Von reaktiv zu proaktiv: Wie KI-Agenten Arbeit neu definieren

Vom Antwortautomat zum Zielerreicher

Ein reaktiver KI-Assistent wie ChatGPT, Siri oder Alexa wartet auf deine Frage, liefert eine Antwort – und den nächsten Schritt entscheidest wieder du. Ein proaktiver KI-Agent dreht dieses Muster um: Du gibst ein Ziel vor, der Agent plant die notwendigen Schritte selbst, wählt die passenden Werkzeuge, führt sie aus, prüft das Ergebnis und passt seinen Kurs an – bis das Ziel erreicht ist oder eine Situation eintritt, die er gezielt an dich eskaliert. Genau dieser Wechsel verändert, wie Büro- und Wissensarbeit in Schweizer Unternehmen organisiert wird.

Was einen KI-Agenten technisch von einem Chatbot unterscheidet

Ein gutes Sprachmodell mit schneller Antwortzeit reicht für einen reaktiven Assistenten aus. Ein proaktiver Agent braucht deutlich mehr: einen persistenten Zustand, der über einzelne Sitzungen hinaus bestehen bleibt, Mechanismen, die ihn ohne Zutun eines Nutzers aktivieren (sogenannte Wakeup-Trigger), klare Leitplanken für sein Handeln sowie eine verbindliche Regel, wann ein Mensch eingebunden werden muss. Das Zylos-Reifegradmodell beschreibt diese Entwicklung in fünf Stufen – von rein reaktiven Systemen bis zu Agenten, die selbst Chancen erkennen und initiativ werden.

1. Stufe 0 – Reaktiv: Der Agent antwortet ausschliesslich auf explizite Anfragen.
2. Stufe 1 – Assistiert: Der Agent schlägt nächste Schritte vor, handelt aber nicht selbständig.
3. Stufe 2 – Halbautonom: Der Agent führt definierte Aufgaben aus, mit Freigabe durch einen Menschen.
4. Stufe 3 – Autonom mit Aufsicht: Der Agent plant und handelt selbständig, eskaliert nur bei Ausnahmen.
5. Stufe 4 – Selbst-initiiert: Der Agent erkennt Gelegenheiten eigenständig und wird ohne Aufforderung aktiv.

Der Unterschied zwischen reaktiver und proaktiver KI ist keine Frage des Modells, sondern der Architektur: persistenter Zustand, autonome Trigger und klare Eskalationsregeln entscheiden, ob aus einem Assistenten ein Agent wird.

Die Zahlen hinter dem Wandel

Der Wandel ist längst im Gang, auch wenn er noch selten vollständig ausgereift ist. Der Anthropic State of AI Agents Report 2026 zeigt, wie schnell Organisationen von einzelnen Aufgaben zu vernetzten Abläufen wechseln – und wo die grössten Lücken liegen.

Diese Lücke zwischen ersten Piloten und echter Orchestrierung ist kein Zufall. BCG bezeichnet Agentic AI als die transformativste Form angewandter KI – aber eine, die eine strukturelle Neuerfindung ganzer End-to-End-Prozesse verlangt, nicht nur ein neues Werkzeug in einem bestehenden Ablauf. Wer diesen Schritt überspringt, bleibt bei Stufe 2 oder 3 stehen, während der eigentliche Wert erst mit orchestrierten, zielgetriebenen Abläufen entsteht. Wie sich dieser Sprung wirtschaftlich rechnet, zeigt unsere Analyse zum Kostenwendepunkt zwischen KI-Agenten und menschlicher Arbeit.

Wo Agenten heute schon Arbeit übernehmen

Bei Rivian übernehmen KI-Agenten auf Amazon Bedrock AgentCore Aufgaben im ERP-Umfeld und sind über OData und das Model Context Protocol direkt an SAP S/4HANA angebunden. Das Ergebnis: mehr als 15 Tage manuelle Arbeit pro Zyklus entfallen – Zeit, die vorher in Datenabgleich und Nacherfassung floss.

