KI-Agenten brauchen Prozesspläne: Was PegaWorld 2026 für KMU zeigt

KI-Agenten wirken am stärksten, wenn sie etwas erledigen dürfen. Genau dort beginnt aber das Risiko: Ein Agent, der Bestellungen ändert, Dokumente verarbeitet, Kundinnen kontaktiert oder interne Freigaben anstößt, ist nicht mehr nur ein Assistent. Er greift in betriebliche Abläufe ein. Die entscheidende Frage für KMU lautet deshalb nicht mehr „Welches Modell ist am klügsten?“, sondern: „Welchem Prozess darf der Agent folgen?“

Auf der PegaWorld in Las Vegas hat Pegasystems am 8. Juni 2026 neue Funktionen vorgestellt, die genau diesen Punkt adressieren. Pega will KI-Agenten über MCP, das Model Context Protocol, an bestehende Geschäftsprozesse anbinden. Autorisierte Drittanbieter-Agenten, etwa aus Ökosystemen rund um Anthropic Claude, Google Gemini, OpenAI oder AWS AgentCore, sollen Pega-Workflows entdecken und ausführen können. Die eigentliche Steuerung bleibt aber im Prozess: Schritte, Freigaben, Auditierbarkeit und Kostenlogik werden nicht jedes Mal neu vom Agenten erfunden.

Für österreichische KMU ist das ein wichtiger Realitätscheck. KI-Automatisierung wird nicht dadurch produktiv, dass ein Agent „alles kann“. Sie wird produktiv, wenn klar ist, was er tun darf, wann ein Mensch entscheiden muss und welcher Nachweis am Ende vorliegt. Genau hier liegt die praktische Arbeit rund um Künstliche Intelligenz und KI-Automatisierung: Prozesse verstehen, Grenzen setzen, Daten prüfen und Automatisierung so bauen, dass sie im Alltag tragfähig ist.

Was Pega neu angekündigt hat

Pega beschreibt die neuen Funktionen als Weg, Agenten verlässlich in „mission-critical work“ einzubinden. Der Kern ist MCP-Unterstützung in Pega-Prozessen. Damit können autorisierte externe Agenten nicht nur Informationen abrufen, sondern genehmigte Workflows ausführen. Pega nennt Beispiele wie Streitfallbearbeitung, Schadenabwicklung oder Kunden-Onboarding.

Das technische Detail ist für KMU weniger wichtig als das Prinzip dahinter: Ein Agent soll nicht bei jeder Anfrage neu überlegen, wie ein Prozess funktioniert. Er soll den passenden genehmigten Ablauf finden und dann Schritt für Schritt durchlaufen. Pega nennt dafür die eigene BOAT-Plattform, also Business Orchestration and Automation Technology, als Orchestrierungsschicht.

Zusätzlich kündigte Pega vorgefertigte Agenten an: Ein „agentic assignment agent“ soll Menschen aktiv einbinden, wenn zusätzliche Daten oder Freigaben nötig sind. Ein Document Agent soll komplexe Dokumente analysieren, klassifizieren, bewerten und für weitere Verarbeitung triagieren. Die MCP-Server-Funktionen, agentische Zuweisungen und der Document Agent sollen laut Pega mit Pega Infinity 26 im dritten Quartal 2026 verfügbar werden.

Am selben Tag veröffentlichte Pega eine zweite Ankündigung zum sogenannten „AI Token Tax“. Die These: Viele Agenten verschwenden Kosten, weil sie denselben Prozess bei jeder Anfrage wieder neu durchdenken. Pega will KI stärker in der Designphase nutzen, um Workflows zu entwerfen, und im laufenden Betrieb leichtere, eingegrenzte KI-Abfragen einsetzen. Abgerechnet werden soll nach abgeschlossenem Case, nicht nach verbrauchten Tokens.

Warum das ein größerer Trend ist

Pega ist nicht allein mit dieser Stoßrichtung. Camunda kündigte am 20. Mai 2026 ProcessOS an, eine KI-Schicht für agentische Prozess-Orchestrierung. Auch dort ist die zentrale Botschaft: KI soll nicht nur einzelne Aufgaben beschleunigen, sondern Geschäftsprozesse entdecken, neu entwerfen und kontinuierlich verbessern. Gleichzeitig betont Camunda Governance, visuelle Prozessmodelle, menschliche Prüfung vor Produktionsänderungen und Integration in bestehende Systeme.

