✦AI ROCKSTARSAI solutions made in Berlin Erstgespräch ↗

KI-Agenten erstellen: Der Praxis-Guide für Unternehmen (Claude, Copilot Studio, n8n, Langdock)

von

Von Ralf Schukay, Data & Automation bei AI Rockstars. Stand: September 2026

Ein KI-Agent ist ein Programm, das mit einem Sprachmodell ein Ziel verfolgt: Es entscheidet selbst, welche Werkzeuge es in welcher Reihenfolge aufruft. Ein Chatbot antwortet nur. Ein Workflow folgt festen Schritten. Der Agent plant die Schritte selbst.

Das Wichtigste in 30 Sekunden

  • Nicht jeder Prozess braucht einen Agenten. In vielen Fällen reicht ein fester Workflow mit einem einzelnen KI-Schritt. Der ist günstiger, einfacher zu testen und leichter zu prüfen.
  • Ein Agent besteht aus sieben Bausteinen: Modell, System-Prompt, Tools, Speicher, Freigabe, Logging und Grenzen. Ohne die letzten drei gehört er nicht in den Betrieb.
  • Die Laufkosten sind klein, der Aufbau kostet. Ein Support-Ticket kostet mit Claude Haiku 4.5 rund 2 US-Cent an Tokens. Teuer sind Datenvorbereitung und Systemanbindung.
  • Welches Tool passt, hängt vor allem davon ab, wo deine Daten liegen. Bei Microsoft 365 liegt Copilot Studio nahe. Bei vielen verschiedenen Systemen ist n8n meist die bessere Wahl. Bei strengen DSGVO-Vorgaben ohne eigenes IT-Team kommt Langdock oder meinGPT infrage.
  • Laut Bitkom (14.09.2026) setzen 11 % der Unternehmen KI-Agenten ein, 29 % planen es. Das größte Hemmnis ist mit 85 % fehlendes Know-how, nicht die Technik.

Workflow, Workflow mit KI-Schritt oder Agent?

Laut McKinsey (Juni 2026) liegt das Automatisierungspotenzial in Deutschland bei 486 Mrd. Euro, rund 80 % davon agentisch. Das heißt nicht, dass du für jeden Ablauf einen Agenten bauen solltest. Die meisten Projekte, die wir begleiten, fangen als Workflow mit KI-Schritt an. Nur ein Teil davon wird später ein echter Agent.

Kriterium Klassischer Workflow Workflow mit KI-Schritt KI-Agent
Ablauf Immer gleich Immer gleich Wechselt je nach Fall
Input Strukturiert (Formular, CSV) Unstrukturiert (Mail, PDF) Unstrukturiert, oft mehrdeutig
Wer entscheidet den nächsten Schritt? Die Regel Die Regel Das Modell
Fehlerbild Vorhersehbar Einzelner KI-Output falsch Falsche Tool-Wahl, Schleifen
Kosten pro Lauf ~0 € 0,1–1 Cent 1–30 Cent
Testbarkeit Hoch Hoch Mittel (braucht Evals)
Beispiel Rechnung von DATEV nach Drive Rechnungsdaten aus PDF extrahieren Anfrage klären, CRM prüfen, Angebot entwerfen

Die 4 Fragen vor jedem Agenten-Projekt:

  1. Läuft der Prozess immer gleich ab? Wenn ja, bau einen Workflow. Der Agent bringt dir hier nichts außer Kosten und Unvorhersehbarkeit.
  2. Ist der Input unstrukturiert? Freitext-Mails, Scans oder Gesprächsnotizen sprechen für einen KI-Schritt. Einen Agenten brauchst du erst, wenn sich je nach Inhalt der Lösungsweg ändert.
  3. Was kostet ein Fehler? Ein falsch einsortiertes Ticket kostet dich fünf Minuten. Eine falsche Zahlungsfreigabe kostet Geld. Je höher die Fehlerkosten, desto früher gehört ein Mensch in den Ablauf.
  4. Wer ist verantwortlich? Jeder Agent braucht einen fachlichen Owner. Diese Person prüft die Logs, passt den Prompt an und entscheidet über Erweiterungen. Wenn niemand die Rolle übernimmt, geht das Projekt nicht live.

