# Agentic Business Intelligence einfach erklärt: Leitfaden für KMU

> Agentic Business Intelligence beobachtet Daten, erklärt Veränderungen und bereitet Entscheidungen vor. Vergleich mit klassischer BI, Risiken und Start eines Wertetests.

Source: https://www.electe.net/de/beitrag/agentic-business-intelligence

Site guide: https://www.electe.net/de/llms.txt

Agentic Business Intelligence ist Analytik, die verbundene Daten eigenständig beobachtet, erklärt, was sich verändert hat, und die nächste Entscheidung vorbereitet oder auslöst, statt darauf zu warten, dass jemand einen Bericht öffnet. Zahlen haben Sie vermutlich genug. Es fehlen Zahlen, die rechtzeitig eintreffen, mit einer nachprüfbaren Erklärung und einem nächsten Schritt, den Sie freigeben können.

Das ist das praktische Versprechen, und es ist enger gefasst, als der Hype vermuten lässt. Den größten Nutzen haben Sie, wenn Sie Autonomie als **beaufsichtigt und messbar** behandeln, mit einem einzigen Workflow beginnen und ihn nach 90 Tagen an Ergebnissen messen statt an der Zahl der Alerts oder Berichte.

## Was Agentic Business Intelligence verändert

Es ist Montagmorgen. Ihr Retail- oder Finanzteam exportiert die Zahlen der Vorwoche, bereinigt sie in einer Tabelle und entdeckt den Lagerengpass, die verpasste Aktion oder die Liquiditätsüberraschung, nachdem sie bereits Marge gekostet hat. Der Bericht ist korrekt. Er kommt nur zu spät, und jemand muss noch herausfinden, warum sich die Zahl bewegt hat.

Stellen Sie sich ein Dashboard als **Aktenschrank** vor. Ein Agent ist der Nachtanalyst, der den Schrank über Nacht durchsieht und Ihnen eine Notiz auf den Schreibtisch legt. Darin steht, was sich geändert hat, was wahrscheinlich die Ursache war und was Sie als Nächstes tun würden.

### Fünf Begriffe vorab

- **Schema** bezeichnet, wie Tabellen und Felder benannt und miteinander verknüpft sind.
- **Lineage** ist der Nachweis, woher eine Zahl stammt und wie sie verändert wurde.
- **EBIT** steht für Ergebnis vor Zinsen und Steuern, die in der McKinsey-Umfrage verwendete Gewinnkennzahl.
- **AML** steht für Anti-Geldwäsche-Prüfungen.
- **Kontrafaktisch** bedeutet, was ohne den Agenten passiert wäre.

AufgabeKlassische BIAgentic BIWer die Analyse startetEine Person öffnet einen BerichtDer Agent beobachtet Daten nach Zeitplan oder bei ÄnderungenWann die Erkenntnis erscheintNachdem jemand hinschautSobald ein Schwellenwert, eine Anomalie oder ein Datenupdate eintrittWas Sie erhaltenDiagramme, Tabellen und FilterEine schriftliche Erkenntnis, die zugrunde liegenden Zahlen und einen Vorschlag für den nächsten SchrittWer handeln darfImmer ein MenschAlerts mit geringem Risiko dürfen automatisch laufen; Aktionen mit hoher Wirkung brauchen eine FreigabeErforderliche KompetenzBerichtsersteller und AnalystenEin Fachverantwortlicher, der die Belege prüfen kannTypisches VersagenVeraltete Dashboards, die niemand öffnetEine flüssig formulierte, aber falsche Schlussfolgerung, wenn Tools und Daten ungeprüft bleiben

Im Jahr 2025 gaben **29 % der Unternehmen an, bereits agentische KI zu nutzen**, während **44 % planten, sie innerhalb des folgenden Jahres einzuführen**, so die [Global Enterprise AI Survey von Blue Prism](https://www.blueprism.com/resources/blog/ai-agentic-agents-survey-statistics/). Deshalb wirkt das Thema weniger wie eine Demo und mehr wie eine Veränderung im Betrieb. Wenn auch Ihre Kernsysteme eine engere Automatisierung brauchen, lohnt sich ein Blick auf [vernetzte ERP-Automatisierung für wachsende Unternehmen](https://six.ms/blog/agentic-ai-mcp-the-new-nerve-center-of-erp/) von SIX ERP, denn ein Agent ist nur so nützlich wie die Systeme, die er zuverlässig lesen kann.

