Neben strategischen und organisatorischen Entwicklungen stehen in den CX-Diskussionen immer auch neue technologische Konzepte im Mittelpunkt. Die Entwicklungen rund um ChatGPT & Generative AI haben hierbei einen großen Raum eingenommen. Nicht, dass es KI-Ansätze nicht vorher schon gegeben hätte, aber die Entwicklungen, die mit ChatGPT und Co in Gang gesetzt wurden, haben für die Diskussionen eine neue Dimension gebracht. Und sie bleiben nicht stehen, sondern bei der KI-Transformation – sprich der Transformation aller Geschäftsprozesse mit mehr autonomen Intelligenzsystemen – kommen immer neue Begrifflichkeiten und Konzepte hinzu.

“Agentic AI” und “Agentic Automation” sind dabei zwei Begriffe, denen wir für 2025 große Bedeutung zusprechen. Doch was steckt dahinter? Und welche Relevanz haben sie für die CX-Diskussionen?

In einer Beitragsserie wollen wir uns diese Begrifflichkeiten und ihre angrenzenden Konzepte erarbeiten. Weiter diskutieren wir, wo sie in Marketing, Vertrieb und Service genutzt werden können und welche Herausforderungen sie für die CX-Konzepte bringen.

📢 Shift/CX-Konferenzwoche 2025: Jetzt informieren
Dieser Beitrag ist Teil unserer Serie zur Vorbereitung der Shift/CX-Konferenzwoche 2025 (10.–14. März 2025). Entdecke die neuesten Trends und Technologien im Customer Experience Management – darunter auch Agentic AI und Agentic Automation.
➡️ Mehr zur Serie
➡️ Details zur Konferenz

Was meinen wir mit „Agent“?

Wenn wir hier von einem „Agenten“ sprechen, meinen wir nicht den klassischen Servicemitarbeiter im Call-Center. Stattdessen geht es um intelligente Software-Systeme, die eigenständig Daten analysieren, Entscheidungen treffen und Aktionen ausführen können. Diese Agenten sind lernfähig, agieren autonom und passen sich flexibel an unterschiedliche Situationen an.

Exkurs: Agenten vs. Servicemitarbeiter

• Servicemitarbeiter (Call-Center-Agent): Ein Mensch, der Kundenanfragen bearbeitet und beantwortet.
• Software-Agent: Ein KI-gesteuertes System, das autonom Entscheidungen trifft und Workflows steuert – oft als Unterstützung für menschliche Mitarbeitende oder direkt im Kundenkontakt.
• Beispiel: Ein Software-Agent priorisiert eine dringende Kundenanfrage und erstellt automatisch eine Eskalation, während der Servicemitarbeiter die Lösung bearbeitet.

Was ist Agentic AI?

Agentic AI bezeichnet fortschrittliche KI-Systeme, die eigenständig handeln, sich in Echtzeit anpassen und komplexe Probleme basierend auf Kontext und Zielen lösen können. Gemäß einem Beitrag bei Aisera, einem Anbieter von AI-Anwendungsplattformen, unterscheidet sich Agentic AI deutlich von regelbasierten Systemen, da sie weit über feste Regeln hinausgeht und echte Autonomie bietet (Aisera Blog).

Wie funktioniert Agentic AI?

Im Gegensatz zu herkömmlichen Automatisierungslösungen folgen Agentic-AI-Systeme nicht starren Entscheidungsbäumen, sondern nutzen erweiterte Mechanismen wie:

• Autonomie: Die Fähigkeit, Aufgaben ohne ständige Überwachung selbstständig zu initiieren und abzuschließen.
• Reasoning: Fortschrittliche Entscheidungsfindung, bei der die KI auf Basis von Kontext und Abwägungen eigenständige Schlüsse zieht.
• Reinforcement Learning: Dynamische Weiterentwicklung durch Interaktionen mit der Umgebung und Feedback aus den Prozessen.
• Workflow-Optimierung: Effiziente Durchführung von mehrstufigen Prozessen, die flexibel an aktuelle Anforderungen angepasst werden können (Aisera Blog).

Einsatzmöglichkeiten in der CX-Welt

Agentic AI kann Unternehmen dabei unterstützen, Customer Experience Management (CX) auf ein neues Level zu heben. Sie bietet Potenziale, Prozesse effizienter zu gestalten und die Kundenzufriedenheit zu verbessern. Die Einsatzmöglichkeiten sind vielseitig und flexibel anpassbar.

