Worin unterscheiden sich KI-Agent, Chatbot, RPA und Workflow?
Ein Chatbot spricht. Ein Workflow schiebt Daten über einen vorab gezeichneten Pfad. RPA bedient eine Oberfläche so, wie ein Mensch es täte. Ein KI-Agent entscheidet zur Laufzeit, welcher Schritt als nächstes kommt. Das sind vier Aufgaben und keine vier konkurrierenden Produkte; in den meisten Betrieben laufen zwei oder drei davon nebeneinander.
KI-Chatbot
Eine Gesprächsoberfläche, die Fragen beantwortet. Die Ausbaustufe von 2026 arbeitet mit RAG: Sie durchsucht die eigenen Dokumente des Unternehmens und antwortet mit Quellenangabe. Eingabe ist ein Satz, Ausgabe ist Text. In dem Moment, in dem der Bot zusätzlich eine Aktion in einem anderen System ausführt, ist er kein Chatbot mehr, sondern ein Agent mit Chatoberfläche.
Workflow-Automatisierung
Ein vorab gezeichneter Pfad, ausgelöst durch ein Ereignis, Schritt für Schritt abgearbeitet. Die Verzweigungen sind Wenn-dann-Regeln, keine Entscheidungen. Steckt ein LLM-Aufruf darin, ist er ein Schritt unter vielen: klassifizieren, zusammenfassen, extrahieren. Dieselbe Eingabe erzeugt bei jedem Lauf dieselbe Ausgabe, und genau das macht ihn prüfbar.
RPA
Ein Softwareroboter auf der Benutzeroberfläche: Fenster öffnen, Felder füllen, Schaltflächen klicken, Bildschirm auslesen. Sie brauchen ihn, wenn das Zielsystem keine Schnittstelle hat und Sie auch keinen Zugriff auf die Datenbank bekommen. RPA versteht nicht, was es tut. Es wiederholt die aufgezeichnete Klickfolge exakt so, wie Sie sie aufgenommen haben.
KI-Agent
Ein System, das ein Ziel bekommt statt eines Drehbuchs. In einer Schleife aus Modellaufrufen wählt es selbst, welches Werkzeug als nächstes dran ist und wann Schluss ist. Das ist das Erbe des ReAct-Musters (Gedanke, Aktion, Beobachtung, erneut), das unser Beitrag zu den Grundlagen von KI-Agenten im Detail behandelt. Der Preis dieser Beweglichkeit: Die Schrittzahl ändert sich von Lauf zu Lauf.
Die Trennlinie zwischen den vieren hängt an zwei Fragen. Fällt die Entscheidung über den nächsten Schritt zur Laufzeit, und erreichen Sie das Zielsystem über eine Schnittstelle oder über den Bildschirm? Diese beiden Fragen tragen den Rest des Textes.
Welche Technologie gewinnt bei welchem Aufgabenmerkmal?
Nicht die Branche und nicht die Mitarbeiterzahl entscheiden das, sondern sechs Merkmale der Aufgabe: Determinismus, Sprachverständnis, Stabilität des Eingabeformats, Verfügbarkeit einer Schnittstelle, Entscheidung zur Laufzeit und Volumen. Die Tabelle zeigt zeilenweise, welche Technologie gewinnt und welche scheitert.
