Mitarbeitende

Always-on-Agenten: Was Unternehmen jetzt wissen müssen

Was ist ein Always-on-Agent? Definition und Abgrenzung

Ein Always-on-Agent ist ein KI-Agent, der dauerhaft aktiv ist, sich selbst auslöst und Aufgaben ausführt, ohne dass ein Mensch ihn jedes Mal neu startet. Er läuft persistent in der Cloud, verfügt über operative Erinnerung (Agent Memory) und reagiert auf Ereignisse – eine eingehende Email, ein Kalendertermin, ein Systemzustand oder ein selbst gesetzter Heartbeat-Mechanismus. Das ist das Gegenteil des klassischen Request-Response-Modells, bei dem ein Chatbot oder Copilot-Agent erst dann arbeitet, wenn jemand eine Frage stellt.

Microsoft nennt solche agents „digital teammates“, OpenAI spricht von „ongoing responsibilities“. Gemeint ist dasselbe: Agenten übernehmen eine Rolle oder ein Ziel, nicht eine einzelne Aufgabe.

Der entscheidende Unterschied zu einem klassischen Chatbot: Ein Chatbot wartet. Ein Always-on-Agent handelt. Er läuft kontinuierlich, prüft Bedingungen, trifft Entscheidungen und eskaliert nur dann an einen Menschen, wenn er dazu aufgefordert wird oder wenn seine Richtlinien das vorschreiben.

Architektur: Wie Always-on-Agenten technisch funktionieren

Das Fundament eines Always-on-Agenten besteht aus vier Bausteinen:

Persistenz: Der Agent runs dauerhaft – er wird nicht nach jeder Antwort beendet. Sein Zustand bleibt erhalten. Das ermöglicht kontextuelles Arbeiten über Tage, Wochen und Monate.

Operative Erinnerung (Agent Memory): Der Agent speichert, was er früher gelernt hat – Präferenzen, Prozessregeln, vergangene Entscheidungen. Dieses memory macht ihn mit der Zeit besser, nicht schlechter.

Trigger-Mechanismen (Wake-up-Policy): Der Agent startet nicht auf Zuruf, sondern auf Basis definierter rules. Das kann eine Wake-up-Policy sein (z. B. „starte täglich um 6 Uhr“), ein Heartbeat-Mechanismus (regelmäßige Selbstprüfung) oder eine event-getriebene Architektur (z. B. „reagiere, wenn eine Email mit Betreff ‚Rechnung‘ eingeht“).

Cloud-Computer-Konzept: Der Agent hat Zugriff auf tools, software und systems – er kann Dateien lesen, Formulare ausfüllen, APIs aufrufen und mit anderen agents kommunizieren. Er arbeitet wie ein computer-gesteuerter Mitarbeitender, der rund um die Uhr verfügbar ist. Dieser computer-basierte Ansatz ist das, was agentic Systeme von einfachen Automatisierungsskripten unterscheidet.

Diese Kombination aus Persistenz, gespeichertem Kontext, Autonomie und event-getriebener Architektur ist das, was Always-on-Agenten von allen bisherigen KI-Ansätzen unterscheidet.

Drei Typen im Vergleich: Wer startet – und wie lange?

Zur Einordnung helfen drei Kategorien:

Typ	Wer startet?	Wie lange arbeitet er allein?	Beispiele
Selbst gebaute Agenten	Mitarbeitende im Chat, Zeitplan oder Ereignis	Ein festgelegter Ablauf	Copilot-Agenten, GPTs auf der Firmenplattform
Cowork- und Coding-Agenten	Mitarbeitende, pro Aufgabe	Minuten bis Stunden	Anthropic Claude Code, OpenAI Codex, Copilot Cowork
Always-on-Agenten	Der Agent selbst	Dauerhaft	dots (OpenAI), Proactive Agent (Microsoft), Muse (Meta), Grok Bot (xAI), Gemini Spark (Google)

Neu ist die Kombination aus selbstständigem Auslöser und autonomer execution. Agents are in den ersten beiden Kategorien reaktiv – sie warten auf einen Impuls. Always-on-Agenten sind proaktiv: Sie entscheiden selbst, wann sie handeln.

Marktüberblick: OpenAI dots, Microsoft und Co. – was ist heute verfügbar?