• Lead-Qualifizierung im Vertrieb:
  Agentic-AI-Systeme könnten eingehende Leads analysieren und bewerten, basierend auf Verhaltensdaten, Historie und Relevanz. Anstatt Leads manuell zu priorisieren, kann die KI autonom entscheiden, welche Kontakte den größten Erfolg versprechen und in den nächsten Schritt überführt werden sollten.
• Proaktive Service-Bereitstellung:
  Ein weiteres Potenzial liegt darin, potenzielle Probleme frühzeitig zu erkennen – beispielsweise durch die Analyse von Anomalien in Nutzungsdaten oder Feedbackmustern. Die KI kann daraufhin geeignete Lösungen initiieren oder den Fall an die passende Abteilung weiterleiten, bevor es zu einer Kundenbeschwerde kommt.
• Personalisierung von Interaktionen:
  Mithilfe von Echtzeit-Daten, wie Browsing-Verhalten oder Transaktionshistorie, könnte Agentic AI die Kundenansprache dynamisch anpassen. Dazu gehören personalisierte Produktempfehlungen, zielgerichtete E-Mails oder gezielte Marketingkampagnen, die je nach Kontext ausgespielt werden.

Warum ist Agentic AI für CX entscheidend?

Der Einsatz von Agentic AI kann nicht nur Effizienzvorteile bringen, sondern auch mehr Flexibilität in der individuellen Prozessgestaltung – und damit eine kundengerichtetere Prozessumsetzung und Interaktion ermöglichen. Durch ihre Fähigkeit, Entscheidungen autonom zu treffen und flexibel auf individuelle Situationen zu reagieren, eröffnet sie verschiedene Möglichkeiten:

• Skalierbare Personalisierung:
  Statt auf vorab definierte Regeln zu setzen, kann Agentic AI dynamisch auf Kundenbedürfnisse eingehen und so Erlebnisse schaffen, die individueller und potenziell relevanter sind.
• Proaktivität:
  Kundenanfragen könnten nicht nur schneller bearbeitet werden, sondern potenzielle Probleme bereits im Vorfeld identifiziert und gelöst werden – bevor sie zu einer Anfrage führen.
• Kontinuierliche Verbesserung:
  Dank der Lernfähigkeit der Systeme lassen sich nicht nur Entscheidungen, sondern auch die zugrunde liegenden Prozesse über Zeit optimieren. Unternehmen könnten damit flexibler auf veränderte Anforderungen reagieren.

Agentic AI eröffnet Unternehmen neue Möglichkeiten, Customer Experience flexibler, personalisierter und effizienter zu gestalten. Obwohl diese Systeme noch in der Entwicklung und Erprobung sind, könnten sie langfristig einen wesentlichen Beitrag zur Skalierung von CX-Strategien leisten.

Was ist Agentic Automation?

Agentic Automation beschreibt den Einsatz autonomer KI-Systeme, die Workflows dynamisch orchestrieren und Prozesse in Echtzeit steuern können. Im Gegensatz zu klassischen Automatisierungslösungen folgt Agentic Automation keiner festen Abfolge von Regeln, sondern nutzt Entscheidungsalgorithmen, um sich an neue Informationen oder unvorhergesehene Situationen anzupassen.

Begriffsabgrenzung: Agentic Automation vs. verwandte Konzepte

1. Agentic Automation vs. Agentic AI:
   • Agentic AI: Die Grundlage, auf der Agentic Automation aufbaut. Agentic AI umfasst die Fähigkeit eines Systems, autonom Entscheidungen zu treffen, z. B. durch Reasoning und Chaining.
   • Agentic Automation: Nutzt die Entscheidungsfähigkeit von Agentic AI, um ganze Workflows zu orchestrieren und Prozesse über mehrere Systeme hinweg dynamisch zu steuern.
2. Agentic Automation vs. Multi-Agenten-Systeme (MAS):
   • MAS: Ein technologisches Konzept, das auf der Zusammenarbeit mehrerer autonomer Agenten basiert. MAS sind verteilt und koordinieren ihre Aktivitäten, um ein gemeinsames Ziel zu erreichen.
   • Agentic Automation: Nutzt in einigen Fällen MAS-Architekturen, ist jedoch eine Anwendungsstrategie, die sich auf die Optimierung und Steuerung von Workflows konzentriert – ob mit einem oder mehreren Agenten.
3. Agentic Automation vs. Robotic Process Automation (RPA):
   • RPA: Automatisiert regelbasierte, repetitive Aufgaben durch Skripte und festgelegte Abläufe. RPA eignet sich gut für vorhersehbare Prozesse, ist aber nicht in der Lage, sich dynamisch an Veränderungen anzupassen.
   • Agentic Automation: Geht weit über RPA hinaus, da sie Workflows flexibel steuern und anpassen kann. Sie basiert auf autonomer Entscheidungsfindung, statt auf vordefinierten Skripten.
   • Beispiel: Während RPA eine Rechnungserfassung automatisiert, könnte Agentic Automation entscheiden, ob und wie eine Rechnung priorisiert wird, und gleichzeitig das passende Team oder System für die Bearbeitung auswählen.
4. Agentic Automation vs. Workflow Automation (klassische Tools):
   • Workflow Automation: Systeme wie Zapier oder Automate.io ermöglichen einfache Automatisierungen, indem sie vordefinierte Verbindungen zwischen verschiedenen Anwendungen erstellen (z. B. „Wenn eine E-Mail eingeht, erstelle einen Task“).
   • Agentic Automation: Nutzt KI, um Workflows auf Basis von Daten, Kontext und Zielsetzungen zu erstellen und dynamisch anzupassen. Sie ist also nicht nur regelbasiert, sondern agiert kontextsensitiv.

