Was kostet es, einen KI-Agenten zu erstellen?

Die Software kostet am wenigsten. n8n in der Community Edition ist beim Selbst-Hosting kostenlos, ein kleiner Server liegt bei 5 bis 20 € im Monat, und die Modellkosten eines internen Auskunfts-Agenten mit einigen hundert Anfragen pro Monat bewegen sich meist im einstelligen bis niedrigen zweistelligen Eurobereich. Der eigentliche Aufwand steckt in der Vorbereitung: Dokumente aufräumen, Zuständigkeiten klären, Testfälle schreiben. Rechnen Sie für einen ersten produktiven Agenten mit ein bis drei Personenwochen.

Worin unterscheidet sich ein KI-Agent von einem normalen Workflow?

Ein Workflow führt eine feste Reihenfolge aus: Auslöser, Schritt eins, Schritt zwei, Ende. Ein Agent bekommt ein Ziel und eine Auswahl an Werkzeugen und entscheidet selbst, welches er in welcher Reihenfolge einsetzt. Diese Freiheit ist der Nutzen und zugleich das Risiko — sie macht den Agenten flexibel bei unklaren Anfragen und unvorhersehbar, wenn Sie ihn nicht eng genug einfassen.

Brauche ich Programmierkenntnisse, um einen KI-Agenten zu bauen?

Für den Aufbau in n8n nicht zwingend: Sie verbinden Knoten über die Oberfläche und beschreiben Werkzeuge in Textfeldern. Technisches Grundverständnis brauchen Sie trotzdem — für den Betrieb der Instanz, für API-Zugänge und vor allem, um zu beurteilen, ob eine Antwort plausibel ist. Wer das nicht im Haus hat, sollte den ersten Agenten begleitet bauen und den Betrieb erst danach übernehmen.

Welche Aufgabe eignet sich als erster Agent?

Eine Aufgabe mit hoher Wiederholung, klarer Wissensgrundlage und geringem Schaden im Fehlerfall. Interne Auskunft ist der klassische Einstieg: Fragen zu Urlaubsregelung, Reisekosten, Freigabegrenzen oder Produktdetails. Falsch beantwortet kostet das eine Rückfrage, nicht einen Kunden. Ungeeignet für den Anfang sind Preiszusagen, Vertragsauskünfte und alles, was nach außen geht.

Wie verhindere ich, dass der Agent Dinge erfindet?

Drei Maßnahmen zusammen: Der Agent antwortet ausschließlich aus abgerufenen Dokumenten, er nennt zu jeder Aussage die Quelle, und er hat eine erlaubte Antwort für den Fall, dass er nichts findet. Der dritte Punkt wird am häufigsten vergessen — ein Agent, der nicht sagen darf 'dazu finde ich nichts', erfindet stattdessen etwas Plausibles.

Wie merke ich, dass der Agent im Betrieb schlechter wird?

Nur durch Messung. Legen Sie zwanzig bis dreißig Testfragen mit geprüften Antworten an und lassen Sie sie nach jeder Änderung an Prompt, Modell oder Dokumenten erneut durchlaufen. Protokollieren Sie zusätzlich, wie oft Nutzer nachfassen und wie oft ein Mensch die Antwort korrigiert. Ohne diese beiden Zahlen bemerken Sie eine Verschlechterung erst, wenn sich jemand beschwert.

Wann sollte man gar keinen Agenten bauen?

Wenn die Aufgabe einer festen Regel folgt, reicht ein Workflow — er ist billiger, schneller und nachvollziehbar. Wenn die Wissensgrundlage widersprüchlich oder veraltet ist, macht der Agent diese Unordnung nur schneller sichtbar. Und wenn niemand benennen kann, wie eine richtige Antwort aussieht, fehlt die Grundlage, um den Agenten überhaupt zu bewerten.

KI-Agent erstellen: Schritt für Schritt mit n8n

Wie erstellt man einen KI-Agenten, der auch nach drei Monaten noch benutzt wird?