Das zeigt eine Verschiebung im Markt. Die erste Welle von Agenten war stark vom Chatfenster geprägt: Ein Nutzer gibt eine Aufgabe, der Agent sucht, schreibt, plant oder klickt. In echten Unternehmensprozessen reicht das selten. Dort gibt es Ausnahmen, Fristen, Rollen, Dokumentationspflichten, Kundenkontakte, Haftungsfragen und Abhängigkeiten zu CRM, ERP, Buchhaltung oder Website-Formularen.

Die zweite Welle denkt deshalb stärker in Prozessketten. KI-Agenten übernehmen einzelne Schritte, aber die Prozesslogik bleibt sichtbar. Menschen bleiben an definierten Stellen eingebunden. Systeme schreiben Nachweise. Kosten werden nicht nur als Modellnutzung gemessen, sondern als erledigte Arbeit. Für KMU ist das deutlich anschlussfähiger als die Vorstellung eines autonomen Super-Agenten.

Was daran für KMU neu ist

Viele kleinere Unternehmen automatisieren bereits: Kontaktformulare landen im Postfach, Rechnungen werden in der Buchhaltung erfasst, Angebote entstehen aus Vorlagen, Termine werden manuell bestätigt. Der Unterschied liegt darin, dass KI jetzt unstrukturierte Informationen besser interpretieren kann: E-Mails, PDFs, Fotos, Gesprächsnotizen, Supportanfragen oder freie Texte.

Ein Beispiel: Ein Kunde schickt per E-Mail Fotos und eine Beschreibung eines Schadens. Ein KI-Agent könnte die Anfrage vorprüfen, fehlende Informationen erkennen, einen Vorgang anlegen, die passende Leistungsgruppe auswählen und eine Rückfrage vorbereiten. Aber er sollte nicht frei entscheiden, ob der Schaden gedeckt ist, welcher Preis verbindlich gilt oder ob ein Techniker losgeschickt wird. Diese Entscheidungen gehören in einen freigegebenen Prozess.

Ein anderes Beispiel: Ein B2B-Unternehmen erhält regelmäßig Angebotsanfragen. Ein Agent kann Unterlagen prüfen, Brancheninformationen ergänzen, eine interne Checkliste ausfüllen und einen Angebotsentwurf vorbereiten. Der Prozess entscheidet, wer freigibt, wann ein Risiko eskaliert wird und welche Angaben im CRM gespeichert werden.

Damit wird KI-Automatisierung greifbarer. Statt „Wir brauchen einen Agenten“ lautet die bessere Frage: „Welcher Vorgang wiederholt sich oft genug, hat klare Entscheidungspunkte und verursacht heute Reibung?“

Chancen: weniger Medienbruch, bessere Nachvollziehbarkeit

Der größte Nutzen liegt nicht darin, Mitarbeitende zu ersetzen. Der Nutzen liegt darin, Medienbrüche zu reduzieren. In vielen KMU werden Informationen mehrfach abgeschrieben: aus E-Mails in Excel, aus PDFs in Branchensoftware, aus Formularen in CRM-Systeme, aus Gesprächsnotizen in Aufgabenlisten. KI kann diese Übergänge vorbereiten, strukturieren und prüfen.

Wenn ein Agent dabei an einen Prozessplan gebunden ist, steigt die Qualität. Es gibt definierte Eingaben, erlaubte Aktionen, Eskalationen und Endzustände. Fehler lassen sich besser nachvollziehen, weil nicht nur der Output gespeichert wird, sondern der Weg dorthin: Welche Daten wurden gelesen? Welche Entscheidung wurde vorbereitet? Wo hat ein Mensch freigegeben?

Auch Kosten werden planbarer. Pega adressiert mit dem „AI Token Tax“-Argument ein reales Problem: Ein Prototyp kann günstig wirken, aber im Alltag teuer werden, wenn jeder Vorgang viele Modellschritte auslöst. KMU sollten deshalb nicht nur fragen, ob ein Agent funktioniert, sondern wie oft er läuft, welche Modellaufrufe nötig sind, welche Schritte deterministisch gelöst werden können und welche Aufgaben wirklich KI brauchen.