## So funktioniert die Schleife des Analyse-Agenten

Ein Verkaufsbericht kann einen Rückgang zeigen, ohne zu erklären, ob die Nachfrage gesunken ist, der Bestand ausgegangen ist oder eine Aktion geendet hat. Ein Analyse-Agent arbeitet eine festgelegte Abfolge ab: Er prüft die Daten, berechnet die Veränderung und zeigt die Belege hinter seiner Erklärung.

### Die sechs Schritte in der Reihenfolge

1. **Quellen verbinden.** Führen Sie Daten aus Buchhaltung, Bank, Tabellen, Vertrieb und Lager zusammen. Das Dashboard von ELECTE bündelt Datenquellen und hält sie ohne Exporte aktuell.
2. **Zuerst die Daten prüfen.** Stellen Sie sicher, dass die Daten aktuell sind und Felder und Formate intakt sind. Ist eine Quelle veraltet oder fehlt ein Feld, pausieren Sie die Analyse, statt eine selbstsicher klingende Schlussfolgerung zu präsentieren.
3. **Einen festen Plan ausführen.** Relevante Tabellen identifizieren, verknüpfen, die vereinbarte Kennzahlendefinition anwenden und berechnen. Ein Modell sollte keine eigene Formel für eine Geschäftskennzahl erfinden.
4. **Mit einer Basislinie vergleichen.** Prüfen Sie das Ergebnis gegen eine Prognose, einen Vorzeitraum oder einen Schwellenwert. „Der Umsatz ist gesunken“ wird aussagekräftiger, wenn Sie wissen, wie das Ergebnis zum Plan steht.
5. **Mit Belegen erklären.** Zeigen Sie Filter, Verknüpfungen und Formeln hinter dem Befund, dazu einen Konfidenzindikator, den eine Führungskraft deuten kann.
6. **Das Ergebnis weiterleiten.** Senden Sie einen Alert mit geringem Risiko oder bereiten Sie einen Bericht zur Prüfung vor. Entscheidungen mit erheblichen geschäftlichen Folgen bleiben der Freigabe durch eine Person vorbehalten.

> **Praxisregel:** Wenn Sie die Filter und Formeln hinter einem Satz nicht sehen können, behandeln Sie ihn als zu prüfende Behauptung, nicht als entscheidungsreife Erkenntnis.

### Warum die Beschränkung wichtig ist

Die [BI-Bench-Studie](https://arxiv.org/html/2609.20886v1) zeigt, dass führende Large Language Models bei realen, durchgängigen Business-Intelligence-Aufgaben **weniger als 50 % Genauigkeit** erreichten. Zu diesen Aufgaben gehören die Auswahl von Tabellen, das Verknüpfen von Daten, das Umwandeln von Feldern, das Berechnen von Kennzahlen und das Erstellen von Antworten. Flüssig formulierte Texte machen einen falschen Join nicht verlässlich. Sicherer ist es, den Agenten auf validierte Operationen zu beschränken und ihn an seiner Ausführung zu messen, nicht an seiner Souveränität in der Demo. Das ist eine nützliche Perspektive, wenn Sie [KI-Agenten vor einer Investition bewerten](https://www.electe.net/post/cosa-sono-gli-ai-agent).

Beispiel: Über Nacht sinken die Verkäufe in einer Kategorie. Der Agent prüft die Aktualität der Daten, verknüpft Verkäufe mit Lagerbeständen und Aktionskalender, berechnet die Abverkaufsquote nach Ihrer vereinbarten Definition und vergleicht das Ergebnis mit der Prognose. Möglicherweise erklärt ein Lagerausfall den Rückgang besser als schwache Nachfrage, und er zeigt die Bestandsdaten hinter diesem Befund. Eine Führungskraft kann die Belege prüfen, bevor sie handelt.

Testen Sie jeden Teil einzeln. Nutzen Sie repräsentative Fragen mit bekannten Dashboard-Antworten und bewerten Sie Datenaufbereitung, Berechnung und Erklärung getrennt. Ein geschliffener Absatz auf Basis der falschen Verknüpfung sollte durchfallen, auch wenn er sich gut liest.

