Der Begriff „Agent“ wird derzeit für alles verwendet, was mit KI zu tun hat. Der Unterschied zum Chatbot ist aber klar benennbar – und er entscheidet darüber, was ein solches System überhaupt leisten kann.
Ein Agent führt einen Ablauf durch
Ein Chatbot beantwortet eine Anfrage. Ein Agent verbindet mehrere Schritte zu einem Vorgang – im Kern eine Mischung aus Sprachmodell, Chatbot und Automatisierung.
Auslöser Eine Kundenanfrage geht ein
Verstehen und einordnen
Was möchte der Kunde, wie ist das Anliegen zu klassifizieren, wo muss nachgeschlagen werden?
Nachschlagen
Im Handbuch, in der Wissensdatenbank oder im System: Wo ist die Lieferung, welche Bedingungen gelten?
Antwort zusammenstellen
Aus dem Gefundenen wird eine Antwort formuliert – nicht abgerufen, sondern gebildet.
Antwort prüfen lassen
Die entscheidende Stufe: eine Instanz, die kontrolliert, bevor die Antwort hinausgeht. Ohne sie wird aus einer falschen Auskunft ein Schaden.
Ins System zurückschreiben
Ein Ticket anlegen, einen Status setzen, einen Vorgang anstoßen. Hier unterscheidet sich der Agent endgültig vom Chatbot: Er schreibt, nicht nur liest.
Genau der letzte Punkt macht Agenten interessant – und anspruchsvoll. Ein System, das eigenständig Daten verändert, braucht die Prüfschicht davor.
Was die Anbieter anbieten
HubSpot Breeze setzt auf einen Assistenten plus vordefinierte Agenten. Der Assistent wertet die vorhandenen Daten aus – Kundenzusammenfassungen, offene Verkaufschancen ohne Bewegung, die Entwicklung der Klickrate – und hilft beim Erstellen von E-Mail-Entwürfen, Landingpages, Kurznachrichten und Beiträgen. Daneben stehen benannte Agenten für Marketing, Vertrieb, Support und Auswertung.
Salesforce Agentforce geht den umgekehrten Weg: ein generalistischer Agent, den sich jedes Unternehmen selbst zusammenstellt.
Der Praxistest
Ein früher Test mit Salesforce-Architekten hatte ein bescheidenes Ziel: ein Service-Agent, der eine PDF-Datei auslesen kann. Bei einem gewöhnlichen Sprachmodell ist das eine Sache von Sekunden.
Im System dauerte es acht Stunden – Versuch und Irrtum, immer neue Berechtigungen, eine Parametrierung, die sich als deutlich diffuser erwies als die saubere Schrittfolge oben. Am Ende antwortete das System. Was dabei herauskam, hatte im Wesentlichen Chatbot-Funktionalität: nachschlagen und antworten. Eine mehrstufige Aufgabe – nachsehen, ob etwas verfügbar ist, und es dann buchen – wäre damit nicht möglich gewesen.
Die Einschätzung daraus: Der generalistische Ansatz funktioniert weniger gut als vordefinierte Agenten. Wer jedem Unternehmen erst den Bau des eigenen Agenten abverlangt, verlagert die eigentliche Arbeit dorthin, wo die Fachkenntnis dafür fehlt.
Diese Beobachtungen stammen aus einem Test Anfang 2025 und beschreiben den damaligen Stand. Beide Produkte entwickeln sich schnell – wer heute entscheidet, sollte selbst testen statt sich auf Berichte zu verlassen. Die Fragestellung bleibt dieselbe: Bekommt man einen mehrstufigen Ablauf zuverlässig zum Laufen, oder endet es bei einem Chatbot?
Was dabei unterzugehen droht
Ein Nebenbefund ist bemerkenswerter als die Agenten selbst: Die vorhandene analytische KI wird kaum weiterentwickelt. Die Aufmerksamkeit gilt den Sprachmodellen, während die Verfahren zur Vorhersage – Abwanderung, Kundenwert, nächster Kauf – auf der Stelle treten.
Für das CRM ist das die falsche Prioritätensetzung: Ein Textassistent spart Zeit, eine gute Abwanderungsprognose verändert Entscheidungen. Diese Zwischenbilanz fällt über alle Anbieter hinweg ähnlich aus.
Was das praktisch heißt
Nicht abwarten – aber auch nicht selbst bauen. Die sinnvolle Haltung liegt dazwischen: verfolgen, was im eigenen System ankommt, und es früh ausprobieren – an einem Anwendungsfall, der überschaubar ist und bei dem ein Fehler nichts kostet. Der Support-Agent für einfache Statusanfragen ist ein besserer Start als der Vertriebsagent, der Angebote verschickt.