Sie fassen eine eng umrissene Aufgabe, geben dem Agenten genau die Werkzeuge, die er dafür braucht, verpflichten ihn auf abgerufene Quellen statt auf sein Modellwissen und lassen ihn eine Zeit lang nur Vorschläge produzieren, die ein Mensch freigibt. Erst wenn eine feste Sammlung von Testfragen mehrere Wochen stabil richtig beantwortet wird, schalten Sie auf Selbstbetrieb um — und auch dann nur für die Fälle, in denen ein Fehler eine Rückfrage kostet und nicht einen Kunden.

Das klingt unspektakulär, und genau darin liegt der Punkt. Die meisten Agenten scheitern nicht an der Technik, sondern an einem zu weiten Auftrag: „beantwortet alle Kundenanfragen“ statt „beantwortet Fragen zur Liefer- und Rückgaberegelung aus dem geltenden Handbuch“. Der Rest dieses Textes zeigt, wie der enge Zuschnitt praktisch aussieht.

Agent oder Workflow — die Unterscheidung, die über die Kosten entscheidet

Ein Workflow ist eine feste Kette: Eine E-Mail trifft ein, das Anliegen wird ausgelesen, ein Datensatz wird angelegt, eine Bestätigung geht raus. Jeder Schritt steht vorher fest. Was er kann, ist vollständig aufgeschrieben, und was er nicht kann, fällt sofort auf.

Ein Agent bekommt stattdessen ein Ziel, eine Handvoll Werkzeuge und die Erlaubnis, deren Reihenfolge selbst zu bestimmen. Er darf im Dokumentenbestand nachschlagen, den Bestellstatus abfragen, zurückfragen — und entscheidet je nach Anliegen, was davon nötig ist.

Diese Freiheit kostet. Sie kostet in Token, weil jeder Zwischenschritt das Modell erneut aufruft. Sie kostet in Nachvollziehbarkeit, weil zwei gleich formulierte Anfragen unterschiedliche Wege nehmen können. Und sie kostet in Testaufwand, weil Sie nicht mehr einen Pfad prüfen, sondern einen Möglichkeitsraum.

Die praktische Faustregel: Lässt sich die Aufgabe als Wenn-dann-Kette aufschreiben, bauen Sie einen Workflow. Erst wenn die Eingaben unstrukturiert sind und der nächste Schritt vom Inhalt abhängt, verdient sich ein Agent seinen Aufpreis. In der Praxis landet etwa die Hälfte dessen, was als „Agent“ angefragt wird, nach dieser Prüfung bei einem gewöhnlichen Workflow — mit dem angenehmen Nebeneffekt, dass er sofort funktioniert.

Werkzeugwahl: vier Wege, ein Agent

Weg	Sinnvoll, wenn	Preisrahmen	Haken
n8n (selbst gehostet)	Sie Datenhoheit brauchen und mehrere Systeme anbinden	Community Edition kostenlos, Server ab ca. 5–20 €/Monat, Modellkosten separat	Betrieb, Updates und Backups liegen bei Ihnen
n8n Cloud	Sie dasselbe wollen, aber ohne eigenen Server	ab ca. 20–50 €/Monat je nach Ausführungsvolumen	Datenverarbeitung beim Anbieter — AVV und Standort prüfen
Microsoft Copilot Studio	Ihr Haus ohnehin vollständig auf Microsoft 365 läuft	Nutzungspakete oder Zusatzlizenz je Nutzer	Außerhalb der Microsoft-Welt wird es schnell mühsam
Eigenentwicklung	Der Agent selbst Ihr Produkt ist	Entwicklungszeit, dauerhaft	Für interne Automatisierung fast immer überdimensioniert

Für den deutschen Mittelstand fällt die Wahl meistens auf n8n, und zwar aus einem Grund, der wenig mit Funktionen zu tun hat: Wenn Personaldaten, Rechnungsinhalte oder Vertragstexte durch den Agenten laufen, verschiebt Selbst-Hosting die Frage von „Vertrauen wir dem Anbieter?“ zu „Wie konfigurieren wir unsere Instanz?“. Das ist eine Frage, die Sie beantworten können.