## Wo der geschäftliche Nutzen sichtbar wird

Ein Finanzteam verbringt die ersten Tage jedes Monats damit, Berichte aus Tabellen zusammenzustellen, und hat danach wenig Zeit, die Veränderungen zu untersuchen. Agentic BI schafft Nutzen, wenn es diesen Zusammenstellungsaufwand verringert und Menschen mehr Zeit gibt, auf die Ergebnisse zu reagieren. Abfragen, Alerts und zusätzliche Berichte messen Aktivität. Gesparte Stunden, eine genauere Prognose oder eine schnellere Reaktion auf ein Bestandsproblem messen geschäftliche Ergebnisse.

Umfragen zur KI-Einführung in Unternehmen deuten darauf hin, dass das Experimentieren dem skalierten Einsatz weit voraus ist, während der Gewinnbeitrag bei vielen Firmen gering bleibt. Für KMU ist das ein Grund, mit einer konkreten, kostspieligen Verzögerung zu beginnen, statt einen Agenten als Ersatz für das Team zu betrachten.

### Drei Aufgaben, bei denen der Nutzen am leichtesten sichtbar ist

**Wiederkehrendes Reporting** verkürzt die Zeit für die Erstellung von Monats- und Board-Reports. Ihr Analyst muss weniger bekannte Tabellen neu aufbauen und kann mehr Zeit darauf verwenden, Ausnahmen zu prüfen und Veränderungen zu erklären.

**Prognosen** für Liquidität, Gehälter und Nachfrage helfen Ihnen, eine sich verändernde Zahl mit einer Entscheidung zu verknüpfen. Verschiebt sich eine Prognose, besteht der Nutzen darin, früh genug zu erfahren, um den Plan zu überprüfen, nicht nur die Änderung in einem neuen Diagramm zu sehen.

**Anomalie-Überwachung** prüft Verkäufe, Bestände oder Transaktionen zwischen den geplanten Reviews. Der Nutzen hängt davon ab, ob jemand früher untersuchen und reagieren kann, als es der routinemäßige Review-Rhythmus erlauben würde.

NutzenaufgabeErgebnis, das Sie jedes Quartal verfolgenWiederkehrendes ReportingStunden für den MonatsabschlussPrognosen für Liquidität, Gehälter und NachfragePrognosefehler im Vergleich zum VorquartalAnomalie-ÜberwachungZeit vom Signal bis zur Entscheidung

Wählen Sie die Aufgabe, die Ihre teuerste Verzögerung betrifft. Legen Sie eine Basislinie fest, verfolgen Sie das Ergebnis aus der Tabelle und beurteilen Sie den Pilot danach, ob sich diese Kennzahl verbessert, nicht danach, wie viele Alerts oder Berichte der Agent erzeugt.

## Kontrollen, die Autonomie unter Aufsicht halten

Ein Vertriebs-Alert darf eigenständig laufen. Eine Preisänderung nicht. Legen Sie Berechtigungen nach den Kosten einer Fehlentscheidung fest und machen Sie dann jeden automatisierten Schritt nachvollziehbar.

Nur **21 % der befragten Unternehmen** gaben an, über ein ausgereiftes Governance-Modell für agentische KI zu verfügen, so die [Analyse von Deloitte zur Einführung agentischer KI](https://www.deloitte.com/us/en/insights/topics/emerging-technologies/ai-agents-scaling-faster.html). Dieselbe Analyse ergab, dass rund **80 % keine ausgereiften Fähigkeiten** wie Entscheidungsgrenzen, Echtzeit-Monitoring und lückenlose Aktionshistorien besaßen. Fast zwei Drittel der Befragten benötigten mehr menschliche Aufsicht als erwartet, und nannten als Gründe schlecht strukturierte Daten und geringes Vertrauen.

