# KI-Agent erstellen: Anleitung in 6 Schritten

> KI-Agent erstellen ohne Programmieren: 6 Schritte, Tool-Vergleich (Custom GPT, Copilot Studio, n8n), DSGVO-Check und wann du besser keinen baust.

Quelle: https://gerlinger.ai/blog/ki-agent-erstellen-anleitung
Stand: 2026-10-09

- [Ein KI-Agent verfolgt ein Ziel, ein Chatbot beantwortet Fragen](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#ein-ki-agent-verfolgt-ein-ziel-ein-chatbot-beantwortet-fragen)
- [Drei Reifegrade: von der Vorlage bis zum vernetzten System](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#drei-reifegrade-von-der-vorlage-bis-zum-vernetzten-system)
- [Der Stand 2026: viele starten, wenige skalieren](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#der-stand-2026-viele-starten-wenige-skalieren)
- [In 6 Schritten zum eigenen KI-Agenten](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#in-6-schritten-zum-eigenen-ki-agenten)
- [Die Werkzeuge im Vergleich: Custom GPT, Copilot Studio, n8n](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#die-werkzeuge-im-vergleich-custom-gpt-copilot-studio-n8n)
- [DSGVO beim Agenten-Eigenbau: die Datenhaltung entscheidet](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#dsgvo-beim-agenten-eigenbau-die-datenhaltung-entscheidet)
- [Wann du keinen KI-Agenten bauen solltest](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#wann-du-keinen-ki-agenten-bauen-solltest)
- [Fazit: klein anfangen, sauber absichern, dann skalieren](https://gerlinger.ai/blog/ki-agent-erstellen-anleitung#fazit-klein-anfangen-sauber-absichern-dann-skalieren)
- [Häufige Fragen](https://gerlinger.ai/#faq)

Das Wichtigste in Kürze

- Einen KI-Agenten erstellst du heute ohne Programmierkenntnisse, etwa mit Custom GPTs, Microsoft Copilot Studio oder n8n.
- Der Weg führt über 6 Schritte: Aufgabe wählen, Tool festlegen, Wissen anbinden, Aktionen erlauben, testen, absichern.
- Gartner prognostiziert, dass bis Ende 2026 rund 40 Prozent der Unternehmens-Apps aufgabenspezifische KI-Agenten enthalten, 2025 waren es unter 5 Prozent (Gartner, 2025).
- Über 40 Prozent der agentischen KI-Projekte werden laut Gartner (2025) bis Ende 2027 abgebrochen, meist wegen unklarem Nutzen und fehlender Kontrolle.
- Der DSGVO-Knackpunkt ist die Datenhaltung: ein selbst gehostetes Tool wie n8n oder ein EU-Modell hält die Daten im Haus.

Einen KI-Agenten erstellst du heute ohne eine einzige Zeile Code. Mit Werkzeugen wie Custom GPTs, Microsoft Copilot Studio oder n8n beschreibst du die Aufgabe, bindest dein Wissen an und legst fest, welche Aktionen der Agent ausführen darf. Der Unterschied zum Chatbot: Ein KI-Agent verfolgt ein Ziel und arbeitet die nötigen Schritte selbstständig ab.

Wie groß die Welle ist, zeigt eine Prognose: Bis Ende 2026 enthalten rund 40 Prozent der Unternehmens-Apps aufgabenspezifische KI-Agenten, 2025 waren es noch unter 5 Prozent (Gartner, 2025). Gleichzeitig warnt dieselbe Analyse, dass über 40 Prozent der Agenten-Projekte bis Ende 2027 wieder eingestellt werden. Der Unterschied zwischen Erfolg und Abbruch liegt selten an der Technik, fast immer am Vorgehen.