Die großen Anbieter bringen ihre Produkte gerade auf den Markt. Technisch machen alle ähnliches. Die Unterschiede liegen darin, für wen sie gebaut sind und wie sie kontrolliert werden:

dots (OpenAI): Am 29. September 2026 vorgestellt und seitdem schrittweise ausgerollt. Ein dot ist in ChatGPT Pro und im Business-Premium-Platz enthalten. In Deutschland erhalten Pro-Kunden dots vorerst nicht, das gilt auch für den übrigen EWR, die Schweiz und Großbritannien. Unternehmen kommen über Business Premium an den Agenten, Enterprise-Kunden über eine Beta, die ihre Admins freischalten müssen. Laut OpenAI lassen sich die Erinnerungen eines dots derzeit nicht einzeln einsehen, bearbeiten oder löschen. Wer sie loswerden will, muss den dot löschen. Das ist ein relevantes Data-Governance-Problem, das Unternehmen vor dem Go-live klären sollten.

Microsoft Scout (Microsoft): Für Unternehmen konzipiert und der erste Agent aus Microsofts neuer Kategorie „Autopilots“. Scout hat eine eigene Microsoft-Entra-Identität, handelt nur innerhalb der Berechtigungen und Richtlinien der Organisation, und seine Aktionen sind über Microsoft Purview nachvollziehbar. Aktuell gibt es Scout nur als Vorschau für Unternehmen im Frontier-Programm, einen Termin für die allgemeine Verfügbarkeit hat Microsoft noch nicht genannt. Wichtig für den Datenschutz: In der Vorschau laufen Daten teilweise über Wege außerhalb von Microsoft 365.

Muse (Meta): Für Privatnutzer, bisher nur in den USA und Kanada verfügbar. Kein Unternehmensprodukt.

Grok Bot (xAI): Seit August 2026 in der Beta, zunächst für Abonnenten von SuperGrok Heavy, Cursor Ultra und Cursor Teams Premium. Für Unternehmen gibt es eine Warteliste. Der Dienst läuft auf der Infrastruktur von Cursor. Als US-Anbieter unterliegt SpaceXAI dem CLOUD Act. Für deutsche Unternehmen mit DSGVO-Anforderungen ist das ein kritischer Punkt.

Gemini Spark (Google): Für Privatnutzer, in Deutschland nicht verfügbar.

Unsere Einschätzung: Planen Sie today keinen Plattformwechsel nur wegen dieser Funktion. Die Technik ist noch jung. Erfahrungsgemäß ziehen die großen Plattformen solche Fähigkeiten nach, sobald sie sich durchsetzen. Der Fokus sollte today auf den Grundlagen liegen – nicht auf dem Tool.

Was heute schon funktioniert: Praxisbeispiele aus dem Unternehmenseinsatz

Echte Always-on-Agenten im Live-Betrieb größerer Unternehmen gibt es noch kaum. Laut Bitkom setzen erst 11 % der Unternehmen, die KI nutzen oder planen, überhaupt Agenten ein. Wo es klappt, laufen agents dauerhaft, aber klar abgegrenzt in einem einzelnen Prozess:

Deutsche Telekom – Netzüberwachung: Der „RAN Guardian Agent“, entwickelt mit Google Cloud auf Basis von Gemini-Modellen, überwacht das Mobilfunknetz bei Großveranstaltungen und Lastspitzen. Die Bearbeitungszeit solcher Ereignisse sank laut Telekom von mehreren Stunden auf rund eine Minute.

Allianz – Schadenbearbeitung: In Australien bearbeitet das Multi-Agenten-System „Project Nemo“ Ansprüche wegen verdorbener Lebensmittel nach Unwettern und Naturkatastrophen, für Schäden bis 500 australische Dollar. Sieben spezialisierte Agenten prüfen Deckung, Wetterdaten und Betrugsindizien und berechnen die Auszahlung. Laut Allianz sinkt die Bearbeitungs- und Abwicklungszeit um rund 80 Prozent. Die finale Zahlungsentscheidung trifft weiterhin ein Mensch.

EY – Audit Agents: Seit April 2026 ist ein Multi-Agenten-System in EYs globale Prüfungsplattform EY Canvas integriert. Die Agenten unterstützen rund 130.000 Prüferinnen und Prüfer dabei, Anomalien, Trends und Risiken in den Prüfungsdaten zu erkennen. Die Prüfungsentscheidungen bleiben bei Menschen.

Diese Beispiele zeigen: Agents sind heute am wirkungsvollsten in klar abgegrenzten, datenreichen Prozessen mit hohem Wiederholungsgrad. Nicht in offenen, kreativen oder strategischen Aufgaben.

