KI-Agenten bauen mit Laravel: Praxisbeispiele, Aufbau und ein Pilot in vier Wochen

Kaum ein Thema wird im Mittelstand gerade so oft angefragt wie interne KI-Agenten: ein Helfer, der Support-Tickets vorsortiert, Verträge auf fehlende Angaben prüft oder jeden Montag den Report vorbereitet. Die Suche nach Anleitungen zum Thema KI-Agenten bauen hat sich seit Dezember vervielfacht. Gleichzeitig ist der Begriff so dehnbar, dass Anbieter und Entwickler oft aneinander vorbeireden.

Dieser Beitrag klärt, was ein KI-Agent im Unternehmen ist, zeigt drei konkrete Beispiele, erklärt den Aufbau mit dem AI SDK von Laravel und geht auf Datenschutz, Kosten und Kontrolle ein. Am Ende steht ein Plan für ein Pilotprojekt in vier Wochen. Einen allgemeinen Überblick über die Neuerungen der Version finden Sie in unserem Beitrag zu Laravel 13. Hier geht es um die Praxis.

Was ein KI-Agent im Unternehmen ist und was nicht

Ein KI-Agent ist ein Programm, das ein Sprachmodell nutzt, um eine Aufgabe in mehreren Schritten selbst zu bearbeiten. Er bekommt ein Ziel, entscheidet, welche Werkzeuge er einsetzt, etwa eine Datenbankabfrage, eine Suche in Dokumenten oder eine Schnittstelle zu Ihrem CRM, wertet die Ergebnisse aus und liefert am Ende ein Resultat. Der Unterschied zu einem einfachen Chatbot liegt in den Werkzeugen und in der Schleife: Ein Chatbot antwortet, ein Agent handelt.

Ein Agent ist deshalb nicht dasselbe wie ein klassischer Automatisierungs-Workflow. Ein Workflow folgt einem festen Pfad, den ein Mensch vorher festgelegt hat. Ein Agent wählt seinen Pfad innerhalb von Grenzen selbst. Das macht ihn flexibel bei unstrukturierten Eingaben wie E-Mails oder PDFs, aber auch schwerer vorhersehbar. In der Praxis ist die beste Lösung oft ein fester Workflow mit einem Agenten an genau der Stelle, an der freier Text verstanden werden muss.

Ebenso wichtig ist, was ein Agent nicht ist: Er ist kein Mitarbeiter, dem man eine Aufgabe übergibt und nie wieder anschaut. Er macht Fehler, erfindet im ungünstigen Fall Details und braucht klare Grenzen. Wer das einplant, bekommt einen verlässlichen Assistenten. Wer es ignoriert, bekommt Überraschungen.

Drei Praxisbeispiele für KI-Agenten

Die folgenden Beispiele sind bewusst alltäglich. Sie zeigen, wo ein Agent heute zuverlässig Arbeit abnimmt, ohne dass ein Mensch die Kontrolle abgibt.

1. Support-Triage

Täglich gehen Anfragen per E-Mail und Formular ein. Ein Agent liest jede Nachricht, ordnet sie einer Kategorie zu, schätzt die Dringlichkeit ein, sucht in der Wissensdatenbank nach passenden Antworten und schreibt einen Entwurf. Ein Mitarbeiter sieht in einer Übersicht Kategorie, Priorität und Entwurf, korrigiert bei Bedarf und sendet ab. Der Gewinn liegt weniger im Tempo einzelner Antworten als darin, dass niemand mehr jede Nachricht von Grund auf lesen und einsortieren muss.

2. Dokumentenprüfung

Eingehende Verträge, Angebote oder Rechnungen werden gegen eine Checkliste geprüft: Sind alle Pflichtangaben vorhanden, stimmen Beträge und Fristen, weichen Klauseln vom Standard ab? Der Agent liest das Dokument, füllt die Checkliste aus und markiert Auffälligkeiten mit Fundstelle. Die Entscheidung bleibt beim Menschen, aber die Suche nach der Nadel im Heuhaufen übernimmt die Maschine.