| Aufgabenmerkmal | Chatbot | Workflow | RPA | KI-Agent |
|---|---|---|---|---|
| Der Prozess ist deterministisch, jede Verzweigung ist beschreibbar | falsches Werkzeug | gewinnt | funktioniert | Verschwendung |
| Freitext muss interpretiert werden | gewinnt | ja, mit einem LLM-Schritt | kann es nicht | gut, wenn er auch handelt |
| Das Eingabeformat wechselt von Lauf zu Lauf | teilweise | ja, mit einem LLM-Schritt | bricht | gewinnt |
| Das Zielsystem hat eine API oder eine Datenbank | nicht relevant | gewinnt | überflüssig | gut |
| Keine API, nur Bildschirm (Altsystem, Citrix, Terminal) | kann es nicht | kann es nicht | gewinnt | nur mit RPA-Werkzeug |
| Der nächste Schritt fällt erst zur Laufzeit | kann es nicht | kann es nicht | kann es nicht | gewinnt |
| Tausende Läufe am Tag zu planbaren Stückkosten | gut | gewinnt | teuer, Lizenz je Roboter | riskant, die Schrittzahl schwankt |
| Ein Mensch spricht damit, statt es zu starten | gewinnt | falsches Werkzeug | falsches Werkzeug | ja, mit Chatoberfläche |
| Ein falscher Schritt ist nicht umkehrbar (Zahlung, Kundennachricht) | eingeschränkt | gewinnt | gut | nur mit Freigabe durch Menschen |
| Revisionssichere Spur auf Schrittebene nötig | teilweise | gewinnt | gut | nur mit eigener Observability-Schicht |
Die sechste Zeile ist die wichtige. Sie ist das einzige Aufgabenmerkmal, das ausschließlich ein Agent löst, und damit der einzige belastbare Grund, einen zu bauen. Jede andere Zeile hat eine günstigere Antwort. Lässt sich der nächste Schritt als endliche Regelmenge beschreiben, ist ein Workflow die bessere Wahl. Planbar, testbar, und die Rechnung am Monatsende bleibt klein.
Was kosten die vier Ansätze, und wer betreibt sie?
Die Lizenz ist der kleinste Posten. n8n Cloud Pro kostet 50 EUR im Monat für 10.000 Ausführungen, ein unbeaufsichtigter Power-Automate-Roboter 150 USD im Monat, die rohen Modellkosten eines Chatbots bei 500 Gesprächen liegen im einstelligen Eurobereich. Teuer wird die Frage, wer repariert, wenn etwas bricht, und wie oft etwas bricht. Diesen Posten preist fast kein Angebot ein.
| Ansatz | Lizenz und Betrieb | Typischer Aufbau | Was ihn bricht |
|---|---|---|---|
| Chatbot (RAG) | rohe Modellkosten für 500 Gespräche im Monat: 1,30 bis 27 EUR, je nach Modell | 2.750 bis 8.250 EUR, 4 bis 6 Wochen | veraltete Wissensbasis, Antwort ohne Quelle |
| Workflow (n8n) | Cloud Starter 20 EUR im Monat für 2.500 Ausführungen, Pro 50 EUR für 10.000 | 275 bis 6.880 EUR je Strecke | geänderte API, abgelaufene Zugangsdaten |
| RPA | Power Automate Process 150 USD je Bot und Monat, Hosted Process 215 USD; UiPath Cloud Basic ab 25 USD im Monat | Wochen je Prozess, Lizenz je Roboter | jede Oberflächenänderung im Zielsystem |
| KI-Agent | 1.000 Dokumente in einer achtstufigen Schleife: 232 USD auf Claude Sonnet 5, ohne Caching | 13.750 bis 41.250 EUR, 3 bis 9 Monate | wachsende Schrittzahl, Prompt-Regression, Modellwechsel |
Wichtiger als die Tabelle ist die Abrechnungseinheit, denn die vier zählen Unterschiedliches. n8n rechnet je Ausführung ab, unabhängig von der Zahl der Schritte. Zapier rechnet je Schritt, Make je Moduloperation, RPA je Roboter und Monat, ein Agent je Token, womit die Rechnung mit der Schrittzahl wächst. Bei einem sechsstufigen Prozess landet n8n Pro bei etwa 0,005 EUR pro Lauf und Zapier Pro bei jährlicher Zahlung bei 0,029 USD, also beim Fünffachen für dieselbe Arbeit. In einer Agentenschleife öffnet sich diese Lücke weiter, weil die Schrittzahl je Lauf zwischen acht und zwanzig schwankt. Eine schrittbasierte Rechnung ist damit nicht mehr planbar.
Der Betriebsaufwand wächst in umgekehrter Reihenfolge. Einen Workflow pflegt in den meisten Häusern der Prozessverantwortliche selbst auf der Oberfläche. RPA braucht jemanden, der die Schritte nach jedem Update des Zielsystems neu aufzeichnet. Ein Agent braucht laufende Prompt-Pflege, ein Eval-Set und Kostenkontrolle, und das ist Menschenarbeit. Der Stundensatz-Median für IT-Freelancer im DACH-Raum liegt bei 95 EUR, in der Softwareentwicklung bei 90 (Freelancer-Kompass 2026, Panelbefragung, 02.07.2026). Unsere eigene Wartung für Automatisierungsstrecken liegt bei 80 bis 410 EUR im Monat, und der größere Teil davon ist Nachjustieren, nicht Server.