Diese Anleitung zeigt dir in sechs Schritten, wie du einen KI-Agenten erstellst, welches Werkzeug zu welchem Zweck passt, worauf du beim Datenschutz achten musst und wann du besser keinen Agenten baust. Sie gehört zu unserem Themenschwerpunkt rund um [KI-Agenten in der Büro-Routine](https://gerlinger.ai/blog/ki-agenten-buero-routine).

### Ein KI-Agent verfolgt ein Ziel, ein Chatbot beantwortet Fragen

Ein [KI-Agent](https://gerlinger.ai/lexikon/ki-agent) ist ein KI-System, das eigenständig mehrere Schritte ausführt, um ein vorgegebenes Ziel zu erreichen. Er ruft Informationen ab, trifft Entscheidungen, löst Aktionen aus und prüft das Ergebnis, ohne dass ein Mensch jeden Zwischenschritt anstößt.

Der Unterschied zum Chatbot ist grundlegend. Ein Chatbot antwortet auf eine Frage und wartet dann auf die nächste Eingabe. Ein Agent zerlegt eine Aufgabe selbst in Teilschritte und entscheidet über deren Reihenfolge. Ein Beispiel: Der Auftrag „Bereite das Angebot für Kunde Meier vor" führt beim Agenten dazu, dass er die Kundenhistorie abruft, die passende Vorlage wählt, Preise einsetzt und einen Entwurf zur Freigabe vorlegt.

Drei Bausteine machen einen KI-Agenten aus: 1. ein Sprachmodell als Denkmotor, 2. Zugriff auf Wissen und Werkzeuge, 3. die Erlaubnis, Aktionen auszuführen. Das Sprachmodell, ein [LLM](https://gerlinger.ai/lexikon/llm), plant und formuliert. Der Wissenszugriff liefert die Fakten, oft über ein [RAG](https://gerlinger.ai/lexikon/rag)-System, das die eigenen Firmendokumente durchsuchbar macht. Die Aktionen reichen vom Versenden einer E-Mail bis zum Schreiben in die Datenbank.

#### Drei Reifegrade: von der Vorlage bis zum vernetzten System

KI-Agenten gibt es in drei Reifegraden, die sich im Aufwand stark unterscheiden. Der einfachste ist der vorkonfigurierte Assistent, etwa ein Custom GPT, der ein Dokument auswertet und Fragen dazu beantwortet. Die mittlere Stufe verbindet den Agenten mit echten Aktionen, zum Beispiel über Workflow-Tools. Die höchste Stufe vernetzt mehrere Agenten und Systeme, sodass eine Aufgabe komplett ohne manuelles Eingreifen durchläuft.

Für den Einstieg zählt nur der erste Reifegrad. Wer mit einem vorkonfigurierten Assistenten beginnt, lernt die Logik kennen, ohne IT-Projekt. Die Vernetzung kommt später, wenn der erste Agent seinen Nutzen bewiesen hat.

### Der Stand 2026: viele starten, wenige skalieren

Die Verbreitung von KI-Agenten wächst schnell, aber die Tiefe fehlt noch. 57 Prozent der deutschen Unternehmen ab 20 Beschäftigten nutzen KI überhaupt, ein Jahr zuvor waren es 36 Prozent (Bitkom, Erstmals nutzt die Mehrheit der Unternehmen KI, September 2026). Bei den Agenten selbst klafft eine Lücke zwischen Ausprobieren und echtem Betrieb.

der Unternehmens-Apps enthalten Ende 2026 KI-Agenten (2025: unter 5%)

der Unternehmen skalieren ein agentisches KI-System bereits

der GenAI-Nutzer setzen bis 2027 KI-Agenten ein (2025: 25%)

Laut der Studie „The State of AI in 2025" von McKinsey skalieren erst 23 Prozent der Unternehmen ein agentisches KI-System, während weitere 39 Prozent damit experimentieren (McKinsey, 2025). Zusammen probiert es also fast die Hälfte, aber nur ein Viertel hat es im echten Betrieb. Genau diese Lücke ist deine Chance: Wer einen Agenten sauber zu Ende baut, ist weiter als die Mehrheit, die nur testet.

