Agentische Dokumenten-Workflows: Was sie wirklich bedeuten

Von Vorlagen zu Agenten: Die Entwicklung der Dokumentenverarbeitung

Die Dokumentenverarbeitung hat drei verschiedene Phasen durchlaufen, die jeweils dadurch definiert sind, was das System selbstständig verstehen kann. Diese Entwicklung zu verstehen ist wichtig, da viele DMS-Anbieter Funktionen als „agentisch“ vermarkten, die eigentlich nur AI-gestützt sind – und der Unterschied ist nicht nur kosmetisch.

Die erste Phase war die regelbasierte Verarbeitung: feste Vorlagen, starre Extraktionsfelder, ein Layout pro Dokumenttyp. Wenn sich ein Feld auf der Rechnung um 10 Pixel verschob, funktionierte das System nicht mehr. Die Automatisierung stagnierte bei 60–70 %, da die restlichen 30 % Ausnahmen waren, die Regeln nicht bewältigen konnten. Die zweite Phase, die um 2020 begann, ergänzte Klassifikatoren für maschinelles Lernen und Named Entity Recognition. Das System konnte Daten aus Dokumenten extrahieren, die es noch nie zuvor gesehen hatte – aber jeder Schritt war isoliert. Es konnte ein Dokument lesen, aber nicht entscheiden, was mit der Information zu tun ist.

Die dritte Phase ist agentisch. Ein agentisches System erhält ein Ziel („verarbeite diese Rechnung“) und findet die Schritte selbst heraus: das Dokument klassifizieren, die relevanten Felder extrahieren, diese gegen vorhandenes Wissen validieren, Unstimmigkeiten markieren und das Ergebnis an das richtige Ziel leiten. Wenn ein Schritt fehlschlägt, versucht es einen anderen Ansatz. Bei Unsicherheit bittet es um menschlichen Input. Das System folgt keinem Skript – es analysiert und löst eine Aufgabe.

LlamaIndex prägte den Begriff „Agentic Document Workflows“ im Januar 2025 und kombinierte Dokumentenverarbeitung, Retrieval-Augmented Generation (RAG) und Tool-Nutzung in einem einzigen Framework. Gartners Magic Quadrant 2025 für Intelligent Document Processing verzeichnete über 100 Anbieter, die IDP-Produkte vermarkten, wobei generative AI agentische Fähigkeiten ermöglicht, die den Fokus von der „spezialisierten Datenintegration hin zur Automatisierung von Dokumenten-Workflows“ verschieben. Der Markt für intelligente Dokumentenverarbeitung wird bis 2028 voraussichtlich 2,39 Milliarden US-Dollar erreichen.

Was unterscheidet „agentisch“ von „einfach nur AI“?

Das Wort „agentisch“ leitet sich vom Konzept der Handlungsfähigkeit (Agency) ab – der Fähigkeit, Ziele ohne Schritt-für-Schritt-Anleitungen wahrzunehmen, zu entscheiden und darauf hinzuarbeiten. Ein AI-gestütztes DMS liest ein Dokument und wartet darauf, dass Sie ihm sagen, was zu tun ist. Ein agentisches DMS liest ein Dokument und entscheidet basierend auf dem von Ihnen vorgegebenen Ziel selbst, was zu tun ist.

Der Kernmechanismus ist die Reason-Act-Observe-Update-Schleife (Überlegen-Handeln-Beobachten-Aktualisieren): Der Agent analysiert den aktuellen Zustand, führt eine Aktion aus (ruft ein Tool auf), beobachtet das Ergebnis und aktualisiert sein Verständnis, bevor er den nächsten Schritt plant. Diese Schleife wiederholt sich, bis das Ziel erreicht ist oder der Agent feststellt, dass er menschliche Hilfe benötigt.

Hier sehen Sie, wie sich dieselbe Dokumentenaufgabe zwischen einem traditionellen AI-gestützten System und einem agentischen System unterscheidet:

Wie agentische Workflows in der Praxis aussehen (für kleine Unternehmen)

Fast alles, was über agentische Dokumenten-Workflows geschrieben wird, richtet sich an Großunternehmen, die 100.000 Rechnungen pro Tag verarbeiten. Das ist nicht Ihre Realität. Wenn Sie Freelancer, Kleinunternehmer oder eine Familie sind, die Haushaltsdokumente verwaltet, bedeutet agentische AI etwas ganz anderes – und wohl auch Nützlicheres.

