KI-Assistent im Unternehmen: Definition, Arten, Einsatz und Auswahl

Ein KI-Assistent im Unternehmen ist kein Sprachassistent, der das Licht dimmt, und kein Agent, der selbstständig Rechnungen bucht. Er ist ein Werkzeug, das auf Anweisung Texte, Dokumente und Daten verarbeitet und Vorschläge liefert, die ein Mensch prüft. Die Frage ist nicht, ob dein Team einen braucht, sondern welche Art, mit welchen Regeln und wann daraus ein Prozess wird.

Dieser Artikel ordnet den Begriff ein, unterscheidet vier Arten von KI-Assistenten, zeigt, wo sie im Mittelstand Zeit sparen, nennt sechs Auswahlkriterien und die Regeln, die vor dem ersten Account stehen. Er ergänzt den Guide KI für Unternehmen und die Artikel zu ChatGPT im Unternehmen und KI-Agenten für Unternehmen.

Was ein KI-Assistent ist und was nicht

Ein KI-Assistent arbeitet auf Anweisung. Du gibst ihm eine Aufgabe, etwa "Fasse dieses Protokoll zusammen" oder "Schreibe eine Antwort auf diese Reklamation", und er liefert einen Vorschlag. Was er nicht tut: das Ziel selbst in Schritte zerlegen, Werkzeuge aufrufen, Zwischenergebnisse prüfen und ein fertiges Artefakt abliefern. Das ist die Definition eines KI-Agenten, und die Abgrenzung ist mehr als Wortklauberei: Beim Assistenten bleibt jeder Schritt beim Menschen, beim Agenten nur die Freigabe.

Was ein KI-Assistent im Unternehmen auch nicht ist: ein digitaler Assistent für Privatnutzer. Siri, Alexa oder der Assistent auf dem Smartphone steuern Geräte und beantworten Alltagsfragen. Im Unternehmen geht es um Texte, Dokumente und Daten aus Prozessen, um Workspaces mit Adminrechten und um die Frage, welche Daten hinein dürfen.

Und er ist kein Prozess. Ein Chat-Fenster, in das ein Mitarbeiter etwas tippt, ist ein Werkzeug auf der ersten Kompetenzstufe. Der Nutzen entsteht, wenn Prompts zu Templates werden, Templates zu Workflows und Workflows zu Agenten. Der Assistent ist der Anfang dieser Treppe, nicht ihr Ende.

Vier Arten von KI-Assistenten im Unternehmen

1. Der allgemeine Chat-Assistent. ChatGPT, Claude oder Gemini im Business-Plan: ein Workspace, in dem Mitarbeiter Texte schreiben, Dokumente zusammenfassen, Daten auswerten und Ideen sortieren. Er ist das Werkzeug der Pilotgruppe in der Einführungsphase und der Ort, an dem die Prompt-Bibliothek entsteht.

2. Der eingebettete Assistent. Der Copilot in der Office-Suite, der Assistent im CRM, der Coding-Assistent in der Entwicklungsumgebung. Er kennt den Kontext der Anwendung, in der er läuft, und braucht keinen Kontextwechsel. Sein Nachteil: Jeder Anbieter bringt seine eigenen Datenregeln mit, und die stehen selten auf der Produktseite.

3. Der interne Wissensassistent. Ein Chatbot auf der Wissensdatenbank des Unternehmens, der "Wie funktioniert unser Spesenprozess?" mit einer schrittweisen Antwort und dem Link zum Formular beantwortet statt mit 15 PDF-Links. Technisch ist das Retrieval Augmented Generation: Der Assistent ruft vor der Antwort die passenden Stellen aus deinen Dokumenten ab und belegt sie mit Quellen.

4. Der Aufgabenassistent auf dem Weg zum Agenten. Ein Assistent, der einen festen Job hat: Anfragen lesen, Anforderungen herausziehen, offene Punkte markieren, einen Entwurf vorlegen. Er ist noch kein Agent, weil ein Mensch jeden Schritt auslöst und prüft, aber er ist der Prototyp dafür. Was daraus wird, beschreibt der Artikel Was ist ein KI-Mitarbeiter?.

