Ein Agentic Workflow ist ein Arbeitsablauf, in dem ein KI-System nicht nur einen einzelnen Arbeitsschritt erledigt, sondern eine Aufgabe mehrstufig plant, Werkzeuge aufruft, Zwischenergebnisse bewertet und seinen Weg bei Bedarf anpasst – innerhalb klar definierter Leitplanken. Während ein einzelner Prompt eine Antwort erzeugt, verfolgt ein Agentic Workflow ein Ziel: Er zerlegt es in Schritte, greift auf Systeme wie CRM, E-Mail oder Datenbanken zu und arbeitet, bis das Ziel erreicht oder eine Abbruchbedingung erfüllt ist. Ausführende Einheit ist dabei ein KI-Agent – der Workflow beschreibt, wie dieser Agent (oder mehrere) in einen kontrollierten Prozess eingebettet wird.
Abgrenzung: klassische Automatisierung vs. Agentic Workflow
Der wichtigste Unterschied liegt in der Entscheidungslogik. Klassische Automatisierung – etwa ein Workflow in n8n – ist deterministisch: Jeder Pfad ist vorab modelliert, dieselbe Eingabe erzeugt denselben Ablauf. Ein Agentic Workflow überlässt die Pfadwahl innerhalb definierter Grenzen einem Sprachmodell: Es entscheidet situativ, welcher Schritt als Nächstes sinnvoll ist. Das macht ihn flexibel bei unstrukturierten Eingaben – und gleichzeitig aufwendiger abzusichern.
| Kriterium | Klassischer Workflow | Agentic Workflow |
|---|---|---|
| Ablauf | Fest modelliert (Wenn-dann) | Vom Modell situativ geplant |
| Stärke | Wiederholbare, strukturierte Prozesse | Unstrukturierte, variantenreiche Fälle |
| Verhalten bei Sonderfällen | Bricht ab oder braucht neuen Zweig | Findet oft selbst einen Weg |
| Nachvollziehbarkeit | Vollständig vorhersagbar | Braucht Logging und Kontrollpunkte |
| Kosten pro Durchlauf | Minimal | LLM-Aufrufe, variabel |
In der Praxis ist das kein Entweder-oder: Die robustesten Systeme kombinieren beides – deterministische Flows für das Gerüst, agentische Schritte genau dort, wo Urteilsvermögen nötig ist.
Die Bausteine eines Agentic Workflows
- Planung: Das Modell zerlegt das Ziel in Teilschritte und passt den Plan nach jedem Ergebnis an.
- Werkzeuge (Tool Use / Function Calling): Definierte Schnittstellen, über die der Agent Aktionen ausführt – Daten abfragen, E-Mails entwerfen, Tickets anlegen. Standards wie das Model Context Protocol (MCP) vereinheitlichen diese Anbindung.
- Gedächtnis: Kontext über Schritte hinweg – vom Verlauf des aktuellen Auftrags bis zu dauerhaft hinterlegtem Wissen, oft ergänzt um RAG-Zugriff auf Unternehmensdaten.
- Leitplanken: Guardrails begrenzen, was der Agent darf: erlaubte Tools, Budget- und Schleifenlimits, gesperrte Aktionen, Formatvorgaben.
- Kontrollpunkte: Human-in-the-Loop-Freigaben überall dort, wo Aktionen nach außen wirken oder rechtlich relevant sind.
Verbreitete Muster
Einige Entwurfsmuster haben sich etabliert: Routing (ein Modell klassifiziert eingehende Fälle und verteilt sie auf spezialisierte Pfade), Reflection (der Agent prüft und verbessert sein eigenes Zwischenergebnis), Tool-Loops (Planen → Tool aufrufen → Ergebnis bewerten → weiter) und Orchestrator-Worker, bei dem ein steuernder Agent Teilaufgaben an spezialisierte Agenten vergibt – die Brücke zum Multi-Agenten-System. Praxisregel aus der Agentenforschung, etwa bei Anthropic: das einfachste Muster wählen, das die Aufgabe löst, und Komplexität nur bei nachgewiesenem Mehrwert hinzufügen.
Ein Beispiel aus der Praxis
Typisches Einstiegsszenario im Mittelstand: die Vorqualifizierung des Support-Postfachs. Eingehende E-Mails treffen unstrukturiert ein – Rechnungsfragen, Reklamationen, technische Probleme, Spam. Ein Agentic Workflow liest jede Mail, ordnet sie ein und entscheidet den nächsten Schritt: Standardfragen beantwortet er selbst als Entwurf auf Basis der Wissensdatenbank, Reklamationen legt er mit vorbefüllten Falldaten im Ticketsystem an, unklare Fälle eskaliert er mit einer Zusammenfassung an das Team. Kritische Aktionen – etwa eine Gutschrift zusagen – bleiben hinter einer menschlichen Freigabe. Das Gerüst (Mail-Eingang, Ticketsystem-Anbindung, Freigabe-Schritt) läuft als deterministischer n8n-Flow; agentisch ist die Beurteilung des Einzelfalls. Genau diese Arbeitsteilung macht das System gleichzeitig flexibel und kontrollierbar.
