AI-Agenten für geschäftskritische Prozesse
Document Agents. Workflow Agents. Knowledge Agents.
Einen Agent zu bauen ist einfach. Ihn Enterprise-fähig zu machen nicht.
Workflow-Agenten lassen sich in Tagen prototypisieren. ChatGPT, Claude oder Llama – ein Agent der Dokumente liest und Antworten generiert ist kein technisches Problem mehr.
Das eigentliche Problem beginnt danach: Ist die Entscheidung des Agents auditierbar? Erfüllt sie die Anforderungen des EU AI Act (Transparenz, menschliche Aufsicht, Aufzeichnungspflichten)? Kann der Betriebsrat nachvollziehen, nach welchen Regeln der Agent entscheidet? Hält die Architektur einer SOC-2-Prüfung stand?
Genau hier setzen wir an. Nicht beim Bauen des Agents – sondern bei der Governance-Schicht, die ihn produktionsfähig, prüfbar und zertifizierbar macht. Wer Governance erst nach dem PoC plant, baut zweimal.
Das Kernproblem in Unternehmen
Enterprise-Prozesse basieren auf implizitem Wissen einzelner Mitarbeiter. Tarifverträge, Betriebsvereinbarungen, Buchungslogik, Compliance-Regeln – ein komplexes Regelwerk dessen Anwendung von Person zu Person variiert.
Die Konsequenzen: Inkonsistente Entscheidungen über Standorte hinweg, Fehler die erst in der Prüfung auffallen, Know-how-Verlust bei Personalwechsel, und Prozesse die nicht skalieren weil sie an einzelnen Köpfen hängen.
Entscheidungsqualität statt Prozessautomatisierung
Enterprise-Entscheidungen sind formal menschlich, aber oft inkonsistent dokumentiert. Ein AI Agent ersetzt keine Fachentscheidung. Er strukturiert sie, dokumentiert sie und macht sie reproduzierbar. Das Ziel ist nicht Automatisierung um der Automatisierung willen, sondern konsistente, nachvollziehbare Entscheidungsqualität über alle Standorte und Bearbeiter hinweg.
Drei Agent-Typen
1. Document Agents
Document Agents lesen, verstehen und verarbeiten Dokumente mit echtem Sprachverständnis. Keine Template-Erkennung, keine starren OCR-Regeln – sondern kontextuelles Verständnis der Inhalte.
Was sie verarbeiten: Eingangsrechnungen und Gutschriften, Krankmeldungen und ärztliche Bescheinigungen, Arbeitsverträge und Vertragsänderungen, Bescheinigungen und Nachweise, Belege und Quittungen.
Dokument → Agent liest → Decision Layer prüft
(Rechnung) und versteht Vollständigkeit, Plausibilität,
Steuerklassifikation
│
┌────────────┴────────────┐
│ │
Hohe Confidence Niedrige Confidence
Regel eindeutig oder Ausnahmefall
│ │
Buchungsvorschlag Eskalation an
+ Audit Trail SachbearbeiterDer Document Agent ersetzt keine Sachbearbeiter. Er bearbeitet die Routinefälle autonom und eskaliert Ausnahmefälle an Menschen – mit vollständiger Dokumentation.
2. Workflow Agents
Workflow Agents orchestrieren Prozesse systemübergreifend. Wenn ein Dokument gelesen, eine Entscheidung getroffen und eine Aktion in einem Zielsystem ausgelöst werden muss – der Workflow Agent koordiniert den gesamten Ablauf.
Beispiel-Workflow: Krankmeldung
Eingang → Document Agent → Decision Layer
(E-Mail mit liest Krankmeldung prüft §5 EFZG
Anhang) und extrahiert und BV-Constraints
Daten │
┌──────────┴──────────┐
│ │
Regelkonform Rückfrage nötig
│ │
Lohnfortzahlung HR-Sachbearbeiter
berechnen wird informiert
│ │
SAP-Buchung Wartet auf
vorschlagen Entscheidung
│ │
Audit Trail Audit Trail
dokumentiert dokumentiertJeder Schritt wird geloggt. Jede Entscheidung ist nachvollziehbar. Bei Rückfragen oder fehlenden Informationen wird der Workflow pausiert – nicht abgebrochen.
3. Knowledge Agents
Knowledge Agents liefern kontextbasierte Antworten aus Unternehmenswissen. Betriebsvereinbarungen, Richtlinien, Tarifverträge, Compliance-Regeln, FAQ-Kataloge.
Wichtig: Die Antwort enthält immer die Quelle und die Regelversion. Ein Knowledge Agent beantwortet keine Frage ohne Quellenangabe. Bei fehlender oder widersprüchlicher Regelung antwortet er nicht, sondern verweist an die zuständige Stelle.
