Über agentisches Arbeiten wird gerade viel gesprochen. Meistens in einer Tonlage zwischen Faszination und diffuser Erwartung. KI soll dann nicht mehr nur antworten, sondern gleich mitdenken, mitarbeiten und am besten den Montagvormittag retten.
Das klingt modern. Löst aber noch kein Problem.
Für Unternehmen ist die interessante Frage nicht, ob ein Modell einen halbwegs guten Prompt beantworten kann. Die interessante Frage ist, wie aus einzelnen Eingaben ein verlässlicher Ablauf wird, der im Alltag tatsächlich nützt. Genau dort beginnt agentisches Arbeiten.
Agentisch heißt nicht automatisch autonom
Im Kern geht es darum, KI nicht nur als Chatfenster zu nutzen, sondern als Bestandteil eines Arbeitsablaufs. Ein agentisches System kann Informationen zusammensuchen, Inhalte vorstrukturieren, Aufgaben vorbereiten, Daten aus verschiedenen Quellen zusammenführen oder definierte Schritte in einem Prozess auslösen.
Wichtig ist dabei das Wort „definiert“. Agentisches Arbeiten bedeutet nicht, Verantwortung an eine Blackbox abzugeben. Es bedeutet, KI in einen klaren Rahmen zu setzen: mit Aufgaben, Regeln, Schnittstellen, Grenzen und den richtigen Stellen für menschliche Kontrolle.
Oder anders gesagt: Nicht „die KI macht jetzt alles“, sondern „das System übernimmt klar umrissene Vorarbeit“.
Warum Prompts allein nicht reichen
Ein guter Prompt kann eine gute Antwort liefern. Ein guter Prozess kann wiederholbar brauchbare Ergebnisse liefern. Der Unterschied ist größer, als er auf den ersten Blick wirkt.
Viele Unternehmen starten mit einzelnen KI-Anwendungen und merken dann schnell, wo die Grenze liegt. Die erste Zusammenfassung funktioniert. Die zweite auch. Bei der dritten stellt sich plötzlich die Frage, auf welche Daten sich das System eigentlich stützt, wer das Ergebnis prüft, ob dieselben Regeln morgen noch gelten und wie der Output überhaupt in den restlichen Ablauf kommt.
In Projekten hört man dann Sätze wie diesen:
„Kann man das nicht einfach mit KI lösen?“
Manchmal schon. Nur ist „mit KI lösen“ eben nicht dasselbe wie „einen brauchbaren Prozess bauen“.
Ein belastbarer Ablauf braucht in der Regel ein paar ziemlich unmagische Dinge:
- klare Aufgaben statt vager Erwartungen
- verlässliche Datenquellen statt spontane Kontextschnipsel
- definierte Freigaben statt stiller Hoffnung
- klare Übergaben zwischen Menschen, Systemen und Tools
Der eigentliche Wert zeigt sich selten im großen Versprechen, sondern im belastbaren Ablauf.
Woraus agentische Systeme praktisch bestehen
Die Architektur dahinter muss man nicht unnötig mystifizieren. In der Praxis tauchen fast immer dieselben Bausteine auf: ein Orchestrator, der den Ablauf steuert; Schnittstellen zu den relevanten Systemen; Daten, auf die sich das Ganze stützen kann; und Tools, mit denen tatsächlich etwas gelesen, geprüft, geschrieben oder ausgelöst werden kann.
Ein starkes Modell hilft. Ohne Daten, Regeln und Tools bleibt es trotzdem bei einer eloquenten Oberfläche.
Besonders wichtig ist dabei die Trennung der Rollen. Der Orchestrator koordiniert. Die Tools führen definierte Aufgaben aus. Die Daten liefern Kontext. Und Menschen entscheiden an den Stellen, an denen Verantwortung, Freigabe oder Bewertung nötig sind.
Wo native Tools und MCP sinnvoll werden
Nicht jede Fähigkeit muss direkt in einem System stecken. Manche Funktionen sind nativ integriert, andere lassen sich über klar definierte Schnittstellen anbinden. An dieser Stelle wird MCP interessant.
MCP ist sinnvoll, wenn ein Orchestrator oder agentisches System bereits steht und zusätzliche Werkzeuge kontrolliert angebunden werden sollen. Dann muss man nicht jede Integration proprietär und einzeln neu bauen. Stattdessen lassen sich Funktionen kontrolliert bereitstellen - zum Beispiel, um Inhalte aus einem CMS zu lesen, Metadaten abzurufen oder definierte Aktionen in einem abgegrenzten Workflow anzustoßen.
Ein naheliegendes Beispiel ist TYPO3 MCP. Damit lässt sich ein TYPO3-System kontrolliert in agentische Prozesse einbinden - etwa für redaktionelle Vorarbeiten, Inhaltsprüfungen, Migrationen oder strukturierte Abfragen auf Seiten, Inhalte und Metadaten. Der Punkt ist nicht, dass die KI plötzlich “alles im CMS kann”. Der Punkt ist, dass sie genau die Fähigkeiten bekommt, die für einen bestimmten Arbeitsablauf sinnvoll und vertretbar sind.