Ein verbreitetes Missverständnis gehört hierher. Die Lizenz für selbst gehostetes n8n ist tatsächlich null, der Betrieb nicht. Auf dem ungarischen Markt, auf dem wir betreiben, beginnt gemanagtes n8n auf einem VPS bei rund 110 EUR im Monat und on premise bei rund 220 EUR (n8n.hu, 14.08.2026), also über dem Preis von n8n Cloud Pro. Datenresidenz oder eine Auflage aus dem Datenschutz rechtfertigen Self-Hosting. Die reine Kostenrechnung tut es bis zu sehr hohen Volumina nicht.
Welche vier Grenzfälle sind in der Praxis nicht eindeutig?
Die Tabelle löst die sauberen Fälle. Die meisten Projekte sind keine sauberen Fälle. In den folgenden vier Situationen diskutieren wir die Entscheidung in der Aufnahme mit dem Kunden aus, und jede hat eine einzelne Frage, die den Streit beendet. Sie wiederholen sich bei Unternehmen zwischen 50 und 500 Beschäftigten quer durch die EU.
1. Keine Schnittstelle, aber die Eingabe ist Freitext
Ein fünfzehn Jahre altes ERP, in das Daten aus Lieferantenmails müssen. RPA schafft die Eingabe, versteht die Mail aber nicht. Das Sprachmodell versteht die Mail, kommt aber nicht ins ERP. Die entscheidende Frage: Gibt es eine lesende Replik der Datenbank oder einen dateibasierten Import? Wenn ja, lautet die Antwort Workflow plus ein Extraktionsschritt, und die RPA-Lizenz sparen Sie ganz. Wenn nein, wird RPA zum ausführenden Arm, und die Intelligenz sitzt davor. Im deutschen B2B-Rechnungseingang verschiebt sich der Fall zusätzlich: Wo die Rechnung bereits im strukturierten Format nach § 14 UStG ankommt, ist die Extraktion erledigt, und es bleibt allein der Weg ins Zielsystem. Das ist die größere Hälfte unserer Arbeit in der Systemintegration.
2. Support, in dem 80 Prozent der Fragen dieselben zwölf sind
Hier will fast jeder einen Agenten bauen, obwohl die eigentliche Frage lautet, welcher Anteil der Tickets eine Aktion in einem anderen System verlangt. Unter 20 Prozent ist ein RAG-Chatbot die Antwort, den Rest eskalieren Sie an einen Menschen. Darüber brauchen Sie den Agenten, denn Sendungsverfolgung, geänderte Lieferadresse und Gutschrift lassen sich nicht beantworten, sondern nur ausführen. Diesen Anteil messen Sie, statt ihn zu schätzen. Ein Monat kategorisierter Tickets reicht dafür.
3. Fünfhundert Rechnungen am Tag in wechselnden Formaten
Die klassische Dokumentenaufgabe, und hier ist die Entscheidung eine Kostenfrage. Ein einzelner strukturierter Extraktionsaufruf je Dokument ist um Größenordnungen billiger als eine Agentenschleife, die liest, prüft, im ERP nachschlägt, korrigiert und bucht. Der Agent beherrscht dafür den fehlenden Partnercode und den Betrag, der nicht passt. Zur Größenordnung: Ardent Partners beziffert die durchschnittlichen Kosten je Rechnung mit 9,40 USD und den Bestwert mit 2,78 USD, wobei die Erfassung 30 bis 35 Prozent und die Ausnahmebehandlung 20 bis 25 Prozent davon ausmachen. Deshalb hängt die Entscheidung an der Ausfallquote der Prüfung: Unter fünf Prozent gewinnt die einstufige Extraktion mit menschlicher Ausnahmebehandlung, darüber holt die Agentenschleife ihren Preis herein.
