Agentic AI für Luxemburger Unternehmen: mehr als ein Chatbot

„Agentic AI" ist der meistbenutzte und am wenigsten erklärte Begriff des Jahres 2026. Ohne das Vokabular ist die Idee einfach: Ein Chatbot antwortet; ein Agent handelt. Ein Chatbot sagt Ihnen, was Ihre Erstattungsrichtlinie vorsieht. Ein Agent liest die E-Mail des Kunden, prüft die Bestellung in Ihrem System, bereitet die Erstattung vor und legt sie einem Menschen zur Freigabe vor. Der Unterschied ist nicht Intelligenz — sondern dass die KI mit Ihren echten Systemen verbunden ist und Schritte ausführen darf, innerhalb von Grenzen, die Sie definieren.

Für ein Luxemburger KMU oder einen Mittelständler lautet die praktische Frage nicht „Was ist ein Agent?", sondern „Wo funktioniert das wirklich — und wo ist es eine Demo, die in der Produktion zusammenbricht?". Wir bauen solche Systeme beruflich; hier ist also die geerdete Version — ausschließlich Beispiele aus unserer eigenen ausgelieferten Arbeit, keine geliehenen Fallstudien.

Was Agentic AI ist, in einfacher Sprache

Ein agentisches System hat drei Eigenschaften, die einem Chatbot fehlen:

1. Es benutzt Werkzeuge. Es kann Ihre Datenbank abfragen, ein Postfach lesen, ein Buchungssystem ansprechen — nicht nur Text erzeugen.
2. Es führt mehrstufige Aktionen aus. Es kann eine Aufgabe zerlegen: das Dokument finden, es mit einem anderen vergleichen, die Unterschiede extrahieren, das Ergebnis aufbereiten.
3. Es arbeitet innerhalb von Leitplanken. Es handelt unter expliziten Grenzen: welche Systeme es berühren darf, was es niemals allein tun darf, und wann ein Mensch freigeben muss, bevor irgendetwas das Haus verlässt.

Diese dritte Eigenschaft trennt Produktionssysteme von Demos — und sie ist der Teil, den die meisten Demos überspringen.

Drei Beispiele aus unserer eigenen ausgelieferten Arbeit

Dies sind reale Systeme, die wir ausgeliefert haben, beschrieben wie in unseren Fallstudien — NDA-konform, ohne aufgeblasene Zahlen.

Dokumentübergreifendes RAG für einen globalen Luftfahrtkonzern. In einem Luftfahrtkonzern mit Milliardenumsatz mussten Teams große, zusammenhängende Dokumente vergleichen und befragen — ein manueller Vergleich ist langsam und fehleranfällig. Wir haben ein Retrieval-Augmented-System geliefert, das über mehrere Dokumente hinweg liest, Fragen auf Basis des tatsächlichen Textes beantwortet und seine Quellen zitiert, sodass jede Antwort überprüfbar ist. Fundiert und zitiert statt manuell — das machte es vertrauenswürdig genug für ein Konzernumfeld, in dem IT, Recht und Fachbereiche gleichzeitig zustimmen mussten.

E-Mail-zu-Angebot-Automatisierung, derselbe Konzern. Angebotsanfragen kommen als frei formulierte E-Mails an; jeder Absender drückt sich anders aus, und jemand musste jede Nachricht lesen und die Details neu eintippen, bevor ein Angebot hinausgehen konnte. Wir haben eine KI gebaut, die eingehende Angebotsanfragen liest und in strukturierte, prüffertige Angebotsentwürfe verwandelt. Beachten Sie die Designentscheidung: Das Ergebnis ist ein Entwurf, den ein Mensch prüft und versendet — keine automatisch verschickte Antwort. Schnellere Durchlaufzeit, weniger Abtippen, und die kommerzielle Entscheidung bleibt bei einer Person.

Ein mehrsprachiger KI-Concierge mit Buchung. Für einen Gastronomiebetrieb in einem Luxemburger Thermalresort haben wir einen Concierge gebaut, der Gästefragen zu Öffnungszeiten, Speisekarte, Anfahrt und Veranstaltungen beantwortet — in der Sprache des Gastes — und Freitextnachrichten in strukturierte Reservierungen verwandelt, mit Eskalation an Menschen über WhatsApp, wenn ein Gespräch das erfordert. Das ist agentisches Verhalten in freier Wildbahn: verstehen, handeln (eine strukturierte Buchung anlegen) und wissen, wann man übergibt.