Für dich als Entscheider heißt das zweierlei. Erstens: KI-Agenten sind kein Zukunftsthema mehr, sondern Stand der Technik. Zweitens: Der Vorsprung entsteht nicht durch das ambitionierteste Projekt, sondern durch das erste, das wirklich produktiv läuft.

### In 6 Schritten zum eigenen KI-Agenten

Einen KI-Agenten erstellst du in sechs Schritten. Die Reihenfolge ist bewusst gewählt: erst die Aufgabe, dann das Werkzeug, zuletzt die Absicherung. Wer mit dem Tool startet statt mit dem Problem, baut eine Lösung ohne Aufgabe.

Wähle eine wiederkehrende Aufgabe mit klarem Ablauf. Definiere vorher, woran du Erfolg misst: gesparte Minuten, weniger Fehler oder schnellere Antwortzeit.

Custom GPT für reine Wissensaufgaben, Copilot Studio im Microsoft-Umfeld, n8n für Datenschutz und eigene Anbindungen. Nicht das mächtigste, sondern das passende Tool wählen.

Lade die relevanten Dokumente, Richtlinien oder Daten hoch. Der Agent ist nur so gut wie sein Wissen. Veraltete oder unsortierte Dateien führen zu falschen Antworten.

Lege fest, was der Agent tun darf: nur lesen, einen Entwurf erstellen oder eigenständig versenden. Beginne mit lesenden Rechten und erweitere schrittweise.

Prüfe den Agenten an realen, auch schwierigen Fällen. Vergleiche seine Ergebnisse mit der bisherigen Lösung. Korrigiere die Anweisungen, bis das Ergebnis verlässlich stimmt.

Baue eine menschliche Freigabe für kritische Aktionen ein und protokolliere, was der Agent tut. So bleibt der Mensch in der Verantwortung.

Der häufigste Fehler steckt in Schritt 1. Viele wollen sofort den großen Allrounder bauen, der alles kann. Belastbarer ist der schmale Agent für eine Aufgabe. Er lässt sich testen, messen und verbessern. Erst wenn er trägt, kommt die nächste Aufgabe dazu. Wie sich diese Logik im Büroalltag auswirkt, zeigt unser Überblick zu [KI-Agenten in der Büro-Routine](https://gerlinger.ai/blog/ki-agenten-buero-routine).

![Mitarbeiterin konfiguriert in einem No-Code-Tool die Schritte eines KI-Agenten am Monitor](https://gerlinger.ai/assets/blog/ki-agent-erstellen-aufbau.webp)

### Die Werkzeuge im Vergleich: Custom GPT, Copilot Studio, n8n

Für den Bau eines KI-Agenten stehen mehrere Werkzeuge zur Wahl. Sie unterscheiden sich in drei Punkten: dem nötigen technischen Wissen, der Kontrolle über die Daten und den Kosten. Die folgende Übersicht ordnet die gängigen No-Code- und Low-Code-Optionen für den Mittelstand ein.

| Werkzeug | Eignung | Datenhaltung | Einstieg |
| --- | --- | --- | --- |
| Custom GPT (OpenAI) | Wissensassistent, Dokumente auswerten | US-Cloud, ChatGPT-Abo nötig | Sehr einfach, ohne Code |
| Copilot Studio (Microsoft) | Agenten im Microsoft-365-Umfeld | Microsoft-Cloud, EU-Region wählbar | Einfach, No-Code mit Optionen |
| n8n | Eigene Anbindungen, Datenschutz | Selbst gehostet, Daten im Haus | Mittel, visuell ohne Code |
| Make / Zapier | Viele App-Verknüpfungen | Anbieter-Cloud | Einfach bis mittel |
| Vertex AI (Google) | Skalierbare Enterprise-Agenten | Google-Cloud, nutzungsbasiert | Anspruchsvoll, teils Code |

