Agentic Workflows: Was dahintersteckt, wenn KI anfängt, selbst zu planen

Zwei Arten, mit KI zu arbeiten, sehen sich äußerlich ähnlich. Sie sind es nicht.

Die erste ist vertraut. Jemand schreibt etwas ins Eingabefeld, bekommt eine Antwort, arbeitet weiter. Die zweite verändert gerade leise, wie digitale Arbeit organisiert wird: Jemand übergibt einem KI-System eine Aufgabe. Und wartet, bis sie erledigt ist.

Dahinter steckt das Konzept des sogenannten Agentic Workflow.

Was ein Agent tut, was ein Tool nicht tut

Ein KI-Tool beantwortet. Ein KI-Agent handelt.

Wer ChatGPT nutzt, um einen Text zusammenzufassen, gibt einen Befehl und bekommt ein Ergebnis. Die Interaktion endet dort.

Ein Agent arbeitet anders. Er bekommt ein Ziel, keinen Einzelbefehl. Er bricht dieses Ziel in Schritte auf: zuerst recherchieren, dann auswerten, danach strukturieren, schließlich einen Entwurf erstellen. Zwischendurch prüft er, ob er auf Kurs liegt. Er fragt nach, wenn etwas fehlt. Er korrigiert sich, wenn ein Schritt schiefläuft. Kate Kellogg, Professorin an der MIT Sloan School of Management, fasst den Kernvorteil so zusammen: Agentic-AI-Systeme können einen gesamten Workflow mit mehreren Schritten abschließen und dabei eigenständig Aktionen ausführen. (Quelle: MIT Sloan)

Ein Beispiel macht das greifbar. Statt eines Prompts wie „Erstelle mir eine E-Mail für dieses Produkt" gibt eine Marketingmanagerin dem Agenten folgende Aufgabe: „Recherchiere die drei meistgenannten Einwände aus unseren letzten Kundengesprächen, leite daraus die Hauptbotschaft ab und schreibe eine E-Mail für den nächsten Newsletter." Der Agent arbeitet die Schritte ab. Nicht mit einem einzigen Prompt, sondern durch eine Kette von Teilaufgaben.

Warum das für Marketingteams relevant ist

Marketingprozesse bestehen selten aus einem einzigen Schritt. Eine Kampagne braucht Recherche, Briefing, Texterstellung, Abstimmung und Freigabe. Ein Content-Kalender braucht Planung, Priorisierung und Redaktionslogik. Diese Ketten ließen sich nie vollständig automatisieren. Jeder einzelne Schritt musste manuell angestoßen werden.

Genau hier setzt der agentic Ansatz an. Statt fünfmal ein Tool zu öffnen und fünf Aufgaben einzeln zu formulieren, beschreibt ein Teamleiter einmal das gewünschte Ergebnis. Der Agent plant die Zwischenschritte selbst.

Wie weit das Thema bereits in Unternehmen angekommen ist, zeigt eine Erhebung von MIT Sloan Management Review und Boston Consulting Group aus dem Frühjahr 2025: 35 Prozent der befragten Unternehmen hatten KI-Agenten zu diesem Zeitpunkt bereits eingeführt, weitere 44 Prozent planten dies kurzfristig. (Quelle: MIT Sloan) Auf der anderen Seite warnen Praktiker davor, jeden Prozess mit Agenten zu überladen. Wer klare, regelbasierte Abläufe hat, fährt mit klassischer Automatisierung oft besser. Agenten entfalten ihren Wert dort, wo mehrere Schritte, Unsicherheit und Kontextwechsel zusammenkommen.

Was bei Agenten grundsätzlich nicht passiert: vollautomatische Ergebnisse, die direkt veröffentlicht werden können. Agenten machen Fehler. Sie übersehen Kontext. Sie interpretieren Aufgaben falsch. Kein Agent ersetzt das Urteil eines erfahrenen Redakteurs am Ende der Kette. Aber er kürzt den Weg dorthin spürbar ab.

Ein Begriff, der oft falsch verstanden wird

Wenn von „digitalen Mitarbeitern" die Rede ist, entsteht schnell ein falsches Bild. Es klingt nach einem autonomen System, das selbstständig im Unternehmen arbeitet, Entscheidungen trifft und Verantwortung übernimmt.

Das trifft es nicht.

