Chatbot vs. KI-Agent: Unterschiede für Schweizer KMU

KI ist im Geschäftsalltag vieler KMU angekommen. Gleichzeitig werden Begriffe wie Chatbot, Copilot, KI-Agent oder Agentic AI oft durcheinander verwendet. Das führt in der Praxis zu falschen Erwartungen: Ein System wird als «intelligent» wahrgenommen, obwohl es nur Antworten liefert. Oder es wird Autonomie erwartet, obwohl weder Prozesse noch Berechtigungen dafür vorbereitet sind.

Der entscheidende Unterschied liegt nicht in der Sprache, sondern in der Handlungsfähigkeit. Kann das System nur Informationen ausgeben? Unterstützt es Mitarbeitende bei Aufgaben? Oder darf es selbst auf Tools zugreifen, Aktionen auslösen und mehrere Schritte koordinieren?

Wer diese Stufen sauber trennt, kann KI im Unternehmen realistischer einordnen. Das hilft bei der Entscheidung, ob für einen Anwendungsfall ein Chatbot genügt, ein Copilot sinnvoll ist oder ein Agent überhaupt vertretbar wird.

Chatbot, Copilot, KI-Agent und Agentic AI: die Begriffe sauber trennen

Im KMU-Alltag lassen sich die vier Begriffe gut über ihre Funktion unterscheiden.

Ein Chatbot beantwortet Fragen. Das kann regelbasiert geschehen, etwa über feste Dialogbäume, oder mit einem Sprachmodell, das natürlich formulierte Antworten erzeugt. Entscheidend ist: Der Chatbot bleibt in erster Linie ein Antwortsystem.

Ein Copilot unterstützt Menschen bei ihrer Arbeit. Er formuliert Entwürfe, fasst Informationen zusammen, strukturiert Inhalte oder schlägt nächste Schritte vor. Er arbeitet im Kontext einer Aufgabe, trifft aber nicht eigenständig verbindliche Entscheidungen.

Ein KI-Agent geht einen Schritt weiter. Er kann definierte Aufgaben ausführen, weil er auf Systeme, Daten oder Tools zugreifen darf. Er legt zum Beispiel ein Ticket an, überträgt Daten, prüft einen Termin oder löst einen standardisierten Prozessschritt aus.

Agentic AI beschreibt Systeme mit höherer Autonomie. Sie planen und steuern mehrere Schritte stärker selbst, verfolgen ein Ziel über Teilaufgaben hinweg und entscheiden innerhalb definierter Grenzen, wie sie vorgehen. Das ist mehr als ein einzelner Task mit Tool-Zugriff.

Für die Einordnung im Unternehmen ist deshalb eine einfache Frage oft hilfreicher als jede Technologiediskussion: Antwortet das System, unterstützt es oder führt es aus? Genau dort liegt der praktische Unterschied zwischen Chatbot und KI-Agent.

Wer diese Grundlagen vertiefen möchte, findet im Praxiswissen zu Automatisierung und KI weitere Beispiele und Einordnungen für KMU.

Warum ein Chatbot noch keine Handlung übernimmt

Viele Unternehmen starten mit einem Chatbot, weil er vergleichsweise schnell eingeführt werden kann. Gerade im Kundenservice oder bei internen Standardfragen ist das sinnvoll. Die Grenze wird aber oft unterschätzt.

Ein regelbasierter Chatbot folgt vordefinierten Abläufen. Er beantwortet etwa Fragen zu Öffnungszeiten, Lieferfristen oder Kontaktwegen. Das funktioniert gut, solange die Anliegen standardisiert sind. Sobald eine Anfrage mehr Kontext, Interpretation oder Zugriff auf aktuelle Daten verlangt, stösst ein solcher Bot an Grenzen.

LLM-gestützte Chatbots wirken deutlich flexibler. Sie können freier formulieren, Varianten verstehen und Antworten natürlicher aufbereiten. Trotzdem gilt auch hier: Ohne Zugriff auf Tools und Systeme handeln sie nicht. Sie erklären vielleicht, wie ein Adresswechsel erfasst werden müsste, sie führen ihn aber nicht selbst aus.

Ein typisches Beispiel aus dem Kundenservice eines KMU: Ein Kunde fragt nach dem Status einer Bestellung. Ein einfacher Chatbot kann allgemeine Informationen zu Lieferzeiten geben oder auf den Kontakt verweisen. Ein LLM-gestützter Bot kann die Antwort freundlicher und individueller formulieren. Aber solange kein Zugriff auf das ERP, den Webshop oder die Versanddaten besteht, bleibt der Bot bei allgemeinen Aussagen.