Alle drei Projekte — und den Rest unserer ausgelieferten Arbeit — finden Sie auf unserer Projektseite.

Was einen Agenten produktionsreif macht

Über diese Projekte hinweg entschieden dieselben drei Zutaten darüber, ob dem System vertraut werden konnte:

• Fundierung (Grounding). Antworten und Aktionen des Agenten müssen auf Ihren echten Daten beruhen — Ihren Dokumenten, Ihrem Bestellsystem, Ihrem Kalender — nicht auf dem, was das Modell aus dem Training „erinnert". Retrieval-Augmented Generation ist der Standardmechanismus; ohne sie bekommen Sie selbstbewusste Fiktion.
• Zitate. Jede Antwort, die zählt, sollte auf ihre Quelle verweisen. In unserer Luftfahrt-Arbeit machten die Zitate aus „die KI sagt das" ein „Klausel 4.2 dieses Dokuments sagt das — klicken und prüfen". Wenn der Agent eines Anbieters seine Quellen nicht zeigen kann, behandeln Sie seine Antworten entsprechend.
• Leitplanken und Übergabe an Menschen. Explizite Berechtigungen (was der Agent lesen, was er schreiben darf), Freigabeschranken für alles Unumkehrbare oder Kommerzielle (das Angebotsentwurf-Muster) und ein vorab entworfener Eskalationspfad zum Menschen (das WhatsApp-Muster). Ein Agent ohne definierten Fehlermodus hat einen undefinierten Fehlermodus.

Wann Sie KEINE Agenten einsetzen sollten — der ehrliche Abschnitt

Eine KI-Beratung, die für alles Agenten empfiehlt, verkauft Ihnen Agenten — sie löst nicht Ihr Problem. Fälle, in denen wir abraten:

• Ein deterministischer Prozess funktioniert bereits. Wenn die Aufgabe „kopiere Feld A nach Feld B nach festen Regeln" lautet, ist ein schlichtes Skript billiger, schneller und prüfbar. Agenten verdienen ihre Komplexität nur dort, wo Eingaben wirklich unstrukturiert oder variabel sind — wie frei formulierte E-Mails.
• Das Volumen rechtfertigt es nicht. Wenn eine Aufgabe einen Menschen zwei Stunden pro Woche kostet, zahlt sich ein Agentenprojekt nicht aus. Automatisieren Sie das, was ganze Stellenanteile frisst, nicht das Ärgernis.
• Ihre Daten sind nicht bereit. Ein Agent, der in einer unordentlichen, widersprüchlichen Dokumentenbasis gründet, wird die Unordnung treu wiedergeben. Manchmal ist das richtige erste Projekt die Sanierung der Wissensbasis — nicht ein Agent obendrauf.
• Fehler sind unumkehrbar und nicht überwachbar. Wo eine falsche Aktion nicht abgefangen werden kann, bevor sie Schaden anrichtet, und keine menschliche Prüfung in den Ablauf passt, setzen Sie dort keinen autonomen Agenten ein. Punkt.
• Sie wollen einen, weil 2026 ist. „Unsere Wettbewerber haben KI" ist kein Anwendungsfall. Beginnen Sie mit einem messbaren Schmerzpunkt — oder warten Sie.

Das Muster hinter allen unseren Produktionssystemen ist dasselbe: Agenten entwerfen, suchen, strukturieren und leiten weiter; Menschen geben frei, was zählt. Diese Arbeitsteilung ist keine Schwäche der heutigen Technologie — sie ist gutes Systemdesign, und sie ist das, was Ihre Aufsichtsbehörde, Ihr Versicherer und Ihre Kunden von Ihnen sehen wollen.

Wenn Sie abwägen, ob ein Prozess in Ihrem Unternehmen ein echter Agenten-Anwendungsfall ist oder ein verkleidetes Skript, ist genau diese Bewertung die Art von Arbeit, die wir mit Luxemburger Unternehmen leisten — verankert in Systemen, die wir bereits ausgeliefert haben, nicht in Folien.