Sie möchten wissen, ob Ihr Unternehmen bereit ist für den Einsatz von KI-Agenten? Erstgespräch anfragen

Konkrete Anwendungsfälle: Was Always-on-Agenten heute leisten

Die Automatisierung von Geschäftsprozessen mit Always-on-Agenten ist kein Zukunftsszenario – sie findet in ausgewählten Bereichen bereits statt. Typische Einsatzfelder:

Email-Monitoring: Ein Agent überwacht eingehende emails, klassifiziert sie nach Dringlichkeit und Thema, leitet weiter oder antwortet nach definierten rules – rund um die Uhr, ohne manuellen Eingriff.

Slack-Antworten: Agents that in Slack-Kanälen aktiv sind, beantworten Standardfragen aus der knowledge-Base, eskalieren komplexe Anfragen und dokumentieren Entscheidungen automatisch.

Job-Scheduling und Prozessautomatisierung: Wiederkehrende tasks wie Datenbankabfragen, Berichterstellung oder Systemprüfungen runs der Agent nach Zeitplan – der user muss nichts anstoßen.

Rechnungsstellung: Ein Agent prüft eingehende Rechnungen gegen ERP-Daten, markiert Abweichungen und löst Freigabe-Workflows aus. Die execution läuft vollständig automatisiert, bis ein Schwellenwert überschritten wird.

Kundenkommunikation: Im Customer-Service arbeiten Agenten als erste Anlaufstelle: Sie beantworten Standardanfragen, eskalieren bei Bedarf und protokollieren jeden Schritt für das management.

Mehrwert entsteht dort, wo Prozesse klar definiert, Daten strukturiert und Regeln eindeutig sind. Agents sind kein Ersatz für menschliches Urteilsvermögen – sie sind Verstärker für Routinearbeit.

Integration in bestehende Unternehmensinfrastruktur

Ein Always-on-Agent, der isoliert läuft, schafft keinen Mehrwert. Der Wert entsteht erst durch die Anbindung an die Systeme, in denen Ihr Unternehmen today tatsächlich arbeitet.

Microsoft 365: Agents können direkt in Teams, Outlook und SharePoint integriert werden. Sie arbeiten mit den gleichen Berechtigungen wie ein Mitarbeitender – lesen Dokumente, schreiben Entwürfe und reagieren auf Kalendereinträge. Die platform-Logik von Microsoft Copilot Studio ermöglicht es, solche Agenten ohne tiefes code-Wissen zu konfigurieren.

ERP- und CRM-Systeme: Agents können Datensätze in SAP, Salesforce oder HubSpot lesen und schreiben – vorausgesetzt, die API-Anbindung ist sauber definiert. Das ist technisch lösbar, erfordert aber sorgfältige Planung der Berechtigungen & Guardrails.

Slack: Agents that in Slack integriert sind, reagieren auf Nachrichten, Mentions oder Channel-Events. Sie können Workflows auslösen, Tickets erstellen oder Statusupdates posten – ohne dass Mitarbeitende manuell eingreifen müssen.

Sicherheitsarchitektur bei der Integration: Jede Anbindung erweitert die Angriffsfläche. Deshalb gilt: Minimale Berechtigungen, klare Protokollierung, definierte Eskalationspfade. Ein Agent, der Zugriff auf das CRM hat, sollte nicht gleichzeitig Emails versenden können – es sei denn, das ist explizit so vorgesehen und dokumentiert.

Die Integration in bestehende software-Landschaften ist oft der aufwändigste Teil eines Agenten-Projekts. Wer hier sauber arbeitet, baut eine Grundlage, auf der sich weitere Agenten später schnell ergänzen lassen.

Multi-Agenten-Systeme: Wenn Agenten zusammenarbeiten

Ein einzelner Always-on-Agent kann viel. Ein Multiagenten-System kann mehr. Die Idee dahinter: Statt einen Agenten mit allem zu beauftragen, übernimmt jeder Agent eine klar definierte Rolle – und die Agenten-Orchestrierung koordiniert das Zusammenspiel.

Ein Beispiel aus der Praxis: Ein Eingangsagent empfängt und klassifiziert emails. Ein Fachagent prüft den Inhalt gegen interne Richtlinien. Ein Ausgabeagent formuliert die Antwort und leitet sie zur Freigabe weiter. Jeder Agent runs in seiner eigenen Sandbox, mit eigenen Berechtigungen und eigenem Protokoll.

Diese Architektur hat drei Vorteile:

• Skalierbarkeit: Neue Aufgaben werden durch neue Agenten abgedeckt, nicht durch Erweiterung eines bestehenden.
• Kontrollierbarkeit: Fehler lassen sich auf den verantwortlichen Agenten eingrenzen.
• Auditierbarkeit: Jeder Schritt ist einem konkreten Agenten und einer konkreten Entscheidung zuordenbar.

