AI-Agent-Builder: Die 5 besten Tools, um KI-Agenten zu erstellen
Nils Knäpper29.10.2026
Wir vergleichen fünf Plattformen für die Erstellung von KI-Agenten anhand von Preisen, Nutzerbewertungen und der Frage, wie viel ein Agent allein entscheiden darf
Inhalt
- Was ist ein AI-Agent-Builder?
- Das sind die besten AI-Agent-Builder
- Wie funktioniert ein AI-Agent-Builder?
- Welche Vorteile bringen selbst gebaute KI-Agenten?
- Wie viel Autonomie sollte ein Agent bekommen?
- Was ein KI-Agent kostet: Preismodelle der AI-Agent-Builder im Vergleich
- Woran KI-Agenten-Projekte scheitern
- Den richtigen AI-Agent-Builder auswählen
- Häufige Fragen zu AI-Agent-Buildern
- Fazit: Der richtige AI-Agent-Builder für dein Unternehmen
Kaum ein Schlagwort hat die SaaS-Branche in den vergangenen Jahren so beschäftigt wie Agentic AI, und kaum eines ist so schnell zu einer eigenen Produktgattung geworden. Im Fahrwasser des Hypes entstanden Dutzende Plattformen mit dem Versprechen, dass Fachabteilungen ihre KI-Agenten künftig selbst bauen, ohne eine Zeile Code programmieren zu müssen.
Wir stellen die fünf am besten bewerteten AI-Agent-Builder auf OMR Reviews vor, mit Preisen und Nutzer*innen-Urteilen, erklären die sechs Bausteine, aus denen jeder Agent besteht, und gehen der Frage nach, wie viel Autonomie ein Agent überhaupt bekommen sollte.
Das Wichtigste in Kürze
- Ein AI-Agent-Builder ist eine Plattform, auf der Fachabteilungen KI-Agenten ohne Programmierung bauen, betreiben und überwachen, anders als fertige Agenten, die Anbieter*innen für einen festen Zweck liefern.
- Zu den bestbewerteten Tools der Kategorie auf OMR Reviews zählen awork, innoGPT, BOTfriends, SCALAN und LoyJoy (Stand November 2026): eine Projektmanagement-Plattform mit Agenten, ein KI-Arbeitsplatz, zwei Plattformen für den Kundenservice und ein reiner Agenten-Baukasten.
- Die Einstiegspreise reichen von 19,00 EUR bis 500,00 EUR pro Monat, weil die Anbieter*innen nach verschiedenen Modellen abrechnen: pro Kopf, pro Workspace, pro Agent und Konversation oder als begleitetes Projekt.
- Autonomie wird schrittweise vergeben: Ein neuer Agent startet am besten auf der Vorschlagsstufe und handelt erst selbst, wenn Rollen, Freigaben und Protokoll stehen.
Was ist ein AI-Agent-Builder?
Ein AI-Agent-Builder ist eine No-Code- oder Low-Code-Plattform, mit der Unternehmen eigene KI-Agenten erstellen, konfigurieren, testen und betreiben können. Statt Code zu schreiben, definiert man Ziel, Verhalten, Wissensquellen, Tools, Systemzugriffe und Regeln. Der Builder orchestriert daraus einen funktionsfähigen Agenten.
Der entscheidende Unterschied: Ein AI-Agent ist das Ergebnis, also eine Software, die ein Ziel erhält, selbst Schritte plant, Tools nutzt, Aktionen ausführt und Ergebnisse prüft. Ein AI-Agent-Builder ist dagegen das Werkzeug bzw. die Umgebung, mit der dieser Agent gebaut, angebunden und überwacht wird.
Anders als ein klassischer Chatbot antwortet ein KI-Agent nicht nur, er arbeitet auf ein Ergebnis hin. Er kann etwa eine Kundenanfrage verstehen, CRM-Daten prüfen, eine Erstattung anstoßen, den Datensatz aktualisieren und die Kundschaft informieren, idealerweise innerhalb klar definierter Guardrails.
