Jenseits des Prompts: Copilot vs. autonome Agenten in Dynamics 365

Von Mirko Peters · 2026-08-27

Willkommen zurück im Blog! Wenn Sie unsere letzten Podcast-Episoden verfolgt haben, wissen Sie, dass wir viel Zeit damit verbringen, zu untersuchen, wie künstliche Intelligenz res…

Automatisch mit KI aus dem Originalbeitrag übersetzt. Englisches Original lesen

Willkommen zurück im Blog! Wenn Sie unsere letzten Podcast-Folgen verfolgt haben, wissen Sie, dass wir uns intensiv damit beschäftigen, wie künstliche Intelligenz den modernen Arbeitsplatz verändert. In diesem Beitrag vertiefen wir ein umfassendes Thema, das wir kürzlich in der Sendung behandelt haben: den Wandel von reaktiven KI-Assistenten hin zu proaktiver, ereignisgesteuerter Technologie. Die vollständige Diskussion und einen tieferen Einblick in diesen Wandel finden Sie in unserer begleitenden Folge Dynamics 365 Autonomous Agents - Simply Explained.

In den vergangenen Jahren wurde die Diskussion über künstliche Intelligenz am Arbeitsplatz von chatbasierten Assistenten geprägt. Sie öffnen eine Seitenleiste, geben einen Prompt ein, bitten um eine Zusammenfassung oder lassen sich einen E-Mail-Entwurf erstellen. Doch die Technologie entwickelt sich rasant weiter. Wir bewegen uns weg vom einfachen Prompting hin zu einer neuen Ära, die von Dynamics 365 Autonomous Agents geprägt ist. Dabei handelt es sich um Systeme, die nicht nur dann Fragen beantworten, wenn sie angesprochen werden, sondern die auf Auslöser achten, kontextbezogene Daten auswerten und definierte Geschäftsprozesse selbstständig ausführen. In diesem Beitrag erläutern wir, was diese Agenten sind, worin sie sich von Copilot und klassischer Automatisierung unterscheiden und wo Unternehmen sie bereits heute einsetzen.

Im Kern ist ein autonomer Agent ein spezialisiertes KI-Werkzeug, das für eine sehr klar umrissene, konkrete geschäftliche Aufgabe entwickelt wurde. Anders als eine allgemeine KI, die über alles sprechen kann, von der antiken Geschichte bis zur Quantenphysik, ist ein autonomer Agent für die operative Ausführung gebaut. Er kann Geschäftsinformationen prüfen, aus einer Reihe erlaubter nächster Schritte wählen und an einem klar definierten Ziel arbeiten.

Das wichtigste Wort in dieser Beschreibung ist „definiert“. Ein autonomer Agent erhält niemals unbeschränkte Kontrolle über einen Geschäftsprozess. Stattdessen legen Organisationen genau fest, welche Aufgabe er übernimmt, auf welche Datenbanken und Dateien er zugreifen darf, welche Aktionen er ausführen darf und an welchen genauen Schwellenwerten er anhalten und einen Menschen einbeziehen muss. Man sollte ihn weniger als allwissendes künstliches Gehirn betrachten, sondern eher als dediziertes digitales Teammitglied mit einer sehr spezifischen Rolle, einem klaren Satz an Standardarbeitsanweisungen und einer Aufsichtsperson, die seine Ergebnisse im Blick behält.

Um zu verstehen, wie autonome Agenten unseren Arbeitsalltag verändern, hilft ein Blick darauf, worin sie sich von den Werkzeugen unterscheiden, die wir bereits nutzen, etwa Microsoft Copilot. Copilot arbeitet in der Regel reaktiv. Es wartet geduldig, bis ein Mensch um Unterstützung bittet. Ein Nutzer öffnet eine Anwendung, stellt eine Frage, fordert einen Dokumententwurf an oder bittet darum, einen Thread zusammenzufassen.

Ein autonomer Agent funktioniert grundlegend anders. Anstatt auf einen Prompt zu warten, ist er ereignisgesteuert. Er kann unmittelbar reagieren, wenn im Ökosystem etwas passiert: Ein neues Kundenserviceticket geht ein, ein Kunde sendet eine Nachfrage, ein neuer Verkaufslead wird im CRM erfasst oder eine Bestellung muss bestätigt werden.

Ein gutes Bild dafür liefert die Analogie eines Bürogebäudes. Copilot arbeitet am Empfangsschalter. Wenn Menschen dorthin kommen und um Hilfe bitten, ist Copilot sofort da, beantwortet Fragen und zeigt den Weg. Autonome Agenten hingegen sind die Mitarbeitenden im Hintergrund in den Büros, die Papierkram bearbeiten, Logistik steuern und den operativen Betrieb reibungslos am Laufen halten, ohne dass ihnen ständig jemand Aufgaben zuweisen muss.