Die Agenten-Orchestrierung ist das technisch anspruchsvollste Element eines Multiagenten-Systems. Sie definiert, welcher Agent wann die Kontrolle übernimmt, wie Konflikte aufgelöst werden und wann ein human-in-the-loop eingreifen muss. Companies, die diesen Schritt ohne ausreichende technische Grundlage gehen, riskieren unkontrollierbare Kaskaden-Effekte.

SESTdigital entwickelt Multiagenten-Systeme aus der Softwareentwicklung heraus – mit klarer Orchestrierungslogik, definierten Schnittstellen und vollständiger Protokollierung.

Governance & Kontrolle: Berechtigungen, Auditierbarkeit und Human-in-the-Loop

Autonomie ist kein Selbstzweck. Ein Always-on-Agent, der ohne klare Grenzen arbeitet, ist kein Produktivitätswerkzeug. Er ist ein Risiko.

Berechtigungen & Guardrails: Jeder Agent bekommt nur die Zugänge, die er für seine Aufgabe braucht. Nicht mehr. Dieses Prinzip der minimalen Berechtigung (Least Privilege) ist der erste Schritt zu einem kontrollierten Agenten-Betrieb. Guardrails definieren zusätzlich, welche actions der Agent niemals ausführen darf – unabhängig davon, was sein model vorschlägt.

Auditierbarkeit: Jede Entscheidung, jede Ausführung, jede Eskalation muss protokolliert werden. Nicht nur für die IT – sondern für Compliance, Datenschutz und im Ernstfall für die Nachvollziehbarkeit gegenüber Behörden. Ein Agent ohne Protokoll ist ein Agent ohne Verantwortung.

Human-in-the-Loop: Das Human-in-the-Loop-Prinzip definiert, wann ein Agent pausiert und auf menschliche Freigabe wartet. Das ist keine Schwäche – es ist eine bewusste Designentscheidung. Kritische Aktionen wie Zahlungsfreigaben, Vertragsänderungen oder Kundenkommunikation in sensiblen Situationen sollten immer einen menschlichen Kontrollpunkt haben.

Sandboxed Environment: Agents, die in einer isolierten Umgebung run, können keinen Schaden außerhalb ihrer definierten Sandbox anrichten. Diese Architektur ist besonders wichtig in der Testphase, aber auch im Live-Betrieb empfehlenswert für Agenten mit weitreichenden Zugängen.

Change Management ist dabei oft unterschätzt: Mitarbeitende müssen verstehen, was der Agent tut, welche Entscheidungen er trifft und wann sie eingreifen sollen. Ohne dieses Verständnis entsteht entweder blinder Vertrauen oder aktive Ablehnung. Beides ist gefährlich.

Schatten-KI: Das unterschätzte Risiko unkontrollierter Agenten

Das größte Risiko bei Always-on-Agenten kommt oft nicht von außen – sondern von innen. Mitarbeitende, die eigenständig Always-on-Agenten über private Accounts einrichten, ohne Wissen der IT oder des Managements, schaffen unkontrollierte Zugänge zu Unternehmensdaten.

Dieses Phänomen, sogenannte Schatten-KI, ist bei klassischen KI-Tools wie ChatGPT bereits verbreitet. Bei Always-on-Agenten ist das Risiko größer: Ein Agent, der dauerhaft läuft und Zugriff auf email, Slack oder CRM hat, kann über Wochen Daten abfließen lassen, bevor jemand es bemerkt.

Was Unternehmen dagegen tun können:

• KI-Richtlinien vor dem Go-live: Eine klare Richtlinie definiert, welche Agenten-Tools erlaubt sind und welche nicht. Mitarbeitende brauchen Orientierung, keine Verbote ohne Alternativen.
• Transparenz statt Kontrolle: Wer seinen Mitarbeitende gute, sichere Alternativen anbietet, reduziert den Anreiz für Schatten-KI. Der beste Schutz ist ein offizielles Angebot, das besser ist als das inoffizielle.
• Technische Absicherung: Netzwerk-Monitoring, Zugriffskontrollen und regelmäßige Audits erkennen unkontrollierte Agenten-Verbindungen, bevor sie zum Problem werden.

SESTdigital adressiert dieses Risiko explizit vor dem Go-live: Governance-Rahmen, KI-Richtlinien und Mitarbeiter-Schulung sind Teil jedes Agenten-Projekts – nicht optionale Add-ons.