Die Bausteine eines KI-Agenten

Das ist bei jedem Tool gleich, egal ob Copilot Studio, n8n oder Agent SDK:

  • Modell: Das Sprachmodell trifft die Entscheidungen. Für Klassifizierung und Routing reichen kleine Modelle wie GPT-5.6 Luna ($0,20/$1,20 pro 1 Mio. Tokens Input/Output) oder Gemini 3.5 Flash-Lite ($0,30/$2,50). Für mehrstufiges Abwägen nimmst du größere Modelle wie Claude Opus 5.5 ($4/$20).
  • System-Prompt: Er legt Rolle, Ziel, erlaubte Aktionen, Ausgabeformat und Verbote fest. Behandle ihn wie Code: versionieren, testen, mit Changelog pflegen.
  • Tools/Funktionen: Das sind die Aktionen, die der Agent ausführen darf, z. B. CRM abfragen, Datei lesen oder Ticket anlegen. Jedes Tool braucht eine präzise Beschreibung, denn danach entscheidet das Modell. Über das Model Context Protocol (MCP) stellst du Tools einmal bereit und nutzt sie dann in mehreren Agenten-Plattformen.
  • Speicher: Kurzzeitgedächtnis ist der Gesprächsverlauf. Langzeitgedächtnis ist eine Datenbank oder ein Vektorindex, z. B. mit Wissensartikeln. Gib dem Agenten so wenig Speicher wie möglich, denn jeder zusätzliche Token kostet und lenkt ab.
  • Freigabe (Human-in-the-loop): Aktionen nach außen wie Versand, Buchung oder Löschen laufen über eine Freigabe. Am Anfang gilt das für alle solchen Aktionen. Später entfällt die Freigabe nur für Fälle mit nachgewiesen niedriger Fehlerquote.
  • Logging: Protokolliere pro Lauf Input, Tool-Aufrufe, Output, Tokens, Kosten, Dauer und Freigabeentscheidung. Ohne diese Daten kannst du weder Qualität noch Kosten steuern.
  • Grenzen: Setze ein Iterationslimit (z. B. maximal 5 Tool-Aufrufe), ein Timeout (z. B. 60 Sekunden) und ein Budget pro Lauf bzw. pro Monat. Ein Agent ohne Grenzen kann sich in einer Schleife festlaufen, bis das Kontingent aufgebraucht ist.

Vier Wege, einen KI-Agenten zu erstellen

a) Microsoft Copilot Studio

Für wen: Unternehmen, deren Daten in Microsoft 365, SharePoint, Dataverse oder Dynamics liegen.
Aufwand: Ein einfacher Wissensagent ist in 1–2 Tagen fertig. Mit Power-Platform-Connectoren und Freigaben brauchst du 5–15 Personentage (PT).
Kosten: Abgerechnet wird über Copilot Credits. Ein Pack mit 25.000 Credits kostet $200 pro Monat. Eine Agent Action kostet 5 Credits, eine Generative Answer 2 Credits. Ein Lauf mit 4 Aktionen und einer Antwort verbraucht 22 Credits, bei 300 Läufen also 6.600 Credits. Bei Nutzern mit Microsoft-365-Copilot-Lizenz gelten teils andere Regeln. Prüfe das im aktuellen Licensing Guide.
Stärken: Seit dem Update im Mai 2026 kombiniert eine neue Workflow-Oberfläche feste Abläufe mit Agenten-Knoten. Computer-Using Agents, die Web- und Desktop-Anwendungen über die Oberfläche bedienen, sind allgemein verfügbar. Dazu kommen Anbindung an Remote-MCP-Server, Agent-to-Agent-Kommunikation sowie Entra ID, Rechteverwaltung und Purview.
Grenzen: Die Credit-Logik ist schwer vorherzusagen. Systeme außerhalb von Microsoft brauchen oft Premium-Connectoren oder eigene Custom Connectors. Du hast weniger Kontrolle über Modellwahl und Prompt-Details als bei n8n oder im SDK.
DSGVO/Hosting: Der Betrieb läuft im Microsoft-Tenant, bei europäischen Tenants in EU-Rechenzentren. Die bestehenden Microsoft-AVVs gelten. Prüfe pro Modell und Funktion, ob die Daten die EU-Grenze verlassen.