Zum Vergleichen seitlich wischen

Für die meisten Mittelständler gilt eine einfache Faustregel. Wer ein Wissensthema lösen will, startet mit einem Custom GPT. Wer ohnehin in Microsoft 365 arbeitet, nutzt Copilot Studio. Wer Daten im Haus halten oder eigene Systeme anbinden will, wählt n8n, weil es Open Source ist und sich auf einem eigenen Server in Deutschland betreiben lässt. Diese Selbst-Hosting-Fähigkeit ist das stärkste Argument für den Datenschutz.

Die Kosten lassen sich grob einordnen. Microsoft Copilot Studio kostet 200 US-Dollar pro Monat für ein Paket mit 25.000 Credits, abgerechnet nach Komplexität der Aufgabe (Microsoft, 2026). Custom GPTs setzen ein kostenpflichtiges ChatGPT-Abo voraus. n8n selbst ist kostenlos, hier zahlst du Hosting und die Aufrufe der angebundenen KI-Modelle. Welche Rolle der direkte Zugriff auf moderne KI-Werkzeuge im Unternehmen spielt, vertiefen wir am Beispiel von [Claude Code im B2B-Einsatz](https://gerlinger.ai/blog/claude-code-b2b-ki-unternehmen).

Du bist dir unsicher, welches Werkzeug zu deinem ersten Anwendungsfall passt? In einer [kostenlosen Erstberatung](https://gerlinger.ai/kontakt) klären wir in 15 Minuten, welche Aufgabe sich für einen KI-Agenten eignet und welcher Weg am schnellsten trägt.

### DSGVO beim Agenten-Eigenbau: die Datenhaltung entscheidet

Ein KI-Agent verarbeitet oft personenbezogene Daten, etwa Kundennamen, E-Mails oder Anfragen. Damit greift die DSGVO. Der entscheidende Hebel ist die Frage, wo diese Daten verarbeitet werden. Die folgende Checkliste deckt die wichtigsten Punkte ab, bevor ein Agent in den Echtbetrieb geht.

- Datenhaltung klären Verarbeitet der Agent Daten in der EU oder in einem Drittland? Selbst gehostete Tools und EU-Modelle halten Daten im Haus.
- Auftragsverarbeitungsvertrag abschließen Mit jedem externen KI-Anbieter (OpenAI, Microsoft, Google) ist ein AV-Vertrag nötig, bevor echte Daten fließen.
- Sensible Daten minimieren Gib dem Agenten nur die Daten, die er für die Aufgabe braucht. Besonders sensible Inhalte vorher anonymisieren.
- Transparenz herstellen Wer mit einem KI-Agenten interagiert, muss das wissen. Die EU-KI-Verordnung schreibt diese Kennzeichnung ab August 2026 vor.
- Zugriffe protokollieren Halte fest, auf welche Daten der Agent zugreift und welche Aktionen er auslöst, damit Entscheidungen nachvollziehbar bleiben.

Mit den großen API-Anbietern lässt sich datenschutzkonform arbeiten, wenn der Auftragsverarbeitungsvertrag steht und die Daten nicht zum Training genutzt werden. Wer auf Nummer sicher gehen will, betreibt das Modell auf europäischen Servern oder komplett [lokal im eigenen Haus](https://gerlinger.ai/lexikon/dsgvo). Welche rechtlichen Pflichten die EU-KI-Verordnung für Betreiber mit sich bringt, fassen wir im [Überblick zur KI-Verordnung](https://gerlinger.ai/blog/ki-verordnung-mittelstand-ueberblick) zusammen.

Ein zweiter technischer Punkt sind [Guardrails](https://gerlinger.ai/lexikon/guardrails), also Leitplanken, die festlegen, was der Agent nicht tun darf. Ohne sie kann ein Agent über eine angebundene Schnittstelle ungewollt Daten preisgeben oder fehlerhafte Aktionen auslösen. Guardrails und eine menschliche Freigabe für kritische Schritte gehören zu jedem produktiven Agenten.