Risiken und Grenzen
Fehlerfortpflanzung: Ein früher Fehlschluss zieht sich durch alle Folgeschritte – deshalb braucht jeder produktive Agentic Workflow Logging, Zwischenprüfungen und definierte Abbruchkriterien. Kostenkontrolle: Jeder Schleifendurchlauf kostet Modellaufrufe; ohne Limits können Endlosschleifen teuer werden. Sicherheit: Sobald ein Agent fremde Inhalte verarbeitet (E-Mails, Webseiten, Dokumente), ist Prompt Injection ein reales Angriffsszenario – Berechtigungen gehören deshalb minimal geschnitten, destruktive Aktionen hinter Freigaben. Nachvollziehbarkeit und Compliance: Wer entscheidet was, und wie wird es dokumentiert? Für Prozesse mit Außenwirkung gilt: erst Verantwortlichkeiten und Kontrollpunkte klären, dann automatisieren. Als Faustregel für den Einstieg: Prozesse mit hohem Volumen, klarem Erfolgskriterium und begrenztem Schadenspotenzial zuerst. Wer Aufbau und Absicherung nicht allein stemmen will, holt sich Unterstützung von einer KI-Agentur mit Erfahrung in Agenten-Architekturen.
Wirtschaftlichkeit: wann sich der Aufwand trägt
Agentic Workflows verursachen zwei Kostenblöcke: den Aufbau (Prozessanalyse, Werkzeug-Anbindung, Guardrails, Tests) und den Betrieb (Modellaufrufe pro Durchlauf, Monitoring, Pflege bei Prozess- oder Modelländerungen). Dem gegenüber steht eingesparte Bearbeitungszeit – multipliziert mit dem Volumen. Daraus folgt eine einfache Heuristik: Je höher die Fallzahl und je teurer die heutige manuelle Bearbeitung, desto eher trägt sich der agentische Ausbau; bei zwanzig Fällen pro Monat lohnt fast immer die einfache Checkliste statt des Agenten. Ehrlich rechnen heißt außerdem, die Prüfkosten einzupreisen: Solange jedes Agentenergebnis vollständig nachkontrolliert wird, ist der Gewinn begrenzt – er entsteht, wenn Stichproben reichen, weil die Fehlerquote nachweislich niedrig ist. Genau deshalb sind Logging und Qualitätsmessung aus dem Pilotbetrieb keine Bürokratie, sondern die Grundlage der Wirtschaftlichkeitsrechnung. Eine brauchbare Überschlagsrechnung braucht nur vier Größen: Fälle pro Monat, heutige Minuten pro Fall, erwartete Rest-Minuten mit Agent (inklusive Stichprobenprüfung) und die Betriebskosten pro Fall. Liegt der rechnerische Break-even jenseits von zwölf bis achtzehn Monaten, ist meist nicht der Agent das Problem, sondern der gewählte Prozess – dann lieber einen Fall mit mehr Volumen oder mehr Schmerz auswählen.
Einführung in vier Schritten
- Prozess auswählen und vermessen. Kandidat ist ein wiederkehrender Ablauf mit unstrukturierten Eingaben, klarem Erfolgskriterium und begrenztem Schadenspotenzial. Vorher festhalten: heutiges Volumen, Bearbeitungszeit, Fehlerquote – sonst lässt sich der Effekt später nicht belegen.
- Werkzeuge minimal schneiden. Der Agent bekommt genau die Zugriffe, die die Aufgabe verlangt – lesend, wo lesend reicht, und keine destruktiven Aktionen ohne Freigabe. Ein enger Werkzeugkasten ist die wirksamste Sicherheitsmaßnahme, noch vor jedem Guardrail-Prompt.
- Pilot mit vollem Logging. Jeder Schritt, jeder Tool-Aufruf, jede Entscheidung wird protokolliert und stichprobenhaft geprüft. In dieser Phase arbeitet der Agent im Entwurfsmodus: Er bereitet vor, Menschen führen aus.
- Autonomie schrittweise erhöhen. Erst wenn die Fehlerquote über Wochen unter der menschlichen Vergleichsquote liegt, dürfen unkritische Aktionen ohne Einzelfreigabe laufen – mit Limits, Eskalationsregeln und einem definierten Not-Aus.