b) n8n mit AI Agent Node (Cloud oder Self-Host)

Für wen: Teams mit mindestens einer technisch versierten Person und Daten in vielen Systemen, z. B. ERP, CRM, Mail, Datenbanken und Branchensoftware.
Aufwand: Ein Prototyp steht in 1–2 Tagen. Ein produktiver Agent mit Freigabe, Logging und Fehlerbehandlung braucht 4–10 PT.
Kosten: n8n Cloud Starter kostet 20 € pro Monat. Die Community Edition zum Selbsthosten kostet 0 €, dazu kommt ein Server für ca. 10–40 € pro Monat. Die Tokens rechnest du direkt mit dem Modellanbieter ab (siehe Rechnung unten).
Stärken: Der AI Agent Node verbindet Chat-Modell, Memory und Tools, ein Iterationslimit lässt sich einstellen. Über 400 Integrationen sind verfügbar, dazu der HTTP Request für alles andere. Mit dem MCP Server Trigger stellst du n8n-Workflows als MCP-Tools für Claude, Copilot Studio und andere Clients bereit. Mit dem MCP Client Tool nutzt n8n selbst externe MCP-Server. Du wählst Modell und Anbieter frei, auch lokal über Ollama.
Grenzen: Du bist selbst verantwortlich für Updates, Backups und Monitoring. Governance (wer darf was bauen) musst du selbst organisieren. Ohne Versionierung von Prompts und Workflows wird es ab dem dritten Agenten unübersichtlich.
DSGVO/Hosting: Self-Host auf deinem Server in Deutschland gibt dir volle Datenhoheit. n8n Cloud läuft in der EU (Frankfurt). Der Modellanbieter ist ein eigener Auftragsverarbeiter, für ihn brauchst du einen eigenen AVV.

c) Claude (Cowork, Skills, Agent SDK) und ChatGPT-Agenten

Für wen: Wissensarbeiter, die einen persönlichen Agenten brauchen (Cowork, Skills), und Entwickler, die eigene Agenten in Software einbauen (Agent SDK).
Aufwand: Ein Skill ist in wenigen Stunden gebaut. Eine SDK-Integration dauert 5–20 PT.
Kosten: Für Cowork und Skills brauchst du eine Claude-Sitzlizenz. Mit dem Agent SDK zahlst du API-Tokens. Ein Lauf mit 50.000 Input- und 5.000 Output-Tokens auf Opus 5.5 kostet ca. $0,30. Auf Haiku 4.5 ($1/$5) kostet derselbe Lauf $0,075.
Stärken: Skills bündeln Anweisungen, Vorlagen und Skripte zu wiederverwendbaren Fähigkeiten, etwa „Angebot im Firmenformat“. Cowork arbeitet auf dem Desktop mit lokalen Dateien und verbundenen Tools. Das Claude Agent SDK ist dieselbe Agenten-Schleife, die hinter Claude Code steckt: Tools, MCP, Subagenten, Kontextverwaltung. Bei OpenAI gibt es vergleichbare Funktionen im ChatGPT-Agent-Modus und in der Agent-Builder-Umgebung für Entwickler.
Grenzen: Cowork und der ChatGPT-Agent sind persönliche Werkzeuge und kein Prozess-Backend für 300 Tickets im Monat. Beim SDK brauchst du echte Softwareentwicklung inklusive Deployment und Tests.
DSGVO/Hosting: Nutze Business- oder Enterprise-Tarife mit AVV und ohne Training auf deinen Daten. Wenn Hosting in der EU Pflicht ist, kannst du Claude-Modelle über AWS Bedrock oder Google Vertex AI in EU-Regionen beziehen.

