KI-Agenten und Wissens-Assistenten · Lösungen für den DACH-Mittelstand
KI für den Mittelstand — vom Wissens-Assistenten zum handelnden Agenten.
Zwei Klassen auf einer Fähigkeitsachse. Wissens-Assistenten beantworten Fragen über Ihre internen Daten — mit Quellenangaben und Berechtigungs-Kontrolle. KI-Agenten gehen weiter — sie planen, bedienen Werkzeuge, führen Workflows aus, mit Human-in-the-Loop bei kritischen Entscheidungen.
Beide produktiv in 6 bis 12 Wochen, beide souverän möglich. Welche Klasse zu Ihrem Anwendungsfall passt, klären wir im Erstgespräch. Senior-implementiert auf deutscher Cloud, zu mittelständischen Preisen.
Spektrum-Klärung · drei Punkte auf einer Achse
Vom Chatbot über den Wissens-Assistenten zum handelnden Agenten.
KI-Systeme unterscheiden sich darin, was sie tun. Drei Punkte auf der Fähigkeitsachse — von niedriger zu hoher Autonomie. Die Wahl hängt vom Anwendungsfall ab, nicht vom Hype.
Chatbot (klassisch, generisch)
Frage rein, Antwort raus — auf Basis allgemeinen Modellwissens. Beispiel: ChatGPT-Oberfläche. Schnell aufgesetzt, aber: kennt Ihre Daten nicht, halluziniert bei Firmen-Spezifika, keine Berechtigungs-Kontrolle. Für Mittelstands-Anwendungsfälle mit eigenen Daten zu schwach.
Wir bauen das in der Regel nicht — der Markt ist gesättigt, und für Ihre Daten ist das das falsche Werkzeug.
Punkt 2 — Wissens-Assistent (RAG-basiert)
Frage rein, Antwort raus — auf Basis Ihrer internen Daten. Mit Quellenangaben, Berechtigungs-Logik, Halluzinations-Schutz. Beispiel: interner Wissens-Bot über QM-Handbuch, technische Dokumentation, Vertragsbestand, Ticket-Historie.
Die richtige Lösung für die meisten Mittelstands-Fragen rund um internes Wissen.
Punkt 3 — KI-Agent
Geht über Antworten hinaus — kombiniert Reasoning, Planung, Gedächtnis und Aufgabenausführung. Bedient Werkzeuge (Datenbanken, APIs, Workflow-Engines), plant mehrstufige Aufgaben, eskaliert bei Unsicherheit. Beispiel: Document-AI-Pipeline (OCR → Extraktion → strukturierte Felder → Übergabe an ERP oder DMS) oder Workflow-Vorbereitung mit Human-in-the-Loop bei kritischen Entscheidungen.
Die richtige Lösung, wenn das System nicht nur antworten, sondern handeln soll.
Eine höhere Position auf der Fähigkeitsachse ist nicht automatisch besser. Für ein Q&A-Problem ist ein Wissens-Assistent oft die schnellere, ehrlichere und günstigere Lösung als ein Agent. Welche Klasse passt, hängt vom Anwendungsfall ab, nicht vom Hype.
Klasse A · RAG-basiert, mit Quellenangaben
Wissens-Assistenten — Fragen über Ihre internen Daten, mit Quelle.
Interner Wissens-Bot über abgegrenzten Korpus. QM-Handbuch, technische Dokumentation, Vertragsbestand, Ticket-Historie, Produkt-Katalog, etc.. Frage rein, Antwort mit Quellenangaben raus. An bestehende Berechtigungsgruppen gekoppelt — der Assistent sieht nur, was der Nutzer sehen darf.
