Podcast EP06: KI-Agents brauchen Kontext

Warum Automatisierung ohne Prozesswissen scheitert

KI-Agents sind der Megatrend 2026: Laut dem Salesforce KI-Index Mittelstand nutzen bereits 51 Prozent der mittelständischen Unternehmen KI-Lösungen — ein Anstieg von 54 Prozent gegenüber dem Vorjahr. Der Einsatz von KI-Agents hat sich fast verdoppelt. Doch gleichzeitig zeigt sich: 68 Prozent der KMUs haben keine ausgearbeitete KI-Roadmap. Die Folge? Agents ohne Kontext, die halluzinieren, frustrieren und nach wenigen Wochen abgeschaltet werden.

In Episode 6 des OPERVO Podcasts gehen Jan und Lisa der entscheidenden Frage nach: Warum funktionieren KI-Agents in manchen Unternehmen brillant und in anderen überhaupt nicht? Die Antwort liegt nicht in der Technologie, sondern im Kontext.

In dieser Episode erfahren Sie: - Die drei Ebenen des Kontexts, die jeder KI-Agent braucht: Prozesswissen, Fachwissen und Unternehmenswissen - Konkrete Beispiele aus der Steuerkanzlei-Praxis - Den Drei-Phasen-Ansatz, mit dem Sie in 3-5 Arbeitstagen die Grundlage schaffen - Die drei typischen Fehler, die Unternehmen bei KI-Agents machen — und wie Sie sie vermeiden

🎧 Dieser Podcast wird vollständig durch KI erstellt — Recherche, Skript und Sprachsynthese. Alle Fakten werden vor Veröffentlichung verifiziert.

Jan: Willkommen zum OPERVO Podcast! Ich bin Jan, und heute geht es um ein Thema, das gerade überall diskutiert wird: KI-Agents. Also KI-Systeme, die nicht nur antworten, sondern eigenständig Aufgaben erledigen. Klingt nach Zukunft, ist aber schon Realität. Die spannende Frage ist: Warum funktionieren diese Agents in manchen Unternehmen brillant und in anderen überhaupt nicht? Lisa, du hast eine klare These dazu.

Lisa: Ja, und die These ist einfach: KI-Agents brauchen Kontext. Ohne Kontext sind sie blind. Stell dir vor, du setzt einen hochintelligenten Mitarbeiter in ein leeres Büro, ohne Akten, ohne Einarbeitung, ohne Ansprechpartner. Was soll der tun? Genau das passiert gerade in tausenden Unternehmen mit KI-Agents. Die Technologie ist da, aber der Kontext fehlt. Und mit Kontext meine ich: dokumentierte Prozesse, klare Regeln, strukturierte Daten und vor allem das Wissen, wie im Unternehmen tatsächlich gearbeitet wird.

Jan: Das klingt nachvollziehbar. Aber schauen wir mal auf die Zahlen. KI-Agents sind ja gerade ein Riesentrend. Wie verbreitet sind die schon?

Lisa: Der Salesforce KI-Index Mittelstand von März 2026 liefert dazu beeindruckende Zahlen. Mehr als jedes zweite mittelständische Unternehmen, also 51 Prozent, nutzt oder testet inzwischen KI-Lösungen. Das ist ein Plus von 54 Prozent gegenüber dem Vorjahr. Und speziell der Einsatz von KI-Agents hat sich fast verdoppelt: 16,6 Prozent der Mittelständler setzen bereits KI-Agents ein. Das Interesse ist also enorm. Gleichzeitig zeigt eine Studie von maximal.digital, dass 68 Prozent der befragten KMUs über keine ausgearbeitete KI-Roadmap verfügen. Das heißt: Die Hälfte der Unternehmen probiert KI aus, aber zwei Drittel haben keinen Plan. Das ist ein Rezept für Frustration.

Jan: Zwei Drittel ohne Plan. Das erklärt einiges. Aber was genau meinst du mit Kontext? Kannst du das greifbarer machen?

Lisa: Klar. Kontext hat drei Ebenen. Erstens: Prozesswissen. Wie läuft ein bestimmter Arbeitsschritt ab? Wer ist zuständig? Welche Ausnahmen gibt es? Zweitens: Fachwissen. Welche Regeln, Gesetze oder Branchenstandards gelten? Und drittens: Unternehmenswissen. Wer sind unsere Kunden? Welche Konditionen gelten? Wie kommunizieren wir? Ein KI-Agent, der Kundenanfragen bearbeiten soll, braucht alle drei Ebenen. Er muss den Prozess kennen: Anfrage kommt rein, wird kategorisiert, Priorität zugewiesen, beantwortet oder eskaliert. Er muss das Fachwissen haben: Was sind unsere Produkte, welche Garantiebedingungen gelten? Und er muss das Unternehmenswissen kennen: Wie sprechen wir mit Kunden, welchen Ton treffen wir?