Das ist vor allem dann hilfreich, wenn mehrere Systeme zusammenspielen sollen, ohne dass dabei jedes Tool direkten Vollzugriff auf alles bekommt. Struktur ist hier kein Beiwerk. Struktur ist Funktion.
DSGVO und Sicherheit sind keine Fußnote
Sobald es um agentische Systeme geht, kommt fast zwangsläufig die nächste Frage: Was passiert eigentlich mit sensiblen Daten?
In Gesprächen klingt das oft so:
„Dann landen unsere internen Daten doch automatisch bei irgendwelchen Dritten.“
Die Sorge ist nachvollziehbar. Und sie ist auch nützlich, solange sie nicht zu einem Denkfehler führt. Denn die eigentliche Frage ist nicht, ob agentische Systeme per se unsicher sind. Die eigentliche Frage ist, wie sie aufgebaut werden.
Agentische Systeme können so konzipiert werden, dass sie strengen Sicherheits- und Datenschutzanforderungen gerecht werden. Zum Beispiel durch klar begrenzte Datenzugriffe, definierte Rechte pro Tool, nachvollziehbare Freigaben, Logging, selektive Anbindung einzelner Systeme und die bewusste Wahl der Infrastruktur und Modellanbieter.
Entscheidend ist dabei: Nicht jeder Prozess muss alle Daten sehen. Nicht jedes Modell braucht Vollzugriff. Und nicht jeder Arbeitsschritt muss über einen externen Dienst laufen. Genau in dieser Architekturentscheidung liegt oft der Unterschied zwischen einem riskanten Experiment und einer belastbaren Lösung.
Aus DSGVO-Sicht ist das wichtig. Wer Datenflüsse klar modelliert, Zuständigkeiten trennt und nur die Informationen bereitstellt, die für einen konkreten Schritt wirklich nötig sind, kann agentische Prozesse sehr kontrolliert aufbauen. Sicherheit ist dann kein nachträglicher Filter, sondern Teil des Systemdesigns.
Wo agentisches Arbeiten echten Nutzen bringt
Am meisten bringt das Konzept dort, wo wiederkehrende Informationsarbeit anfällt. Nicht unbedingt bei der großen Show, sondern im täglichen Betrieb. Also bei Recherche, Vorstrukturierung, Zusammenfassungen, Klassifizierungen, Routineaufgaben, Monitoring oder der Vorbereitung von Entscheidungen.
Ein typisches Muster sieht so aus: Ein Mensch startet einen Vorgang. Das System sammelt die relevanten Informationen, bereitet sie vor, markiert Auffälligkeiten oder schlägt einen nächsten Schritt vor. Erst dann entscheidet jemand weiter. Genau in diesem Vorfeld entsteht oft der größte Nutzen.
Das spart nicht nur Zeit. Es reduziert auch Reibung. Teams müssen weniger zwischen Systemen springen, weniger Kleinteile zusammensuchen und weniger Standardarbeit immer wieder von vorn beginnen.
Wo die Grenzen bewusst gesetzt werden müssen
Je nützlicher agentische Systeme werden, desto wichtiger werden ihre Grenzen. Bei rechtlichen, finanziellen, redaktionellen oder sicherheitsrelevanten Themen sollte nicht die Frage sein, ob ein Agent etwas theoretisch tun kann. Sondern ob er es in diesem Prozess wirklich tun sollte.
Deshalb braucht agentisches Arbeiten klare Entscheidungen darüber,
- welche Daten gelesen werden dürfen
- welche Aktionen automatisiert sind
- welche Schritte eine Freigabe brauchen
- wo Vorschläge enden und Verantwortung beginnt
Passend ist ein agentischer Prozess nur dann, wenn Kontrolle nicht als Bremse verstanden wird, sondern als Teil des Designs.
Wie wir mit unserer agentischen Umgebung arbeiten
Wir betrachten agentisches Arbeiten nicht nur von außen, sondern nutzen dafür auch eine eigene agentische Umgebung in unserer täglichen Agenturarbeit. Das hilft uns, Prozesse nicht nur konzeptionell zu beschreiben, sondern ihre Schwächen, Grenzen und produktiven Einsatzpunkte im Alltag wirklich zu verstehen.
Genau deshalb ist für uns der Unterschied zwischen Demo und brauchbarem Prozess so wichtig. Wer mit einer eigenen Umgebung arbeitet, lernt schnell, dass gute Ergebnisse nicht aus Tool-Magie entstehen, sondern aus Kontext, klaren Regeln und nachvollziehbarer Orchestrierung.
Fazit
Agentisches Arbeiten wird dann interessant, wenn aus einzelnen Prompts stabile Prozesse werden. Nicht als Automationsfantasie, sondern als strukturierte Zusammenarbeit zwischen Mensch, System und KI.
Für Unternehmen liegt der Wert nicht darin, dass ein System möglichst viel alleine macht. Sondern darin, dass es Vorarbeit verlässlich übernimmt, Prozesse entlastet und Komplexität beherrschbarer macht. An diesem Punkt wird aus KI kein Gimmick, sondern ein brauchbares Werkzeug.