Die wichtigsten Unterschiede
Chatbot | KI-Assistent | Workflow-Automation | KI-Agent | |
|---|---|---|---|---|
Hauptzweck | Fragen beantworten und Gespräche führen | Nutzer*innen bei Aufgaben unterstützen | Fest definierte Abläufe wiederholen | Ein Ziel eigenständig erreichen |
Auslösung | Nutzer schreibt eine Nachricht | Nutzer stellt eine Anfrage | Trigger oder Zeitplan | Ziel, Ereignis oder Nutzeranfrage |
Autonomie | Gering | Gering bis mittel | Gering: folgt festen Regeln | Hoch: plant und entscheidet selbst |
Entscheidungsfindung | Meist regelbasiert oder skriptbasiert | Kontextabhängig, aber reaktiv | Deterministisch: Wenn-dann-Logik | Dynamisch: plant, nutzt Tools, passt sich an |
Systemintegrationen | Selten bis begrenzt | Je nach Produkt möglich | Kernmerkmal | Kernmerkmal |
Typische Aktion | Antwortet auf eine Frage | Erstellt Text, fasst zusammen, empfiehlt | Verschiebt Daten oder startet Prozess | Führt mehrstufige Aufgabe end-to-end aus |
Beispiel-Aufgabe | „Wann ist meine Lieferung da?“ | „Fasse diese E-Mail zusammen.“ | „Bei neuer Bestellung E-Mail versenden.“ | „Prüfe die Reklamation, erstelle Gutschrift, aktualisiere CRM und informiere die Kund*innen.“ |
Kurz gesagt: Chatbots reden, Assistenten helfen, Automatisierungen wiederholen feste Schritte und KI-Agenten arbeiten zielgerichtet selbstständig. Ein AI-Agent-Builder ist die Plattform, mit der Letztere erstellt und sicher in Unternehmenssysteme eingebunden werden.
Das sind die besten AI-Agent-Builder
Die Reihenfolge folgt dem Ranking der Kategorie AI Agent Builders auf OMR Reviews, also dem OMR Score aus Bewertungen, Review-Anzahl und Aktualität, Stand November 2026.
Tool | OMR-Bewertung | Preis (Einstieg) | Hosting | Ideal für |
|---|---|---|---|---|
awork | 4,5 von 5 (1.335 Reviews) | ab 5,00 EUR pro Nutzer*in und Monat, AI-Paket ab 15,00 EUR pro Nutzer*in und Monat zusätzlich | Deutschland | Agenturen, die Agenten dort einsetzen wollen, wo ihre Projekte ohnehin laufen |
innoGPT | 4,7 von 5 (55 Reviews) | 19,00 EUR pro Monat | Deutschland (Frankfurt), On-premise möglich | Teams, die einen KI-Arbeitsplatz mit Assistenten-Baukasten und freier Modellwahl wollen |
BOTfriends | 4,7 von 5 (55 Reviews) | Pilot ab 500,00 EUR pro Monat | EU | Kundenservice mit hohem Anfragevolumen über Chat, Telefon und E-Mail, mit begleiteter Umsetzung |
SCALAN | 4,9 von 5 (4 Reviews) | ab 24,50 EUR pro Monat | Deutschland, Cloud | Fachbereiche, die selbst Agenten bauen, während IT und Management den Rahmen setzen |
LoyJoy | 4,8 von 5 (54 Reviews) | 390,00 EUR pro Monat | EU, Deutschland in höheren Tarifen | Kundenservice mit Chat- und Telefon-Agenten, vor allem in regulierten Branchen |
1. awork
awork ist eine Projektmanagement-Plattform für Agenturen, die mit dem Zusatzpaket awork AI auch KI-Agenten baut und betreibt. Die Agenten arbeiten auf dem Kontext, der in awork ohnehin liegt: Projekte, Aufgaben, Pläne, erfasste Zeiten, Dokumente und Kundeninformationen. Teams weisen einem Agenten Aufgaben zu wie einem Teammitglied, starten ihn nach Zeitplan, über ein Ereignis in awork, per Erwähnung in einem Kommentar oder aus Slack heraus. Für typische Agenturaufgaben gibt es Vorlagen, etwa einen Briefing-Agenten, der eingehende Briefings auf fehlende Angaben prüft, oder einen Angebots-Agenten, der aus Briefings Angebote erstellt und dabei die Teamkapazitäten berücksichtigt. Anders als bei den übrigen Tools ist der Agent hier kein eigenes Produkt, sondern ein Teammitglied im bestehenden Projektmanagement. Für Agenturen, die awork bereits nutzen, entfällt damit die Anbindung an ein weiteres System.