Hier sind reale Szenarien, in denen ein agentischer Dokumenten-Assistent seinen Wert beweist. Diese sind nicht hypothetisch – sie funktionieren heute:

Der rote Faden: Sie drücken Ihre Absicht in natürlicher Sprache aus, und der Agent findet heraus, welche Tools in welcher Reihenfolge zu verwenden sind und was mit den Ergebnissen geschehen soll. Sie müssen nicht wissen, wie das System intern funktioniert. Sie müssen nur sagen, was Sie wollen.

Agentische AI: Großunternehmen vs. KMU

Die Diskussion über agentische AI wird von Anwendungsfällen aus Großunternehmen dominiert: Abgleich von 500 Rahmenverträgen auf Compliance-Lücken, Verarbeitung von Versicherungsansprüchen über mehrere Systeme hinweg, Weiterleitung von Tausenden von Rechnungen durch Genehmigungsketten über mehrere Abteilungen. Das ist real und wertvoll – aber es ist nicht die einzige Art, wie agentische AI Menschen bei der Dokumentenverwaltung hilft.

Der Unterschied liegt nicht in der Technologie, sondern im Rahmen. Agentische AI für Großunternehmen ist eine Verarbeitungspipeline. Agentische AI für kleine Unternehmen ist ein intelligenter Assistent, der in Ihrem DMS lebt und Ihnen im Alltag bei der Arbeit mit Ihren Dokumenten hilft.

Keiner der Ansätze ist abstrakt betrachtet besser. Enterprise Agentic ist sinnvoll, wenn Sie so viele Dokumente verarbeiten, dass die Einstellung von Personal teurer ist als die Plattformkosten. KMU-Agentic ist sinnvoll, wenn Ihre Zeit die knappste Ressource ist und ein Tool für 9–29 €/Monat Ihnen jede Woche Stunden spart. Der Fehler liegt in der Annahme, dass man die Enterprise-Version benötigt, um von Agentic AI zu profitieren.

Wie Modell-Routing Agentic AI erschwinglich hält

Eine berechtigte Sorge bei Agentic AI sind die Kosten. Wenn jede Dokumentenanfrage Ihre Daten an ein teures Reasoning-Modell sendet, summieren sich die Kosten schnell. Die Lösung ist Modell-Routing — das Senden verschiedener Arten von Anfragen an unterschiedliche Modelle basierend auf deren Komplexität.

Moderne agentenbasierte Systeme nutzen einen gestuften Ansatz. Einfache Abfragen („Welche Art von Dokument ist das?“) gehen an schnelle, günstige Modelle. Komplexes Reasoning („Analysiere alle im 3. Quartal auslaufenden Verträge und markiere riskante Klauseln“) erhält das Premium-Modell, das es verdient. Der Kostenunterschied zwischen intelligentem Routing und dem Senden von allem durch das leistungsstärkste Modell beträgt 70–90 %.

In der Praxis fallen 90–95 % der Anfragen im Dokumentenmanagement in die schnelle Stufe. Klassifizierung, Tagging, einfache Suchen und Metadaten-Extraktion nutzen alle leichtgewichtige Modelle. Nur komplexes Reasoning über mehrere Dokumente hinweg benötigt die teuren Modelle. Das bedeutet, dass ein agentenbasiertes DMS für 9 €/Monat mit 4.000 Credits den Bedarf der meisten Privatpersonen und kleinen Unternehmen decken kann.

Veluvanto nutzt automatische Modellwahl: Einfache Abfragen werden an Gemini Flash geleitet, komplexe Analysen an Gemini Pro. Sie wählen das Modell nicht selbst aus — das System wählt das passende basierend auf der Komplexität der Anfrage. Das Ergebnis ist, dass Ihr „Finde meine Versicherungspolice“ einen Bruchteil eines Cents kostet, während Ihr „Vergleiche alle meine Nebenkosten im Jahresvergleich“ die nötige Rechenpower erhält.