Wo ein KI-Assistent im Mittelstand Zeit spart

Der Guide nennt vier Funktionsbereiche mit dem schnellsten Nutzen: Vertrieb (Texte, Recherche, Follow-ups), Marketing (Content auf Senior-Niveau ohne Agentur), Operations (Datenanalyse ohne Data-Team) und Backoffice (Reporting, Dokumentation, Onboarding). In allen vier Bereichen ist der KI-Assistent der erste Schritt, weil er ohne Integration funktioniert.

Die Use-Case-Liste für Sprachmodelle im Mittelstand zeigt, wo die Zeit steckt: Dokumentenanalyse und Datenextraktion, Angebotserstellung, Lead-Recherche, Ticket-Bearbeitung, internes Wissensmanagement, Code-Generierung und Reporting. Der Artikel nennt für die Angebotserstellung als typischen Effekt: von vier Stunden auf 45 Minuten pro Angebot. Mit einem Assistenten erreichst du einen Teil davon, den Rest bringt die Automatisierung.

Was der interne Wissensassistent bringt, rechnet der Onboarding-Artikel vor: Fragen wie "Wie logge ich mich ins VPN ein?" oder "Wer ist für Vertragsfreigaben zuständig?" kosten je zwei bis fünf Minuten eines erfahrenen Mitarbeiters; bei zehn Fragen am Tag je neuem Mitarbeiter sind das 30 bis 50 Stunden im Monat. Der Assistent beantwortet sie in Sekunden, auch um 20 Uhr, und die erfahrenen Kollegen hören auf, wandelnde FAQ-Maschinen zu sein.

Die Auswahl des ersten Einsatzes folgt drei Kriterien: höchstes Volumen, höchster manueller Aufwand, niedrigstes Risiko. Für einen Assistenten heißt das: Meeting-Zusammenfassungen, E-Mail-Entwürfe, Protokolle, interne Recherche. Nicht: Bewerber bewerten, Preise freigeben, Verträge prüfen.

KI-Assistent oder KI-Agent?

Die Entscheidung hängt an drei Fragen. Reicht ein Vorschlag, oder muss etwas passieren? Ist die Aufgabe einmalig oder wiederkehrend? Wie hoch ist der Schaden bei einem Fehler? Vorschlag, einmalig, geringer Schaden: Assistent. Handlung, wiederkehrend, höherer Schaden: Agent mit Intercepts, Tests und Monitoring.

Der Übergang ist ein Prozess, kein Kauf: Erst die manuellen Prompts, die am meisten genutzt werden, dann API-Anbindungen für wiederkehrende Aufgaben, dann eigene Agenten für abteilungsspezifische Aufgaben. Wer diese Reihenfolge einhält, hat beim ersten Agenten schon die Prompts, die Regeln und die Baseline. Wie der Bau läuft, steht im Artikel KI-Agent erstellen.

Auswahl: Sechs Kriterien für den KI-Assistenten

Für die Modellwahl hinter dem Assistenten gilt das Framework mit fünf Dimensionen: Task-Komplexität, Daten-Sensitivität, Volumen und Latenz, Integrationsanforderungen, Total Cost of Ownership. Für den Assistenten im Chat-Fenster zählt vor allem die zweite Dimension; die anderen vier werden wichtig, sobald der Assistent über die API zum Workflow wird.

Der Guide vergleicht die beiden häufigsten Chat-Assistenten: ChatGPT mit breitem Ökosystem und GPTs, Claude mit längerem Kontext und höherer Instruktionstreue. Empfehlung des Guides: Claude für analytische Aufgaben wie Dokumentenverarbeitung, ChatGPT für kreative Aufgaben wie Content und Brainstorming.

Einführung: Vom KI-Assistenten zum Prozess

Die Einführung folgt vier Phasen: Pilotgruppe mit drei bis fünf Power-Usern, die je drei Use Cases dokumentieren; Best Practices destillieren und eine Prompt-Bibliothek mit fünf bis zehn Templates anlegen; Rollout mit Workshops je Abteilung und Buddy-System; Automatisierung der meistgenutzten Prompts ab Monat drei. Den Readiness-Check davor beschreibt der Artikel KI-Einführung im Unternehmen.