Die Modellkosten laufen in allen vier Varianten getrennt. Nach unserer Erfahrung ist das die Position, die am häufigsten falsch geschätzt wird — in beide Richtungen. Ein interner Auskunfts-Agent mit ein paar hundert Anfragen im Monat bleibt fast immer im einstelligen bis niedrigen zweistelligen Eurobereich. Ein Agent dagegen, der bei jedem Aufruf ein vollständiges Handbuch in den Kontext lädt, kann dieselbe Summe an einem Tag verbrauchen. Der Unterschied liegt nicht im Modell, sondern im Zuschnitt.

Der Aufbau in sieben Schritten

1. Die Aufgabe so eng fassen, dass sie prüfbar wird

Schreiben Sie einen Satz, der beschreibt, was der Agent tut, und einen zweiten, der beschreibt, was er ausdrücklich nicht tut. Ohne den zweiten Satz gibt es keinen Agenten, sondern eine Absichtserklärung.

Der Agent beantwortet Mitarbeiterfragen zu Reisekosten und Freigabegrenzen aus der geltenden Richtlinie. Er trifft keine Einzelfallentscheidungen, gibt keine Zusagen zu Erstattungen und antwortet nicht zu Personalthemen außerhalb dieser Richtlinie.

2. Die Wissensgrundlage aufräumen, bevor Sie sie einlesen

Dieser Schritt entscheidet über das Ergebnis, und er ist der einzige, bei dem KI nicht hilft. Drei Dinge müssen stimmen: Es existiert eine gültige Fassung jedes Dokuments, veraltete Fassungen sind aussortiert, und wo zwei Dokumente sich widersprechen, ist entschieden, welches gilt.

Ein Agent, der auf drei Versionen derselben Richtlinie zugreift, gibt drei verschiedene Antworten — und wirkt dabei jedes Mal überzeugt.

3. Abrufbar machen — in Abschnitten, die eine Frage beantworten

Zerlegen Sie die Dokumente entlang ihrer Struktur, nicht nach Zeichenzahl. Ein Abschnitt sollte für sich verständlich sein. Ein Schnitt mitten in einer Tabelle erzeugt einen Fetzen, den weder Mensch noch Modell einordnen kann.

Bewährt hat sich: Schnitt an Überschriften, Zielgröße 300 bis 800 Wörter je Abschnitt, Überlappung von ein bis zwei Sätzen an den Rändern, und in jedem Abschnitt ein Vermerk, aus welchem Dokument und welcher Fassung er stammt. Diesen Vermerk brauchen Sie in Schritt 5 für die Quellenangabe.

4. Werkzeuge sparsam vergeben

Jedes Werkzeug erweitert den Raum, in dem der Agent Entscheidungen trifft. Vier gut beschriebene Werkzeuge schlagen zwölf halbherzig beschriebene.

Ein interner Auskunfts-Agent kommt meist mit dreien aus: Dokumentensuche, Stammdatenabfrage und Weiterleitung an einen Menschen. Der dritte ist kein Notbehelf, sondern der wichtigste — er gibt dem Agenten einen erlaubten Ausweg, wenn er nicht weiterkommt.

Beschreiben Sie in der Werkzeugbeschreibung nicht nur, was das Werkzeug tut, sondern wann es zu benutzen ist. „Sucht in Richtlinien“ ist zu wenig. „Sucht in den geltenden Reisekostenrichtlinien; für alle Fragen zu Erstattungssätzen, Belegen und Fristen zuerst dieses Werkzeug verwenden“ führt zu deutlich stabilerem Verhalten.

5. Die Anweisung schreiben — mit drei Pflichtbestandteilen

Was auch immer sonst darin steht, diese drei Sätze gehören hinein:

Antworte ausschließlich auf Basis der abgerufenen Dokumente.
Nenne zu jeder Aussage Dokument und Fassung, aus der sie stammt.
Findest du keine Grundlage, sage das und leite an einen Menschen weiter.
Erfinde unter keinen Umständen Regelungen, Beträge oder Fristen.

Der dritte Satz ist der, den fast alle weglassen. Ein Agent ohne erlaubte Nichtwissens-Antwort produziert stattdessen etwas Plausibles — nicht aus Bosheit, sondern weil Antworten die einzige Handlung ist, die er kennt.

6. Erst vorschlagen lassen, dann freigeben, dann automatisieren

Die Reihenfolge ist wichtiger als jede technische Entscheidung.