Genau hier entsteht oft die Fehlannahme. Weil ein Chatbot sprachlich überzeugend auftritt, wird ihm mehr Kompetenz zugeschrieben, als tatsächlich vorhanden ist. Für den geschäftlichen Nutzen zählt jedoch nicht, wie gut ein System klingt, sondern was es verbindlich und kontrolliert leisten kann.

Für FAQ-Bereiche, Erstkontakte und standardisierte Auskünfte ist ein Chatbot oft ausreichend. Wer aber erwartet, dass das System Daten prüft, Aktionen auslöst oder Fälle weiterverarbeitet, braucht mehr als eine gute Antwortmaschine.

Was ein Copilot im KMU-Alltag wirklich leistet

Der Copilot ist im Büroalltag oft die sinnvollste nächste Stufe. Er übernimmt keine vollständigen Prozesse, entlastet aber spürbar bei wiederkehrenden Wissens- und Kommunikationsaufgaben.

Typische Einsätze in der Administration sind:

• Entwürfe für E-Mails an Kunden oder Lieferanten

• Zusammenfassungen von Sitzungsnotizen

• Strukturierung von Offertinhalten

• Aufbereitung von Gesprächsprotokollen

• Formulierung von internen Richtlinien oder Textbausteinen

Auch für Geschäftsführung und Teamleitungen kann ein Copilot hilfreich sein. Er fasst längere Dokumente zusammen, erstellt erste Entscheidungsgrundlagen oder bereitet Informationen aus verschiedenen Quellen verständlich auf. In der Praxis spart das vor allem Zeit bei Vorbereitung, Dokumentation und Kommunikation.

Wichtig ist die Einordnung: Ein Copilot arbeitet zu, er entscheidet nicht anstelle von Mitarbeitenden. Wenn beispielsweise aus einer Kundenanfrage eine Preisofferte entsteht, kann der Copilot den Entwurf formulieren, offene Punkte markieren und fehlende Informationen benennen. Die fachliche Prüfung, die Preisfreigabe und die Verantwortung bleiben aber beim Unternehmen.

Das ist gerade für KMU relevant. Viele Prozesse enthalten Ausnahmen, individuelle Kundenbeziehungen oder implizites Wissen. Ein Copilot hilft dabei, dieses Wissen schneller nutzbar zu machen. Er ersetzt aber keine Freigabeschritte und auch keine Prozessverantwortung.

Der praktische Nutzen ist deshalb besonders hoch, wenn Aufgaben zwar zeitintensiv, aber inhaltlich gut überprüfbar sind. Wo Texte, Zusammenfassungen oder Vorschläge am Ende ohnehin durch Menschen freigegeben werden, ist ein Copilot oft ein sehr guter Einstieg in KI im Geschäftsalltag.

Ab wann aus KI ein Agent wird: Aufgaben ausführen statt nur vorschlagen

Ein KI-Agent beginnt dort, wo das System nicht nur empfiehlt, sondern tatsächlich handelt. Dazu braucht es Zugriff auf Tools, Datenquellen und klar definierte Prozessschritte.

Ein Agent kann zum Beispiel:

• ein Support-Ticket im System anlegen

• eine Standardanfrage der richtigen Kategorie zuordnen

• Daten aus einem Formular in ein ERP oder CRM übertragen

• freie Zeitfenster in Kalendern prüfen und einen Terminvorschlag erstellen

• bei fehlenden Angaben automatisch Rückfragen auslösen

• Informationen aus mehreren internen Quellen abrufen und für einen nächsten Schritt verwenden

Der Unterschied zum Copilot ist damit klar: Der Copilot schlägt vor, der Agent führt innerhalb eines Rahmens aus.

Ein Beispiel aus einem KMU-Serviceprozess: Eine Kundenanfrage zu einer Adressänderung trifft per E-Mail ein. Ein Copilot könnte die Nachricht zusammenfassen und eine Antwort vorbereiten. Ein Agent könnte zusätzlich prüfen, ob alle Angaben vorhanden sind, die Kundenakte aufrufen, die Adresse im vorgesehenen System aktualisieren und eine Bestätigung versenden. Das ist bereits eine operative Handlung.

Damit ein solcher Einsatz sinnvoll bleibt, braucht es eine klar abgegrenzte Aufgabe. Je unklarer die Regeln, Ausnahmen und Zuständigkeiten sind, desto riskanter wird Agentenlogik. Ein Agent ist kein freischwebender Problemlöser, sondern ein System, das definierte Prozessschritte zuverlässig übernehmen soll.