Wichtigste Funktionen:
- Agenten aus Vorlagen für Agenturaufgaben (Briefing, Persona, Brand Safety, Planung, Angebot) oder per Beschreibung selbst bauen
- Start über Aufgabenzuweisung, Zeitplan, Automatisierung, Kommentar oder Slack
- Agenten sehen nur, was die jeweilige Person sehen darf, Aktionen laufen erst nach Bestätigung, jeder Schritt bleibt nachvollziehbar
- Modellunabhängig, Websuche und weitere Quellen über MCP-Konnektoren
- KI-Nutzung pro Projekt und Kund*in auswertbar, etwa für die Weiterberechnung
Geeignet für: Agenturen und projektbasierte Teams, die KI-Agenten direkt in ihre Projektarbeit einbinden wollen, statt ein separates Agenten-Tool einzuführen.
Preise: awork kostet bei jährlicher Abrechnung im Basic-Tarif 5,00 EUR, im Standard-Tarif 11,00 EUR und im Professional-Tarif 19,00 EUR pro Nutzer*in und Monat, Enterprise gibt es auf Anfrage. Die Agenten stecken im Zusatzpaket awork AI, das ab 15,00 EUR pro Nutzer*in und Monat mit 1.750 awork Credits kostet. Größere Credit-Kontingente liegen bei 30,00, 60,00 und 120,00 EUR pro Nutzer*in und Monat. Die kostenlose Testphase dauert 14 Tage.
Das sagen Nutzer*innen auf OMR Reviews:
Stärken | Potenziale |
|---|---|
Klare, moderne Oberfläche, neue Teammitglieder finden sich schnell zurecht | Dashboards lassen sich nur begrenzt individuell anpassen |
Aufgaben, Zeiterfassung und Teamplanung sind direkt miteinander verknüpft | Die mobile App eignet sich eher für kurze Checks als für die Projektpflege |
Automatisierungen und KI helfen, auch in langen Projekten den Überblick zu behalten | Automatisierungen kennen keine verschachtelten Bedingungen |
„Wir nutzen awork in der Filmproduktion und können selbst in größeren Produktionen, die 2 Jahre und länger dauern, vor allem dank der Automatisierungen, dem Einsatz von KI und selbst definierbaren Abhängigkeiten zwischen den Aufgaben abteilungsübergreifend sowie auch mit Externen den Überblick über alle Tasks, Deadlines und Prios behalten.“ – Daniel, Head of Legal and Business Affairs bei PROGRESS Film GmbH, LOOKSfilm
2. innoGPT
innoGPT kommt aus Deutschland und bündelt mehr als 50 Sprachmodelle, darunter GPT, Claude, Gemini und DeepSeek, in einer Oberfläche. Nach eigenen Angaben arbeiten mehr als 1.000 Unternehmen damit, vom Mittelstand bis zum Konzern. Für den Agentenbau bietet die Software ein eigenes Modul: Teams stellen eigene KI-Assistenten für Vertrieb, HR oder Support zusammen oder greifen zu Vorlagen aus dem Assistenten-Marketplace. Wiederkehrende Aufgaben laufen dann zeitgesteuert oder auf ein Ereignis hin an. Anders als beispielsweise SCALAN, das nichts anderes tut als Agenten zu bauen, ist innoGPT in erster Linie ein KI-Arbeitsplatz und erst in zweiter ein Builder. Für Unternehmen, die beides unter einem Login haben wollen, ist genau das der Vorteil.
Wichtigste Funktionen:
- Über 50 Modelle in einer Oberfläche, Wechsel pro Aufgabe möglich
- Assistenten-Baukasten mit Marketplace-Vorlagen und Automatisierung per Zeitplan oder Ereignis
- Über 1.000 Integrationen (Outlook, SharePoint, Google Drive, Slack, Notion), nativer MCP-Support und API
- Canvas mit Export nach Word, PowerPoint und Excel, Websuche und Deep Research
- Hosting in Frankfurt am Main, ISO 27001, Auftragsverarbeitungsvertrag direkt im Konto, kein Training mit Kundendaten
Geeignet für: Mittelstand und Konzerne, die ihren Beschäftigten einen datenschutzkonformen KI-Arbeitsplatz geben und darin nach und nach eigene Assistenten aufbauen wollen.