Reifegrade: vom Assistenten zur begrenzten Autonomie
Hilfreich ist, Agentic Workflows nicht als Schalter, sondern als Stufenleiter zu denken. Stufe eins ist der Entwurfsassistent: Der Agent recherchiert, strukturiert und formuliert vor, jede Wirkung nach außen bleibt beim Menschen. Stufe zwei ist der Freigabe-Agent: Er führt ganze Vorgänge aus, hält aber an definierten Kontrollpunkten an – die E-Mail geht erst nach Klick raus, die Gutschrift erst nach Bestätigung. Stufe drei ist begrenzte Autonomie: Für einen eng umrissenen Fallkatalog handelt der Agent selbstständig innerhalb harter Limits, alles außerhalb eskaliert an Menschen. Die meisten Mittelständler fahren dauerhaft gut mit Stufe zwei – Stufe drei ist kein Selbstzweck, sondern lohnt nur, wo Volumen und Nachweisbarkeit sie rechtfertigen. Der Wechsel zwischen den Stufen ist dabei keine Einbahnstraße: Steigt die Fehlerquote nach einer Prozess- oder Modelländerung, wird der Agent eine Stufe zurückgestuft, bis die Qualität wieder belegt ist.
Organisatorisch gehört zu jeder Stufe dieselbe Klärung wie bei menschlicher Delegation: Wer verantwortet das Ergebnis, wie wird kontrolliert, und wie lernt das System aus Fehlern? Unternehmen, die diese Fragen beantworten können, haben mit agentischen Systemen deutlich weniger Überraschungen – unabhängig vom eingesetzten Framework.
Werkzeuge und Bausteine in der Praxis
Für das deterministische Gerüst haben sich Workflow-Plattformen wie n8n etabliert, die LLM-Schritte als Bausteine integrieren. Die Modellanbieter liefern Agent-SDKs mit Tool-Aufrufen, Schleifensteuerung und Kontrollpunkten. Und mit dem Model Context Protocol existiert ein offener Standard, über den Agenten auf Systeme wie CRM, Datenbanken oder Dateiablagen zugreifen, ohne dass jede Anbindung neu gebaut werden muss. Die Architekturentscheidung lautet damit selten „welches Agenten-Framework", sondern: Welche Schritte bleiben deterministisch, wo genau lohnt Modell-Urteilskraft, und über welche Schnittstellen fließen die Daten?
Verwandte Begriffe kurz erklärt
Function Calling: die technische Fähigkeit eines Modells, statt einer Textantwort einen strukturierten Funktionsaufruf zurückzugeben – das Fundament jedes Tool-Einsatzes. Orchestrierung: die Steuerungsschicht, die Agentenschritte, deterministische Bausteine und Freigaben zu einem Gesamtablauf verbindet. Agentic Browsing: Agenten, die selbstständig Webseiten aufrufen und bedienen – relevant für Recherche-Workflows und zunehmend auch dafür, wie KI-Systeme Unternehmenswebsites „sehen"; mehr dazu unter Agentic Browsing. Agentic Commerce: die Übertragung des Prinzips auf Kaufprozesse, bei der Agenten Produkte suchen, vergleichen und Transaktionen anbahnen – siehe Agentic Commerce. Workflow-Automatisierung: der deterministische Unterbau; wie sich klassische Automatisierung im Mittelstand rechnet, zeigt der Überblick zur Prozessautomatisierung. Die Begriffe markieren dieselbe Bewegung auf verschiedenen Ebenen: Software erledigt nicht mehr nur definierte Schritte, sondern übernimmt abgegrenzte Aufträge.
Häufige Fragen zum Agentic Workflow
Was unterscheidet einen Agentic Workflow von einem KI-Agenten?
Der KI-Agent ist das handelnde System (Modell plus Werkzeuge plus Gedächtnis). Der Agentic Workflow ist der geordnete Prozess, in dem ein oder mehrere Agenten mit definierten Leitplanken, Kontrollpunkten und deterministischen Bausteinen eine Aufgabe erledigen.
Brauche ich dafür ein Multi-Agenten-System?
Meist nicht zum Start. Ein einzelner Agent mit gut definierten Werkzeugen deckt die häufigsten Fälle ab. Mehrere spezialisierte Agenten lohnen sich erst, wenn eine Aufgabe klar trennbare Teilkompetenzen hat und der Einzelagent nachweislich an Grenzen stößt.
Welche Prozesse eignen sich für den Einstieg?
Wiederkehrende Abläufe mit unstrukturierten Eingaben und überschaubarem Risiko: Posteingangs-Triage, Angebots- und Rechnungsdaten-Extraktion, Recherche-Zusammenfassungen, Lead-Anreicherung. Ungeeignet für den Anfang: alles mit unmittelbarer Rechts- oder Zahlungswirkung ohne menschliche Freigabe. Ein guter Test ist die Praktikanten-Frage: Würdest du die Aufgabe einer sorgfältigen neuen Aushilfe mit klarer Anleitung übertragen? Dann ist sie meist auch agententauglich – mit denselben Kontrollen, die du der Aushilfe geben würdest.
Weiterführend: Building effective agents – Praxisleitfaden von Anthropic.