d) Langdock oder meinGPT: DSGVO-Plattform mit Agenten

Für wen: Unternehmen, die KI für viele Mitarbeitende datenschutzkonform ausrollen wollen und Agenten ohne eigenes Entwicklerteam bauen möchten.
Aufwand: Ein Agent mit Wissensbasis und Integrationen ist in 0,5–3 PT fertig.
Kosten: Langdock Business kostet 20 € pro Nutzer und Monat bei Jahreszahlung, 25 € monatlich (Stand 09/2026). Das Workflows-Modul enthält im Starter 2.500 Runs pro Monat, das größere Paket kostet 539 € pro Monat für 40.000 Runs. Die Modellnutzung wird nach den Tokenpreisen von Langdock abgerechnet. Für 20 Nutzer zahlst du also 400–500 € pro Monat. Dafür bekommst du Chat, Agenten und Governance aus einer Hand.
Stärken: Hosting in der EU, ISO 27001, SOC 2 Type II, mehrere Modelle wählbar. Agents kombinieren Wissen, Integrationen und Aktionen, Workflows bilden mehrstufige Abläufe ab. Agenten-Governance (prüfen, freigeben, deaktivieren) ist eingebaut, mit Vorlagen für EU AI Act und DSGVO. meinGPT deckt einen ähnlichen Bedarf ab, mit Schwerpunkt auf deutschem Mittelstand.
Grenzen: Tiefe Anbindung an Spezialsysteme ist weniger flexibel als in n8n. Die Kosten laufen pro Sitzplatz, auch wenn nur ein Agent im Hintergrund arbeitet.
DSGVO/Hosting: Das ist die Kernstärke dieser Plattformen: EU-Deployment und deutsche Vertragsbasis.

Vergleich: Welches Tool für welchen KI-Agenten?

Kriterium Copilot Studio n8n Claude / ChatGPT Langdock / meinGPT
No-Code Ja Low-Code Skills: ja, SDK: nein Ja
Systemanbindung M365 stark, sonst Connectoren Sehr breit, MCP beidseitig MCP, SDK frei Mittel, wachsend
EU-Hosting Tenant-abhängig Self-Host oder EU-Cloud Über Bedrock/Vertex EU Ja
Kosten bei 300 Runs/Monat [Schätzung] ~$66 Credits (PAYG) bis $200 (Pack) ~26 € (20 € + ~$6 Tokens) ~$6–90 Tokens + Sitzlizenzen Sitzlizenzen + Tokens, Runs inkl.
Kontrolle/Logging Analytics im Tenant Voll, eigene Execution-Logs SDK: voll, Cowork: gering Governance-Modul
Geeignet für M365-Unternehmen Prozessagenten, heterogene IT Wissensarbeit, Produktintegration Breiter DSGVO-Rollout

Schritt für Schritt: Ein Support-Postfach-Agent in n8n

Ziel: Eingehende Support-Mails werden eingeordnet, mit Kundendaten angereichert und beantwortet. Die Antwort geht erst raus, wenn ein Mitarbeiter sie in Teams freigegeben hat.

Schritt 1: Trigger. Nutze den Node Microsoft Outlook Trigger (Event „Message Received“, Filter auf den Support-Ordner). Bei anderen Mailservern nimmst du Email Trigger (IMAP). Setz direkt danach einen Filter, der automatische Antworten und Newsletter aussortiert, damit sie keine Tokens verbrauchen.

Schritt 2: Klassifizierung. Der Node Text Classifier mit einem kleinen Modell (z. B. GPT-5.6 Luna oder Claude Haiku 4.5) sortiert die Mails in die Kategorien „Rechnung“, „Technik“, „Lieferung“, „Kündigung“ und „Sonstiges“. Kündigungen gehen ohne Agent direkt an einen Menschen.