![Mitarbeiter prüft am Bildschirm die Datenschutz-Einstellungen und Freigaben eines KI-Agenten](https://gerlinger.ai/assets/blog/ki-agent-erstellen-dsgvo.webp)

### Wann du keinen KI-Agenten bauen solltest

Nicht jede Aufgabe braucht einen KI-Agenten. Drei Situationen sprechen klar dagegen: 1. eine feste Abfolge ohne Entscheidungen, 2. ein hohes Fehlerrisiko ohne Kontrolle, 3. eine dünne oder unsortierte Datenbasis. In allen drei Fällen kostet der Agent mehr, als er bringt.

Laut Gartner (2025) werden über 40 Prozent der agentischen KI-Projekte bis Ende 2027 abgebrochen. Hauptgründe sind eskalierende Kosten, unklarer Geschäftsnutzen und unzureichende Risikokontrollen. Gartner spricht zudem von „Agent Washing": Viele Anbieter etikettieren einfache Chatbots oder Regel-Automatisierungen als Agenten um, ohne echte agentische Fähigkeiten.

Wenn deine Aufgabe eine feste, immer gleiche Abfolge ist, brauchst du keinen Agenten, sondern eine klassische [Automatisierung](https://gerlinger.ai/lexikon/automatisierung). Eine Regel-Automatisierung ist günstiger, schneller und vorhersehbar. Wo die Grenze zwischen beiden Ansätzen verläuft, erklärt unser Vergleich von [KI und klassischer Automatisierung](https://gerlinger.ai/blog/ki-vs-klassische-automatisierung).

Aus der Digital-Erfahrung seit 2007 von Gründer Jannis Gerlinger, von UX/UI über E-Commerce bis KI, zeigt sich ein wiederkehrendes Muster: Werkzeuge enttäuschen dort, wo Grundlagen und Verantwortung fehlen. Ein KI-Agent ohne klare Aufgabe, ohne saubere Daten und ohne menschliche Kontrolle wird kein Erfolg, egal wie gut das Modell ist. Deshalb steht in dieser Anleitung die Aufgabe vor dem Tool und die Absicherung am Ende.

### Fazit: klein anfangen, sauber absichern, dann skalieren

Einen KI-Agenten zu erstellen ist 2026 keine Entwicklerarbeit mehr. Mit Custom GPTs, Copilot Studio oder n8n baust du ihn per Konfiguration, in Stunden statt Wochen. Entscheidend ist nicht das Werkzeug, sondern die Reihenfolge: erst eine klar umrissene Aufgabe mit Erfolgskriterium, dann das passende Tool, dann Wissen, Aktionen und Absicherung.

Wähle für den Start eine wiederkehrende Aufgabe mit überschaubarem Risiko. Baue den Agenten schmal, teste ihn an echten Fällen und behalte die Kontrolle über kritische Schritte. So gehörst du zu dem Viertel der Unternehmen, das KI-Agenten produktiv nutzt, statt nur zu experimentieren.

Du willst einen KI-Agenten erstellen, der wirklich Zeit spart und deine Daten im Haus hält? Wir bauen KI-Systeme für den Mittelstand, DSGVO-konform und auf Wunsch komplett lokal. [Buch dir eine kostenlose Erstberatung](https://gerlinger.ai/kontakt), in 15 Minuten klären wir deinen ersten Anwendungsfall.

Jannis Gerlinger berät kleine und mittlere Unternehmen bei der Einführung von Künstlicher Intelligenz und setzt die Lösungen selbst um: KI-Assistenten, Automationen und individuelle Web-Apps. Als Geschäftsführer der JANGER GmbH arbeitet er seit 2007 an digitalen Systemen für Handwerk, Handel und Industrie, von Onlineshops bis zu internen Werkzeugen. Seine vom TÜV Rheinland geprüfte Qualifikation in Verkaufspsychologie verbindet technisches Know-how mit einem tiefen Verständnis für Geschäftsprozesse.