Jan: Okay, das sind drei klare Ebenen. Und was passiert, wenn eine davon fehlt?

Lisa: Dann entstehen genau die Probleme, die viele Unternehmen gerade erleben. Ohne Prozesswissen weiß der Agent nicht, wann er eskalieren soll. Er beantwortet Beschwerden fröhlich mit Standardfloskeln, statt den Fall weiterzuleiten. Ohne Fachwissen erfindet er Antworten, die sogenannten Halluzinationen. Er nennt falsche Preise, erfindet Garantiebedingungen oder gibt rechtlich problematische Auskünfte. Und ohne Unternehmenswissen klingt er wie ein Fremdkörper. Er duzt, wo gesiezt wird, oder umgekehrt. Er kennt keine internen Abkürzungen. Er wirkt unpersönlich und generisch. Das Ergebnis: Kunden beschweren sich, Mitarbeiter verlieren das Vertrauen, und das KI-Projekt wird nach wenigen Wochen eingestellt.

Jan: Das deckt sich mit dem, was Analysten schreiben. Ich habe gelesen, dass viele KI-Projekte nicht an der Technik scheitern, sondern an fehlendem Datenzugriff und unklaren Zuständigkeiten.

Lisa: Genau. Eine Analyse von Roover aus Februar 2026 bringt es auf den Punkt: Sobald KI nicht nur formuliert, sondern handelt, braucht sie klare Prozesse, Zuständigkeiten und Grenzen. Die TCS-AWS-Studie von 2025 zeigt zusätzlich: 75 Prozent der Unternehmen sehen KI-Agents als Margentreiber bis 2026, aber nur 21 Prozent sind tatsächlich KI-bereit. Es gibt also eine massive Lücke zwischen Ambition und Readiness. Und diese Lücke, das ist der fehlende Kontext.

Jan: Lass uns das mal an einem konkreten Beispiel durchspielen. Eine Steuerkanzlei will einen KI-Agent einsetzen, der Mandantenanfragen vorqualifiziert. Wie muss das laufen?

Lisa: Gutes Beispiel. Nehmen wir an, ein Mandant schreibt: Ich habe eine Frage zur Abschreibung meiner neuen Büroausstattung. Damit der Agent das sinnvoll bearbeiten kann, braucht er erstens den Prozesskontext: Mandantenanfrage kommt rein, wird nach Thema kategorisiert, dem richtigen Sachbearbeiter zugewiesen, Mandant bekommt eine Eingangsbestätigung mit geschätzter Bearbeitungszeit. Zweitens den Fachkontext: aktuelle AfA-Tabellen, relevante Paragraphen, die konkreten Regelungen für Büroausstattung. Und drittens den Mandantenkontext: Ist das ein GmbH-Mandant oder Einzelunternehmer? Welcher Sachbearbeiter betreut ihn? Gibt es offene Vorgänge? Wenn all das vorhanden ist, kann der Agent die Anfrage kategorisieren, dem richtigen Mitarbeiter zuweisen und dem Mandanten eine qualifizierte Rückmeldung geben. Ohne diesen Kontext? Dann schickt er eine nichtssagende Standardantwort, und der Mandant ruft trotzdem an.

Jan: Das ist ein enormer Unterschied. Aber die Erstellung dieses Kontexts klingt nach viel Arbeit. Wie geht man das praktisch an?

Lisa: Es klingt nach mehr Arbeit, als es tatsächlich ist. Ich empfehle einen Drei-Phasen-Ansatz. Phase eins: Prozesse kartieren. Nimm dir die fünf häufigsten Aufgaben in deinem Unternehmen und dokumentiere sie. Nicht in Romanform, sondern als einfache Wenn-Dann-Ketten. Wenn eine Mandantenanfrage zum Thema Umsatzsteuer kommt, dann wird sie an Sachbearbeiter X weitergeleitet. Wenn der Betrag über 10.000 Euro liegt, dann muss der Partner freigeben. Das dauert pro Prozess vielleicht zwei bis drei Stunden. Für fünf Prozesse also ein bis zwei Arbeitstage.

Jan: Okay, Phase eins klingt machbar. Was kommt dann?

Lisa: Phase zwei: Fachwissen strukturieren. Sammle die zehn häufigsten Fragen, die dein Team oder deine Kunden stellen. Dokumentiere die Antworten. Das ist oft überraschend schnell erledigt, weil dieses Wissen ja existiert, nur eben in Köpfen statt in Dokumenten. Ein erfahrener Mitarbeiter kann das in einem Nachmittag diktieren. Und Phase drei: Unternehmensregeln definieren. Wie sprechen wir mit Kunden? Welche Informationen geben wir proaktiv? Wo sind die roten Linien, also Themen, die der Agent nie eigenständig beantworten darf? Das ist oft eine Sache von ein bis zwei Stunden im Führungsteam. Insgesamt sprechen wir also von drei bis fünf Arbeitstagen, verteilt über zwei bis drei Wochen. Das ist kein Mammutprojekt.