Konkrete Anwendungsfälle:
- Mitarbeiter-Q&A über HR-Richtlinien, Reisekosten-Regeln, IT-Policies — kontextspezifisch, mit Quellenangabe
- Engineering-Wissens-Assistent über technische Dokumentation und Lessons Learned
- Vertriebs-Assistent über Produkt-Katalog, Konditionen, Wettbewerbs-Insights
- Support-Assistent über Ticket-Historie und Knowledge-Base — Eskalation an Mitarbeitende bei komplexen Fällen
- Compliance-Assistent über Richtlinien-Landschaft mit Audit-Trail jeder Antwort
Tech-Stack (kompakt):
Hybrid-Retrieval (semantisch und Keyword), Reranking, Quellenangaben-Pflicht, Guardrails gegen Halluzination, SSO gegen bestehenden IdP, vollständiges Audit-Logging. Bei Sovereign-Mandaten alles auf deutscher Cloud (STACKIT, IONOS).
Lieferzeit:
6 bis 12 Wochen vom Kick-off bis zum produktiven Wissens-Assistenten plus wiederverwendbarem Fundament.
Klasse B · Reasoning, Tool-Use, Workflow-Ausführung
KI-Agenten — Systeme, die nicht nur antworten, sondern handeln.
KI-Systeme, die Reasoning über Eingaben leisten, mehrstufige Aufgaben planen, Werkzeuge bedienen (Datenbanken, APIs, Workflow-Engines) und bei kritischen Entscheidungen an Menschen eskalieren. Human-in-the-Loop ist ein Feature, keine Schwäche — bei Schreibzugriffen auf Produktivsysteme bleibt der Mensch im Entscheidungspfad.
Was wir bauen:
- Document-AI-Pipeline — OCR plus Feld-Extraktion plus Übergabe an ERP oder DMS (Rechnungseingang, Auftragsbestätigungen, Datenblätter, Verträge)
- Workflow-Vorbereitung mit Human-in-the-Loop — Fall-Routing bei Reklamationen, Entscheidungs-Vorbereitung bei Vertragsänderungen. Der Agent bereitet vor, der Mensch entscheidet
- Datenextraktion und Strukturierung — aus unstrukturierten Texten (E-Mails, Berichte, Notizen) strukturierte Daten für Reporting und Compliance
- Recherche- und Analyse-Agent — durchsucht definierte Quellen, fasst zusammen, eskaliert bei Unsicherheit
- Code- und Konfigurations-Assistenz — Boilerplate-Generierung, Test-Stub-Erzeugung, Konfigurations-Validierung
Was wir bewusst NICHT bauen:
- Autonome Agenten mit Schreibzugriff auf Produktivsysteme ohne Human-in-the-Loop
- Multi-Agent-Systeme „über alle Abteilungen hinweg" in einem Sprint — sequenziell ist seriös, parallel ist Demo
- Eigenes Modelltraining oder Fine-Tuning — RAG plus ordentliches Prompting deckt 90 % der Fälle
- High-Stakes-Entscheidungen (Bestellungen, Vertragsabschlüsse, Kunden-Eskalationen) ohne Validierungs-Setup
Tech-Stack (kompakt): Reasoning-Schicht mit LLM, Tool-Use-Framework, Workflow-Glue über n8n, Vector-Store für Gedächtnis, Eval-Harness als Verlässlichkeits-Nachweis, Human-in-the-Loop-Punkte definiert pro Workflow, vollständiges Audit-Logging.
Lieferzeit: 6 bis 12 Wochen vom Kick-off bis zu einem produktiven Agenten plus wiederverwendbarem Fundament.
Gemeinsames Fundament für beide Klassen
Wissens-Assistent und KI-Agent bauen auf der gleichen souveränen Architektur.
Das Fundament ist identisch — Inferenz, Daten-Anbindung, Orchestrierung. Der Unterschied liegt in der Autonomie-Schicht oben drauf.
Inferenz-Schicht
Souveräne Inferenz-Endpoints auf europäischen Cloud-Partnern – Rechenzentren in Deutschland und Österreich. Wir setzen auf führende Open-Weight-Modelle, kuratiert nach Anwendungsfall und vollständig unter eigener Kontrolle betrieben. Daten verlassen den europäischen Rechtsraum nicht und fließen niemals in das Training Dritter.