Wenn Agenten Ihre Dokumente verwalten: Vertrauen, Sicherheit und ehrliche Grenzen

Agentic AI ist keine Magie, und so zu tun, als wäre es so, erweist jedem, der diese Systeme bewertet, einen Bärendienst. Es gibt echte Sicherheitsaspekte, echte Einschränkungen und echte Kompromisse. Ehrlich darüber zu sein, ist nützlicher als Marketingtexte, die eine „vollständig autonome Dokumentenverarbeitung“ versprechen.

Die OWASP Foundation veröffentlichte im Dezember 2025 ihre Top 10 für Agentic Applications und identifizierte das Kapern von Agentenzielen (Goal Hijacking) als Risiko Nr. 1. Wenn ein KI-Agent Dokumente verarbeitet, könnte eine in ein Dokument eingebettete bösartige Payload theoretisch das Verhalten des Agenten umleiten. Zudem erzeugen Agenten mit Langzeitgedächtnis und Tool-Zugriff Datenflüsse, die sorgfältig kontrolliert werden müssen. So sehen verantwortungsvolle Implementierungen aus:

• ✓Human-in-the-Loop standardmäßig: KI-Vorschläge werden zur Überprüfung vorgelegt, niemals stillschweigend ausgeführt. Der Agent schlägt vor; Sie genehmigen. Nur-Lese-Operationen (Suche, Zusammenfassung) können autonom sein; Schreibvorgänge (Tagging, Archivierung, Löschen) erfordern eine Bestätigung.
• ✓Vertrauensbasierte Eskalation: Wenn der Agent bei einer Klassifizierung oder Extraktion unsicher ist, markiert er das Ergebnis und bittet um menschliche Verifizierung, anstatt zu raten. Aktionen mit hoher Konfidenz werden fortgesetzt; Aktionen mit niedriger Konfidenz pausieren.
• ✓Vollständiger Audit-Trail: Jede Aktion des Agenten wird mit Zeitstempel, verwendetem Modell, aufgerufenen Tools sowie Input/Output protokolliert. Das ist nicht optional — es ist eine Voraussetzung für jedes System, das sensible Dokumente verarbeitet.
• ✓Datenresidenz und Verschlüsselung: Wenn ein Agent Ihre Dokumente verarbeitet, sollten diese Dokumente in einer kontrollierten Umgebung bleiben. EU-Datenresidenz, Verschlüsselung im Ruhezustand und bei der Übertragung sowie Isolation pro Mandant sind die Basis.
• ✓Kein Training mit Ihren Daten: Der Agent sollte Ihre Dokumente nicht verwenden, um Modelle zu verbessern, die mit anderen Nutzern geteilt werden. Ihre Daten werden ausschließlich zu Ihrem Vorteil verarbeitet.

Ehrliche Einschränkungen, die man kennen sollte: Agentic AI kann halluzinieren — also selbstbewusst falsche Daten aus Dokumenten extrahieren. Seitenübergreifender Kontext in langen Dokumenten ist immer noch eine Herausforderung. Stark beschädigte Scans, handschriftlicher Text und sehr komplexe Tabellenlayouts führen zu geringerer Genauigkeit. Und „vollständig autonom“ ist ein Marketingversprechen — jedes produktive Agentic-System hat aus gutem Grund menschliche Kontrollinstanzen.

Der EU AI Act (durchsetzbar ab August 2026) verleiht diesen Praktiken regulatorisches Gewicht. KI-Chatbots in Dokumentensystemen erfordern eine Transparenzkennzeichnung, und KI-generierte Inhalte müssen maschinenlesbar markiert sein. Für eine tiefergehende Analyse, wie der EU AI Act auf DMS-Funktionen anwendbar ist, lesen Sie unseren Leitfaden zur EU AI Act Compliance.

Worauf Sie bei der Bewertung eines agentenbasierten DMS achten sollten

Nicht jedes Tool, das sich „Agentic“ nennt, ist es auch. Einige Anbieter haben ihre bestehenden KI-Funktionen einfach mit neuen Begriffen umetikettiert. Hier ist eine praktische Checkliste, um echte agentenbasierte Fähigkeiten von Marketing zu unterscheiden:

Der klarste Test: Können Sie dem System ein Ziel in einem Satz vorgeben und führt es mehrere Schritte aus, um dieses zu erreichen? Falls ja, ist es agentenbasiert. Wenn Sie jeden Schritt manuell auslösen müssen, ist es KI-gestützt — was immer noch nützlich ist, aber nicht dasselbe.