Preise: Der Personal-Tarif kostet 19,00 EUR pro Monat. Der Business-Tarif liegt bei 25,00 EUR pro Nutzer*in und Monat, deckt bis zu 1.000 Nutzer*innen ab und bringt Single Sign-on sowie eine automatische Nutzerverwaltung über SCIM und SAML mit. Für mehr Spielraum bei Premium-Modellen gibt es die Lizenz Business Max für 109,00 EUR pro Nutzer*in und Monat. Für mehr als 1.000 Nutzer*innen und den Betrieb im eigenen Rechenzentrum gibt es einen Enterprise-Tarif auf Anfrage. Testen lässt sich innoGPT 7 Tage kostenlos, in der Testphase allerdings nur mit Standard-Modellen.
Das sagen Nutzer*innen auf OMR Reviews:
Stärken | Potenziale |
|---|---|
Alle gängigen Modelle DSGVO-konform unter einem Dach, ein Abo statt vieler | Gelegentliche Fehlermeldungen, Antworten brauchen teils länger als in den nativen ChatGPT- oder Claude-Oberflächen |
Schnell erreichbarer Support, Funktionswünsche landen zügig in der Roadmap | Eigene Assistenten brauchen teils mehrere Anläufe, bis sie die gewünschten Ergebnisse liefern |
Prompt-Builder und Assistenten-Marketplace erleichtern den Einstieg | Einführung im Unternehmen braucht mehr Schulung als eine kurze Vorstellung |
„Besonders überzeugend an diesem eigenen LLM-System ist der hohe Datenschutzstandard: Die Daten werden DSGVO-konform verschlüsselt und nicht für Trainingszwecke genutzt, was gerade im Unternehmenskontext ein entscheidender Vertrauensfaktor ist.“ – Sabrina, Referentin der Geschäftsführung bei avanca GmbH
3. BOTfriends
BOTfriends baut KI-Agenten für Unternehmen mit vielen Serviceanfragen, etwa Stadtwerke, Verkehrsbetriebe, Tourismusanbieter und Onlinehändler. Auf der Plattform BOTfriends X kannst du verschiedene Agenten erstellen, zum Beispiel für die Anrufannahme, das Sortieren eingehender E-Mails oder eine Buchung im CRM. Ein zentraler Orchestrator entscheidet, welcher Agent wann übernimmt, und gibt den Gesprächskontext weiter. Die Wissensbasis entsteht aus Help-Center-Seiten, FAQ-URLs oder PDFs, Abläufe werden in einem Drag-and-Drop-Editor modelliert. Gegenüber LoyJoy, das ebenfalls an der Kundenschnittstelle arbeitet, setzt BOTfriends stärker auf begleitete Umsetzung: Ein Projektteam bindet die Systeme an und bringt den ersten Agenten gemeinsam mit der Kundschaft live.
Wichtigste Funktionen:
- Agenten für Chat, Telefon und E-Mail auf einer Plattform, Ausspielung auf beliebigen Kanälen
- Orchestrierung mehrerer spezialisierter Agenten mit Übergabe des Kontexts
- Wissensbasis aus Help Center, FAQ-Seiten und PDFs, Drag-and-Drop-Editor für Abläufe
- Sprachmodell und feste Regeln kombinierbar, Anbindung an eigene Systeme per API
- Übergabe an den Live-Chat mit Mitarbeitenden, Hosting in der EU, ausgelegt auf DSGVO, EU AI Act und Barrierefreiheitsstärkungsgesetz
Geeignet für: Kundenservice-Teams mit vielen gleichartigen Anfragen über Telefon, Chat und E-Mail, die Anbindung und Einrichtung nicht allein stemmen wollen.
Preise: Die kostenlose Testphase dauert 14 Tage, darin modelliert BOTfriends gemeinsam mit der Kundschaft einen ersten Agenten. Der Pilot zur Validierung des ersten Anwendungsfalls kostet ab 500,00 EUR pro Monat, die Kosten werden später voll angerechnet. BOTfriends X für den produktiven Betrieb, mit dediziertem Projektmanagement und fester Expert*innen-Kapazität, beginnt bei 3.000,00 EUR pro Monat.