Schritt 3: CRM-Lookup als Tool. Hänge an den AI Agent Node ein Tool an. Das kann der native CRM-Tool-Node sein (z. B. HubSpot) oder das HTTP Request Tool für deine CRM-API. Beschreibung des Tools: „Sucht Kunde per E-Mail-Adresse. Liefert Name, Vertragsstatus, offene Tickets.“ Optional kommt ein zweites Tool für die Wissensdatenbank dazu.

Schritt 4: Antwortentwurf. Der AI Agent erstellt mit einem Anthropic Chat Model (Haiku 4.5) den Entwurf. Unter Options stellst du Max Iterations = 5 ein und koppelst einen Structured Output Parser an, damit der Agent Betreff, Antwort, Konfidenz und Begründung als JSON liefert.

Du bist Support-Assistent der Muster GmbH. Ziel: einen Antwortentwurf
auf die Kundenmail schreiben, den ein Mitarbeiter freigibt.

- Nutze das Tool crm_lookup, bevor du Vertragsdetails nennst.
- Erfinde keine Preise, Termine oder Zusagen. Fehlt eine Info: frage nach.
- Ton: Sie-Form, sachlich, max. 150 Wörter.
- Ausgabe als JSON: {subject, body, confidence (0-1), reason}.
- Bei Rechtsdrohung, Kündigung oder Datenschutzanfrage: confidence = 0.

Schritt 5: Freigabe in Teams. Der Node Microsoft Teams mit der Operation „Send Message and Wait for Response“ schickt Entwurf und Kundendaten in den Support-Kanal. Dort gibt es drei Optionen: Freigeben, Ablehnen oder Bearbeiten. Setz ein Timeout, z. B. 4 Stunden, und eskaliere danach.

Schritt 6: Versand. Nach der Freigabe antwortet der Node Microsoft Outlook (Operation „Reply“) im Original-Thread. Bei einer Ablehnung wird das Ticket im CRM einem Mitarbeiter zugewiesen.

Schritt 7: Log. Ein Data Table– oder Postgres-Node schreibt pro Lauf Ticket-ID, Kategorie, Tokens (aus den Modell-Metadaten), Kosten, Laufzeit, Freigabe ja/nein und die Änderungsquote des Mitarbeiters. Diese Tabelle ist später deine Grundlage für die Entscheidung, ob einzelne Kategorien ohne Freigabe laufen dürfen.

Kostenrechnung pro Ticket (Claude Haiku 4.5, $1 Input / $5 Output pro 1 Mio. Tokens):

Posten Tokens Rechnung Kosten
Klassifizierung Input 1.500 1.500 × $1 / 1 Mio. $0,0015
Klassifizierung Output 50 50 × $5 / 1 Mio. $0,00025
Agent Input (3 Modellaufrufe, kumuliert inkl. CRM-Daten) 12.000 12.000 × $1 / 1 Mio. $0,012
Agent Output 1.200 1.200 × $5 / 1 Mio. $0,006
Summe pro Ticket ≈ $0,02

Bei 300 Tickets im Monat sind das rund $6 an Tokens plus 20 € für n8n Cloud Starter. Prüfe dabei das Ausführungskontingent deines Tarifs. Mit Opus 5.5 statt Haiku kostet derselbe Agent-Lauf ca. $0,072, also rund $22 im Monat. Das ist bezahlbar, bringt bei Standard-Supportmails nach unserer Erfahrung aber kaum bessere Qualität.

Kennzeichnung: Die Transparenzpflichten aus Art. 50 AI Act gelten seit August 2026. Sobald Kunden direkt mit dem Agenten kommunizieren, etwa bei automatischem Versand ohne Freigabe oder im Chat-Widget, musst du auf die KI hinweisen. Mit menschlicher Freigabe ist die Lage weniger eindeutig. Wir empfehlen trotzdem einen kurzen Hinweis in der Signatur. Details findest du in unserem Artikel zur KI-Kennzeichnungspflicht.