AktionAutonomieErforderliche KontrolleBeispielRoutine-MonitoringKontinuierlichAktualitätsprüfung und ein AusführungsprotokollTägliche Umsatz- oder BestandsanomalieWiederkehrender BerichtGeplantVersionierte Kennzahlen und ein benannter PrüferMonatsabschluss oder Board-UnterlagenPrognose in einem PlanAssistiertEine Person akzeptiert die ZahlLiquiditäts-, Gehalts- oder NachfrageprognoseFolgenreiche VerpflichtungFreigabeschrankeNachweis, Übersteuerung und Überprüfung nach der EntscheidungPreisänderung, Kredit, AML-Eskalation oder ein großer Einkauf

Nutzen Sie die Tabelle als Berechtigungssystem. Lassen Sie Routine-Monitoring kontinuierlich laufen, wenn das System Datenaktualität und Ausführungshistorie erfasst. Geben Sie geplanten Berichten einen benannten Prüfer und stabile Kennzahlendefinitionen. Belassen Sie Prognosen in einem assistierten Workflow, bis eine Person sie akzeptiert; verlangen Sie für folgenreiche Entscheidungen wie Preisgestaltung, Kredit, große Bestandseinkäufe oder AML-Eskalation eine Freigabeschranke. Für einen praktischen Leitfaden dazu, [wie sich menschliche Aufsicht und KI verbinden lassen](https://www.electe.net/post/human-in-the-loop-ai-analytics), stimmen Sie die Prüfung auf die Folgen eines Fehlers ab.

### Was jede Erkenntnis enthalten sollte

Jede Erkenntnis braucht eine Quelle, einen Aktualisierungszeitpunkt und einen Nachweis über jede menschliche Übersteuerung. Nehmen Sie, sofern verfügbar, die Modell- oder Prompt-Version, die Datentransformationen und einen Konfidenzindikator auf. Deutet eine Schwellenwertverletzung darauf hin, dass Daten oder Logik an Qualität verloren haben, pausieren Sie die Automatisierung und prüfen Sie die Ursache, bevor sie weiter Handlungsempfehlungen gibt.

Für europäische Leser enthält der [Zeitplan der Europäischen Kommission zur Umsetzung des EU AI Act](https://ai-act-service-desk.ec.europa.eu/en/ai-act/timeline/timeline-implementation-eu-ai-act) datierte Pflichten: Anforderungen an KI-Modelle mit allgemeinem Verwendungszweck ab dem **2. August 2025**, Transparenzanforderungen nach Artikel 50 und die zugehörige Durchsetzung ab dem **2. August 2026**, Pflichten für bestimmte Hochrisiko-Systeme nach Anhang III ab dem **2. Dezember 2027** und Pflichten für in regulierte Produkte eingebettete Hochrisiko-KI nach Anhang I ab dem **2. August 2028**. Zu den Hochrisiko-Anforderungen zählen Risikomanagement, angemessene Datenqualität, Protokollierung von Aktivitäten, technische Dokumentation, Informationen für Betreiber, menschliche Aufsicht, Genauigkeit, Cybersicherheit und Robustheit.

Das [NIST Artificial Intelligence Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework/ai-rmf-development) bietet eine verständliche Checkliste: Validität und Zuverlässigkeit; Sicherheit; Security und Resilienz; Rechenschaftspflicht und Transparenz; Erklärbarkeit und Interpretierbarkeit; Datenschutz; sowie Fairness, einschließlich des Umgangs mit schädlichen Verzerrungen.

Halten Sie personenbezogene Daten aus den Eingaben eines Agenten heraus, sofern der Workflow sie nicht benötigt. Regulierte Teams sollten ihre konkreten Pflichten mit Rechtsberatern abklären.

## Wie Sie nachweisen, dass sich ein Agent auszahlt

Die schwierige Frage ist nicht, ob ein Agent ein Muster finden kann. Es geht darum, ob Sie bessere Marge, Prognosegenauigkeit, Lagerumschlag oder Analysten-Produktivität diesem Agenten zuordnen können. Das gelingt den meisten Unternehmen noch nicht, und genau deshalb braucht Ihr Pilotprojekt ein Messdesign, bevor es weitere Funktionen braucht.