Das sagen Nutzer*innen auf OMR Reviews:
Stärken | Potenziale |
|---|---|
Chat und Phonebot aus einer Hand, laut einer Bewertung ließ sich damit ein externes Callcenter ablösen | Im Telefonkanal wirken Pausen und Stimmen teils noch nicht natürlich |
Sprachmodell-Agenten und feste Abläufe lassen sich mischen, etwa für die Kundenauthentifizierung | Das eingebaute Reporting ist für erweiterte Auswertungen noch ausbaufähig |
Schnell erreichbares Projektteam, Kundenwünsche fließen in die nächsten Releases ein | Der Konfigurator ist komplex, ohne Schulung über die Academy geht es kaum |
„Im Agent Builder kann man LLM-Agenten und feste Abläufe gut mischen. Bei uns läuft so z. B. die Kundenauthentifizierung, ohne dass der Bot im Gespräch steif wirkt.“ – Alexander, CIO bei Fröling GmbH
4. SCALAN
SCALAN ist eine deutsche No-Code-Plattform zum Bauen und Betreiben individueller KI-Agenten in kleinen und mittleren Unternehmen. Der Einstieg läuft über einen Assistenten namens Henri: Statt einen Workflow grafisch aus Knoten und Verbindungen zusammenzuklicken, beschreibt die Fachabteilung Ziel, Regeln, benötigte Informationen und Freigabepunkte als lesbaren Text. Diese Beschreibung ist bei SCALAN zugleich die ausführbare Automatisierung und bleibt für Prüfung, Zusammenarbeit und spätere Anpassungen verständlich.
Wichtigste Funktionen:
- Agenten per Text mit dem Assistenten Henri bauen, ohne Code
- Governance-Rahmen: Rollen, Rechte, erlaubte Aktionen, Modell- und Kostenkontrolle zentral
- Vollständige Interaktionshistorie und Audit-Export im Team-Tarif
- Modelle von OpenAI, Anthropic und Google DSGVO-konform wählbar, pro Prozess wechselbar
- Agenten über WhatsApp, Telegram, Slack oder Microsoft Teams ansprechen
Geeignet für: Mittelstand und KMU, die Agenten für interne Abläufe bauen wollen und dabei Wert darauf legen, dass IT und Geschäftsführung jederzeit sehen, was die Agenten tun und kosten.
Preise: Der Solo-Tarif beginnt bei 24,50 EUR pro Monat und erlaubt einer Person unbegrenzt viele Agenten. Der Team-Tarif ab 129,00 EUR pro Monat öffnet den Workspace für unbegrenzt viele Nutzer*innen und bringt rollenbasierte Berechtigungen, eine Admin-Konsole und den Audit-Export mit. Enterprise mit individuellen Credit-Kontingenten, Single Sign-on und garantierten Service-Levels gibt es auf Anfrage.
Das sagen Nutzer*innen auf OMR Reviews:
Stärken | Potenziale |
|---|---|
Agenten entstehen textbasiert mit Henri, auch Laien kommen laut Reviews zurecht | Fertige Branchen-Agenten zum schnelleren Start fehlen |
Jede Aktion ist nachvollziehbar, der definierte Prozess begrenzt, was die KI tun darf | Einzelne Tool-Anbindungen fehlten anfangs und wurden auf Wunsch nachgeliefert |
Modellwahl pro Prozess, laut einer Bewertung über eine gesparte Arbeitsstunde pro Tag |
„Das User Interface ist sehr benutzerfreundlich und einfach zu verstehen, da es kein Code enthält. Mithilfe von dem Agenten Henri kann man sehr einfach KI Agenten bauen, da diese nur textbasiert sind.“ – Marianne, Accounting & Marketing Specialist bei Batavia Investment GmbH
5. LoyJoy
LoyJoy ist auf die Kundenschnittstelle spezialisiert. Fachabteilungen definieren KI-Agenten für Chat und Telefon ohne Programmierung, binden Wissen und Prozesse über ein visuelles Prozessdesign nach BPMN (Business Process Model and Notation, eine grafische Notation für Geschäftsprozesse) sowie über das Model Context Protocol an. Die Agenten erledigen Vorgänge wie Schadensmeldung, Terminbuchung oder Beratung bis zum Abschluss. Das Unternehmen ist seit 2018 am Markt und nennt mehr als 100 große Kund*innen, darunter die R+V Versicherung, TRUMPF, Vaillant, Melitta und die Deutsche Telekom. Während SCALAN Agenten für die Arbeit nach innen baut, richtet sich LoyJoy an Endkund*innen, und zwar bevorzugt in regulierten Branchen.