Daten-Anbindung
pgvector auf Managed Postgres für Vector-Store. Hybrid-Retrieval mit Reranking. SSO gegen bestehenden IdP (Entra ID, Keycloak). Zugriff über bestehende Berechtigungsgruppen.
Orchestrierung
Managed Kubernetes oder Container/VMs. n8n als Workflow-Glue (offizielle IONOS-Nodes für LLM-Chat, Embeddings, RAG). Bei Agenten zusätzlich Tool-Use-Framework und Human-in-the-Loop-Eskalations-Punkte.
Mehr zur Architektur-Substanz und zum 6-bis-12-Wochen-Lieferversprechen finden Sie in unserem Bereich zu Enterprise-AI, mehr zur Sovereign-Konfiguration in unserem der Cloud-Governance-Bereich.
Entscheidungs-Hilfe
Drei Klärungsfragen — und Ihre Klasse steht.
Welche Klasse zu Ihrem Anwendungsfall passt, klären wir im Erstgespräch. Drei Fragen sortieren das schnell:
Frage 1 — Welches Problem soll gelöst werden?
- Mitarbeiter müssen schneller Antworten auf Wissensfragen finden → Wissens-Assistent
- Dokumente müssen automatisch verarbeitet und in Bestandssysteme übergeben werden → Agent
- Mehrstufige Workflows sollen vorbereitet werden → Agent mit Human-in-the-Loop
Frage 2 — Wo liegt das größte Risiko?
- Halluzination bei falschen Auskünften → Wissens-Assistent mit Quellenangaben und Eval-Harness
- Falsche Aktion in Produktivsystem → Agent mit Human-in-the-Loop bei jeder Schreib-Operation
Frage 3 — Welche Lieferzeit ist realistisch?
Beide Klassen liefern in 6 bis 12 Wochen ein produktives System. Wissens-Assistent ist tendenziell schneller einsetzbar (weil weniger Workflow-Integration). Agent ist tendenziell wertvoller bei Prozess-Automation.
In der Praxis empfehlen wir oft: mit Wissens-Assistent starten, später zum Agent erweitern. Das Fundament (Inferenz-Gateway, Vector-Store, Audit-Logging, SSO) ist identisch — der Wechsel ist eine Erweiterung, kein Neuanfang.
Verbands-Engagement für den Mittelstand
InnoShore ist Mitglied in zwei Verbänden, die unsere strategische Ausrichtung tragen.
Bundesverband IT-Mittelstand (BITMi): Wir vertreten im BITMi die Interessen mittelständischer IT-Dienstleister und bringen unsere Praxis-Substanz in den Verbandsdiskurs ein — vor allem dort, wo das Thema bei Mittelständlern gerade am dünnsten ist: souveräne KI- und Cloud-Architektur.
KI Bundesverband: Wir gestalten die Diskussion zu Sovereign AI, EU AI Act und EU-Cloud-Souveränität aktiv mit, statt sie nur zu konsumieren.
Drei Achsen, eine Story
Wissens-Assistenten und KI-Agenten brauchen Fundament und Konfiguration.
Dieser Bereich positioniert die Fähigkeitsachse — was das System tut. Die zwei anderen Achsen klären, wie es im Unternehmen läuft und wo es liegt.
Enterprise AI (Organisations-Achse)
Wissens-Assistenten und Agenten brauchen ein produktionsreifes Fundament — Integration, Governance, Eval-Harness, Skalierung. Wer das volle Architektur-Bild sehen möchte: Sovereign GPT für den Mittelstand.
Welche Kontrolle braucht Ihre KI? Sovereign by design oder Hyperscaler? Welche Datenflüsse sind zulässig? Mehr zur Compliance-Baukasten-Logik und zur Stufen-Wahl im Cloud-Governance-Bereich.
Personaldienstleister mit
KI-Bedarf
Sie liefern KI-Spezialisten an Ihre eigenen Endkunden und brauchen eine ergänzende Sourcing-Partnerschaft mit KI-Implementierungs-Tiefe.