Der Unterschied zwischen einem Team, das Assistenten-Lizenzen hat, und einem, das produktiver ist, liegt in der Kompetenz. Tool-Optimierer kennen die Stärken und Schwächen der Werkzeuge, Prompt-Meister arbeiten mit Kontext, Zielvorgabe, Tonalität, Länge und Struktur, Prozess-Integrierer bauen den Assistenten in Abläufe ein. Ein Prompt wie "Schreib mir eine E-Mail an den Kunden" ist Stufe null.

Miss die Baseline, bevor der erste Seat aktiv ist: Stunden je Vorgang für die drei Aufgaben, die der Assistent übernehmen soll. Ohne diese Zahl gibt es nach drei Monaten kein Delta, und ohne Delta keinen Business Case für Workflows und Agenten. Der Guide setzt die Baseline-Messung in Woche zwei des Fahrplans an.

Für den Wissensassistenten gilt eine eigene Reihenfolge: eine Quelle zuerst indexieren, Berechtigungen von der Quellplattform erben, einen Feedback-Mechanismus für falsche Antworten einbauen und den Assistenten dort integrieren, wo die Leute arbeiten. Wer alle Daten auf einmal indexiert, bekommt einen Assistenten, der Gehaltsdokumente für alle beantwortet.

Grenzen und Regeln für den KI-Assistenten

Ein Assistent formuliert plausibel, auch wenn er nichts weiß. Deshalb gelten drei Regeln aus dem Betrieb von Sprachmodellen: Zahlen kommen aus der Datenquelle, nicht aus dem Modell. Jede Ausgabe, die das Unternehmen verlässt, prüft ein Mensch, der sie verantwortet. Und der Assistent bewertet keine Menschen, weder Bewerber noch Mitarbeiter noch Kunden.

Rechtlich gilt seit dem 2. Februar 2025 die Pflicht zur KI-Kompetenz: Anbieter und Betreiber müssen die KI-Kompetenz ihres Personals fördern und nach besten Kräften ein ausreichendes Maß sicherstellen. Eine Schulung je Rolle mit dokumentierter Teilnahme erfüllt das für den Assistenten. Für Texte, die dein Unternehmen veröffentlicht, ist die sichere Praxis: Ein Mensch prüft und verantwortet sie. Die Pflichten im Einzelnen stehen im Artikel EU AI Act für Unternehmen.

Welche Daten in den Assistenten dürfen, regeln vier Stufen: Öffentliche Daten dürfen an Cloud-APIs, interne Daten brauchen eine EU-gehostete Verarbeitung oder eine Virtual Private Cloud, regulierte Daten gehören zu einem EU-basierten Anbieter oder auf eine On-Premise-Lösung, klassifizierte Daten bleiben ohne externen API-Zugriff. Ein Chat-Assistent im Business-Plan deckt die ersten beiden Stufen ab; für die dritte und vierte ist er das falsche Werkzeug.

Datenschutz: Rechtsgrundlage vor dem Einsatz, Auftragsverarbeitungsvertrag mit dem Anbieter, Datenklassifikation, EU-Region. Die Ein-Seiten-Policy aus der Einführungsphase fasst das zusammen: welche Werkzeuge freigegeben sind, welche Daten hinein dürfen, welche Use Cases erlaubt sind, wer neue genehmigt.

Fazit

Ein KI-Assistent im Unternehmen ist die erste Stufe: ein Werkzeug auf Anweisung, in einem Workspace mit Regeln, für Aufgaben mit hohem Volumen und geringem Risiko. Wer ihn nach den sechs Kriterien auswählt, mit einer Pilotgruppe einführt und die Prompts zur Bibliothek macht, hat nach drei Monaten die Grundlage für Workflows und Agenten. Wer nur Lizenzen verteilt, hat nach drei Monaten Lizenzen.

Quellen

• Verordnung (EU) 2024/1689, Artikel 4 (KI-Kompetenz) und Artikel 50 (Transparenz), Anhang III, eur-lex.europa.eu/eli/reg/2024/1689/oj; Artikeltexte auf Deutsch unter artificialintelligenceact.eu/de/
• Eigene Artikel: KI für Unternehmen, KI Use Cases im Mittelstand, Das KI-Kompetenz-Paradox, Onboarding mit KI, Enterprise Knowledge Base mit KI, Modellwahl im Unternehmen, Workflow Design für KI-Systeme