Jetzt, da Sie wissen, was Ihr Agent tun soll und wo er eingesetzt wird, ist es Zeit für eine wichtige Frage.

Wird für dieses Problem tatsächlich ein Agent benötigt?

Nicht jedes Projekt braucht einen Agenten – nicht einmal jedes Automatisierungsprojekt. Manchmal reicht ein einfacher Workflow, ein Skript oder ein regelbasiertes Verfahren aus. Den Unterschied zu kennen, spart später Zeit, Geld und vermeidet Verwirrung.

Ein KI-Agent kann mehr als nur Anweisungen ausführen. Er liest, schreibt und spricht in natürlicher Sprache. Er erkennt Absichten, nutzt Wissen und trifft Entscheidungen in unsicheren Situationen. Diese Flexibilität macht ihn leistungsstark, bringt aber auch Komplexität mit sich. Jeder LLM-Aufruf kostet Tokens, Zeit und birgt Risiken. Deshalb lohnt sich ein Agent nur, wenn echte Schlussfolgerungen oder Sprachverständnis gefragt sind.

Ist die Aufgabe deterministisch (also mit einem vorhersehbaren Input und Output), ist meist ein Workflow oder Automatisierungstool besser geeignet. (Kleiner Tipp: Botpress kann beides!)

Geht es bei der Aufgabe um Kontext, Interpretation oder Konversation, ist ein KI-Agent die richtige Wahl.

Schauen wir uns an, wie Terminal Roast das angeht.

Taryns Team hat die erste Aufgabe definiert: Kundenfeedback zu neuen Kaffeesorten und Rezepten einholen. Adrian, der leitende Barista, schlägt zwei Möglichkeiten vor, wie der Agent das übernehmen könnte.

Die erste ist konversationell. Der Agent fragt, warum ein Kunde ein Getränk mochte oder nicht und versucht, die Gründe zu verstehen. Das erfordert Feingefühl, Interpretation und Gedächtnis – ideal für einen Agenten.

Die zweite ist programmatisch. Der Agent zeigt eine einfache Liste neuer Rezepte und bittet die Kunden, mit „ja“ oder „nein“ zu antworten. Diese Interaktion braucht kein Verständnis – perfekt für eine Automatisierung.

Indem sie diese beiden Abläufe trennen, macht das Team das System effizienter. Sie setzen einen Agenten ein, wenn Sprachverständnis wichtig ist, und einen Workflow, wenn reine Logik genügt.

Viele Teams vermischen diese Unterscheidung. Sie versuchen, einen Agenten zu bauen, der alles kann: Fragen beantworten, Daten abrufen, Einträge aktualisieren und Transaktionen verwalten. Doch jede zusätzliche Funktion erhöht Kosten, Verzögerungen und Wartungsaufwand. Besser ist es, Agenten und Workflows zu kombinieren.

Nutzen Sie Workflows für Struktur und Zuverlässigkeit. Setzen Sie Agenten für Intelligenz und Anpassungsfähigkeit ein.

Stellen Sie sich den Agenten als „erste Anlaufstelle“ vor, der die Nutzer versteht und dann strukturierte Aktionen an Automatisierungssysteme weitergibt, die diese präzise ausführen. Sind beide Systeme klar definiert, wird das Ergebnis stabiler, skalierbarer und transparenter.

Hier ein schneller Test.

Fragen Sie sich: Erfordert diese Aufgabe das Verständnis natürlicher Sprache oder reicht ein einfaches Regelwerk? Ist Sprachverständnis nötig – etwa um Absichten zu erkennen, Mehrdeutigkeiten zu klären oder Wissen einzubeziehen – braucht es einen Agenten. Andernfalls setzen Sie einen Workflow ein.

Sie können später jederzeit einen Agenten ergänzen, wenn die Logik und Daten klar sind. Es ist viel einfacher, einen funktionierenden Workflow zu einem intelligenten System auszubauen, als einen überladenen Agenten zu entwirren.

Der Ansatz von Terminal Roast (konversationelle und programmatische Aufgaben zu trennen) ist ein gutes Vorbild. So entsteht ein schlankes System, bei dem jeder Teil genau das tut, wofür er am besten geeignet ist.

Diese Klarheit zahlt sich später bei Wartung, Kosten und Leistung aus.

Aktion: Überprüfen Sie die Aufgaben Ihres geplanten Agenten und identifizieren Sie diejenigen, die echtes Sprachverständnis erfordern.

Behalten Sie nur diese Aufgaben beim Agenten und planen Sie, den Rest über Standard-Workflows zu automatisieren.

‍