Für KMU heisst das: Agenten eignen sich vor allem dort, wo Prozesse standardisiert, Entscheidungen begrenzt und Schnittstellen sauber geklärt sind. Wer zuerst die Ausnahmefälle, Medienbrüche und Zuständigkeiten im Prozess nicht kennt, sollte nicht mit Autonomie beginnen.

Agentic AI: wenn Systeme mehrere Schritte selbst steuern

Agentic AI wird oft als nächste Entwicklungsstufe beschrieben. Gemeint sind Systeme, die nicht nur eine einzelne Aktion ausführen, sondern mehrere Schritte selbst organisieren. Sie verfolgen ein Ziel, planen Zwischenaufgaben, holen Informationen ein, bewerten Zwischenergebnisse und steuern Folgeaktionen innerhalb festgelegter Grenzen.

Das kann beispielsweise bedeuten, dass ein System eine eingehende Kundenanfrage nicht nur beantwortet oder als Ticket erfasst, sondern den gesamten Standardfall von der Einordnung über die Informationsbeschaffung bis zur Weiterleitung oder Erledigung koordiniert.

Für KMU ist dabei vor allem eines wichtig: Mehr Autonomie bedeutet nicht automatisch mehr Nutzen. In vielen Betrieben ist es sinnvoller, einen klar begrenzten Agenten für einen bestimmten Teilprozess einzusetzen als eine stärker autonome Lösung über mehrere Prozessstufen hinweg.

Agentic AI kann dort sinnvoll werden, wo Prozesse:

• häufig vorkommen

• klar dokumentiert sind

• wenige Ausnahmen enthalten

• mit guten Daten arbeiten

• kontrollierbare Folgen haben

• saubere Eskalationswege besitzen

Risiken entstehen, wenn diese Voraussetzungen fehlen. Dann drohen Fehlhandlungen, unnötige Eskalationen, falsche Datenübernahmen oder unklare Verantwortlichkeiten. Besonders kritisch wird es, wenn ein System zwar mehrere Schritte ausführen darf, aber weder Logging noch Freigabegrenzen sauber definiert sind.

Deshalb ist Agentic AI für KMU keine allgemeine Zielvision, sondern eine gezielte Option für ausgewählte Prozesse. Je höher die Autonomie, desto wichtiger werden Kontrolle, Nachvollziehbarkeit und organisatorische Disziplin.

Praxisbeispiele aus Administration, Kundenservice und Operations

Die Unterschiede werden im Alltag am deutlichsten, wenn derselbe Anwendungsfall entlang der Stufen betrachtet wird.

Administration: Abwesenheits- und Terminorganisation

In der Administration fallen viele kleine Koordinationsaufgaben an. Hier zeigt sich gut, was die verschiedenen Systeme leisten.

Ein Chatbot beantwortet Fragen zu internen Regeln, etwa: Wie wird Ferienbezug beantragt? Welche Unterlagen braucht es für eine Spesenabrechnung?

Ein Copilot unterstützt bei der Bearbeitung. Er formuliert eine Antwort auf eine Terminverschiebung, fasst E-Mail-Verläufe zusammen oder erstellt eine saubere Übersicht offener Punkte vor einer Sitzung.

Ein Agent kann mehr übernehmen. Er prüft Kalenderverfügbarkeiten, schlägt freie Zeitfenster vor, erstellt einen Besprechungsentwurf und verschickt nach Freigabe die Einladung. Bei standardisierten HR-Anfragen könnte er ausserdem Unterlagen bereitstellen oder Anfragen an die richtige Stelle routen.

Der Nutzen entsteht nicht durch «smarte» Sprache, sondern durch die Entlastung bei konkreten Prozessschritten.

Kundenservice: Standardanfragen effizient bearbeiten

Im Kundenservice sind Reaktionszeit und Konsistenz wichtig, zugleich gibt es viele wiederkehrende Anliegen.

Ein Chatbot beantwortet Standardfragen zu Produkten, Lieferfristen, Öffnungszeiten oder Rückgabeprozessen. Das reduziert einfache Rückfragen und entlastet den Erstkontakt.

Ein Copilot hilft Mitarbeitenden, schneller zu antworten. Er erstellt aus der Anfrage einen E-Mail-Entwurf, schlägt Formulierungen vor oder fasst den bisherigen Fallverlauf zusammen.