Laut der [Qlik-Studie 2025 zu Agentic AI](https://www.qlik.com/us/news/company/press-room/press-releases/qlik-2025-agentic-ai-study-budgets-surge-but-data-readiness-delays-scale) hatten in einer Umfrage von 2025 nur **19 % der Unternehmen** ein definiertes ROI-Framework für agentische KI, und nur **18 %** hatten sie vollständig im großen Maßstab im Einsatz. Einen sauberen Test können Sie auch ohne Data-Science-Team durchführen. Wenn Sie die zugehörige Rechenlogik gebündelt nachlesen möchten, beginnen Sie mit [ROI von KI in KMU berechnen](https://www.electe.net/post/ai-roi-measurement-small-business).

### Ein 30-60-90-Pilot, den Sie wirklich durchführen können

1. **Wählen Sie einen Workflow.** Entscheiden Sie sich für Reporting, Forecasting oder Anomalieüberwachung, nicht für alle drei.
2. **Erfassen Sie eine Baseline über vier Wochen.** Halten Sie die Ergebniskennzahl für diese Aufgabe fest, dazu die Analystenstunden, die heute anfallen.
3. **Lassen Sie den Agenten 30 Tage neben dem bisherigen Prozess laufen.** Behalten Sie Ihre bestehenden Kontrollen bei, während der Agent parallel arbeitet.
4. **Vergleichen Sie nach 60 Tagen.** Protokollieren Sie jeden Fehlalarm und was er an Zeit, Geld oder an einer falschen Entscheidung über eine Aktion gekostet hat.
5. **Entscheiden Sie nach 90 Tagen.** Behalten, eingrenzen oder beenden Sie den Workflow, auf Basis von Ergebnissen statt Begeisterung.

Messen Sie die **Kosten pro nützlicher Erkenntnis**, indem Sie die Gesamtkosten durch die Zahl der Erkenntnisse teilen, auf die jemand reagiert hat. Fünfzig Alarme, die niemand genutzt hat, sind nicht günstiger als fünf, die eine Entscheidung verändert haben. Erfassen Sie auch, wie oft ein Mensch den Agenten zu Recht übersteuert, denn Übersteuerungen zeigen, wo Ihre Daten, Schwellenwerte oder Kennzahlendefinitionen nachgebessert werden müssen.

Nutzen Sie einen Vergleich mit einer Kontrollgruppe als Gegenfaktum. Setzen Sie den Agenten in einer Filiale, Produktlinie oder in bestimmten Wochen ein und lassen Sie ihn in einer vergleichbaren Einheit aus. Der gleiche Zeitraum im Vorjahr ist ein schwächerer Vergleich, weil sich Preise, Nachfrage und Personalstand verändert haben.

Eine Rendite ist nie garantiert. Schließen Sie die Auswertung mit einem dreizeiligen Scorecard ab, das auf eine Seite passt.

- **Baseline.** Das Ergebnis und die Analystenstunden vor dem Agenten.
- **Ergebnis.** Das Ergebnis, die Kosten falscher Alarme und die Übersteuerungsquote nach 90 Tagen.
- **Entscheidung.** Behalten, eingrenzen oder beenden, mit einer namentlich benannten verantwortlichen Person.

## Agentische BI in Finanzen und Betrieb im Einzelhandel

Dieselbe Schleife taucht in unterschiedlichen Bereichen auf. Was sich ändert, sind die Entscheidung am Ende, die Person, die sie freigibt, und die Belege, die sie braucht, bevor sie zustimmt.

### Einzelhandel und E-Commerce während einer Aktion

Angenommen, Sie führen eine Aktion durch und eine Produktlinie bricht plötzlich ein. Der Agent beobachtet **Abverkauf und Lagerbestand**, unterscheidet einen Nachfrageanstieg von einem Ausverkauf und entwirft einen Vorschlag für Nachbestellung oder Preisreduzierung. Ihr Category Manager sieht die Verkaufstabelle, den Bestand und die Aktionszeiträume und genehmigt oder lehnt den Vorschlag ab, bevor eine Bestellung ausgelöst wird.

### Finanzen bei der Monatsvorbereitung

In den Finanzen aktualisiert der Agent Liquidität, Gehaltsabrechnung und Umsatzabweichungen, vergleicht die aktuelle Zahl mit der Prognose und bereitet das Monatspaket zur Prüfung vor. Ihre Finanzleitung prüft die Erklärung der Abweichung und die zugrunde liegenden Formeln, bevor die Prognose in den Plan übernommen wird. Eine Eskalation im Stil von Kredit- oder Geldwäscheprüfungen bleibt hinter einer Freigabeschranke, und Unterstützung bei der Erkennung ist keine regulatorische Beratung.