Technologische Grundlagen von Agentic Automation

Agentic Automation basiert auf einer Kombination von Technologien, die sie flexibel und anpassungsfähig machen:

• Reasoning: Die Entscheidungslogik, die durch Datenanalyse und Kontextbewertung ermöglicht wird.
• Chaining: Die Fähigkeit, Entscheidungen zu verknüpfen und als Teil eines größeren Prozesses umzusetzen.
• Echtzeit-Adaption: Anpassung von Workflows an neue Informationen, z. B. geänderte Kundendaten oder unerwartete Ereignisse.
• Systemintegration: Verbindung mehrerer Anwendungen und Datenquellen, um nahtlose Prozesse zu schaffen.

Warum ist Agentic Automation für CX relevant?

Agentic Automation kann in vielen Bereichen des Customer Experience Managements Vorteile bringen:

• Service-Prozesse: Dynamische Eskalation von Kundenproblemen basierend auf Dringlichkeit und Verfügbarkeit von Ressourcen.
• Marketing-Kampagnen: Anpassung von Zielgruppenansprachen und Content-Ausspielungen in Echtzeit.
• Vertrieb: Automatisierte Angebotserstellung basierend auf Kundenhistorien und Marktdaten.

Einordnung der Entwicklungen zu Agentic Automation

Agentic Automation kann als nächste Entwicklungsstufe der Prozessautomatisierung betrachtet werden:

• Von RPA: Regelbasiert und statisch → Zu Agentic Automation: Dynamisch, datengetrieben und flexibel.
• Von MAS: Dezentrale, kollaborative Agenten → Zu Agentic Automation: Koordinierte und zielorientierte Workflow-Optimierung.

Agentic Automation ist somit ein wichtiger Schritt in der Evolution der Automatisierungstechnologien. Sie erweitert die Möglichkeiten klassischer Systeme, indem sie autonome Entscheidungen mit dynamischer Prozesssteuerung kombiniert. Diese Technologie bringt besonders im CX-Kontext Potenziale mit sich, um Workflows anpassungsfähiger, skalierbarer und effizienter zu gestalten.

Agentic AI und Agentic Automation: Eine neue Dimension für CX-Diskussionen?

Die Begriffe Agentic AI und Agentic Automation eröffnen spannende Perspektiven für die Weiterentwicklung des Customer Experience Managements. Beide Konzepte bringen Technologien ins Spiel, die CX-Prozesse potenziell flexibler, personalisierter und effizienter gestalten könnten. Sie zeigen, wie Unternehmen autonome Systeme nutzen können, um Entscheidungen datengetrieben zu treffen und Workflows dynamisch zu steuern.

Obwohl diese Ansätze viele Möglichkeiten eröffnen, werfen sie auch Fragen auf: Wie lassen sich solche Technologien sinnvoll in bestehende CX-Strategien integrieren? Welche Use Cases könnten den größten Nutzen bringen? Und wie begegnet man den organisatorischen und technologischen Herausforderungen, die mit der Einführung von autonomen Systemen einhergehen?

In unserer Beitragsserie wollen wir diese Themen weiter vertiefen. Dabei betrachten wir:

• Technologische Grundlagen: Von Reasoning bis Chaining – wie autonome Systeme Entscheidungen treffen und Prozesse orchestrieren.
• Anwendungsfelder: Wie und wo sich Agentic AI und Automation konkret in Marketing, Vertrieb und Service einsetzen lassen.
• Herausforderungen: Welche Fragen Unternehmen klären müssen, um diese Technologien erfolgreich einzuführen.

Begleite uns in dieser Serie, um die Möglichkeiten und Herausforderungen dieser innovativen Technologien besser zu verstehen und herauszufinden, wie sie auch deine CX-Strategie voranbringen könnten.

➡️ Serienüberblick