4. Das Regelwerk ändert sich jeden Monat
Eine Preis- oder Freigabelogik, die deterministisch ist und trotzdem jedes Quartal umgeschrieben wird. Technisch ist das ein Workflow, die eigentliche Frage lautet aber, wer ihn pflegt. Will die Fachseite selbst schrauben, ist die visuelle Oberfläche mehr wert als sauberer Code, auch wenn sie ingenieurtechnisch hässlicher ist. Muss die Regel revisionssicher nachvollziehbar sein, führt kein Weg an versioniertem Code vorbei, und wir argumentieren für einen Code-Stack statt Low-Code.
Warum ist ein Agent auf einem deterministischen Prozess der teuerste Fehler?
Weil Sie dreifach zahlen: höherer Aufbaupreis, ein Vielfaches an Betriebskosten und eine Fehlerklasse, die es im Workflow gar nicht gibt. Geld verliert man selten am falschen Werkzeug. Man verliert es an der Überdimensionierung, und die Zahlen dazu sind unangenehm deutlich.
95 %
der Pilotprojekte mit generativer KI in Unternehmen brachten keine messbare Wirkung auf das Ergebnis
MIT Project NANDA, Juli 2025
über 40 %
der agentischen KI-Projekte werden bis Ende 2027 gestoppt
Gartner, 25.06.2025, Umfrage N = 3.412
27×
teurer sind dieselben 1.000 Dokumente in einer Agentenschleife als mit einem einzigen Aufruf
eigene Rechnung, Anthropic-Preisliste 14.08.2026
Das konkrete Beispiel ist unser eigenes. Tausend Dokumente mit je einem strukturierten Extraktionsaufruf auf Claude Sonnet 5 kosten 8,70 USD. Dieselbe Arbeit in einer achtstufigen Agentenschleife, in der sich der Kontext von Schritt zu Schritt aufbaut, kostet 232 USD. Gleiches Modell, gleiche Aufgabe, siebenundzwanzigfache Rechnung. Den Preis eines Agenten bestimmt nicht das Modell, sondern die Zahl der Runden, und genau diese Zahl steht in kaum einem Angebot.
Gartner hat dem Phänomen einen Namen gegeben. Agent Washing heißt es, wenn ein vorhandener Chatbot, Assistent oder RPA-Roboter als Agent neu etikettiert wird; von mehreren tausend Anbietern hält Gartner rund 130 für echt (25.06.2025). Auf der Käuferseite ist das Spiegelbild die Bestellung eines Agenten für eine Aufgabe, die nie Schlussfolgern gebraucht hätte. Anthropic schreibt seit Dezember 2024 dasselbe: Für die meisten Aufgaben schlägt der vorgezeichnete Weg den autonomen Agenten.
Die deutschen Zahlen zeigen in dieselbe Richtung. Nach der Konjunkturumfrage des ifo Instituts (05.06.2026) setzen 54,5 Prozent der Unternehmen in Deutschland KI ein, aber nur 18,7 Prozent der Anwender entwickeln ein eigenes System. Vier von fünf nehmen also etwas Fertiges, und als Voreinstellung ist das richtig. Eigenentwicklung verdient ihren Platz dort, wo das Standardprodukt endet: bei den eigenen Daten, dem eigenen Prozess, dem ERP oder der Lagerverwaltung.
Was verlangt der deutsche Markt zusätzlich?
Drei Dinge, die in der Technikentscheidung selten auftauchen und im Einkauf jedes Mal: einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO, eine belastbare Aussage zum Ort der Datenverarbeitung und die Kennzeichnung nach Artikel 50 EU AI Act. Die größte externe Hürde ist dabei der Datenschutz, nicht die Technik.
Bitkom hat im März 2026 telefonisch 604 Unternehmen ab 20 Beschäftigten befragt: 41 Prozent setzen KI ein, ein Jahr zuvor waren es 17 Prozent, und 77 Prozent nennen Datenschutzanforderungen als größte externe Hürde. Im Cloud Report desselben Hauses (17.06.2026, 603 Unternehmen) sagen 98 Prozent, dass die Herkunft des Anbieters zählt; 91 Prozent würden einen deutschen und 68 Prozent einen EU-Anbieter bevorzugen, während heute 71 Prozent einen US-Anbieter nutzen. Klären Sie die Hosting-Frage deshalb vor der Werkzeugfrage, sonst fällt die Entscheidung später gegen eine fertige Architektur.