3. Reporting und Auswertungen

Jede Woche sollen Zahlen aus Shop, CRM und Webanalyse zusammengeführt und kommentiert werden. Ein Agent fragt die Daten über definierte Schnittstellen ab, erkennt Ausreißer, formuliert eine Kurzfassung und legt sie als Bericht ab. Wichtig ist, dass die Zahlen aus Abfragen stammen und nicht aus dem Modell: Das Modell formuliert, die Datenbank liefert die Fakten.

Aufbau mit dem Laravel AI SDK: Agents, Tools, Queues

Laravel 13 bringt ein offizielles AI SDK mit, das eine einheitliche Schnittstelle zu verschiedenen KI-Anbietern bietet. Es unterstützt unter anderem das Erzeugen von Texten, Agenten mit Tool-Calling, Embeddings und die Anbindung von Vektor-Speichern. Der Vorteil für Unternehmen ist weniger ein einzelnes Feature als die Einbettung: Ein Agent lebt in derselben Anwendung wie Ihre Benutzerverwaltung, Ihre Datenbank, Ihre Rechte und Ihre Warteschlangen. Genau diese Einbettung macht aus einem Experiment ein Stück Software, das sich betreiben lässt.

Agent, Werkzeuge und Grenzen

Ein Agent besteht aus einer Anweisung, einem Modell und einer Menge von Werkzeugen. Für die Werkzeuge gelten in der Praxis einige feste Regeln. Sie sind schmal geschnitten, das heißt, ein Werkzeug macht genau eine Sache, etwa eine Bestellung anhand der Nummer nachschlagen. Sie sind nach Möglichkeit lesend, denn ein Werkzeug, das Daten ändert oder Nachrichten versendet, braucht eine Freigabe. Sie prüfen ihre Eingaben, wie jede andere Schnittstelle auch, und sie schreiben jeden Aufruf in ein Protokoll, damit sich später nachvollziehen lässt, was der Agent getan hat.

Die genaue Syntax des SDK entnehmen Sie bitte der offiziellen Laravel-Dokumentation, denn sie entwickelt sich noch. Für den Aufbau im Unternehmen ist ohnehin wichtiger, wie der Agent in die Anwendung eingebettet wird.

Agenten gehören in die Warteschlange

KI-Aufrufe sind langsam, können fehlschlagen und kosten Geld pro Aufruf. Sie gehören daher nie in den direkten Seitenaufruf, sondern in einen Queue-Job. Laravel liefert dafür Wiederholungsversuche, Wartezeiten zwischen den Versuchen, Zeitlimits und eine zentrale Zuordnung von Jobs zu Warteschlangen. Das folgende Beispiel zeigt die Support-Triage als Job. Die Klasse SupportTriageAgent kapselt den Aufruf des SDK, und das Ergebnis landet nie direkt beim Kunden, sondern in einem Prüfstatus:

<?php

namespace AppJobs;

use AppAgentsSupportTriageAgent;
use AppModelsTicket;
use IlluminateContractsQueueShouldQueue;
use IlluminateFoundationQueueQueueable;

class TriageTicket implements ShouldQueue
{
    use Queueable;

    public int $tries = 3;
    public array $backoff = [30, 120, 600];
    public int $timeout = 120;

    public function __construct(public Ticket $ticket) {}

    public function handle(SupportTriageAgent $agent): void
    {
        $result = $agent->classify(
            subject: $this->ticket->subject,
            body: $this->ticket->body,
        );

        $this->ticket->triage()->updateOrCreate([], [
            'category'    => $result->category,
            'priority'    => $result->priority,
            'draft_reply' => $result->draftReply,
            'confidence'  => $result->confidence,
            // Nie automatisch versenden: immer erst in die Prüfung
            'status'      => $result->confidence >= 0.85
                ? 'ready_for_review'
                : 'needs_human',
        ]);
    }
}

Die Struktur ist wichtiger als jedes Detail. Das Ergebnis wird gespeichert, bewertet und einem Menschen vorgelegt. Bei niedriger Sicherheit des Modells wandert der Fall ohne Entwurf an einen Mitarbeiter. Der Entwurf selbst wird erst nach Freigabe versendet.

Datenschutz, Kosten und Kontrolle

Drei Fragen entscheiden darüber, ob ein Agent im Alltag akzeptiert wird: Dürfen wir das, was kostet es, und wer behält die Kontrolle?