7 KI-Agenten-Beispiele aus dem Mittelstand

1. Angebotsvorbereitung. Input: Kundenanfrage per Mail oder Formular. Der Agent liest die Anfrage, sucht in ERP und Preisliste passende Artikel, prüft frühere Angebote im CRM und erstellt einen Angebotsentwurf im Firmenlayout. Freigabepunkt: Der Vertrieb prüft Preise und Rabatte vor dem Versand. Kosten: ca. 15–40 € pro Monat bei 200 Angeboten [Schätzung].

2. Rechnungseingang. Input: PDF-Rechnungen aus dem Postfach. Tools: Extraktion, Abgleich mit Bestellung und Wareneingang im ERP, Übergabe an DATEV oder die Buchhaltungssoftware. Freigabepunkt: Abweichungen über 2 % oder neue Lieferanten gehen an die Buchhaltung. Kosten: 10–30 € pro Monat bei 500 Rechnungen [Schätzung]. Die Zahlung selbst gibt immer ein Mensch frei.

3. Support-Triage. Input: Tickets aus Mail, Portal oder Chat. Tools: Klassifizierung, CRM, Wissensdatenbank, Ticketsystem. Freigabepunkt: Antwortentwurf wie im Build-Beispiel oben, Kündigungen und Beschwerden immer manuell. Kosten: 6–25 € pro Monat bei 300 Tickets [Schätzung]. Ausführlich: Kundenservice automatisieren.

4. Lead-Recherche. Input: neuer Lead im CRM. Der Agent recherchiert Website, Handelsregister-Daten und öffentliche News, bewertet den Lead nach deinem Idealkunden-Profil und schreibt eine Zusammenfassung ins CRM. Freigabepunkt: Die Erstansprache formuliert der Vertrieb. Kosten: 20–60 € pro Monat bei 200 Leads inkl. Such-API [Schätzung].

5. Meeting-Protokoll ins CRM. Input: Transkript aus Teams oder einem Meeting-Tool. Tools: Zusammenfassung, Aufgaben extrahieren, CRM-Aktivität anlegen, Follow-up-Mail entwerfen. Freigabepunkt: Der Kundenbetreuer bestätigt Aufgaben und Mail. Kosten: 10–30 € pro Monat bei 150 Meetings [Schätzung].

6. Lieferanten-Vertragsprüfung (lokal mit Ollama). Input: Vertrags-PDFs, die das Haus nicht verlassen dürfen. Ein lokales Open-Weight-Modell über Ollama prüft die Verträge gegen eine Checkliste (Haftung, Laufzeit, Kündigung, Gerichtsstand) und markiert Abweichungen. Freigabepunkt: Einkauf oder Rechtsabteilung entscheiden. Kosten: 0 € Tokens, aber ein Server mit GPU (ab ca. 1.500 € einmalig oder 80–200 € Miete pro Monat) [Schätzung].

7. Content-Briefing. Input: Keyword oder Thema. Tools: SERP-API, Auswertung der Wettbewerber, interne Produktdaten, Briefing-Vorlage. Freigabepunkt: Die Redaktion prüft das Briefing, bevor geschrieben wird. Kosten: 5–20 € pro Monat bei 40 Briefings plus SERP-API [Schätzung].

Was ein KI-Agent kostet

Die Tokens sind selten der größte Kostenblock. Laut Bitkom nennen 50 % der Unternehmen die Datenvorbereitung als Kostentreiber, 41 % die Systemintegration. Das deckt sich mit unseren Projekten.