Viele Organisationen setzen seit Jahren auf klassische Automatisierung, etwa Standard-Workflows in Power Automate. Klassische Automatisierung ist hervorragend, wenn Prozesse starren, vorhersehbaren Regeln folgen: Wenn X passiert, führe Y aus. Sobald jedoch Nuancen, Sprachverständnis und unstrukturierte Daten ins Spiel kommen, stößt sie an ihre Grenzen.

Autonome Agenten bringen eine weitere Ebene ins Spiel, denn sie nutzen die Fähigkeit generativer KI, Kontext zu interpretieren. Ein Agent kann eine unstrukturierte, schlecht formulierte Kundennachricht lesen, verknüpfte Datensätze prüfen, freigegebene Wissensdatenbanken auswerten und zwischen verschiedenen Aktionen wählen, die seine Konfiguration erlaubt. Generative KI liefert das sprachliche und logische Verständnis, während das autonome Verhalten dieses Verständnis direkt mit geschäftlichen Aktionen verbindet. Der Agent kann ein Problem erkennen, einen passenden Wissensartikel finden, einen Datensatz aktualisieren, einen Antwortentwurf vorbereiten oder die Situation gezielt an einen menschlichen Spezialisten eskalieren.

Sie fragen sich vielleicht, warum diese Agenten an eine Plattform wie Dynamics 365 gebunden sein sollten, statt mit generischen, eigenständigen KI-Tools zu arbeiten. Die Antwort liegt im geschäftlichen Kontext.

Ein generisches KI-Modell versteht einen Satz wie „Meine Lieferung ist immer noch nicht angekommen.“ problemlos. Allein betrachtet hat es jedoch keine Ahnung, welcher Kunde die Aussage gemacht hat, auf welche Bestellung sie sich bezieht, welcher Versanddienstleister zuständig ist oder welche früheren Gespräche bereits stattgefunden haben. Dynamics 365 liefert den fehlenden geschäftlichen Kontext. Kundendatensätze, Supportfälle, offene Bestellungen, Verkaufspipelines, Finanzbuchungsdaten und historische Chats ermöglichen es einem Agenten, eine Aussage im tatsächlichen operativen Alltag des Unternehmens einzuordnen. Genau dieser Kontext macht aus allgemeinen KI-Fähigkeiten eine praxistaugliche und vertrauenswürdige geschäftliche Unterstützung.

Um den tatsächlichen Nutzen dieser Systeme zu erkennen, lohnt sich ein Blick darauf, wie sie in einzelnen Abteilungen eingesetzt werden. Der Kundenservice liefert dafür einige der deutlichsten Beispiele für autonome Agenten im Einsatz.

Der Customer Intent Agent analysiert laufende Kundengespräche und Supportfälle, um Muster zu erkennen, die zeigen, warum Kunden sich melden. Die Probleme der Kunden verändern sich ständig, etwa wenn Unternehmen neue Produkte einführen, Dienstleistungen anpassen oder Abrechnungszyklen ändern. Statt Führungskräfte hunderte Supportprotokolle manuell auswerten zu lassen, erkennt der Agent neue Themen automatisch. So können Unternehmen ihre Self-Service-Portale verbessern, Wissensdatenbanken aktualisieren und ihre Supportprozesse optimieren.

Im Supportbereich unterstützt der Case Management Agent wiederkehrende Aufgaben entlang des gesamten Lebenszyklus eines Kundenfalls. Er kann neue Fälle anlegen, Informationen aktualisieren, die Bearbeitung in Richtung Lösung voranbringen, Kunden nachfassen und Fälle gemäß den konfigurierten Unternehmensregeln schließen. Ziel ist dabei nie, menschliche Servicemitarbeitende zu ersetzen. Vielmehr geht es darum, den repetitiven administrativen Aufwand zu reduzieren, damit sich Servicemitarbeitende stärker auf komplexe Kundensituationen und Interaktionen konzentrieren können, die viel Einfühlungsvermögen erfordern.

Wissensmanagement ist ein weiterer großer Engpass. Wertvolle Lösungen für Support-Probleme stecken häufig in abgeschlossenen Fällen, internen Notizen und Chatverläufen fest. Der Customer Knowledge Management Agent untersucht abgeschlossene Falldokumentationen, um potenziell wiederverwendbares Wissen zu identifizieren und Lücken in der bestehenden Supportdokumentation aufzuspüren. Da ein Workaround aus einem alten Fall veraltet oder kundenspezifisch sein kann, stellt der Agent das Material bereit und bezieht Menschen weiterhin ein, die entscheiden, was tatsächlich zur verbindlichen Anleitung des Unternehmens wird.