Beispiel: Frage: „Wie viele Tage Sonderurlaub habe ich bei Umzug?“
Antwort: „Gemäß Betriebsvereinbarung BV-2024-007, §3 Abs. 2 (Version 2024.2, gültig seit 01.04.2024) stehen Ihnen bei Umzug 2 Arbeitstage Sonderurlaub zu. Für tarifgebundene Mitarbeiter gilt zusätzlich §29 TV-L, der 1 weiteren Tag vorsieht.“
Quelle wird mitgeliefert. Regelversion wird dokumentiert. Bei Interpretationsspielraum: Verweis an HR.
Decision Layer
Der Decision Layer ist die zentrale Governance-Komponente. Er sitzt zwischen Agent und Zielsystem und macht jede LLM-Entscheidung transparent, auditierbar und nachvollziehbar.
Was der Decision Layer prüft: Fachliche Regelwerke (Tarifverträge, Betriebsvereinbarungen, Buchungslogik), Confidence Score des Modells, Risiko-Score der Entscheidung, Betriebsvereinbarungs-Constraints, Bias- und Diskriminierungspotenzial.
Was er erzeugt: Vollständigen Audit-Trail-Eintrag pro Entscheidung, Input-Hash für Reproduzierbarkeit, Regelversion pro angewandter Regel, Routing-Entscheidung (autonom oder Human-in-the-Loop).
Integration
AI-Agenten ersetzen keine bestehenden Systeme. SAP bleibt ERP. Workday bleibt HCM. DATEV bleibt Steuersystem. Die Agent-Logik ist vom Zielsystem entkoppelt.
- SAP FI/CO, SAP S/4HANA
- SAP SuccessFactors
- Workday
- DATEV
- SharePoint, Microsoft Teams (via Microsoft Graph)
- Weitere über REST/SOAP-Schnittstellen
Modell-Agnostik
Die Architektur ist nicht an ein einzelnes LLM gebunden. Der Model Layer ist austauschbar:
- Claude (Anthropic) – aktuell stärkstes Modell für komplexe Textanalyse
- ChatGPT (OpenAI) – breites Einsatzspektrum
- Gemini (Google) – tiefe Integration mit Google-Diensten
- Llama (Meta) – Open Source, Self-Hosted möglich
- Mistral – Open Source, EU-basiert
- DeepSeek – Open Source, kosteneffizient
- gpt-oss (OpenAI) – Open Source, Self-Hosted möglich
Wenn ein neues Modell verfügbar wird, kann es integriert werden ohne die Geschäftslogik zu ändern. Kein Vendor Lock-in auf ein einzelnes Modell.
Unsere Engineers sind für Azure AI und Cloud-native Architekturen zertifiziert. Agenten deployen wir auf Azure, GCP oder Ihrer eigenen Infrastruktur – modell-agnostisch und plattformoffen.
Business Impact
- Routinefälle werden autonom verarbeitet – mit vollständiger Dokumentation
- Ausnahmefälle werden an Menschen eskaliert – mit Kontext und Empfehlung
- Gleiche Regelinterpretation über alle Standorte hinweg
- Jede Entscheidung nachvollziehbar für Prüfer und Betriebsrat
- Skalierbar ohne proportionalen Personalaufbau
- Know-how bleibt im System – nicht in einzelnen Köpfen
Vollständiger Source Code, alle Prompts, alle Regelwerke gehören dem Kunden. Nach 12–18 Monaten betreiben Sie Ihre Agenten eigenständig. Gosign baut und befähigt – und geht dann.
Häufige Fragen zu AI-Agenten
Welche Daten verlassen das Unternehmen?
Keine. Agenten laufen in Ihrer Infrastruktur – Cloud, Self-Hosted oder hybrid. Bei Cloud-LLMs gelten die DPAs des jeweiligen Anbieters. Bei Self-Hosted-Modellen verlassen keine Daten das Unternehmensnetzwerk.
Wie lange dauert ein Pilotprojekt?
4–6 Wochen bis zum produktiven PoC. Discover (1 Woche), Build (3–4 Wochen). Der erste Agent läuft live in Ihrer Infrastruktur mit Decision Layer und Audit Trail.
Ist das betriebsratsfähig?
Ja. Human-in-the-Loop als Architekturprinzip, vollständiges Logging, Rollenkonzept, Audit Trail. Betriebsvereinbarungen werden als explizite Constraints im Decision Layer abgebildet.
Welche Modelle werden verwendet?
Die Architektur ist modell-agnostisch. Aktuell: Claude, ChatGPT, Gemini, Llama, Mistral, DeepSeek, gpt-oss. Modelle sind austauschbar ohne Änderung der Geschäftslogik.
Welcher Prozess soll Ihr erster Agent übernehmen?
Sprechen Sie mit uns über einen konkreten Use Case.
Gespräch vereinbaren