Direkter Endkunde im Mittelstand
Sie wollen Wissens-Assistenten oder KI-Agenten als interne Lösung in Industrie, Energie, Bahn, Public Sector, Pharma oder Defence einsetzen.
IT-Consulting-Haus mit KI-Mandat
Sie haben das KI-Mandat akquiriert und brauchen ergänzende Senior-Profile mit Wissens-Assistenten- und Agenten-Implementierungspraxis.
Was uns oft gefragt wird
Häufige Fragen zu KI-Agenten
FAQ 1: Was ist der Unterschied zwischen Wissens-Assistent und KI-Agent?
Wissens-Assistent antwortet auf Fragen über Ihre Daten — Frage rein, Antwort raus, mit Quellenangaben. KI-Agent handelt — plant mehrstufige Aufgaben, bedient Werkzeuge, führt Workflows aus, mit Human-in-the-Loop bei kritischen Entscheidungen. Beides ist KI, in unterschiedlichem Autonomie-Grad.
FAQ 2: Brauchen wir wirklich Agenten oder reicht ein Wissens-Assistent?
Hängt vom Anwendungsfall ab. Für Q&A-Probleme (Mitarbeiter sucht Antwort auf Wissensfrage) ist ein Wissens-Assistent oft die schnellere, günstigere und ehrlichere Lösung. Für Prozess-Automation mit Werkzeug-Bedienung braucht es einen Agenten. Klären wir im Erstgespräch.
FAQ 3: Wie autonom sind Ihre Agenten wirklich?
Autonom innerhalb klar definierter Aufgaben — sie bereiten vor, klassifizieren, extrahieren, recherchieren. Bei kritischen Entscheidungen mit Schreibzugriff auf Produktivsysteme bleibt Human-in-the-Loop Pflicht. Alles andere wäre unverantwortlich.
FAQ 4: Was kann ich in 6 bis 12 Wochen erwarten?
Bei Wissens-Assistent: ein produktiver RAG-Assistent über abgegrenzten Korpus plus Fundament. Bei Agent: eine produktive Agenten-Strecke (z. B. Document-AI) plus Fundament. Zweiter und dritter Anwendungsfall auf demselben Fundament werden danach deutlich schneller.
FAQ 5: Welche Daten verlassen unser Unternehmen?
Bei Sovereign-Mandaten keine. Inferenz, Vector-Store und Audit-Logs liegen auf deutscher Cloud. Konfigurierbar pro Mandat. Mehr zur Kontroll-Architektur auf der Cloud-Governance-Lösung.
FAQ 6: Können wir mit Wissens-Assistent starten und später zum Agent wechseln?
Genau das ist unsere Empfehlung. Das Fundament (Inferenz-Gateway, Vector-Store, Audit-Logging, SSO) ist identisch. Der Wechsel von Wissens-Assistent zu Agent ist eine Erweiterung, kein Neuanfang.
FAQ 7: Was unterscheidet Sie von ChatGPT Enterprise oder M365 Copilot?
Wir bauen auf Ihre Daten — nicht auf allgemeines Modellwissen. Mit Quellenangaben, Berechtigungs-Kontrolle, Audit-Logs und optional souverän auf deutscher Cloud statt US-Cloud. Plus: Ihre Architektur, kein Anbieter-Lock-in.
FAQ 8: Wie sind die Tagessätze positioniert?
Mittelständische Tagessätze. Konkrete Sätze werden im Erstgespräch transparent kommuniziert — abhängig von Anwendungsfall-Tiefe, Senior-Setup und Liefer-Modell.
Erstgespräch oder konkrete Anfrage
Sondieren Sie Ihren Anwendungsfall — oder fragen Sie ein Mapping an.
Wenn Sie strategisch über Wissens-Assistent oder KI-Agent in Ihrer Organisation reden wollen — Klassen-Wahl, Architektur, Compliance-Setup —, ist das Erstgespräch der richtige Einstieg. Wenn Sie ein konkretes Mandat haben und ein Use-Case-Mapping benötigen: das Formular bringt uns schnell in die Tiefe. Beides geht.