Größe Typischer Umfang Aufbau (PT) [Schätzung] Betrieb/Monat [Schätzung]
S (20 MA) 1 Agent, 2–3 Systeme, n8n Cloud 3–6 PT 30–80 € (Tool + Tokens) + 0,5 PT Pflege/Quartal
M (100 MA) 3 Agenten, CRM/ERP-Anbindung, Logging 15–25 PT 150–600 € + 1 PT Pflege/Monat
L (500 MA) 5–10 Agenten, Governance, SSO, Evals 40–80 PT 1.500–5.000 € (inkl. Plattform-Lizenzen) + 2–4 PT/Monat

Annahme für die Umrechnung: 1.000–1.300 € pro Personentag extern. Die Spanne entsteht vor allem durch Datenqualität und die Frage, ob deine Systeme eine brauchbare API haben. Eine ausführliche Aufstellung findest du im KI-Kosten-Report DACH (erscheint Dezember 2026).

Die 6 häufigsten Fehler

  1. Kein Iterationslimit. Ohne Grenze kann ein Agent, der ein Tool falsch versteht, 40-mal hintereinander dieselbe Suche aufrufen. Setz Max Iterations, ein Timeout und ein Monatsbudget beim Modellanbieter.
  2. Flaggschiff-Modell für alles. Opus 5.5 für die Klassifizierung kostet das 20-Fache von GPT-5.6 Luna bei gleichem Ergebnis. Nimm kleine Modelle fürs Routing und große nur für die Schritte, bei denen es aufs Abwägen ankommt.
  3. Agent ohne Freigabe live. Starte jede Aktion nach außen mit Freigabe. Automatisiere erst, wenn die Logs über mehrere Wochen eine niedrige Änderungsquote zeigen.
  4. Daten nicht bereinigt. Wenn das CRM voller Dubletten ist, findet der Agent die falsche Firma. Der Fehler liegt dann in den Daten, nicht im Modell. Plane die Datenbereinigung als eigenes Arbeitspaket ein.
  5. Prompt im Node statt versioniert. Wer den System-Prompt direkt im Node ändert, kann Qualitätsschwankungen nicht nachvollziehen. Lege den Prompt in Git oder einer Datentabelle ab und gib ihm eine Versionsnummer und ein Testset.
  6. Kein Kosten-Log. Ohne Tokens und Kosten pro Lauf weißt du nach drei Monaten nicht, ob sich der Agent rechnet. Das Log aus Schritt 7 kostet dich eine Stunde Aufwand.

Kostenlos KI-Agenten erstellen: Was geht

Komplett kostenlos und DSGVO-sauber geht nur lokal, und auch dann nicht ohne Aufwand:

  • n8n Community Edition + Ollama: Beide sind kostenlos und laufen auf deinem Rechner oder Server, z. B. per Docker. Open-Weight-Modelle mit 7–14 Mrd. Parametern schaffen Klassifizierung und Extraktion zuverlässig. Bei mehrstufigen Tool-Aufrufen sind sie deutlich schwächer als Haiku 4.5 oder GPT-5.6 Luna.
  • Free-Tiers und Testphasen: Einige Modellanbieter haben kostenlose Kontingente. Langdock bietet eine Testphase, n8n Cloud ebenfalls. Das reicht zum Ausprobieren, nicht für den Betrieb. Bei Free-Tiers kann der Anbieter deine Daten teils zum Training nutzen. Für Kundendaten sind sie deshalb tabu.
  • Grenzen: Hardware (ab ca. 16 GB RAM, besser eine GPU), die eigene Arbeitszeit und fehlende Wartung. Für einen Prototyp mit 20 Test-Mails reicht das. Für den produktiven Support-Agenten sind die rund 26 € pro Monat aus unserem Beispiel meist günstiger als die Stunden, die du in den Betrieb eines lokalen Setups steckst.

FAQ

Was kostet ein KI-Agent?

Der Betrieb kostet oft weniger als erwartet: Ein Support-Ticket mit Claude Haiku 4.5 kostet rund 2 US-Cent an Tokens, 300 Tickets im Monat also etwa 6 Dollar plus Tool-Lizenz. Teuer ist der Aufbau. Ein kleiner Agent braucht 3–6 Personentage, eine Lösung für 100 Mitarbeitende 15–25 Personentage, vor allem für Datenvorbereitung und Systemanbindung.

