KI-Agenten erstellen bedeutet, einem Sprachmodell ein klares Ziel, Anweisungen, Zugriff auf Werkzeuge wie E-Mail, CRM oder Websuche und Regeln für Entscheidungen zu geben, damit es mehrstufige Aufgaben selbstständig erledigt. Dafür brauchst du heute keine Programmierkenntnisse mehr: No-Code-Plattformen und Agent-Builder führen dich per Oberfläche durch die Einrichtung.
Der Unterschied zu einem normalen Chatbot liegt im Handeln. Ein Chatbot beantwortet Fragen. Ein Agent recherchiert, entscheidet über den nächsten Schritt, ruft Tools auf, prüft das Ergebnis und arbeitet weiter, bis das Ziel erreicht ist oder ein Mensch eingreifen muss.
In dieser Anleitung erfährst du, aus welchen Bausteinen ein KI-Agent besteht, welche Werkzeuge für welchen Zweck passen, wie du in acht Schritten deinen ersten Marketing-Agenten baust und welche rechtlichen Punkte du in der EU beachten musst.
Inhaltsverzeichnis
Was ist ein KI-Agent?
Ein KI-Agent ist ein Software-System, das ein Sprachmodell als „Denkzentrale“ nutzt und damit eigenständig Schritte plant und ausführt. Er reagiert nicht nur auf eine einzelne Eingabe, sondern verfolgt ein Ziel über mehrere Schritte hinweg. Dabei greift er auf externe Werkzeuge zu, zum Beispiel eine Websuche, eine Tabelle oder eine Schnittstelle zu deinem CRM.
| Merkmal | Chatbot | Automatisierung (Workflow) | KI-Agent |
|---|---|---|---|
| Ablauf | Frage und Antwort | fest definierte Schritte | plant Schritte selbst |
| Werkzeuge | meist keine | fest verdrahtet | wählt passende Tools aus |
| Umgang mit Ausnahmen | gering | bricht ab oder folgt Regeln | kann flexibel reagieren |
| Kontrollierbarkeit | hoch | sehr hoch | braucht Leitplanken |
| Typisches Beispiel | FAQ-Bot auf der Website | Lead aus Formular ins CRM | Lead recherchieren, bewerten, Antwort entwerfen |
In der Praxis verschwimmen die Grenzen. Viele erfolgreiche Lösungen kombinieren feste Workflows mit einzelnen Agenten-Schritten. Das macht sie zuverlässiger als vollständig autonome Agenten. Wenn du KI-Agenten erstellen willst, lohnt es sich deshalb, zuerst zu prüfen, welche Schritte wirklich eine flexible Entscheidung brauchen.
Die Bausteine: Was du zum KI-Agenten erstellen brauchst
Unabhängig vom Tool bestehen alle Agenten aus denselben Komponenten. Wer diese Bausteine versteht, kann KI-Agenten erstellen, ohne sich an eine bestimmte Plattform zu binden.
- Sprachmodell: Das Modell, das Anweisungen versteht und Entscheidungen trifft, etwa von OpenAI, Anthropic, Google oder Mistral.
- Anweisungen (System-Prompt): Rolle, Ziel, Tonalität, Regeln und Grenzen des Agenten.
- Werkzeuge (Tools): Funktionen, die der Agent aufrufen darf, zum Beispiel Websuche, E-Mail-Versand, Tabellenzugriff oder CRM-Abfragen.
- Wissen: Dokumente, Produktinfos oder Richtlinien, auf die der Agent zugreift, häufig über eine Wissensdatenbank.
- Gedächtnis: Kurzzeitspeicher für das aktuelle Gespräch und optional Langzeitspeicher für frühere Vorgänge.
- Auslöser und Ausgabe: Was den Agenten startet, etwa ein neuer Lead, und wohin das Ergebnis geht, etwa in Slack oder als Entwurf ins Postfach.
Gute Anweisungen sind der wichtigste Erfolgsfaktor. Viele Prinzipien aus dem Prompting gelten hier ebenso. Eine Sammlung bewährter Muster findest du im Beitrag zu ChatGPT-Prompts für Marketing.
Ein Agent oder mehrere?
Manche Plattformen erlauben es, mehrere spezialisierte Agenten zu verbinden, etwa einen für Recherche und einen für Texte, die Aufgaben untereinander übergeben. Das kann bei komplexen Abläufen helfen, erhöht aber auch Kosten und Fehlerquellen. Für den Einstieg ist ein einzelner Agent mit klar begrenzter Aufgabe fast immer die bessere Wahl. Erweitern kannst du später, wenn du weißt, wo die Grenzen liegen.
Tools zum KI-Agenten erstellen im Überblick
Die Auswahl an Plattformen wächst schnell. Grob lassen sich drei Gruppen unterscheiden. Prüfe vor der Entscheidung immer den aktuellen Funktionsumfang, die Preise und den Speicherort der Daten. Gerade wer im Team KI-Agenten erstellen möchte, sollte auch auf Rechteverwaltung und Versionierung achten.
| Kategorie | Beispiele | Stärken | Grenzen |
|---|---|---|---|
| Assistenten in KI-Chat-Apps | individuelle GPTs in ChatGPT, Gems in Gemini, Projekte in Claude | schnell eingerichtet, kaum technisches Wissen nötig | begrenzte Anbindung an eigene Systeme |
| No-Code- und Low-Code-Plattformen | n8n, Make, Zapier, Microsoft Copilot Studio | viele Integrationen, Kombination mit Workflows | Einarbeitung nötig, Kosten pro Ausführung |
| Frameworks für Entwickler | OpenAI Agents SDK, LangGraph, Anthropic API mit Tool Use | volle Kontrolle und Flexibilität | Programmierkenntnisse erforderlich |
Für Marketing-Teams ohne Entwickler sind No-Code-Plattformen meist der beste Einstieg. n8n beschreibt in seiner Dokumentation zu KI-Funktionen, wie sich Agenten mit Modellen, Tools und Gedächtnis in Workflows einbauen lassen. Ein Vorteil: n8n lässt sich auch selbst hosten, was beim Datenschutz helfen kann. Praktische Ideen liefert der Beitrag mit n8n-Automatisierungsbeispielen.
Wer programmieren kann oder ein Entwicklerteam hat, findet im OpenAI Agents SDK ein schlankes Framework, um Agenten mit Tools, Übergaben zwischen Agenten und Kontrollmechanismen in Python umzusetzen.
KI-Agenten erstellen: Anleitung in 8 Schritten
Die folgende Anleitung funktioniert mit den meisten No-Code-Plattformen. Als Beispiel dient ein Agent, der neue Anfragen aus dem Kontaktformular vorqualifiziert.
- Aufgabe eng definieren: Beschreibe in einem Satz, was der Agent tun soll, zum Beispiel „Neue Anfragen recherchieren, nach Passung bewerten und eine Antwort vorbereiten“. Je enger die Aufgabe, desto zuverlässiger das Ergebnis.
- Ablauf skizzieren: Schreibe auf, wie ein Mensch die Aufgabe heute erledigt. Welche Informationen braucht er, welche Entscheidungen trifft er, wo kommen Ausnahmen vor?
- Plattform und Modell wählen: Entscheide anhand von Integrationen, Datenschutz und Budget. Für erste Tests reicht ein gängiges Modell, später kannst du wechseln.
- Anweisungen schreiben: Lege Rolle, Ziel, Bewertungskriterien, Tonalität und klare Verbote fest. Gib Beispiele für gute und schlechte Ergebnisse.
- Tools anbinden: Verbinde nur die Werkzeuge, die der Agent wirklich braucht, etwa Websuche, CRM-Lesezugriff und E-Mail-Entwürfe. Vergib möglichst nur Leserechte.
- Freigabe einbauen: Lass den Agenten zunächst nur Entwürfe erstellen. Ein Mensch prüft und versendet. Diese Kontrolle heißt Human in the Loop.
- Mit echten Fällen testen: Spiele mindestens 20 echte, anonymisierte Anfragen durch und bewerte jedes Ergebnis. Notiere Fehler und passe die Anweisungen an.
- Live gehen und überwachen: Starte mit begrenztem Volumen, kontrolliere Protokolle und Kosten wöchentlich und erweitere die Rechte erst, wenn die Qualität stimmt.
Beispiel für einen System-Prompt
So könnte ein kompakter Prompt für den Qualifizierungs-Agenten aussehen: „Du bist Assistent im Vertrieb einer B2B-Marketingagentur. Prüfe jede neue Anfrage: Branche, Unternehmensgröße laut Website, gewünschte Leistung und Budgetangabe. Bewerte die Passung mit A, B oder C nach den beigefügten Kriterien. Erstelle einen Antwortentwurf in der Du-Form. Erfinde keine Informationen. Wenn Angaben fehlen, frage nach. Sende niemals selbst E-Mails.“
Beispiel: KI-Agenten erstellen mit n8n
Um das Vorgehen greifbar zu machen, hier ein typischer Aufbau des Qualifizierungs-Agenten in n8n. Andere No-Code-Plattformen funktionieren nach einem ähnlichen Prinzip, die Bezeichnungen der Bausteine unterscheiden sich jedoch.
- Auslöser: Ein Webhook oder eine Formular-Integration startet den Workflow, sobald eine neue Anfrage eingeht.
- Agent-Baustein: Der AI-Agent-Knoten erhält die Anfrage, den System-Prompt und die Verbindung zu einem Sprachmodell.
- Werkzeuge: Dem Agenten werden eine Websuche, ein Lesezugriff auf das CRM und eine Tabelle mit Bewertungskriterien als Tools zur Verfügung gestellt.
- Gedächtnis: Ein einfacher Speicher hält den Kontext während der Bearbeitung fest.
- Ausgabe: Das Ergebnis wird als Notiz im CRM gespeichert und als E-Mail-Entwurf an das Vertriebsteam geschickt.
Der Vorteil dieser Kombination: Der starre Teil, also Auslöser und Ablage, läuft als klassischer Workflow und ist damit vorhersehbar. Nur die Recherche und Bewertung übernimmt der Agent. So kannst du KI-Agenten erstellen, die flexibel genug für unterschiedliche Anfragen sind und trotzdem kontrollierbar bleiben. Einen Vergleich weiterer Plattformen findest du im Überblick zu Marketing-Automation-Tools.
Qualität messen
Lege vor dem Start fest, woran du gute Ergebnisse erkennst. Für den Qualifizierungs-Agenten könnten das die Trefferquote der A-, B- und C-Bewertung im Vergleich zur Einschätzung des Vertriebs und der Anteil der Entwürfe sein, die ohne große Änderungen verschickt werden. Wer KI-Agenten erstellen will, die dauerhaft funktionieren, braucht solche Messgrößen, um Verbesserungen nachweisen zu können.
Praxisbeispiele für KI-Agenten im Marketing
Wer zum ersten Mal KI-Agenten erstellen will, findet in den folgenden Einsatzfeldern einen guten Einstieg, weil sie klar abgegrenzt sind und Fehler sich vor der Veröffentlichung abfangen lassen.
- Lead-Qualifizierung: Anfragen recherchieren, bewerten und Antwortentwürfe vorbereiten.
- Content-Recherche: Quellen zu einem Thema sammeln, zusammenfassen und ein Briefing erstellen.
- Wettbewerbsbeobachtung: Websites und Newsletter der Konkurrenz regelmäßig auswerten und Änderungen melden.
- Reporting: Kennzahlen aus mehreren Quellen abrufen, Auffälligkeiten kommentieren und einen Wochenbericht entwerfen.
- Social-Media-Vorbereitung: Aus einem Blogartikel Entwürfe für verschiedene Kanäle ableiten, die ein Mensch freigibt.
Rechenbeispiel: Lohnt sich der Aufwand?
Angenommen, eine Agentur erhält pro Monat 120 Anfragen. Die Vorqualifizierung dauert bisher 15 Minuten pro Anfrage, also 30 Stunden im Monat. Mit einem Agenten sinkt die Zeit auf 5 Minuten für die Prüfung des Entwurfs, insgesamt 10 Stunden. Bei einem internen Stundensatz von 60 Euro spart die Agentur rund 1.200 Euro pro Monat. Stehen dem Plattform- und Modellkosten von etwa 100 Euro sowie 20 Stunden einmaliger Einrichtung gegenüber, hat sich der Agent rechnerisch nach etwa zwei Monaten amortisiert. Alle Werte sind Beispielannahmen.
Recht und Datenschutz: Darauf achten in der EU
Wer KI-Agenten erstellen und einsetzen will, muss in der EU einige Regeln beachten. Die KI-Verordnung, auch AI Act genannt, wird schrittweise wirksam. Einen Überblick gibt die EU-Kommission zum KI-Gesetz.
- Transparenz: Seit dem 2. August 2026 gelten die Transparenzpflichten nach Artikel 50. Interagieren Menschen direkt mit einem KI-System, etwa einem Chat-Agenten auf deiner Website, müssen sie darüber informiert werden, sofern es nicht offensichtlich ist.
- KI-Kompetenz: Unternehmen, die KI-Systeme einsetzen, sollen dafür sorgen, dass ihre Mitarbeitenden über ausreichende KI-Kompetenz verfügen.
- Datenschutz: Verarbeitet der Agent personenbezogene Daten, gelten die DSGVO-Regeln. Prüfe Auftragsverarbeitungsverträge, Serverstandorte und ob Daten für das Training der Modelle genutzt werden.
- Haftung: Für Aussagen und Handlungen des Agenten bleibst du verantwortlich. Freigabeschritte schützen vor falschen Zusagen.
Welche Pflichten konkret im Marketing gelten, erklärt der Beitrag zum AI Act im Marketing.
Typische Fehler beim KI-Agenten erstellen
- Zu große Aufgabe: Ein Agent, der „das Marketing übernehmen“ soll, scheitert. Starte mit einem klar abgegrenzten Teilprozess.