Im Vertrieb übernimmt der Sales Qualification Agent für Dynamics 365 Sales den großen Zustrom eingehender Leads, der Vertriebsteams häufig überfordert. Er recherchiert Interessenten, priorisiert Leads nach ihrem Potenzial und erstellt sogar personalisierte Entwürfe für die Kontaktaufnahme per E-Mail. Vertriebsmitarbeitende behalten jedoch die volle Kontrolle darüber, welchen Opportunities Aufmerksamkeit gebührt, prüfen die Kommunikation und bauen die persönlichen Beziehungen auf, die für den Abschluss von Geschäften nötig sind.

Autonome Agenten beschränken sich nicht auf kundenorientierte Rollen. Sie verändern auch die Back-Office-Prozesse.

In Business Central unterstützt der Sales Order Agent die Auftragsannahme vom ersten Eingang bis zur Bestätigung. Das reduziert die manuelle Dateneingabe deutlich, sodass sich Ihre Mitarbeiter auf ungewöhnliche Anfragen und Ausnahmen konzentrieren können. In der Finanzabteilung erfordert der Periodenabschluss enorm viel Vorbereitung und Abstimmung. Der Financial Reconciliation Agent hilft dabei, Datensätze zu bereinigen. Der Account Reconciliation Agent in Dynamics 365 Finance gleicht Transaktionen zwischen Nebenbüchern und Hauptbuch ab und bucht sie aus. Die Buchhalter können sich so auf Abweichungen konzentrieren und die finanzielle Genauigkeit sicherstellen.

Einkaufsteams verbringen unzählige Stunden damit, Lieferanten zu kontaktieren, um Bestellungen und Liefertermine zu bestätigen. Der Supplier Communications Agent für Dynamics 365 Supply Chain Management übernimmt routinemäßige Nachfragen und hilft, potenzielle Lieferkettenverzögerungen deutlich früher zu erkennen. Im Field Service Management werden Einsatzpläne ständig durch Verkehr, Absagen und dringende Aufträge durcheinandergebracht. Der Scheduling Operations Agent für Dynamics 365 Field Service hilft Disponenten, die Einsatzpläne der Techniker dynamisch anzupassen. Kritische Kundenprioritäten und Zusagen mit hohem Risiko bleiben jedoch in der Hand der Disponenten.

Mit all diesen Möglichkeiten stellt sich eine entscheidende Frage: Wie stellen wir sicher, dass diese Systeme sicher und zuverlässig arbeiten? Organisationen müssen genau festlegen, welche Aktionen ein autonomer Agent ausführen darf. Darf er einen Kundendatensatz lesen? Darf er ihn ändern? Darf er eine E-Mail entwerfen, oder darf er sie ohne menschliche Freigabe versenden? Klare Berechtigungen und Schutzmechanismen trennen ein chaotisches Experiment von einem kontrollierten Geschäftsprozess.

Autonom bedeutet keinesfalls unbeaufsichtigt. Agenten können Anfragen gelegentlich missverstehen, auf unvollständigen Daten arbeiten oder Ergebnisse liefern, die danebenliegen. Jeder Prozess mit folgenschweren geschäftlichen Entscheidungen, Finanztransaktionen, Datenschutzfragen oder direkten Zusagen an Kunden erfordert eine gründliche menschliche Kontrolle. Organisationen müssen die Aktivitäten der Agenten regelmäßig überprüfen, Rückmeldungen auswerten, geänderte Datensätze kontrollieren und Anweisungen verfeinern.

Wenn Sie autonome Agenten in Ihrer Organisation einführen möchten, sollten Sie klein anfangen. Wählen Sie einen eng umrissenen, stark repetitiven Prozess, bei dem Fehler leicht zu erkennen und schnell zu korrigieren sind. Denkbar ist zum Beispiel, dass ein Agent interne Nachfassnachrichten zur Prüfung entwirft, eingehende Supportanfragen sortiert oder eingehende Verkaufsinteressenten vorqualifiziert.

Wenn Sie klein anfangen, kann Ihr Team die Ergebnisse messen, Systemanweisungen verfeinern, Berechtigungen gezielt justieren und Vertrauen aufbauen, bevor Agenten an kritischere operative Workflows angebunden werden. Um mehr darüber zu erfahren, wie sich diese Technologie weiterentwickelt, und einen tieferen Einblick in Architektur und Strategie zu erhalten, hören Sie unbedingt die begleitende Episode Dynamics 365 Autonomous Agents - Simply Explained. Vielen Dank fürs Lesen, wir freuen uns, Sie in der nächsten Episode wiederzusehen!