Im Procure-to-Pay-Prozess von Lemvigh-Müller lesen SAP-Agenten eingehende E-Mails und PDF-Rechnungen, extrahieren die relevanten Daten und routen Fälle automatisch an die richtige Stelle – Arbeit, die bisher Sachbearbeitende Zeile für Zeile erledigt haben. Wie solche Agenten ganz ohne klassische API direkt mit bestehender Software interagieren, erklären wir im Beitrag zu Computer-Use Agents.

Barclays setzt für die Client Due Diligence auf agentische Orchestrierung mit Camunda: Eine Orchestrierungsschicht fungiert als Control Plane für den gesamten Prüfprozess und steuert, welcher Agent wann welchen Teilschritt übernimmt – nachvollziehbar und auditierbar, ein zentraler Punkt für regulierte Branchen.

Bei RingCentral planen, entscheiden und handeln Agenten über mehrstufige Aufgaben hinweg – im Contact Center senken sie die durchschnittliche Bearbeitungszeit und lösen Tickets proaktiv, statt nur zu reagieren. Gartner rechnet damit, dass agentische KI bis 2029 rund 80% aller Kundenservice-Anliegen vollständig autonom lösen wird. Auch im Risikomanagement zahlt sich der Ansatz aus: Stripe erkennt mit agentischen Systemen 95% der Card-Testing-Angriffe in Echtzeit und reduziert unnötige Kundenfriktion gleichzeitig um 20%.

Warum das mehr ist als ein neues Tool im alten Prozess

Springer BISE beschreibt 2026 treffend, was gerade passiert: Business Process Management verschiebt sich von starr vordefinierten Abläufen hin zu zielgetriebener Orchestrierung. Ein Agent, der nur in einen bestehenden, für Menschen gedachten Prozess eingesetzt wird, bleibt weit unter seinem Potenzial. Der eigentliche Hebel entsteht, wenn der Prozess selbst neu gedacht wird – mit dem Agenten als Ausgangspunkt, nicht als Zusatz.

Der Schweizer Rahmen: Governance, revDSG und Vertrauen

Sobald ein Agent autonom Entscheidungen trifft, die eine Person betreffen – etwa bei der Freigabe einer Zahlung oder der Priorisierung eines Falls – rückt das revDSG mit seinen Bestimmungen zu automatisierten Einzelentscheidungen ins Bild. Wer agentische Workflows einführt, muss von Anfang an klären, wo Transparenzpflichten gelten und wo ein Mensch die letzte Entscheidung behält. Hinzu kommt die Frage der Dateninfrastruktur: Agenten, die über mehrere Systeme hinweg auf sensible Daten zugreifen, brauchen eine durchdachte Zugriffs- und Protokollierungslogik – bei besonders schützenswerten Daten kann souveräne Infrastruktur wie Confidential Computing, etwa auf Basis von Apertus, ein zusätzlicher Baustein sein.

Diese Governance-Fragen entscheiden mit, welcher Anbieter überhaupt infrage kommt. Einen strukturierten Weg durch diese Bewertung bietet unser Evaluationsrahmen für KI-Agenten-Anbieter, der genau diese Kriterien für Schweizer KMU aufschlüsselt.

Vom Werkzeug zur Führungsfrage

Agentische KI lässt sich nicht an die IT-Abteilung delegieren und dort abhaken. Weil sie Prozesse, Verantwortlichkeiten und teilweise auch Stellenprofile verändert, gehört die Einführung auf die Traktandenliste der Geschäftsleitung. Wie Mittelstandsunternehmen KI tatsächlich als Chefsache verankern, beleuchtet die Episode KI im Mittelstand als Managementthema, nicht als IT-Projekt des Schweizer KI-Podcasts.

Der nächste Schritt für Schweizer Entscheider

Die Frage ist nicht mehr, ob proaktive Agenten Büro- und Wissensarbeit verändern, sondern wie schnell und wie kontrolliert dein Unternehmen diesen Wandel gestaltet. Welcher Prozess sich als Erstes eignet, welche Eskalationsregeln er braucht und welche Governance-Bausteine dafür nötig sind, hängt von deiner konkreten Ausgangslage ab – das ist der Punkt, an dem sich ein Gespräch lohnt, bevor die eigene Organisation im Alleingang experimentiert.