Die These in einem Satz: Fast alles, was heute als „KI-Agent" verkauft wird, ist ein Workflow —eine feste Abfolge von Schritten, die vorher von einem Menschen geschrieben wurde— mit einem teureren Namen. Agent Washing ist genau das: der gewohnten Automatisierung ein neues Etikett zu verpassen, um sie zu verkaufen, als würde sie denken. Und die Frage, die das eine vom anderen trennt, ist nicht, wie viele Schritte es hat oder wie viele Modelle darunter laufen. Es ist eine einzige: Entscheidet es, oder führt es aus?
Was ein echter KI-Agent ist (und was Agent Washing ist)
Agent Washing ist derselbe Trick wie Greenwashing, angewendet auf Software: Du klebst das Modewort auf etwas, das sich innen nicht verändert hat, und kassierst den Modeaufschlag. Früher war es „mit KI". Dann „mit Machine Learning". Jetzt ist es „Agent". Das Produkt darunter —ein Formular, das einen Ablauf auslöst, drei verkettete API-Aufrufe, ein If-Else mit einem LLM in der Mitte, das den finalen Text formuliert— ist dasselbe wie vor zwei Jahren. Gestiegen sind nur der Preis und das Wort in der Überschrift.
Ein Workflow führt, so gut er auch gebaut ist, feste Schritte aus: passiert A, mach B; sonst mach C. Wer ihn entworfen hat, hat am Reißbrett schon alle möglichen Verzweigungen entschieden. Die KI darin, falls vorhanden, beschränkt sich darauf, eine E-Mail zu formulieren oder einen Wert aus einem PDF zu ziehen —Aufgaben, die sie gut erledigt, aber die kein Entscheiden sind—. Ein echter Agent macht etwas anderes: Er steht vor einer Situation, die niemand vollständig vorhergesehen hat, wählt selbst, welches Werkzeug er zur Lösung nutzt, und diese Wahl stand in keinem Flussdiagramm im Voraus. Diese Fähigkeit, spontan mit unvollständiger Information zu entscheiden, ist das Einzige, was „Agent" von „Workflow mit KI-Schritt" trennt.
Warum man es dir in der Demo verheimlicht
Die Demo eines Agent-Washing-Anbieters ist, fast immer ohne bewusste Böswilligkeit, so gestaltet, dass sie dir nie den seltsamen Fall zeigt. Sie zeigt dir den glücklichen Pfad: Der Kunde tippt genau das, was erwartet wurde, die Daten kommen sauber an, die API antwortet beim ersten Versuch. Auf diesem Pfad verhält sich ein gut gebauter Workflow exakt wie ein echter Agent —schnell, sicher, makellos—. Der Unterschied zeigt sich erst, wenn etwas vom Skript abweicht: Der Kunde fragt etwas Ungeplantes, zwei Bedingungen treffen gleichzeitig zu und niemand hat vorhergesehen, welche gewinnt, die API liefert einen halbfertigen Fehler. Dort bleibt der Workflow stehen oder improvisiert schlecht, weil er keinen Entscheidungsspielraum über das Geschriebene hinaus hat. Und dieser Moment taucht per Definition nie in der Demo auf, weil derjenige, der die Demo zeigt, auswählt, welchen Fall er zeigt.
Das ist nicht zwangsläufig bewusste Täuschung. Oft verwechselt der Anbieter selbst „nutzt irgendwo ein LLM" mit „ist ein Agent", weil das Marketing der Branche diese Verwechslung seit zwei Jahren pusht und sie für alle bequem ist: Sie klingt besser im Angebot, rechtfertigt einen höheren Preis, und der Kunde, der noch nie einen gebaut hat, hat auch keine einfache Möglichkeit, es vor der Unterschrift zu prüfen. Das Ergebnis ist gleich, ob absichtlich oder nicht: Du zahlst Agentenpreis für einen Workflow und merkst den Unterschied an dem Tag, an dem der seltsame Fall eintritt —meist in Produktion, mit einem echten Kunden, der zuschaut.
Die Nagelprobe: drei Fragen, die ein verkleideter Workflow nicht übersteht
Du musst kein Ingenieur sein, um diese Fragen zu stellen. Du musst sie vor der Unterschrift stellen, nicht danach:
- „Was macht es, wenn der Input in keinen der vorgesehenen Fälle passt?" Ein Workflow hat einen Standardzweig —meist „an einen Menschen eskalieren" oder „generischen Fehler zurückgeben"—. Ein Agent bewertet die Situation mit den verfügbaren Werkzeugen und entscheidet sich für ein vernünftiges Vorgehen, auch wenn es nicht perfekt ist.