### Betriebs- und Produktteams nach einem Release

Ein Betriebs- oder Produktteam kann einige vereinbarte KPIs überwachen und eine Kennzahl melden, die sich nach einem Release verändert hat. Der Agent verkürzt die Zeit zwischen Signal und Iterationsreview, indem er die Zahlen vor und nach dem Release, das Release-Datum und etwaige offensichtliche Datenlücken beifügt. Die Teamleitung entscheidet weiterhin, ob die Veränderung real, wichtig und eine Korrektur wert ist.

> Legen Sie die Kennzahlendefinition fest, bevor der Agent die Erläuterung schreibt, sonst streiten zwei Teams über einen flüssigen Satz, der auf zwei verschiedenen Formeln beruht.

Diese Gegenprüfung ist besonders wichtig, wenn Sie von Tabellenkalkulationen umsteigen. Das Muster ist in jeder Branche gleich: kontinuierliche Beobachtung, erklärte Veränderung, eng begrenzte Handlungsrechte und ein namentlich benannter Mensch, der weiterhin Nein sagen kann.

## Den ersten Workflow zur Automatisierung auswählen

Ein geeigneter erster Workflow hat eine klare Verantwortung, eine wiederkehrende Aufgabe und ein messbares Ergebnis. Wählen Sie **wiederkehrendes Reporting**, wenn das Zusammenstellen von Berichten Stunden kostet. Wählen Sie **Forecasting**, wenn Überraschungen bei Liquidität oder Nachfrage zu spät kommen. Wählen Sie **Anomalieüberwachung**, wenn Probleme erst auffallen, wenn jemand die Zahlen prüft. Behalten Sie Entscheidungen zu Preisen, Krediten und Compliance unter menschlicher Kontrolle, bis Sie eine verlässliche Datenherkunft und Freigabeschritte haben.

Klären Sie auch die Frage des Datenspeicherorts frühzeitig. [Die Wahl zwischen gehostetem und selbst betriebenem ERP](https://ui-lib.com/blog/on-premise-vs-cloud-erp/) kann Ihnen helfen abzuwägen, wo angebundene Daten liegen sollen und wer sie betreut, Entscheidungen, die Aktualitätsprüfungen und Zugriffskontrollen beeinflussen.

### Wichtige Erkenntnisse

1. **Wählen Sie einen Workflow** aus Reporting, Forecasting oder Anomalieüberwachung.
2. **Erfassen Sie eine Baseline über vier Wochen** für Ergebnis und Analystenstunden.
3. **Zeigen Sie die Formeln** neben jeder erläuterten Erkenntnis.
4. **Benennen Sie eine genehmigende Person** für unterstützte und folgenreiche Entscheidungen.
5. **Prüfen Sie die Ergebnisse nach 90 Tagen** und beenden Sie den Workflow, wenn er sich nicht ausgezahlt hat.

ELECTE ist eine **KI-gestützte Datenanalyseplattform für wachsende Unternehmen**. Der KI-Agent liest Daten, schreibt Berichte und recherchiert den Markt, nach Zeitplan oder auf Abruf, rund um die Uhr. Der Business-Plan kostet 40 € pro Monat und umfasst automatisierte Berichte und Wettbewerbsanalysen, KI-gestützte Prognosen, unbegrenzte Datenhistorie, erweiterte Integrationen und Cashflow-Vorhersagen. Für die Planung behandelt Fabio Laurias kostenloses Whitepaper „AI for European SMEs: The 2026 Playbook“ Entscheidungsrahmen, ROI-Berechnungen und Umsetzungsleitfäden. Lassen Sie regulierte Entscheidungen weiterhin von Menschen prüfen.

Ersetzen Sie zunächst einen wiederkehrenden Export durch einen beaufsichtigten Workflow: Der Agent bereitet eine Erklärung vor, und eine namentlich benannte Person genehmigt die nächste Entscheidung. Messen Sie das Ergebnis über 90 Tage und vergleichen Sie dann die Pläne Starter, Business und Enterprise von ELECTE, um die passende Lösung für Ihr Team zu finden.