### Häufige Fragen.

Deine Frage fehlt? [Schreib mir](mailto:hallo@gerlinger.ai), ich antworte innerhalb eines Werktags.

#### Kann ich einen KI-Agenten ohne Programmierkenntnisse erstellen?

Ja. Mit Custom GPTs, Microsoft Copilot Studio oder visuellen Tools wie n8n und Make baust du einen KI-Agenten per Konfiguration statt per Code. Du beschreibst die Aufgabe, lädst Wissen hoch und legst erlaubte Aktionen fest. Für komplexe Anbindungen an eigene Systeme lohnt sich später Entwickler-Unterstützung.

#### Was kostet es, einen KI-Agenten zu erstellen?

Custom GPTs setzen ein kostenpflichtiges ChatGPT-Abo voraus. Microsoft Copilot Studio kostet als Paket 200 US-Dollar pro Monat für 25.000 Credits (Microsoft, 2026). n8n ist Open Source und auf eigenem Server kostenlos nutzbar, hier zahlst du nur Hosting und API-Aufrufe. Die Kosten skalieren mit der Nutzung.

#### Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Ein Chatbot antwortet auf Fragen. Ein KI-Agent verfolgt ein Ziel und führt dafür eigenständig mehrere Schritte aus, etwa Daten abrufen, eine Aktion auslösen und das Ergebnis prüfen. Der Agent entscheidet selbst über die Reihenfolge, der Chatbot wartet auf die nächste Eingabe.

#### Wie stelle ich sicher, dass ein KI-Agent DSGVO-konform arbeitet?

Achte auf die Datenhaltung. Ein selbst gehostetes Tool wie n8n oder ein KI-Modell auf europäischen Servern hält personenbezogene Daten im Haus. Mit den großen API-Anbietern brauchst du einen Auftragsverarbeitungsvertrag und solltest sensible Daten vorher anonymisieren.

#### Wann sollte ich keinen eigenen KI-Agenten bauen?

Wenn die Aufgabe eine feste Abfolge ohne Entscheidungen ist, reicht eine klassische Automatisierung. Wenn ein Fehler hohe Kosten verursacht und keine menschliche Kontrolle eingebaut ist, ist ein Agent zu riskant. Laut Gartner (2025) scheitern über 40 Prozent der Projekte genau an diesen Punkten.

#### Welche Aufgaben eignen sich für einen ersten KI-Agenten?

Gut geeignet sind wiederkehrende Aufgaben mit klarem Ablauf und überschaubarem Risiko: Anfragen vorqualifizieren, Dokumente zusammenfassen, Termine vorbereiten oder Daten zwischen Systemen übertragen. Der erste Agent sollte eine Aufgabe sauber lösen, nicht zehn auf einmal.

### Passt dazu.

Drei Beiträge, die dieselbe Frage aus einem anderen Winkel beantworten.

#### Instandhaltung mit KI automatisieren: Predictive Maintenance

Wie Handwerk, Handel und Industrie mit KI-gestützter Predictive Maintenance Ausfallzeiten senken: Bausteine, Kosten und ein Pilotprojekt in 3 Schritten.

#### KI-Vertragsprüfung im Mittelstand: automatisch statt manuell

KI-Vertragsprüfung im Mittelstand kostet ab 3.000 Euro, braucht einen Auftragsverarbeitungsvertrag und erkennt Risiken schneller als Menschen.

#### KI-Postfach: E-Mails automatisch sortieren und beantworten

KI-Postfach im Mittelstand: Wie E-Mails automatisch sortiert, priorisiert und beantwortet werden, was DSGVO-konform ist und was die Einführung kostet.