Proaktive KI: Agenten, die handeln bevor Sie fragen

Ein KI-Agent im heutigen Sinn ist bereits erstaunlich selbstständig: Er versteht ein Ziel, plant Schritte, nutzt Werkzeuge wie E-Mail, ERP oder Kalender und arbeitet stundenlang daran, bis das Ziel erreicht ist. Was ihm fehlt, ist der erste Impuls. Jemand muss sagen: Mach das. Genau dort setzt proaktive KI an — sie ersetzt den menschlichen Startknopf durch ein Signal aus Ihren eigenen Daten.

Technisch besteht dieser Schritt aus zwei Zutaten. Die erste ist Kontext: Der Agent muss wissen, wie Ihr Unternehmen aussieht — welche Projekte laufen, welche Zahlen normal sind, welche Entscheidungen offen sind. Diesen Kontext liefert das Company Brain; ohne eine solche Wissensbasis bleibt jede KI reaktiv, egal wie leistungsfähig das Modell ist. Die zweite Zutat sind Auslöser: klar definierte Signale, auf die der Agent hört. Ein Ereignis (Anfrage geht ein), ein Schwellenwert (Marge unter Plan), ein Zeitpunkt (Montag, 6 Uhr) oder ein Muster (dritte Verzögerung beim selben Lieferanten).

Wichtig ist die Abgrenzung zu agentischen Systemen: Die beschreiben die Architektur — mehrere Spezial-Agenten unter einem Orchestrator, die eine ganze Prozesskette abwickeln. Proaktive KI beschreibt das Verhalten — Handeln ohne Anstoß. Beides kombiniert sich hervorragend, ist aber nicht dasselbe. In der Praxis beginnt fast jedes Projekt mit einem einzelnen proaktiven Anwendungsfall, der sich schnell rechnet, und wächst von dort.

Und die naheliegende Sorge — eine KI, die eigenmächtig handelt — nehmen wir ernst: Deshalb startet jeder proaktive Agent bei uns im Vorschlagsmodus. Er legt vor, Ihr Team gibt frei, und erst wenn die Trefferquoten über Wochen stimmen, wächst der autonome Anteil — pro Falltyp einzeln eingestellt. Erfahrungsgemäß steigt der autonome Anteil in den ersten sechs Monaten von etwa 30 auf über 80 Prozent der Vorgänge, nicht weil die KI mutiger wird, sondern weil die Zahlen das Vertrauen rechtfertigen.