EU AI Act & DSGVO: Was Always-on-Agenten rechtlich bedeuten

Always-on-Agenten sind keine rechtlich neutrale Technologie. Wer sie einsetzt, muss zwei Regelwerke im Blick haben: den EU AI Act und die DSGVO.

EU AI Act – Risikoeinstufung: Der EU AI Act klassifiziert KI-Systeme nach Risikostufen. Always-on-Agenten, die in sensiblen Bereichen laufen – etwa Personalentscheidungen, Kreditvergabe oder kritische Infrastruktur – fallen potenziell in die Kategorie „Hochrisiko-KI“. Das bedeutet: Pflicht zur Dokumentation, Transparenz gegenüber Betroffenen und menschliche Aufsicht. Artikel 4 des EU AI Act verpflichtet Unternehmen außerdem zur AI Literacy. Mitarbeitende müssen verstehen, mit welchen KI-Systemen sie arbeiten.

DSGVO – Datenschutz und Protokollierungspflichten: Ein Always-on-Agent, der E-Mails liest, Kundendaten verarbeitet oder Kommunikation protokolliert, ist ein datenverarbeitendes System im Sinne der DSGVO. Das bedeutet: Verarbeitungsverzeichnis, Datenschutz-Folgenabschätzung bei hohem Risiko, und klare Regelungen zur Datenspeicherung. Besonders kritisch: Agenten, deren memory personenbezogene Daten enthält, müssen Löschfristen einhalten.

Protokollierungspflichten: Jede execution eines Always-on-Agenten sollte protokolliert werden – nicht nur aus Compliance-Gründen, sondern auch für die interne Nachvollziehbarkeit. Wer hat was freigegeben? Welche Entscheidung hat der Agent getroffen? Auf welcher Grundlage? Diese Fragen müssen im Ernstfall beantwortbar sein.

Die gute Nachricht: Wer Governance und Compliance von Anfang an mitdenkt, hat keinen Mehraufwand – sondern eine saubere Grundlage für den Betrieb.

Sicherheitsarchitektur: Deutsche Cloud vs. US-Anbieter

Wo ein Always-on-Agent seine Daten verarbeitet und speichert, ist keine technische Nebenfrage – es ist eine Compliance-Entscheidung.

US-Cloud-Anbieter (OpenAI dots, Grok Bot): Die Daten liegen auf Servern in den USA. Das bedeutet: potenzieller Zugriff durch US-Behörden nach dem CLOUD Act, eingeschränkte DSGVO-Konformität und keine Garantie über Datenlokalisierung. Für companies, die mit personenbezogenen Daten oder vertraulichen Geschäftsinformationen arbeiten, ist das ein kritischer Punkt.

Deutsche Cloud / On-Premise: Agents, die auf deutschen Servern oder On-Premise run, unterliegen ausschließlich deutschem und europäischem Recht. Datensouveränität ist damit strukturell sichergestellt – nicht nur vertraglich versprochen. Das ist the most sichere Option für Unternehmen mit hohen Compliance-Anforderungen.

Hybride Architekturen: In der Praxis arbeiten viele Unternehmen mit hybriden Ansätzen: Das model läuft in der Cloud, die sensiblen Daten bleiben On-Premise. Diese Architektur erfordert sorgfältige Planung, ist aber für viele Anwendungsfälle die pragmatischste Lösung.

Welche Grundlagen braucht ein Unternehmen vor dem ersten Agenten?

Drei Grundlagen müssen stimmen, bevor der erste Always-on-Agent live geht:

1. Datenstrategie: Der Agent ist nur so gut wie die Daten, auf die er zugreift. Sind Ihre Daten strukturiert, aktuell und zugänglich? Gibt es klare Regeln, welche Daten der Agent sehen darf und welche nicht? Ohne diese Grundlage produziert der Agent Fehler – dauerhaft und automatisiert.

2. KI-Richtlinien: Eine unternehmensweite policy definiert, welche Agenten-Tools erlaubt sind, welche Daten verarbeitet werden dürfen und wie mit Fehlern umgegangen wird. Diese policy ist nicht nur Compliance – sie ist die Grundlage für das Vertrauen der Mitarbeitenden in das System.

3. Governance-Rahmen: Wer ist verantwortlich, wenn ein Agent einen Fehler macht? Wer gibt Freigaben? Wer überwacht den Betrieb? Diese Fragen müssen beantwortet sein, bevor der Agent erstmalig läuft.

Unternehmen, die diese drei Grundlagen haben, können mit einem klar abgegrenzten Pilotprozess starten – und von dort aus skalieren. Unternehmen, die das überspringen, bauen auf Sand.