- „Kann es sich entscheiden, ein Werkzeug NICHT zu nutzen, das du ihm gegeben hast, wenn es das für unpassend hält?" Wenn die Antwort „nein, es folgt immer der programmierten Abfolge" lautet, ist es ein Workflow mit bedingten Schritten, so ausgefeilt er auch wirkt. Ein Agent verwirft Werkzeuge, wenn der Kontext ihm sagt, dass sie nicht passen.
- „Was passiert, wenn ich die Reihenfolge der Anfrage ändere oder ihm zwei widersprüchliche Anfragen gleichzeitig gebe?" Der Workflow bricht ab oder nimmt die erste passende Regel. Der Agent denkt über den Widerspruch nach und weist mindestens darauf hin, statt blind die erste Übereinstimmung auszuführen.
Wenn der Anbieter selbstsicher mit konkreten Beispielen antwortet, nicht mit „das kommt normalerweise nicht vor", hast du wahrscheinlich etwas Echtes vor dir. Wenn er der Frage ausweicht oder mit einer Adoptionskennzahl statt mit einem Fall antwortet, hast du deine Antwort.
| Workflow mit Namensschild | Echter Agent |
|---|---|
| Alle Zweige wurden beim Design entschieden | Entscheidet spontan bei Unvorhergesehenem |
| KI formuliert oder extrahiert Text in einem Schritt | KI wählt, welches Werkzeug wann genutzt wird |
| Der seltsame Fall bricht den Ablauf oder bleibt stehen | Der seltsame Fall wird mit dem Verfügbaren durchdacht |
| Die Demo zeigt immer den glücklichen Pfad | Hält Fragen zum unglücklichen Pfad stand |
Nichts davon heißt, dass der Workflow schlecht ist. Ein gut gebauter Workflow —günstig, vorhersehbar, leicht zu prüfen— ist für 80 % der Prozesse eines Unternehmens das richtige Werkzeug: die, die wirklich feste Schritte haben und bei denen niemand etwas entscheiden muss. Das Problem ist nicht, einen Workflow zu haben. Das Problem ist, ihn wie einen Agenten zu bezahlen und den Unterschied an dem Tag zu merken, an dem er entscheiden müsste und es nicht kann. Wer wirklich verstehen will, was es braucht, um etwas zu bauen, das tatsächlich entscheidet —Gedächtnis über Interaktionen hinweg, Werkzeugwahl und Messung der eigenen Arbeit, nicht nur ein LLM am Ende einer Kette—, findet die vollständige Karte in wie man einen KI-Agenten baut, der kein verkleideter Chatbot ist; dieser Beitrag bleibt beim Erkennen, bevor du kaufst.
Wann der Workflow genau das Richtige ist (und ein Agent rausgeworfenes Geld wäre)
Hier der Teil, den dir fast niemand auf der Verkaufsseite sagt: Wenn dein Prozess wiederholbar ist, mit Schritten, die sich nicht ändern, und Ausnahmen, die du an einer Hand abzählen kannst, ist ein Agent teures Overengineering. Du zahlst einem System zu viel dafür, etwas zu „entscheiden", das sowieso immer gleich entschieden wird. Genau das ist das Terrain, wo einen Prozess mit KI-Agenten automatisieren, ohne dass er beim ersten Mal zerbricht bedeutet, den richtigen Workflow zu bauen, gut gemacht, statt ihn als etwas anderes zu verkleiden, um mehr zu berechnen. Ein echter Agent verdient seinen Preis, wenn der Prozess echte Variabilität hat: wenn jeder Fall anders ankommt, wenn Ausnahmen die Mehrheit sind und nicht die Minderheit, wenn jemand —Mensch oder Agent— urteilen muss, statt einem Skript zu folgen.
Das ist auch die Logik hinter dem Aufbau eines Teams aus KI-Mitarbeitern statt einem Haufen einzelner Automatisierungen: Es ergibt keinen Sinn, ein Skript, das immer dasselbe tut, „Mitarbeiter" zu nennen, genauso wenig wie es Sinn ergibt, einen Workflow „Agent" zu nennen. Ein Mitarbeiter —Mensch oder digital— ist durch sein Urteilsvermögen wertvoll, nicht dadurch, denselben Schritt zu wiederholen. Wenn du brauchst, dass derselbe Schritt tausendmal ohne Abweichung wiederholt wird, ist das kein Mitarbeiter und kein Agent: Es ist ein Workflow, und das ist völlig in Ordnung. Bezahl ihn für das, was er ist.