Grenzen: Prozesse müssen zuerst verstanden werden

Der Haken ist unbequem, aber wichtig: Wer schlechte Prozesse automatisiert, bekommt schlechte automatisierte Prozesse. Wenn Zuständigkeiten unklar sind, Dokumente uneinheitlich vorliegen, Ausnahmen ständig improvisiert werden oder Datenqualität schwankt, hilft ein Agent nur begrenzt. Er macht die Unordnung schneller sichtbar.

Deshalb beginnt ein gutes KI-Projekt nicht mit dem Tool, sondern mit einer Prozessaufnahme. Welche Eingaben starten den Vorgang? Welche Entscheidungen gibt es? Welche Datenquellen sind verbindlich? Welche Fehlerfälle treten auf? Welche Freigaben sind rechtlich oder wirtschaftlich notwendig? Welche Systeme müssen geschrieben werden? Welche Informationen dürfen niemals automatisch weitergegeben werden?

Auch Datenschutz und Governance bleiben zentral. Gerade in Österreich und der EU müssen Unternehmen wissen, welche personenbezogenen Daten verarbeitet werden, wo Modellaufrufe stattfinden, welche Protokolle entstehen und wie lange Nachweise gespeichert werden. Der frühere Beitrag zum KI-Inventar nach AI Act passt hier direkt an: Jede produktive KI-Automatisierung braucht Verantwortliche, Zweck, Datenkategorien und Kontrollpunkte.

Was Ostheimer praktisch daraus machen kann

Ostheimer kann diesen Trend in kleinere, umsetzbare Schritte übersetzen. Der erste Schritt ist ein Automatisierungs-Check: Welche wiederkehrenden Prozesse kosten Zeit, sind fehleranfällig und haben dennoch klare Regeln? Gute Kandidaten sind Anfragevorprüfung, Dokumenten-Triage, interne Wissenssuche, Supportklassifizierung, Angebotsvorbereitung oder Follow-up-Workflows.

Danach folgt ein Prozessdesign mit KI-Grenzen. Dabei wird entschieden, welche Schritte deterministisch bleiben, welche KI unterstützen darf und wo ein Mensch zwingend prüft. Für viele KMU reicht zunächst ein schlanker Prototyp: Formular oder E-Mail-Eingang, strukturierte Extraktion, Prüfcheckliste, Vorschlag, menschliche Freigabe, Übergabe an CRM oder Projektmanagement.

Wenn solche Abläufe auf der Website beginnen, braucht es saubere digitale Eingänge: Formulare, Upload-Felder, klare Nutzerführung und technische Validierung. Hier greift Webdesign direkt in KI-Automatisierung hinein. Wenn Prozesse aus Content, FAQ oder Wissensdatenbanken lernen sollen, wird außerdem eine klare Informationsarchitektur wichtig; das berührt Content-Marketing, weil gute Inhalte nicht nur Menschen informieren, sondern auch interne Automatisierung stabiler machen.

Der Beitrag zu Microsoft Work IQ und Agenten-Kontext erklärt, warum Unternehmenskontext für Agenten entscheidend ist. Pega und Camunda ergänzen nun die zweite Hälfte: Kontext allein genügt nicht. Der Agent braucht auch einen Prozessplan, sonst bleibt aus Automatisierung ein riskanter Einzelfall.

Der sinnvolle Einstieg

Für KMU ist jetzt nicht entscheidend, ob Pega, Camunda oder ein anderes Enterprise-System eingesetzt wird. Entscheidend ist die Denkweise: KI-Agenten gehören nicht frei schwebend über das Unternehmen, sondern in klar beschriebene Abläufe. Wer heute seine wichtigsten Vorgänge dokumentiert, Eingaben standardisiert und Freigaben sauber definiert, legt die Grundlage für zuverlässige KI-Automatisierung.

Ein guter erster Workshop braucht keine große Plattform. Er braucht drei Artefakte: eine Liste wiederkehrender Vorgänge, ein Prozessbild für den wichtigsten Kandidaten und eine Risikomatrix für Entscheidungen, Daten und Kosten. Erst danach sollte entschieden werden, welches Tool oder welcher Agent sinnvoll ist.

So wird aus dem Agenten-Hype ein belastbares Automatisierungsprojekt: kleiner starten, klarer steuern, besser messen.