Wie kann ich kostenlos KI-Agenten erstellen?

Mit n8n Community Edition und Ollama baust du Agenten ohne Lizenzkosten auf eigener Hardware. Die Daten bleiben im Haus, die Modelle sind aber schwächer bei mehrstufigen Aufgaben. Testphasen von n8n Cloud oder Langdock eignen sich zum Ausprobieren. Für echte Kundendaten brauchst du einen Tarif mit Auftragsverarbeitungsvertrag.

Welches Tool für KI-Agenten?

Das hängt davon ab, wo deine Daten liegen. Bei Microsoft 365 passt Copilot Studio. Bei vielen verschiedenen Systemen passt n8n, das über MCP flexibel anbindet. Für persönliche Agenten und Entwickler-Integration eignen sich Claude Cowork, Skills und das Agent SDK. Für einen DSGVO-konformen Rollout an viele Mitarbeitende ohne Entwicklerteam eignen sich Langdock oder meinGPT.

Wie kann ich KI-Agenten verwenden?

Starte mit einem Prozess, der oft vorkommt, unstrukturierten Input hat und einen klaren Verantwortlichen: Support-Postfach, Rechnungseingang oder Angebotsvorbereitung. Lass den Agenten Entwürfe erstellen, die ein Mensch freigibt. Miss mehrere Wochen lang Änderungsquote und Kosten pro Lauf. Erst danach automatisierst du einzelne Fallgruppen vollständig.

Was ist der Unterschied zwischen KI-Agent und Chatbot?

Ein Chatbot beantwortet Fragen im Gespräch, meist auf Basis von Wissensdokumenten. Ein KI-Agent verfolgt ein Ziel und handelt: Er ruft Werkzeuge auf, fragt Systeme wie CRM oder ERP ab, legt Datensätze an und entscheidet selbst über die Reihenfolge. Deshalb braucht ein Agent Freigaben, Grenzen und Logging.

Kann ich einen KI-Agenten mit n8n bauen?

Ja. Der AI Agent Node in n8n verbindet ein Chat-Modell mit Memory und Tools wie HTTP-Requests, Datenbanken oder CRM-Nodes. Freigaben laufen z. B. über Teams oder Slack mit „Send and Wait“. Über den MCP Server Trigger stellst du n8n-Workflows zusätzlich als Werkzeuge für Claude oder Copilot Studio bereit.

Gibt es Open-Source-KI-Agenten?

Ja. n8n ist als Community Edition selbst hostbar. Open-Weight-Modelle wie Llama, Mistral oder Qwen laufen lokal über Ollama. Für Entwickler gibt es Frameworks wie LangChain oder LangGraph. Open Source spart Lizenzkosten und hält Daten im Haus. Betrieb, Updates und Sicherheit übernimmst du dann selbst.

Sind KI-Agenten DSGVO-konform?

Das hängt vom Setup ab, nicht vom Begriff. Du brauchst einen Auftragsverarbeitungsvertrag mit jedem Anbieter, EU-Hosting oder geeignete Garantien, Datenminimierung im Prompt und ein Verarbeitungsverzeichnis. Seit August 2026 gelten zusätzlich die Transparenzpflichten aus Art. 50 AI Act, sobald Menschen direkt mit dem Agenten interagieren.

Den ersten Agenten nicht allein bauen

  • KI-Praxis-Workshop: Vom Prozess zum laufenden Prototyp, mit deinen Daten und deinen Systemen. Zum Workshop
  • Erstgespräch: 30 Minuten, in denen wir klären, ob dein Prozess einen Agenten, einen Workflow oder keins von beidem braucht. Termin buchen
  • Template-Download: Den Support-Postfach-Agenten aus diesem Artikel gibt es als importierbaren n8n-Workflow inklusive Log-Tabelle. Zur Workflow-Bibliothek

Quellen

Werbung

Related Posts: