Agentforce ist die KI-Agenten-Plattform von Salesforce: Damit bauen und betreiben Unternehmen autonome Software-Agenten, die auf der eigenen CRM- und Unternehmensdatenbasis arbeiten und Aufgaben tatsächlich ausführen — einen Datensatz aktualisieren, eine Verfügbarkeit prüfen, einen Termin buchen, eine Bestellung auslösen, einen Fall an einen Menschen übergeben. Der Unterschied zum klassischen Chatbot liegt genau dort: Agentforce plant, entscheidet und handelt innerhalb definierter Regeln, statt nur Text zu erzeugen.
Salesforce hat Agentforce im September 2024 angekündigt und im Oktober 2024 allgemein verfügbar gemacht. Seit der Dreamforce im Oktober 2025 firmiert der gesamte Stack unter dem Dach Agentforce 360: die Agentforce-360-Plattform, die Datenschicht Data 360 (vormals Data Cloud), die Customer-360-Anwendungen und Slack. Wenn du heute „Agentforce" liest, ist deshalb je nach Kontext dreierlei gemeint — das Produkt für Kunden- und Mitarbeiter-Agenten, die Baukasten-Plattform darunter, oder der Markenname für Salesforces gesamte KI-Strategie. Für die Begriffsklärung ist die mittlere Bedeutung die relevante: Agentforce ist ein KI-Agenten-Framework, das fest an Salesforce-Daten und Salesforce-Automatisierung gekoppelt ist.
Chatbot, Copilot, autonomer Agent — wo Agentforce steht
Der Begriff „Agent" wird im Marketing inflationär benutzt. Für eine Kaufentscheidung ist die Unterscheidung aber die wichtigste überhaupt, weil sie bestimmt, welche Prozesse du überhaupt automatisieren kannst und welches Risiko du dabei eingehst.
| Typ | Was er tut | Wer entscheidet | Typischer Fehlermodus |
|---|---|---|---|
| Regelbasierter Chatbot | Folgt vorgegebenen Dialogbäumen, liefert hinterlegte Antworten | Der Redakteur, der den Baum gebaut hat | Sackgasse: „Das habe ich leider nicht verstanden" |
| Copilot / Assistent | Formuliert, fasst zusammen, schlägt vor — im Beisein eines Menschen | Der Mensch, der den Vorschlag übernimmt oder verwirft | Plausibel klingende, aber falsche Zusammenfassung |
| Autonomer Agent | Zerlegt ein Ziel in Schritte, ruft Systeme auf, schreibt Daten zurück | Der Agent selbst, begrenzt durch Instruktionen und Rechte | Falsche Aktion in einem echten System — mit echter Folge |
Woran du einen echten Agenten erkennst
Ein autonomer Agent hat drei Dinge, die ein Chatbot nicht hat: ein Ziel statt eines Skripts, einen Werkzeugkasten aus ausführbaren Aktionen, und eine Schleife, in der er nach jedem Schritt prüft, ob er dem Ziel näher gekommen ist. Salesforce nennt diese Schleife die Atlas Reasoning Engine und beschreibt sie öffentlich als ReAct-Muster — reason, act, observe — im Gegensatz zum starren Chain-of-Thought-Plan der Vorgängergeneration. Das ist kein Salesforce-Spezifikum, sondern der Stand der Technik bei Agenten-Frameworks; interessant ist die konkrete Umsetzung.
Praktisch heißt das: Du beschreibst dem Agenten in natürlicher Sprache seinen Job („beantworte Fragen zum Lieferstatus, biete bei Verzug eine Alternative an, eskaliere bei Reklamationen"), hinterlegst die Aktionen, die er dafür aufrufen darf, und definierst die Grenzen. Ein Large Language Model übernimmt Sprachverständnis und Planung, die Ausführung übernehmen deterministische Bausteine — Flows, Apex-Code, API-Aufrufe. Diese Trennung ist der Grund, warum agentische Systeme überhaupt produktionstauglich werden: Das Sprachmodell wählt aus, aber es rechnet nicht selbst den Rabatt aus.
Warum die Abgrenzung beim Einkauf zählt
Wer einen Chatbot kauft und einen Agenten erwartet, zahlt für Enttäuschung. Wer einen Agenten kauft und ihn wie einen Chatbot behandelt, produziert Schaden. Die Frage, die du an jeden Anbieter stellen solltest, ist deshalb sehr konkret: Welche Systeme darf das Ding schreibend anfassen, und was passiert, wenn es sich irrt? Alles andere — Antwortqualität, Tonalität, Sprachumfang — ist demgegenüber zweitrangig. Salesforce beantwortet diese Frage über die Rechte des ausführenden Nutzerkontexts, über Instruktionen im Subagenten und über eine native Aktion „an Menschen übergeben".
Wie Agentforce technisch aufgebaut ist
Agentforce ist kein Modell, sondern eine Orchestrierungsschicht. Sie besteht aus vier Bausteinen, die du kennen solltest, wenn du Angebote oder Projektpläne liest.
Agent Builder, Subagenten und Actions
Der Agent Builder ist die Low-Code-Oberfläche, in der ein Agent entsteht. Das zentrale Strukturelement sind Subagenten: Jeder Subagent bildet eine Absicht ab („Bestellstatus", „Retoure", „Angebotsanfrage") und trägt seine eigenen Instruktionen, Geschäftsregeln und Aktionen. Eine eingehende Anfrage wird zuerst einem Subagenten zugeordnet, wodurch der Lösungsraum für das Sprachmodell klein bleibt. Salesforce beschreibt diesen Mechanismus als den Grund, warum ein Agent auf tausende Aktionen skalieren kann, ohne dass Latenz und Trefferquote einbrechen — nachzulesen in der Technikbeschreibung zur Atlas Reasoning Engine. Ergänzend gibt es seit 2025 Agent Script für Fälle, in denen der Ablauf deterministisch festgelegt sein muss statt vom Modell geplant zu werden.
Data 360 als Datenfundament
Ein Agent ist nur so gut wie das, was er sehen darf. Data 360 (bis Oktober 2025 Data Cloud) ist die Schicht, die CRM-Daten mit externen Quellen zusammenführt und für Retrieval-Verfahren aufbereitet. Der Agent zieht darüber Kontext — Kundenhistorie, Vertragskonditionen, Wissensartikel — statt sich auf das Weltwissen des Sprachmodells zu verlassen. Wichtig für die Kalkulation: Data-360-Verbrauch wird separat gemessen und ist in den unten genannten Agentforce-Preisen nicht enthalten. Genau an dieser Stelle laufen im Mittelstand die meisten Business Cases aus dem Ruder, weil die Datenintegration im Angebot als Nebensache auftaucht und im Projekt zur Hauptsache wird.
Guardrails, Trust Layer und Übergabe an Menschen
Salesforce fasst seine Schutzmechanismen unter dem Einstein Trust Layer zusammen: Toxizitätsprüfung, Verträge ohne Datenspeicherung beim Modellanbieter, Abwehr von Prompt Injection. Dazu kommen die Guardrails, die du selbst setzt — als natürlichsprachliche Instruktion im Subagenten und, wirksamer, als Rechte- und Rollenmodell auf den Objekten. Für kritische Vorgänge behandelt Agentforce die Übergabe an einen Menschen als reguläre Aktion; Human-in-the-Loop ist damit keine Notlösung, sondern ein planbarer Bestandteil des Ablaufs. Über die MCP-Unterstützung lassen sich zusätzlich externe Werkzeuge über das Model Context Protocol anbinden, was die Bindung an Salesforce-eigene Aktionen etwas lockert.
Was Agentforce kostet
Salesforce listet die Preise öffentlich, inklusive Euro-Werten. Stand August 2026 gibt es drei Verbrauchs- beziehungsweise Lizenzmodelle nebeneinander; sie sind nachlesbar auf der offiziellen Agentforce-Preisseite.
| Modell | Preis (EUR, Listenpreis) | Abrechnungseinheit | Typischer Einsatz |
|---|---|---|---|
| Salesforce Foundations | 0 € | — | Einstieg, Agent Builder, Prompt Builder testen |
| Flex Credits | 500 € je 100.000 Credits | Pro ausgeführter Aktion (20 Credits; Voice: 30 Credits) | Gemischte Kunden- und Mitarbeiter-Agenten |
| Conversations | 2 € je Conversation | Pro Konversation, unabhängig von der Aktionszahl | Reine Kunden-Agenten mit planbarem Volumen |
| Agentforce User License | 5 € pro Nutzer/Monat (zusätzlich Flex Credits) | Pro Nutzer | Breiter Zugang für Mitarbeitende |
| Agentforce Add-on | 125 € pro Nutzer/Monat | Pro Nutzer, Nutzung nicht gemessen | Sales-, Service- und Field-Service-Teams |
Ein Detail, das Kalkulationen kippen kann: Flex Credits und Conversations lassen sich nicht in derselben Organisation mischen, und nicht verbrauchte Flex Credits verfallen zum Ende der Vertragslaufzeit. Überverbrauch wird nicht mit Strafgebühren belegt, sondern zum vertraglich vereinbarten Satz monatlich nachberechnet.
Ein Rechenbeispiel aus der Praxis
Salesforce rechnet den Klassiker „Wo ist meine Bestellung?" selbst vor: Der Agent authentifiziert die Kundin über die E-Mail-Adresse und ruft die Bestelldetails ab — zwei Aktionen, also 40 Flex Credits. Bei 20 Anfragen am Tag und 30 Tagen sind das 24.000 Credits pro Monat, umgerechnet rund 120 € im Monat. Für ein Service-Team mit 100 Salesforce-Nutzern, die je drei Fälle pro Tag an 20 Tagen im Monat bearbeiten, nennt Salesforce dagegen 360.000 Credits und etwa 1.800 € monatlich. Die Zahlen stammen aus Anbietermaterial und sind ausdrücklich als Beispielrechnung gekennzeichnet — sie zeigen aber die Mechanik: Der Preis skaliert mit der Zahl der Aktionen, nicht mit der Zahl der Gespräche. Ein Agent, der viele kleine Systemaufrufe macht, ist im Flex-Modell teurer als einer, der einmal antwortet.
Agentforce im Commerce
Für Händler ist Agentforce vor allem seit dem Commerce-Release vom 24. Juni 2026 interessant. Salesforce hat dort drei einsatzfertige Agenten allgemein verfügbar gemacht und die Plattform stärker in Richtung Agentic Commerce geöffnet.
Shopper Agent, Buyer Agent, Merchant Agent
Der Shopper Agent übernimmt das Gespräch im eigenen Storefront: Verfügbarkeit prüfen, Versand-Cut-off bestätigen, Abholung in einer nahen Filiale anbieten, Kauf abschließen. Der Buyer Agent zielt auf B2B-Beschaffung und läuft in WhatsApp und SMS — der Beispielfall aus der Ankündigung ist eine Nachbestellung per Textnachricht inklusive Bildbestätigung der SKU, Vertragspreis und fertigem Auftrag, ohne Portal-Login. Der Merchant Agent richtet sich an das Backoffice: Katalog sortieren, Boost- und Bury-Regeln in natürlicher Sprache pflegen. Salesforce nennt für Merchant-Agent-Erstkunden eine um 88 Prozent verkürzte Bearbeitungszeit — eine Anbieterangabe ohne öffentlich einsehbare Methodik, die du entsprechend vorsichtig einordnen solltest. Alle Details stehen in der offiziellen Release-Ankündigung.
Anbindung an ChatGPT, Google und Gemini
Der strategisch wichtigere Teil ist die Öffnung zu externen KI-Oberflächen. Über Agentic Commerce Channels lässt sich der Produktkatalog aus dem Business Manager direkt an ChatGPT anbinden; die Integration in die Google-Suche inklusive AI Mode und in die Gemini-App war für den Sommer 2026 angekündigt. Salesforce betont, dass der Händler dabei Merchant of Record bleibt und die Bestellung auf derselben Plattform landet wie Service und Loyalty. Zusätzlich hat Salesforce Unterstützung für Googles Universal Commerce Protocol und für das Agentic Commerce Protocol von OpenAI und Stripe angekündigt. Wer heute überlegt, wie seine Produkte in KI-Antworten auftauchen, sollte diese Protokollebene kennen — sie ist plattformunabhängig relevant, auch für Shopware- oder Headless-Setups.
Was der Betrieb im Mittelstand tatsächlich verlangt
Die Technik ist selten das Problem. Vier Voraussetzungen entscheiden darüber, ob ein Agentenprojekt trägt:
- Datenqualität. Ein Agent, der eine falsche Lieferzeit ausliest, gibt sie mit voller Überzeugung weiter. Dubletten, veraltete Preislisten und uneinheitliche Artikelstammdaten werden durch KI nicht kaschiert, sondern verstärkt sichtbar.
- Rechte- und Rollenmodell. Der Agent handelt im Kontext eines technischen Nutzers. Ist der zu breit berechtigt, kann er mehr, als du willst. Das Berechtigungskonzept ist die härteste Guardrail, die du hast — härter als jede Instruktion in natürlicher Sprache.
- Definierte Eskalation. Lege vorab fest, bei welchen Vorgängen ein Mensch entscheidet: Gutschriften ab einer Betragsgrenze, Reklamationen, Vertragsänderungen. Diese Grenze gehört in die Konfiguration, nicht in eine Betriebsanweisung.
- Messbarkeit. Ohne Auswertung, welcher Anteil der Vorgänge tatsächlich vollständig gelöst wurde, lässt sich kein Business Case rechnen. Agentforce bringt dafür Observability-Werkzeuge mit; nutze sie von Tag eins, nicht erst im zweiten Jahr.
Regulatorik: die Transparenzpflicht ist Pflicht
Die EU-KI-Verordnung gilt. Seit dem 2. August 2026 greifen die Transparenzpflichten aus Artikel 50: Wer ein KI-System betreibt, das direkt mit Menschen interagiert, muss diese darüber informieren, dass sie es mit einem KI-System zu tun haben — es sei denn, das ist aus dem Zusammenhang für eine verständige Person offensichtlich. Praktisch bedeutet das einen klaren Hinweis im Chat-Einstieg und in der Sprachbegrüßung sowie eine dokumentierte Eskalationsmöglichkeit. Das ist keine große Hürde, aber es ist eine, die man nicht vergisst, wenn man sie einmal eingeplant hat. Weitere Einordnung findest du in unserem Eintrag zur KI-Verordnung.
Wann sich Agentforce lohnt — und wann etwas Schlankeres
Agentforce spielt seine Stärke aus, wenn die Daten ohnehin in Salesforce liegen. Dann ist der Weg vom Gespräch zur Aktion kurz, die Berechtigungen sind bereits modelliert, und die Übergabe an einen menschlichen Servicemitarbeiter passiert im selben System. Ist Salesforce dagegen nur eines von mehreren Systemen — oder gar nicht im Einsatz —, kaufst du dir eine Plattformbindung mit, die du fachlich nicht brauchst.
Für diesen Fall gibt es anbieterneutrale Alternativen: ein Workflow-Automatisierer wie n8n mit angebundenem Sprachmodell, ein eigener Agenten-Service auf Basis offener Frameworks, oder eine spezialisierte Lösung für den einen Prozess, der wirklich Volumen hat. Der Preisunterschied ist selten der entscheidende Punkt — der entscheidende Punkt ist, wo die Geschäftslogik liegt und wer sie ändern kann. Als Faustregel: Bei bestehender Salesforce-Landschaft und mehreren Prozessen gleichzeitig ist Agentforce eine ernstzunehmende Option. Bei einem einzelnen, klar umrissenen Anwendungsfall in einer heterogenen Systemlandschaft ist die schlanke Eigenlösung meist schneller live und günstiger im Betrieb.
nextlevels ist kein Salesforce-Partner. Diese Einordnung ist deshalb weder Empfehlung noch Warnung, sondern der Versuch, den Begriff so zu erklären, dass du im nächsten Anbietergespräch die richtigen Fragen stellst. Die Preisangaben stammen von der öffentlichen Salesforce-Preisseite mit Stand August 2026 und können sich ändern; verbindlich sind Listenpreise nie, verhandelt wird ohnehin. Und die wichtigste Frage bleibt unabhängig vom Anbieter dieselbe: Welchen Prozess soll der Agent übernehmen, woran misst du, ob er es tut, und was passiert, wenn er sich irrt?