Ein Agent kann bei klaren Regeln direkt tätig werden. Er kategorisiert die Anfrage, legt ein Ticket an, prüft im System den Auftragsstatus, ergänzt vorhandene Daten und versendet eine standardisierte Zwischenmeldung. Wenn Angaben fehlen, fordert er diese gezielt nach. Bei Abweichungen oder Sonderfällen eskaliert er an eine zuständige Person.

Gerade im Kundenservice zeigt sich der Chatbot-KI-Agent-Unterschied besonders deutlich: Antworten ist nützlich, Fallbearbeitung ist etwas anderes.

Operations: Datenübertragung und Standardabläufe

In Operations, Disposition oder Auftragsabwicklung gibt es häufig strukturierte Abläufe mit vielen Medienbrüchen.

Ein Chatbot kann Mitarbeitenden erklären, wie ein Prozess abläuft oder welche Schritte bei einer Reklamation vorgesehen sind.

Ein Copilot unterstützt bei der Dokumentation. Er fasst Abweichungen zusammen, erstellt einen Eintrag aus Notizen oder bereitet eine Schichtübergabe auf.

Ein Agent kann operative Schritte ausführen: etwa Daten aus einem Eingangsformular prüfen, in ein bestehendes System übertragen, fehlende Felder markieren und bei Vollständigkeit den nächsten Prozessschritt anstossen. Denkbar ist auch ein Agent, der bei standardisierten Störmeldungen automatisch ein internes Ticket eröffnet und die zuständige Gruppe informiert.

Solche Einsätze sind besonders dann sinnvoll, wenn heute viel manuell kopiert, kontrolliert und weitergeleitet wird. Genau dort entstehen im KMU-Alltag oft unnötige Aufwände.

Welche Voraussetzungen für mehr Autonomie erfüllt sein müssen

Je näher ein System an operative Handlungen herankommt, desto wichtiger werden die organisatorischen Grundlagen. Viele KI-Projekte scheitern nicht an der Technologie, sondern an fehlender Klarheit im Prozess.

Zuerst braucht es sauberen Datenzugriff. Ein Agent kann nur dann zuverlässig handeln, wenn klar ist, auf welche Daten er zugreifen darf, welche Daten aktuell und verbindlich sind und in welchem System der führende Stand liegt. Wenn Informationen in E-Mails, Excel-Dateien und Insellösungen verstreut sind, steigt das Fehlerrisiko sofort.

Ebenso zentral sind Rollen und Berechtigungen. Ein System darf nicht pauschal «alles können». Es braucht definierte Rechte: Was darf gelesen werden, was darf geschrieben werden, welche Aktionen sind gesperrt, und wo ist eine menschliche Freigabe obligatorisch?

Ein weiterer Punkt ist die Prozessklarheit. Wenn ein Unternehmen intern nicht sauber beschreiben kann, wie eine Aufgabe im Standardfall abläuft, wird ein Agent diese Unklarheit nicht lösen. KI ersetzt keine unklaren Prozesse. Sie funktioniert besser, wenn Prozesse bereits nachvollziehbar, abgegrenzt und mit Ausnahmen versehen sind.

Dazu kommen Freigabegrenzen. Nicht jede Aufgabe eignet sich für vollautomatische Ausführung. Preisänderungen, Vertragsinhalte, sensible Kundendaten oder verbindliche Aussagen mit rechtlicher Wirkung sollten meist nicht ohne definierte Kontrollmechanismen freigegeben werden.

Wichtig sind auch Logging und Nachvollziehbarkeit. Bei einem Agenteneinsatz muss ersichtlich sein:

• welche Daten verwendet wurden

• welche Aktion ausgelöst wurde

• aufgrund welcher Regel oder Logik dies geschah

• wer für Überwachung und Korrektur zuständig ist

Ohne solche Kontrollmechanismen wird aus einem nützlichen Automatisierungsbaustein rasch ein Risiko.

Wer Prozesse strukturiert weiterentwickeln will, sollte KI immer zusammen mit Schnittstellen, Verantwortlichkeiten und Governance betrachten. Genau dort liegt auch die praktische Relevanz von Automatisierung und KI: nicht als isoliertes Tool-Thema, sondern als saubere Einbindung in bestehende Abläufe.

Wann sich Chatbot, Copilot oder Agent im KMU lohnt

Nicht jeder Anwendungsfall braucht die gleiche Stufe. Eine einfache Entscheidungshilfe orientiert sich an drei Fragen: Wie klar ist der Prozess? Wie hoch ist das Risiko? Wie gross ist die gewünschte Entlastung?