Bei den Fristen lohnt Genauigkeit, weil viele Übersichten im Netz veraltet sind. Artikel 50 gilt seit dem 2. August 2026. Die Änderungsverordnung (EU) 2026/1744, in Kraft seit dem 27. Juli 2026, hat daran nichts geändert und allein die Hochrisiko-Pflichten verschoben: Anhang III auf den 2. Dezember 2027, Anhang I auf den 2. August 2028. Der Bußgeldrahmen für Verstöße gegen Artikel 50 liegt bei 15 Mio. EUR oder 3 Prozent des weltweiten Jahresumsatzes, je nachdem, welcher Betrag höher ist; bei KMU und Start-ups gilt nach Art. 99 Abs. 6 der niedrigere Wert.
Wann müssen Sie mehrere der vier kombinieren?
Fast immer. Ein produktives Unternehmenssystem besteht selten aus einer Technologie. Das Muster, das trägt, ist geschichtet: Der Chatbot ist die Oberfläche, der Workflow das Rückgrat, RPA der letzte Meter in ein System ohne Schnittstelle, und der Agent sitzt nur an der einen Stelle, an der der nächste Schritt wirklich offen ist.
Eine typische Dokumentenstrecke sieht bei uns so aus. n8n beobachtet das Postfach und bewegt die Dateien, ein strukturierter LLM-Aufruf holt die Daten heraus, ein deterministischer Prüfschritt kontrolliert Partnercode und Betrag, und nur die durchgefallenen Positionen gehen in eine Agentenschleife, in der das Modell sucht, abgleicht und einen Vorschlag macht. Vor jeder Zahlung steht eine Freigabe durch einen Menschen. Diese Schichtung zieht den siebenundzwanzigfachen Kostenabstand auf den Anteil der Ausnahmen zusammen.
Die Freigabe ist übrigens kein optionales Extra. Bei Zahlungen, bei Nachrichten an Kunden und bei Änderungen an Echtdaten bauen wir sie grundsätzlich ein. Auf der Low-Code-Ebene liefert das der Freigabeschritt von n8n 2.0, im Code ein unterbrechbarer LangGraph-Graph. Wie beide Ebenen zusammenpassen, behandelt unser Vergleich von n8n und LangChain; die vollen Zwölfmonatskosten der drei klassischen Ebenen rechnet unser Beitrag zu Chatbot, n8n und eigenem Agenten durch.
Zusammenfassung und häufige Fragen
Worin unterscheidet sich ein KI-Agent von einem Chatbot?
Ein Chatbot beantwortet Fragen: Eingabe ist ein Satz, Ausgabe ist Text. Ein KI-Agent bekommt ein Ziel und wählt zur Laufzeit selbst, welches Werkzeug er als nächstes aufruft, und führt danach eine Aktion in einem anderen System aus. Sobald hinter der Chatoberfläche in ein ERP oder CRM geschrieben wird, ist es ein Agent.
Ersetzen KI-Agenten die RPA?
Nein, beide lösen verschiedene Probleme. RPA existiert, damit Sie ein System ohne Schnittstelle über den Bildschirm erreichen. Ein Agent existiert, damit der nächste Schritt bei wechselnder Eingabe entschieden werden kann. In der Praxis sehen wir meist die Kombination: Der Agent entscheidet, das RPA-Skript ist der Arm ins Altsystem.
Reicht n8n für ein produktives System am Kunden?
Für interne Automatisierung und zum Verbinden von Systemen ja. Für einen kritischen Kern am Kunden nein: Es fehlen versionierter Code, Unit- und Integrationstests, CI/CD sowie Rechte auf Feldebene. n8n 2.0 brachte im Januar 2026 einen Agent-Node und einen Freigabeschritt, das Gedächtnis wird zwischen Läufen aber standardmäßig zurückgesetzt.
Was kostet ein KI-Agent im Vergleich zum Chatbot?