Datenschutz

Sobald personenbezogene Daten an ein Sprachmodell gehen, gelten die üblichen Anforderungen der DSGVO. Das heißt konkret: Sie brauchen einen Auftragsverarbeitungsvertrag mit dem Anbieter, Klarheit über den Verarbeitungsort und die Frage, ob Ihre Daten zum Training verwendet werden. Reduzieren Sie die Datenmenge, bevor etwas das Haus verlässt. Namen, Kundennummern und Kontaktdaten lassen sich oft vor dem Aufruf entfernen oder ersetzen und erst danach wieder einsetzen. Je nach Anwendungsfall kann auch die europäische KI-Verordnung Pflichten auslösen, etwa Transparenz gegenüber Betroffenen. Lassen Sie das vor dem Start einmal fachlich prüfen.

Kosten

Die Kosten entstehen pro Aufruf und hängen von Modell und Textmenge ab. Zwei Maßnahmen halten sie berechenbar: Setzen Sie für einfache Aufgaben wie die Klassifikation ein kleineres, günstigeres Modell ein und reservieren Sie das leistungsfähigere für die schwierigen Fälle. Und legen Sie ein Budget fest, bei dessen Überschreitung die Verarbeitung pausiert und eine Meldung kommt, statt weiterzulaufen. Messen Sie in der Pilotphase die Kosten pro bearbeitetem Vorgang, denn erst diese Zahl lässt einen Vergleich mit dem Zeitaufwand zu.

Kontrolle mit Human-in-the-loop

Der wichtigste Schutz ist ein Mensch an der richtigen Stelle. Agenten dürfen lesen, vorschlagen und vorbereiten. Alles, was nach außen wirkt, etwa eine Nachricht an Kunden, eine Zahlung oder eine Änderung am Datenbestand, braucht eine Freigabe. Ergänzen Sie das um ein vollständiges Protokoll mit Eingabe, Werkzeugaufrufen und Ausgabe sowie um die Möglichkeit, einen Agenten jederzeit abzuschalten. Mit der Zeit können Sie die Freigabepflicht für risikoarme Fälle lockern, aber auf Basis von Zahlen aus dem Protokoll, nicht aus Vertrauen.

Make or Buy: Eigene Entwicklung, n8n oder fertiges Tool

Nicht jeder Agent muss selbst gebaut werden. Die Entscheidung hängt von Anforderungen ab, nicht von Vorlieben. Die folgende Übersicht hilft bei der Einordnung.

Ein fertiges Tool lohnt sich, wenn Ihr Fall dem Standard entspricht, etwa ein klassischer Support-Assistent ohne Anbindung an Spezialsysteme. Eine Plattform wie n8n eignet sich für schnelle Prototypen und interne Abläufe, verlangt aber Betrieb und Absicherung, wie wir in unserem Beitrag zum Absichern von n8n beschreiben. Eine eigene Lösung auf Basis von Laravel lohnt sich, wenn der Agent Teil Ihrer Geschäftsprozesse ist, auf interne Daten mit feinen Rechten zugreifen muss oder Kunden damit in Berührung kommen. Eine Entscheidungshilfe für den Vergleich von Plattform und Eigenentwicklung finden Sie auch im Beitrag zur Workflow Automatisierung 2026.

Einstieg: Ein Pilotprojekt in vier Wochen

Der sicherste Weg zum ersten Agenten ist ein eng geschnittener Pilot mit messbarem Ergebnis. Vier Wochen reichen dafür aus, wenn der Umfang klein bleibt.

Wenn Sie einen Pilot dieser Art planen, unterstützen wir Sie von der Auswahl des Anwendungsfalls bis zum Betrieb. Einen Überblick über unser Angebot finden Sie auf der Seite zur KI-Integration im Unternehmen, die technische Umsetzung übernehmen wir als Laravel Agentur. Wenn Sie einen konkreten Fall im Kopf haben, sprechen Sie uns an. Im ersten Gespräch klären wir, ob sich ein Agent dafür lohnt oder ob ein klassischer Workflow die bessere Antwort ist.

Pilot für Ihren KI-Agenten planen

Gerne prüfen wir Ihren Anwendungsfall und sagen Ihnen, ob ein Agent, ein klassischer Workflow oder ein fertiges Tool der wirtschaftlichere Weg ist.

Erstgespräch vereinbaren