Ein Chatbot genügt, wenn es primär um wiederkehrende Auskünfte geht. Typische Beispiele sind FAQ, interne Richtlinien, Erstkontakt im Kundenservice oder einfache Orientierung auf einer Website. Das Risiko ist überschaubar, solange der Bot keine verbindlichen Handlungen ausführt.

Ein Copilot ist sinnvoll, wenn Mitarbeitende Zeit bei Texten, Zusammenfassungen, Informationsaufbereitung oder standardisierten Kommunikationsaufgaben sparen sollen. Er bringt oft rasch Nutzen, weil die fachliche Kontrolle beim Menschen bleibt und keine tiefen Prozesseingriffe nötig sind.

Ein Agent sollte geprüft werden, wenn wiederkehrende Aufgaben klar definiert sind, mehrere manuelle Zwischenschritte entfallen können und ein sauberer Kontrollrahmen vorhanden ist. Das ist etwa bei Ticketanlage, Datenerfassung, Terminabgleich oder standardisierten Servicefällen der Fall.

Für Agentic AI gilt eine strengere Hürde. Sie lohnt sich nur dort, wo Prozesse über mehrere Schritte hinweg stabil, datenseitig sauber und organisatorisch gut geführt sind. Für viele KMU ist das nicht der Startpunkt, sondern allenfalls ein späterer Ausbauschritt.

Als Faustregel gilt:

• Bei Informationsbedarf: Chatbot

• Bei Arbeitsunterstützung: Copilot

• Bei klaren, regelbasierten Aufgaben mit Systemzugriff: Agent

• Bei mehrstufiger, kontrollierter Teilautonomie in stabilen Prozessen: Agentic AI

Wer das für das eigene Unternehmen realistisch einordnen will, kann den Selbstcheck als strukturierten nächsten Schritt nutzen.

Häufig gestellte Fragen

Woran erkennt ein KMU, ob ein Einsatz als Chatbot reicht oder bereits ein Agent sinnvoll ist?

Ein Chatbot reicht aus, wenn Fragen beantwortet, Informationen bereitgestellt oder einfache Dialoge geführt werden sollen. Ein Agent wird erst dann sinnvoll, wenn das System konkrete Aufgaben ausführen soll, etwa Daten prüfen, Einträge anlegen oder Folgeaktionen in bestehenden Systemen auslösen. Entscheidend ist also nicht die Gesprächsqualität, sondern ob ein echter Prozessschritt übernommen werden soll.

Welche Aufgaben sollte KI im Geschäftsalltag besser nur unterstützen und nicht selbst ausführen?

Alles, was hohe fachliche, rechtliche oder finanzielle Folgen haben kann, sollte in der Regel nicht ohne Freigabe automatisiert ausgeführt werden. Dazu gehören etwa Vertragsinhalte, Preisfreigaben, sensible Personalthemen, verbindliche Zusagen an Kunden oder Eingriffe in kritische Stammdaten. Hier ist Unterstützung durch einen Copilot oft sinnvoll, während die Entscheidung beim Menschen bleiben sollte.

Was braucht es organisatorisch, bevor ein KI-Agent auf interne Daten oder Systeme zugreifen darf?

Vor dem Zugriff auf interne Systeme braucht es klare Rollen, Berechtigungen, Datenverantwortung und Prozessgrenzen. Ebenso wichtig sind definierte Freigabepunkte, Logging, Eskalationswege und Zuständigkeiten für Fehlerfälle. Ohne diesen Rahmen ist der Einsatz eines Agenten zwar technisch oft machbar, organisatorisch aber nicht tragfähig.

Ist Agentic AI für Schweizer KMU überhaupt sinnvoll oder nur für grosse Unternehmen?

Agentic AI kann auch für KMU sinnvoll sein, aber nicht als allgemeine Vollautomatisierung. Sie passt nur zu klar abgegrenzten, stabilen und kontrollierbaren Prozessen. In vielen KMU bringen Chatbots, Copilots oder eng geführte Agenten bereits deutlich mehr Nutzen als eine höhere Autonomiestufe. Die Frage ist daher nicht die Firmengrösse, sondern die Prozessreife.

Wie lässt sich das Risiko von Fehlentscheidungen bei autonomen KI-Systemen begrenzen?

Das Risiko sinkt, wenn Aufgaben eng definiert, Datenquellen sauber gewählt und Handlungsgrenzen klar gesetzt werden. Zusätzlich braucht es menschliche Freigaben an kritischen Stellen, Protokollierung aller Aktionen, klare Eskalationsregeln und regelmässige Überprüfung der Ergebnisse. Mehr Autonomie sollte immer mit mehr Kontrolle verbunden sein.