Unsere Spannen: Chatbot oder einfache Automatisierung 2.750 bis 8.250 EUR in vier bis sechs Wochen, RAG-Wissensdatenbank 8.250 bis 22.000 EUR in zwei bis vier Monaten, eigener Agent 13.750 bis 41.250 EUR in drei bis neun Monaten. Im Betrieb ist der Abstand größer: Dieselben 1.000 Dokumente kosten 8,70 USD mit einem Aufruf und 232 USD in einer achtstufigen Agentenschleife.
Woran erkenne ich, dass ich wirklich einen Agenten brauche?
An einer einzigen Frage: Können Sie jede Verzweigung des Prozesses vorab zeichnen? Wenn ja, brauchen Sie einen Workflow, auch mit einem LLM-Aufruf darin. Hängt der nächste Schritt von der eingehenden Nachricht ab und lässt sich nicht als endliche Regelmenge fassen, ist ein Agent gerechtfertigt. Anthropic empfiehlt für die meisten Aufgaben denselben vorgezeichneten Weg.
Müssen wir Kunden mitteilen, dass sie mit einer KI sprechen?
Ja. Die Transparenzpflichten nach Artikel 50 EU AI Act gelten seit dem 2. August 2026, und die Änderungsverordnung (EU) 2026/1744 hat daran nichts geändert. Verschoben wurden allein die Hochrisiko-Pflichten, für Anhang III auf den 2. Dezember 2027. Für Systeme, die vor August 2026 im Markt waren, endet die Kennzeichnungsfrist am 2. Dezember 2026.
Lässt sich ein KI-Agent in n8n bauen?
Als Prototyp ja, der Agent-Node beherrscht Werkzeugaufrufe und die Anbindung einer Vektordatenbank. Für den produktiven, kundenkritischen Kern gehört der Agent in Code, etwa LangGraph, Pydantic AI oder das Claude Agent SDK, weil dort dauerhafter Zustand, Tracing, Rollback und Testbarkeit liegen. Bewährt hat sich die Aufteilung: n8n als Integrationsschicht, Code als Agentenkern.
Wo liegen die Daten, wenn ein ungarischer Dienstleister baut?
Innerhalb der EU. Wir hosten in EU-Regionen, arbeiten mit einem Auftragsverarbeitungsvertrag nach Art. 28 DSGVO und übergeben den Quellcode. Für den deutschen Einkauf ist das kein Nebenpunkt: Laut Bitkom (März 2026, 604 Unternehmen ab 20 Beschäftigten) nennen 77 Prozent der Befragten Datenschutzanforderungen als größte externe Hürde bei KI.
Wenn Sie einen konkreten Prozess haben und nicht wissen, in welche Spalte er fällt, klärt das eine Aufnahme innerhalb einer Woche. Auf der Seite zur Prozessautomatisierung steht, was wir über die vier Ebenen hinweg liefern. Wenn Sie lieber eine Zahl möchten: Angebot anfordern, Antwort innerhalb von 24 Stunden.
Quellen
- Anthropic, Modellpreise (abgerufen 14.08.2026) und Building Effective Agents (Dezember 2024)
- n8n Preise, Zapier Preise und n8n.hu zum ungarischen Hosting-Markt (abgerufen 14.08.2026)
- Microsoft, Power-Automate-Preise und UiPath Preise (abgerufen 14.08.2026)
- Gartner, Pressemitteilung zu agentischer KI (25.06.2025, Umfrage N = 3.412) und MIT Project NANDA, The GenAI Divide (Juli 2025)
- Bitkom, Digitalisierung der Wirtschaft (11.03.2026, 604 Unternehmen ab 20 Beschäftigten) und Bitkom Cloud Report 2026 (17.06.2026, 603 Unternehmen)
- ifo Institut zur KI-Nutzung in Deutschland (05.06.2026) und Freelancer-Kompass 2026, Stundensätze (02.07.2026)
- Änderungsverordnung (EU) 2026/1744 (in Kraft 27.07.2026) und EU AI Act, Artikel 99 (abgerufen 14.08.2026)
- § 14 UStG zur elektronischen Rechnung und Ardent-Partners-Benchmarks zur Rechnungsverarbeitung (20.07.2026)
- MNB-Mittelkurs für die Umrechnung, 363,28 HUF je Euro (14.08.2026)