- Zu viele Rechte: Schreib- und Sendeberechtigungen ohne Freigabe führen früher oder später zu peinlichen Fehlern.
- Keine Tests: Wer nur mit drei Beispielen testet, übersieht Ausnahmen, die im Alltag häufig vorkommen.
- Kein Verantwortlicher: Wer KI-Agenten erstellen lässt, aber niemanden für Pflege und Kontrolle benennt, verliert schnell den Überblick über Qualität und Kosten.
- Kosten ignoriert: Agenten rufen das Modell oft mehrfach pro Aufgabe auf. Setze Budgetgrenzen und beobachte den Verbrauch.
- Fehlende Dokumentation: Halte fest, welche Daten der Agent nutzt und wer verantwortlich ist. Das hilft bei Fehlern und bei Nachfragen zum Datenschutz.
Das Wichtigste in Kürze
- Ein KI-Agent verfolgt ein Ziel über mehrere Schritte und nutzt dabei Werkzeuge wie Websuche, CRM oder E-Mail.
- Zum KI-Agenten erstellen brauchst du Modell, Anweisungen, Tools, Wissen und klare Auslöser.
- No-Code-Plattformen wie n8n, Make oder Zapier ermöglichen den Einstieg ohne Programmierung.
- Starte mit einer engen Aufgabe, Leserechten und menschlicher Freigabe.
- In der EU gelten seit August 2026 Transparenzpflichten für KI-Systeme, die mit Menschen interagieren.
Wähle diese Woche einen wiederkehrenden Prozess, der dich mindestens zwei Stunden pro Woche kostet, und skizziere ihn Schritt für Schritt. Diese Skizze ist die beste Grundlage, um deinen ersten KI-Agenten zu erstellen und in wenigen Tagen zu testen.
Hinweis: Die rechtlichen Ausführungen dienen der allgemeinen Information und ersetzen keine individuelle Rechtsberatung.
Häufige Fragen zum KI-Agenten erstellen
Kann man KI-Agenten erstellen ohne Programmierkenntnisse?
Ja. Plattformen wie n8n, Make, Zapier oder Microsoft Copilot Studio bieten grafische Oberflächen, in denen du Modell, Anweisungen und Werkzeuge per Klick verbindest. Auch individuelle Assistenten in ChatGPT oder Gemini lassen sich ohne Code einrichten. Programmierkenntnisse helfen erst, wenn du sehr spezielle Integrationen brauchst oder volle Kontrolle über Ablauf und Infrastruktur haben möchtest.
Was ist der Unterschied zwischen KI-Agent und Chatbot?
Ein Chatbot beantwortet Fragen innerhalb eines Gesprächs. Ein KI-Agent verfolgt ein Ziel über mehrere Schritte, entscheidet selbst über den nächsten Schritt und nutzt dabei Werkzeuge, etwa eine Websuche, eine Tabelle oder dein CRM. Er kann also nicht nur antworten, sondern Aufgaben erledigen, zum Beispiel eine Anfrage recherchieren, bewerten und eine Antwort vorbereiten.
Was kostet es, KI-Agenten zu erstellen und zu betreiben?
Die Kosten setzen sich meist aus Plattformgebühren und Modellkosten pro Nutzung zusammen. Für einfache Marketing-Agenten mit moderatem Volumen bewegen sich die laufenden Kosten oft im zweistelligen bis niedrigen dreistelligen Eurobereich pro Monat. Dazu kommt die Zeit für Einrichtung, Tests und Pflege. Setze Budgetgrenzen und beobachte den Verbrauch, weil Agenten Modelle mehrfach pro Aufgabe aufrufen.
Welche Aufgaben eignen sich für KI-Agenten im Marketing?
Gut geeignet sind wiederkehrende, klar abgegrenzte Aufgaben mit prüfbarem Ergebnis, etwa Lead-Qualifizierung, Content-Recherche, Wettbewerbsbeobachtung, Reporting oder das Ableiten von Social-Media-Entwürfen aus Blogartikeln. Weniger geeignet sind Aufgaben mit hohem Risiko, bei denen Fehler direkt nach außen wirken, etwa der automatische Versand von Angeboten ohne menschliche Freigabe.
Was muss ich beim KI-Agenten erstellen rechtlich beachten?
Wenn du KI-Agenten erstellen und mit Kunden interagieren lässt, musst du seit August 2026 nach dem AI Act offenlegen, dass es sich um ein KI-System handelt, sofern das nicht offensichtlich ist. Verarbeitet der Agent personenbezogene Daten, gilt die DSGVO, inklusive Auftragsverarbeitungsvertrag mit dem Anbieter. Außerdem bleibst du für Aussagen des Agenten verantwortlich, deshalb sind Freigabeschritte sinnvoll.
