57 Prozent nutzen schon KI – n8n schickt jetzt einen kompletten Agenten los

Zum ersten Mal setzt die Mehrheit der deutschen Unternehmen aktiv KI ein: Laut einer aktuellen Bitkom-Erhebung nutzen inzwischen 57 Prozent der Unternehmen KI – vor einem Jahr waren es erst 36 Prozent, vor zwei Jahren nur 20 Prozent. Weitere 38 Prozent planen den Einsatz oder diskutieren ihn, nur noch 4 Prozent halten KI für irrelevant. Der Haken: Breite Nutzung heißt nicht, dass das Potenzial ausgeschöpft wird. Kein einziges befragtes Unternehmen gibt an, die KI-Möglichkeiten voll auszuschöpfen, nur 3 Prozent nutzen sie nach eigener Einschätzung stark – 59 Prozent sehen sich selbst erst am Anfang. Größte Bremsen sind Datenschutzanforderungen (66 Prozent) und, bei Nicht-Nutzern, fehlendes technisches Know-how (85 Prozent). Für dich heißt das: Der Anschlussdruck wächst – aber wer KI schon nutzt, hat noch reichlich Luft nach oben. 66 Prozent der Nutzer:innen berichten von einer verbesserten Wettbewerbsposition, 48 Prozent von spürbar beschleunigten Abläufen. Wer zögert, ist inzwischen in der Minderheit; wer dabei ist, muss sich mit dem Erreichten nicht zufriedengeben.

n8n, die in Deutschland beliebte No-Code-Plattform fürs Automatisieren von Geschäftsprozessen, hat am 25. September mit „n8n Agents" ein neues Bausteinformat vorgestellt. Der Unterschied zum klassischen n8n-Workflow: Statt jeden Schritt einzeln festzulegen, beschreibst du in normaler Sprache, was der Agent erledigen soll, wählst ein KI-Modell sowie die Werkzeuge und bestehenden Workflows, die er nutzen darf – den Weg zum Ziel wählt der Agent dann selbst. Das eignet sich vor allem für offene, gesprächsartige Aufgaben, die sich schlecht in feste Wenn-Dann-Schritte pressen lassen. Wichtig für den Praxiseinsatz: Ein Agent lässt sich über mehrere Kanäle ansprechen – etwa Slack, Telegram oder nach festem Zeitplan – und nutzt bestehende n8n-Workflows als klar abgegrenzte Werkzeuge, statt vollen Zugriff auf dein System zu bekommen. Für heikle Aktionen lässt sich eine Freigabepflicht einbauen, sodass ein Mensch erst zustimmen muss, bevor der Agent etwas Kritisches ausführt. Dazu kommen ein Kurzzeitgedächtnis über mehrere Nachrichten hinweg und die Möglichkeit, dass ein Agent für Teilaufgaben einen anderen Agenten hinzuzieht. Für dich heißt das: Statt jeden Automatisierungsschritt selbst zu verdrahten, beschreibst du künftig eher ein Ziel – die Feinarbeit übernimmt der Agent, kontrollierbar bleibt sie über die Freigabe-Funktion. Das Feature läuft aktuell noch in der Vorschauphase.

Wie zuverlässig sind KI-Agenten, wenn sie wissenschaftliche Ergebnisse nachbauen sollen? Ein Forschungsteam der University of Illinois Urbana-Champaign hat das in einem Preprint vom 23. September getestet. Vier KI-Agenten sollten die Kernergebnisse von 100 aktuellen Fachartikeln aus dem maschinellen Lernen nachvollziehen – abgestuft nach Schwierigkeit: einmal mit vollständigem Code und trainierten Modellen (nur ausführen), einmal ohne trainierte Modelle (selbst neu trainieren), einmal ganz ohne Code (Methode komplett neu programmieren). Das Ergebnis: Selbst in der leichtesten Stufe gelang die korrekte Reproduktion nur in 41 Prozent der Fälle, beim Neu-Trainieren nur in 27 Prozent, beim kompletten Nachbau nur in 15 Prozent. Häufigster Fehler: Der Agent schreibt drauflos, ohne das eigene Ergebnis mit den Originalzahlen im Fachartikel abzugleichen. Was heißt das praktisch? Auch beeindruckende KI-Agenten liefern nicht automatisch belastbare Ergebnisse, sobald eine Aufgabe komplexer wird als reines Ausführen – gegenprüfen bleibt Pflicht.

Der Erstkontakt-Agent. Wer in einem kleinen Betrieb Anfragen über mehrere Kanäle bekommt – E-Mail, Telegram, manchmal Slack von Partnerfirmen –, kennt das Problem: Bevor überhaupt jemand antwortet, muss erst geklärt werden, worum es geht und wer zuständig ist. Genau für solche offenen, gesprächsartigen Aufgaben sind die neuen n8n Agents (siehe oben) gemacht. Die Idee: Ein Agent nimmt eingehende Anfragen über die angebundenen Kanäle entgegen, stellt bei Bedarf eine Rückfrage („Geht es um ein bestehendes Projekt oder eine neue Anfrage?") und ordnet sie anhand fest hinterlegter Regeln einem passenden bestehenden Workflow zu – etwa „Angebot erstellen", „Terminwunsch weiterleiten" oder „Reklamation eskalieren". Diese Workflows bleiben klar abgegrenzte Werkzeuge des Agenten, freien Zugriff auf dein System bekommt er nicht. Der entscheidende Punkt für den produktiven Einsatz: Für alles, was über reines Sortieren hinausgeht – etwa eine verbindliche Zusage oder eine Rückerstattung –, lässt sich eine Freigabepflicht einbauen, sodass ein Mensch erst zustimmen muss. So übernimmt der Agent die Fleißarbeit des Einordnens, die eigentliche Entscheidung bleibt bei dir.

1. Die Investmentbank Goldman Sachs rechnet damit, dass die fünf großen US-Cloud-Anbieter (Amazon, Alphabet, Microsoft, Oracle, Meta) ihre KI-Infrastruktur-Ausgaben 2027 auf zusammen 1,2 Billionen US-Dollar steigern – mehr als 50 Prozent über dem Vorjahreswert und höher als bisherige Wall-Street-Schätzungen. Warum das zählt: Ein Investitionstempo dieser Größenordnung erklärt, warum Rechenkapazität für KI knapp und teuer bleibt – und warum sich Preise und Verfügbarkeit der Werkzeuge, auf die auch der Mittelstand setzt, weiter verschieben dürften. 2) Der Chiphersteller AMD hat am 21. September erstmals eine Marktbewertung von 1 Billion US-Dollar erreicht – ein Kurssprung von rund 9 Prozent an einem Tag, getrieben von mehr als verdoppeltem Rechenzentrums-Umsatz und Großaufträgen von OpenAI und Anthropic. Warum das zählt: Der KI-Boom treibt inzwischen nicht mehr nur Nvidia – mehr Konkurrenz unter Chip-Anbietern kann mittelfristig auch die Kosten für KI-Rechenleistung beeinflussen, von denen auch kleinere Cloud- und KI-Dienste abhängen.