KI-Agenten im Unternehmen

TAG 1 Verstehen → Einordnen → Entscheiden

Modul 1: KI-Agenten verstehen – Grundlagen und Anwendungslogik

• Was ist ein KI-Agent wirklich? Abgrenzung zu Chatbots, Skripten und klassischer Automatisierung
• Die drei Agenten-Archetypen: analytisch, operativ, kreativ – und wofür sie stehen
• Checkliste „Ist meine Aufgabe agenten-fähig?“: 5 Kriterien für die Bewertung von Use Cases
• Gruppenarbeit: Eigene Unternehmensprozesse analysieren – Agent sinnvoll oder nicht?

Modul 2: Prompt-Design & Agent-Design – die Bausteine stabiler Agenten

• Das 6-Bausteine-Framework: Rolle, Ziel, Wissensquellen, Fähigkeiten, Prozesslogik, Qualitätssicherung
• Prompt-Schichten: Wie Kontext, Constraints und Beispiele einen Agenten präzise und zuverlässig machen
• „Agent-Blueprint“-Workshop: Eigenen Wissensagenten strukturieren – von der vagen Idee zur klaren Architektur
• Typische Designfehler und wie man sie vermeidet

Modul 3: Der LLM-Entscheidungsrahmen – welches Modell für welchen Agenten?

• ChatGPT, Claude, Gemini, Mistral und Co.: Wie unterscheiden sie sich in der Praxis?
• Entscheidungsmatrix: Wann welches Modell – nach Aufgabentyp, Kosten, Datenschutz und Performance
• Make vs. Buy: Wann lohnt sich der Aufbau eigener Agenten – und wann ist eine fertige Lösung sinnvoller?
• API-Kosten, Token-Management und wirtschaftliche Einschätzung für Entscheider:innen

Modul 4: Unternehmenskontext – Governance, Change & Team-Enablement

• KI-Governance: Welche Regeln, Verantwortlichkeiten und Freigabeprozesse braucht ein Unternehmen?
• Datenschutz und Compliance: DSGVO, interne Richtlinien und Sicherheitskonzepte für Agenten-Einsatz
• Change Management: Wie führt man Teams durch die Einführung agentischer Systeme?
• Team-Enablement: Welche Rollen und Kompetenzen braucht ein Unternehmen, um Agenten nachhaltig zu betreiben?

Modul 5: Agent-Use-Cases entwickeln – Wert erkennen, Potenziale heben

• Systematische Use-Case-Identifikation: Prozesse, Pains und Potenziale im eigenen Unternehmen scannen
• Priorisierungsmatrix: Welche Use Cases bringen den schnellsten ROI?
• Gruppenarbeit: Eigene Top-3-Use-Cases entwickeln und gegeneinander abwägen
• Vorstellung und Feedback im Plenum: Gemeinsame Schärfung der Entscheidungslogik

TAG 2 Anwenden → Strukturieren → Qualität sichern → Umsetzen

Modul 6: CustomGPTs strukturieren – vom Rollenprofil zum Qualitäts-Output

• CustomGPTs als Einstieg in die Agenten-Praxis: Aufbau, Konfiguration und Wissensquellen
• Live-Konfiguration: Eigenen Custom

GPT nach dem 6-Bausteine-Framework aufbauen

• Testen und Iterieren: Wie man Agenten-Outputs systematisch bewertet und verbessert
• Grenzen von CustomGPTs – und wann professionellere Agenten-Plattformen sinnvoll sind

Modul 7: ChatGPT Agents & Workflows – so laufen Agenten in der Praxis

• ChatGPT Agents: Tool-Nutzung, Web-Suche und Dateiverarbeitung in der Praxis
• Workflow-Design für Agenten: Wie plant man mehrstufige, autonome Aufgabenabfolgen?
• Live-Demo: Einen echten Agenten-Workflow für einen realen Unternehmensprozess aufbauen
• Monitoring und Logging: Wie behalte ich den Überblick über laufende Agenten?

Modul 8: Open-Source (Mistral) – was Unternehmen wissen müssen

• Warum Open Source? Datenschutz, Kosten und strategische Unabhängigkeit als Argumente
• Mistral und weitere Open-Source-Modelle: Stärken, Grenzen und Einsatzszenarien
• On-Premise vs. Cloud: Entscheidungsrahmen für sensible Unternehmensdaten
• Praktische Einordnung: Wann ist Open Source die richtige Wahl – und wann nicht?

Modul 9: Qualitätsmanagement für Agenten – Framework für zuverlässige Ergebnisse

• Halluzinationen, Fehlerfortpflanzung und Kontrollverlust: Die zentralen Risiken agentischer Systeme
• QM-Framework: Evaluationslogiken, Testszenarien und Feedback-Schleifen für Agenten
• Human-in-the-Loop: Welche Entscheidungen der Mensch immer treffen muss – und warum
• Qualitäts-Checkliste für den produktiven Einsatz von KI-Agenten im Unternehmen

Modul 10: Umsetzung im Unternehmen – Roadmap, Rollen & Erfolge messen

• Implementierungs-Roadmap: Vom ersten Piloten zur unternehmensweiten Agenten-Strategie
• Rollenverteilung: Wer im Unternehmen ist Owner, Betreiber und Qualitätssicherer von Agenten?
• KPIs und Erfolgsmessung: Wie bewertet man den ROI von KI-Agenten-Projekten?
• Abschlussprojekt: Jede:r Teilnehmende präsentiert einen eigenen priorisierten Use Case mit Umsetzungsplan