Ein Agent ähnelt eher einem gut konfigurierten Prozessablauf als einem Mitarbeiter. Er weiß, was er tun soll, wenn Schritt A klappt, und was, wenn nicht. Er verfolgt keine eigene Agenda. Er führt aus, was eine Person ihm als Ziel und Rahmen vorgegeben hat. Je klarer dieser Rahmen, desto zuverlässiger die Ergebnisse.

Genau deshalb sind Leitplanken, sogenannte Guardrails, ein zentrales Thema in der Praxis. Braze beschreibt sie in seinem Leitfaden für Marketingteams als unverzichtbar: Sie definieren, welche Entscheidungen ein Agent eigenständig treffen darf, wo Frequenzgrenzen gelten, welche Compliance-Anforderungen einzuhalten sind und ab wann ein Mensch eingreift. (Quelle: Braze) Ohne diesen Rahmen entsteht kein zuverlässiges System, sondern nur schwer kontrollierbares Rauschen.

Offen bleibt dabei eine Frage, für die es noch kaum etablierte Antworten gibt: Wer trägt Verantwortung, wenn ein Agent die falsche Entscheidung trifft? Wählt er selbstständig eine E-Mail-Variante oder eine kreative Richtung aus, liegt die Verantwortung dann beim Prozessdesigner, beim Tool-Anbieter oder bei der Person, die den Rahmen gesetzt hat? Standard-Frameworks dafür fehlen noch weitgehend.

Das hat eine direkte Konsequenz. Die Qualität eines Agenten hängt davon ab, wie präzise eine Person die Aufgabe beschrieben hat. Wer bisher gut prompten konnte, braucht jetzt eine neue Fertigkeit. Die Frage verschiebt sich: nicht mehr „Wie formuliere ich meine Anfrage?", sondern „Wie beschreibe ich einen Prozess so, dass er reproduzierbar abläuft?"

Was das für die Rolle im Marketingteam bedeutet

Agentic Workflows verändern nicht nur, wie Aufgaben erledigt werden. Sie verändern, welche Fähigkeiten im Team gefragt sind.

Al Lalani, Gründer von Omnibound AI, bringt es auf den Punkt: „B2B-Marketing-Operations-Rollen werden sich von der Verwaltung von Tools hin zum Design von Agenten-Workflows entwickeln." (Quelle: Demand Gen Report) Wer heute noch hauptsächlich Inhalte produziert, wird sich morgen zunehmend fragen, wie Prozesse gebaut werden sollen, die das tun.

Das ist kein Vorwurf und keine Drohung. Es ist eine Beobachtung darüber, wie sich Arbeitsteilung verschiebt, wenn ein Teil der Teilschritte maschinell übernommen werden kann.

Wo das heute schon sichtbar wird

Agentic Workflows tauchen vor allem dort in der Praxis auf, wo Recherche, Auswertung und Ausgabe aufeinander folgen. Content-Briefings bereiten sich auf Basis von Wettbewerbsanalysen automatisch vor. SEO-Audits liefern nicht nur einen Befund, sondern bringen direkt Textvorschläge mit. Agenten ordnen Eingangsanfragen ein, kategorisieren sie und bereiten sie für das Team auf. Braze beschreibt in seinem Leitfaden, wie Multi-Agent-Systeme dabei mehrere spezialisierte Agenten parallel einsetzen, etwa für Kontextanalyse, Kanalauswahl und Compliance-Prüfung, die gemeinsam auf ein geteiltes Ziel hinarbeiten. (Quelle: Braze)

Keins dieser Szenarien läuft vollautomatisch. Aber alle kürzen den Weg von den Rohdaten bis zum fertigen Input für das Team.

Der Unterschied zum bisherigen Tool-Einsatz: Wer mit Agenten arbeitet, denkt nicht mehr in einzelnen Aktionen. Er denkt in Prozessen. Das verändert, wie ein Team KI-Einsatz plant. Und es verändert, welche Fähigkeiten dabei gefragt sind.

Quellen

MIT Sloan School of Management: Agentic AI, explained https://mitsloan.mit.edu/ideas-made-to-matter/agentic-ai-explained

Braze: Agentic workflows – the marketer's guide https://www.braze.com/resources/articles/agentic-workflows

Demand Gen Report: AI Agents Revolutionized B2B Marketing in 2025 https://www.demandgenreport.com/industry-news/feature/ai-agents-revolutionize-b2b-marketing-in-2025-from-automation-to-strategy/51106/