Agentic Process Automation

Agentic Process Automation (kurz: APA, deutsch etwa: agentische Prozessautomatisierung) bezeichnet einen Ansatz der Geschäftsprozessautomatisierung, bei dem KI‑Agenten Ziele entgegennehmen, Zwischenschritte selbstständig planen und mithilfe von Werkzeugaufrufen (z. B. APIs oder „Computer‑Use“‑Funktionen) Aufgaben in IT‑Systemen ausführen und überwachen.^[1][2] APA wird als Weiterentwicklung regel‑ und skriptbasierter Automatisierung verstanden und zielt auf kontextabhängige, variierende Abläufe, die über deterministische Schrittfolgen hinausgehen.^[3][4]

In der Informatik gilt ein Agent allgemein als System, das seine Umgebung wahrnimmt und durch Aktionen auf sie einwirkt, um Ziele zu erreichen.^[5] Agentisch ist ein Automatisierungssystem dann, wenn es (1) ziel‑ bzw. aufgabenbasiert arbeitet, (2) eigenständig Pläne oder Aktionssequenzen bildet, (3) externe Werkzeuge situationsabhängig einsetzt, (4) Ergebnisse beobachtet und daraus Folgeschritte ableitet (Rückkopplung), und (5) dabei einen internen Zustand („Gedächtnis“) führt.^[1][6][7] Im Gegensatz dazu führen klassische Lösungen wie Makros, fest verdrahtete Workflows oder rein regelbasierte Robotic‑Process‑Automation (RPA) vorwiegend vorherbestimmte Schrittfolgen aus und passen sich ohne manuelle Eingriffe nicht an ungeplante Situationen an.^[3][4]

Die Verbreitung generativer Sprachmodelle und Schnittstellen für Werkzeugaufrufe („Function/Tool Calling“) ermöglicht KI‑Agenten, nicht nur Sprache zu verarbeiten, sondern Aktionen in Softwaresystemen auszulösen und auszuwerten.^[6][7] Forschung zu planenden und handelnden Agenten sowie zu Multi‑Agenten‑Orchestrierung hat entsprechende Architekturen geprägt (z. B. Reason‑and‑Act‑Paradigmen und konversationsbasierte Agentenrahmenwerke).^[8][9] Überblicksbeiträge ordnen APA als nächsten Entwicklungsschritt der Prozessautomatisierung ein.^[2][1][10]

In der Fachliteratur werden folgende Kernmerkmale genannt (auch als „agentische Schleife“ beschreibbar):

• Zielzustand statt Schrittfolge: Auftrageingabe als Ziel/Intent; die Ausführung orientiert sich an einem akzeptierten „Erfolgskriterium“ und nicht an fixen Klick‑Skripten.^[5][1]
• Planung und Zerlegung: Bildung und laufende Anpassung von Teilaufgaben („Task Decomposition“), inkl. Re‑Planung bei neuen Informationen.^[8]
• Werkzeugnutzung (Tool/Function Calling, ggf. „Computer‑Use“): situationsabhängiges Aufrufen von APIs, Datenbanken oder GUI‑Aktionen; danach Bewertung der Rückgaben.^[6][7]
• Beobachten → Entscheiden → Handeln (Closed Loop): Ergebnis‑Monitoring, Fehlerbehandlung, Eskalation bei Bedarf („human‑in‑the‑loop“).^[1]
• Gedächtnis/Status: Kurz‑ und Langzeit‑Kontexte (z. B. Verlaufs‑ und Wissensspeicher) für belastbare Fortsetzung und Konsistenz.^[11]
• Kooperation (optional): Zusammenspiel mehrerer spezialisierter Agenten mit Aufgabenteilung und Orchestrierung.^[9]
• Governance und Sicherheitsgrenzen: Berechtigungs‑ und Prüfmechanismen (Least‑Privilege, Audit‑Trail, Telemetrie) zur Risikobegrenzung bei autonomer Aktion.^[1][12]

Agentisch sind Automatisierungen, die die oben genannten Merkmale im Verbund aufweisen. Typische Beispiele sind:

• Zielbasierte, mehrstufige Vorgänge mit eigenständiger Aktionswahl (z. B. Informationsbeschaffung → Bewertung → Auslösen eines Systemvorgangs) unter Verwendung von Tool‑/Function‑Calls.^[6][7]
• Ereignis‑ oder zielgetriebene Abläufe, die auf Rückmeldungen reagieren (Closed‑Loop‑Ausführung) und Zustände fortschreiben.^[1][8]

Nicht agentisch (oder nur teil‑agentisch) gelten dagegen u. a.:

• reine Makros, Batch‑Jobs oder Cron‑Skripte ohne Kontextanpassung;
• starre BPMN‑/Workflow‑Diagramme ohne dynamische Plan‑Anpassung;
• RPA‑Bots mit deterministischen Klickfolgen, die bei Abweichungen stoppen;
• sprachbasierte Assistenten oder LLM‑Wrapper, die ausschließlich Texte erzeugen/klassifizieren, aber keine Aktionen auslösen oder Zustände halten;
• Retrieval‑only‑Lösungen (reine Dokumenten‑Antwortsysteme) ohne Tool‑Ausführung.^[3][4][13]

Beschriebene Einsatzgebiete umfassen Wissens‑ und Servicetätigkeiten (z. B. E‑Mail‑Triage, Ticketing), Backoffice‑Prozesse (z. B. Rechnungsprüfung, Stammdatenpflege), IT‑Betrieb sowie Handel und Beschaffung (z. B. automatisierte Recherche und Bestellvorgänge).^[14][15]

Praxisleitfäden empfehlen schrittweise Einführung mit klaren Zielen (Use‑Case‑Abgrenzung), Telemetrie, Rechtemodellen, Prüfpfaden und Eskalationspunkten („human‑in‑the‑loop“).^[1][2] Technisch sind neben LLMs insbesondere Schnittstellen für Werkzeugaufrufe sowie Orchestrierungs‑ und Speicherkomponenten maßgeblich.^[6][7] Branchenbeiträge stellen Unterschiede zu RPA und Anforderungen an Infrastruktur, Daten‑ sowie Modell‑Governance heraus.^[3][4]

Diskutierte Grenzen betreffen Nachvollziehbarkeit längerer Agentenketten, Qualitätssicherung (z. B. Red‑Teaming, Guardrails), Kosten der Überwachung sowie Risiken durch Fehlbedienung von Werkzeugen oder Prompt‑Manipulation.^[12][16] In frühen Einführungen wird deshalb häufig empfohlen, APA mit eng gesetzten Berechtigungen, Audit‑Trails und expliziten Freigabe‑schritten zu betreiben.^[1][14]

1. ↑ ^{a b c d e f g h i} Seizing the agentic AI advantage. In: McKinsey & Company. 13. Juni 2025, abgerufen am 8. September 2025 (englisch). 
2. ↑ ^{a b c} Agentic AI Is The Next Competitive Frontier. In: Forrester. 11. März 2025, abgerufen am 8. September 2025 (englisch). 
3. ↑ ^{a b c d} What is agentic automation? In: UiPath. Abgerufen am 8. September 2025 (englisch). 
4. ↑ ^{a b c d} What is Agentic Process Automation? A Complete Guide. In: Automation Anywhere. Abgerufen am 8. September 2025 (englisch). 
5. ↑ ^{a b} Intelligent Agents (AIMA, 4. Aufl.), Kap. 2. In: Berkeley/Stanford AIMA. Abgerufen am 8. September 2025 (englisch). 
6. ↑ ^{a b c d e} Function calling. In: OpenAI Docs. Abgerufen am 8. September 2025 (englisch). 
7. ↑ ^{a b c d e} Tool use with Claude. In: Anthropic Docs. Abgerufen am 8. September 2025 (englisch). 
8. ↑ ^{a b c} ReAct: Synergizing Reasoning and Acting in Language Models. In: arXiv. 6. Oktober 2022, abgerufen am 8. September 2025 (englisch). 
9. ↑ ^{a b} AutoGen: Enabling Next‑Gen LLM Applications via Multi‑Agent Conversation Framework. In: Microsoft Research. 1. August 2024, abgerufen am 8. September 2025 (englisch). 
10. ↑ Agentic Process Automation: Wie LLM‑basierte Agenten Prozesse zukunftssicher optimieren. In: SessionLift. Abgerufen am 8. September 2025. 
11. ↑ LangGraph – Memory concepts. In: LangChain Docs. Abgerufen am 8. September 2025 (englisch). 
12. ↑ ^{a b} Securing agentic AI in retail: empowering action with safety. In: TechRadar Pro. 6. September 2025, abgerufen am 8. September 2025 (englisch). 
13. ↑ Agentic Process Automation for the Enterprise. In: SS&C Blue Prism. Abgerufen am 8. September 2025 (englisch). 
14. ↑ ^{a b} Let The Service Management Agentic AI Race Begin. In: Forrester. 22. April 2025, abgerufen am 8. September 2025 (englisch). 
15. ↑ Rise of AI shopping agents set to transform ecommerce. In: Financial Times. Abgerufen am 8. September 2025 (englisch). 
16. ↑ Chatbots Are Entering Their Stone Age. In: WIRED. 30. Mai 2024, abgerufen am 8. September 2025 (englisch).