in welcher Reihenfolge nutzt, um eine Aufgabe zu erledigen. Anders als in einem Workflow ist der Weg nicht vorher festgelegt, sondern hängt vom Eingang ab.
Was ist der Unterschied zwischen KI-Agent und Chatbot?
Ein Chatbot beantwortet Fragen im Dialog. Ein KI-Agent nutzt Werkzeuge, schlägt in Systemen nach und bereitet Aktionen vor oder führt sie aus. Viele Chatbots sind deshalb keine Agenten, und viele Agenten haben gar kein Chatfenster, sondern laufen im Hintergrund eines Ablaufs.
Wie erstelle ich einen KI-Agenten mit n8n?
Du baust einen Workflow mit einem Auslöser, etwa einer neuen Mail, und setzt den Knoten „AI Agent“ ein. An ihn hängst du die Werkzeuge, die er nutzen darf, möglichst nur lesend. Der Agent liefert ein festes Ausgabeformat, mit dem die folgenden Schritte weiterarbeiten. Freigabe und Versand legst du als eigene Schritte nach dem Agenten an. Für einzelne oder alle Werkzeuge des Agenten kannst du laut n8n-Doku eine menschliche Freigabe verlangen.
Kann ich einen KI-Agenten kostenlos erstellen?
Zum Ausprobieren ja, über Test- und Einstiegsstufen der Werkzeuge. Im Betrieb kosten Modellaufrufe, Hosting, Pflege und die Zeit für Kontrolle Geld, auch wenn das Werkzeug selbst nichts kostet. Für Tests nimmst du am besten erfundene Daten.
Welche Beispiele für KI-Agenten gibt es im Unternehmen?
Gut geeignet sind Abläufe, in denen der nächste Schritt vom Inhalt abhängt und am Ende ein Mensch freigibt. Beispiele: Anfragen beantworten, für die je nach Thema in unterschiedlichen Systemen nachgeschlagen wird, Angebotsanfragen mit Daten aus Katalog und Kundenhistorie vorbereiten oder Reklamationen sichten und mit Bestellung und Lieferstatus zusammenführen. Läuft ein Ablauf immer gleich, ist ein Workflow mit KI-Schritt die einfachere Wahl.
Darf ein KI-Agent personenbezogene Daten verarbeiten?
Das lässt sich nicht pauschal beantworten, denn die DSGVO bewertet den Einsatz, nicht das Werkzeug. Zu klären sind unter anderem die Rechtsgrundlage, die Verträge mit Modell- und Hosting-Anbieter einschließlich Auftragsverarbeitung, der Ort der Verarbeitung und ob der Agent über Menschen entscheidet. Prüf das mit deinem Datenschutzbeauftragten oder einer Kanzlei, bevor echte Kundendaten fließen.
Wie verhindere ich, dass ein KI-Agent etwas Falsches tut?
Ganz verhindern lässt es sich nicht, eingrenzen schon. Gib dem Agenten nur die Rechte, die er braucht, technisch am Zugang begrenzt. Lass alles, was nach außen wirkt, von einem Menschen freigeben und setz die Freigabe im Ablauf durch, nicht in der Anweisung. Dazu kommen Limits für Schritte, Laufzeit und Kosten, ein Protokoll je Lauf und Abbruchregeln für unklare Fälle. Bindest du Werkzeuge über das Model Context Protocol an, hilft die Prüfliste im Ratgeber zum MCP Server.
Quellen zu den Antworten: Anthropic, Building effective agents; OpenAI, Agents SDK; n8n, AI Agent node und Human-in-the-loop; Microsoft Learn, Copilot Studio Testversion. Abgerufen im November 2026.
Ein KI-Agent ist schnell angelegt. Verlässlich wird er durch das, was um ihn herum steht: eine abgegrenzte Aufgabe, begrenzte Rechte, klare Abbrüche, eine Freigabe durch einen Menschen und Kriterien, an denen du den Pilot misst.
Soll dein Agent mit echten Systemen arbeiten?
Beschreib im Formular weiter unten kurz den Ablauf und die Systeme, auf die er zugreifen soll.
Umsetzung besprechenSoll aus deinem Agenten-Test ein verlässlicher Ablauf werden?
Schreib mir kurz, welchen Ablauf der Agent übernehmen soll, auf welche Systeme er zugreifen müsste und wie weit dein Test schon ist. Ich schaue mir an, wie sich das umsetzen lässt, und melde mich bei dir.