Jan: Drei bis fünf Tage. Das ist wesentlich weniger, als ich erwartet hätte. Was bringt das dann konkret?

Lisa: Der Unterschied ist dramatisch. Ein KI-Agent mit gutem Kontext kann laut Salesforce SMB Trends Report dazu beitragen, dass 93 Prozent der Unternehmen Umsatzwachstum verzeichnen und 82 Prozent Kosten senken. Das sind natürlich Werte von Unternehmen, die KI richtig einsetzen. Aber der Punkt ist: Der Unterschied zwischen richtig und falsch liegt nicht in der Technologie. Es ist die gleiche KI. Der Unterschied liegt im Kontext, den du ihr gibst. Es ist wie beim Kochen: Die beste Pfanne der Welt hilft nichts, wenn du keine Zutaten hast.

Jan: Schöner Vergleich. Jetzt gibt es sicher auch Unternehmen, die sagen: Wir haben doch ein CRM, wir haben ein DMS, unsere Daten sind digital. Reicht das nicht?

Lisa: Digitale Daten sind nicht automatisch nutzbarer Kontext. Ein CRM voller Kontakte ist nützlich, aber ein KI-Agent braucht mehr. Er braucht die Logik dahinter. Warum kontaktieren wir Kunde X alle drei Monate? Warum hat Kunde Y einen Sonderrabatt? Was ist der Eskalationspfad, wenn ein A-Kunde unzufrieden ist? Diese Logik steckt selten im CRM. Sie steckt in den Köpfen der Vertriebsmitarbeiter. Und genau das muss explizit gemacht werden. Das ist übrigens auch der Grund, warum das Thema Wissensmanagement, über das wir in Episode fünf gesprochen haben, so eng mit KI-Agents zusammenhängt. Wissensmanagement schafft die Datenbasis. KI-Agents nutzen sie.

Jan: Also ist das eine logische Fortsetzung. Erst Wissen strukturieren, dann Agents einsetzen. Was sind die typischen Fehler, die du siehst?

Lisa: Drei Klassiker. Erstens: Der Alles-auf-einmal-Fehler. Unternehmen versuchen, einen Agent für alles zu bauen. Kundenservice, internes Wissen, Dokumentenerstellung, alles gleichzeitig. Das funktioniert nie. Fang mit einem Prozess an, mach den richtig gut, und erweitere dann. Zweitens: Der Technik-zuerst-Fehler. Unternehmen evaluieren wochenlang KI-Tools, vergleichen Features und Preise, aber investieren null Zeit in die Aufbereitung ihres Kontexts. Das ist, als würdest du dir einen Ferrari kaufen, aber keine Straße haben. Und drittens: Der Set-and-forget-Fehler. Ein Agent wird eingerichtet und dann vergessen. Aber Kontext verändert sich. Preise ändern sich, Prozesse entwickeln sich weiter, neue Mitarbeiter kommen dazu. Ein Agent braucht gepflegten Kontext, sonst veraltet er in Wochen.

Jan: Drei Fehler, die man vermeiden sollte. Lisa, lass uns zum Schluss die wichtigsten Takeaways zusammenfassen.

Lisa: Gerne. Erstens: KI-Agents sind kein Plug-and-Play. Sie brauchen Kontext auf drei Ebenen: Prozesswissen, Fachwissen und Unternehmenswissen. Ohne diesen Kontext produzieren sie Fehler und Frust. Zweitens: Die Kontexterstellung ist kein Mammutprojekt. In drei bis fünf Arbeitstagen kann jedes KMU die Grundlage für den ersten erfolgreichen Agent schaffen. Und drittens: Kontext ist kein einmaliges Projekt, sondern ein laufender Prozess. Plant von Anfang an ein, den Kontext regelmäßig zu aktualisieren. Dann werden eure Agents mit der Zeit immer besser, statt zu veralten.

Jan: Perfekt. Also: Kontext vor Technologie, klein anfangen und dranbleiben. Vielen Dank, Lisa! Und an alle Zuhörer: Wenn ihr Unterstützung braucht, eure Prozesse so aufzubereiten, dass KI-Agents echten Mehrwert liefern, schaut auf opervo.de vorbei. Bis zur nächsten Episode!

Lisa: Genau. Gebt euren Agents das Wissen, das sie brauchen, und sie werden euch überraschen. Bis bald!

Quellen: Salesforce KI-Index Mittelstand 2026, maximal.digital KI-Studie 2025, TCS-AWS-Studie 2025, Roover Analyse 2026, Salesforce SMB Trends Report