Stufe eins: Der Agent formuliert die Antwort, ein Mensch liest sie und schickt sie ab. Zwei bis vier Wochen, je nach Anfragevolumen. In dieser Zeit sammeln Sie die Fälle, an die beim Entwurf niemand gedacht hat.

Stufe zwei: Der Agent antwortet selbst, aber jede Antwort wird mitgelesen und die Korrekturquote protokolliert.

Stufe drei: Selbstbetrieb — für die Fragearten, die in Stufe zwei stabil richtig beantwortet wurden. Alles andere bleibt in Stufe zwei. Es gibt keinen Grund, den ganzen Agenten auf einmal freizugeben.

In n8n bildet man Stufe eins mit einem Freigabeschritt ab, der den Entwurf zur Bestätigung verschickt und erst nach Zustimmung weiterläuft. Das ist kein Notbehelf für die Anfangszeit — an Stellen, an denen Geld oder Verträge berührt werden, bleibt dieser Schritt dauerhaft drin. Die EU-KI-Verordnung verlangt für Anwendungen mit höherem Risiko ohnehin menschliche Aufsicht; ein Freigabeschritt ist die praktischste Form, sie nachweisbar zu machen.

7. Messbar machen, bevor Sie produktiv gehen

Legen Sie zwanzig bis dreißig Fragen an, deren richtige Antwort Sie kennen, darunter fünf, die der Agent ablehnen soll. Diese Sammlung läuft nach jeder Änderung an Prompt, Modell oder Dokumenten erneut durch.

Klingt nach Aufwand für einen Nachmittag, ist es auch — und es ist der Unterschied zwischen „wir glauben, er ist besser geworden“ und „wir wissen es“. Ein Modellwechsel, der 28 von 30 Fragen richtig beantwortet statt 30 von 30, fällt ohne diese Sammlung erst auf, wenn sich jemand beschwert.

Was in der Praxis kippt

Der Agent findet nichts und antwortet trotzdem. Häufigste Ursache: In der Anweisung fehlt die erlaubte Nichtwissens-Antwort. Zweithäufigste: Die Abschnitte sind zu grob geschnitten, die Suche liefert Treffer mit geringer Passung, und der Agent baut daraus eine Antwort.

Die Antworten waren gut und werden schlechter. Meistens hat jemand Dokumente ergänzt, ohne veraltete zu entfernen. Der Bestand wächst, die Trefferqualität sinkt. Ein Bestand, der niemandem gehört, verfällt — planen Sie von Anfang an eine zuständige Person und einen festen Prüfrhythmus ein.

Die Kosten explodieren. Fast immer, weil zu viel Kontext bei jedem Aufruf mitgeschickt wird oder der Agent Werkzeuge im Kreis aufruft. Ein Aufruflimit je Anfrage und ein Kostenalarm gehören ab dem ersten Tag hinein, nicht ab der ersten Rechnung.

Niemand benutzt ihn. Der unangenehmste Fall, weil er technisch nach Erfolg aussieht. Meist liegt der Agent an einer Stelle, an die niemand geht — ein eigenes Portal, das man extra öffnen muss. Ein Agent gehört dorthin, wo die Frage entsteht: in den Chat, in das Ticketsystem, in das Postfach.

Wann Sie besser keinen Agenten bauen

Wenn die Aufgabe einer festen Regel folgt, ist ein Workflow billiger, schneller und prüfbar. Wenn die Wissensgrundlage widersprüchlich ist, macht der Agent diese Unordnung nur schneller sichtbar — räumen Sie zuerst auf, das lohnt sich auch ohne KI. Und wenn niemand sagen kann, wie eine richtige Antwort aussieht, fehlt der Maßstab, an dem Sie ihn messen würden.

Der beste erste Agent ist unspektakulär: eine Frageart, ein sauberer Dokumentenbestand, eine Freigabe durch einen Menschen, zwanzig Testfragen. Der zweite fällt dann deutlich leichter — nicht weil die Technik einfacher wird, sondern weil Sie beim ersten gelernt haben, wie eng ein Auftrag gefasst sein muss.

Bildungsmaterial, keine Rechtsberatung. Stand 2026 — die Auslegung der EU-KI-Verordnung kann sich ändern.