Wichtigste Funktionen:
- No-Code-Agenten für Chat und Telefon in 39 Sprachen
- MCP-Server in allen Tarifen, Prozessdesign nach BPMN 2.0 mit über 100 Modulen, API und WhatsApp-Anbindung ab dem Professional-Tarif
- Fallabschließende Bearbeitung statt Auskunft, Live-Chat für die Übergabe an Mitarbeitende
- Ausgelegt auf DSGVO, EU AI Act, DORA (die EU-Verordnung zur IT-Sicherheit im Finanzsektor) und Barrierefreiheitsstärkungsgesetz, EU-Hosting
- Wissenssuche und Live-Chat in allen Tarifen
Geeignet für: Kundenservice-, Vertriebs- und Marketingteams in Versicherungen, Banken, Industrie und Handel, bei denen viele gleichartige Anliegen auflaufen und die diese vollständig automatisieren wollen.
Preise: Der Starter-Tarif kostet 390,00 EUR pro Monat im Jahresvertrag und enthält 2 Agenten für Chat und Telefon, 2 Nutzer*innen, 1.000 Chat-Konversationen pro Monat und 100 Telefonminuten. Professional kostet 1.490,00 EUR pro Monat und erweitert auf 10 Agenten, 15 Nutzer*innen, 5.000 Konversationen, 500 Telefonminuten, BPMN-Workflows, API und WhatsApp. Jede weitere Konversation kostet 0,25 EUR, jede weitere Telefonminute 0,29 EUR. Enterprise mit DORA-Compliance, Data-Warehouse-Anbindung und persönlichem Account Manager gibt es auf Anfrage. Die Testphase dauert 30 Tage.
Das sagen Nutzer*innen auf OMR Reviews:
Stärken | Potenziale |
|---|---|
Drag-and-Drop-Oberfläche und BPMN-Editor decken auch komplexe Prozesse ab | Einrichtung und inhaltliche Feinabstimmung dauern anfangs länger als erwartet |
Support macht proaktiv Optimierungsvorschläge für den eigenen Use Case | Keine Release-Pipeline: Änderungen gehen sofort live, eine Versionierung fehlt |
Ohne große IT-Ressourcen schnell auf Live-Traffic | CRM-Integrationen und Report-Exporte im Analytics-Bereich ausbaufähig |
„Bereits kurz nach dem Go-live wurde unser Chatbot sehr gut angenommen und intensiv genutzt. Besonders überzeugt hat uns die hohe Qualität der Antworten sowie die Fähigkeit des Systems, Nutzerinnen und Nutzer zielgerichtet bei unterschiedlichen Anliegen zu unterstützen.“ – Markus, Teamleitung Digitale Kommunikation bei CJD - Das Bildungs- und Sozialunternehmen
Wie funktioniert ein AI-Agent-Builder?
Jeder Agent besteht aus denselben sechs Bausteinen, unabhängig von der Plattform. Die Builder unterscheiden sich darin, wie viel davon sie vorkonfigurieren und wie viel du selbst einstellen musst.
- Das Ziel und die Anweisung legen fest, was der Agent erreichen soll und was er dabei auf keinen Fall tun darf: Je präziser das Ziel formuliert ist, desto seltener greift der Agent zu einem Werkzeug, das niemand gemeint hat.
- Das Sprachmodell versteht die Anfrage, plant die Schritte und formuliert die Antwort: awork, innoGPT und SCALAN lassen die Wahl zwischen Modellen verschiedener Anbieter*innen offen, statt sich auf eines festzulegen. Das ist mehr als Komfort. Für die Klassifizierung eines Tickets reicht oft ein günstiges, schnelles Modell, die Beratung mit Rückfragen verlangt ein stärkeres. Die Modellwahl pro Prozess entscheidet damit unmittelbar über Kosten und Qualität.
- Die Wissensquelle liefert die Fakten, die das Modell nicht kennt: Technisch steckt dahinter Retrieval-Augmented Generation, kurz RAG: Der Agent sucht in Handbüchern, Confluence-Seiten oder Produktdaten die passenden Passagen heraus und gibt sie dem Modell als Kontext mit. Fehlt eine saubere Quelle, antwortet der Agent aus dem Trainingswissen des Modells, und in dem kommen Firmeninterna nicht vor.
- Werkzeuge und Integrationen machen aus dem Antwortgeber einen Handelnden: Ein Werkzeug ist eine Aktion, die der Agent auslösen darf: einen Datensatz im CRM anlegen, einen Termin buchen, eine E-Mail verschicken. Als gemeinsamer Anschluss dafür hat sich das Model Context Protocol (MCP) etabliert. In der Praxis heißt das: Ein System, das einen MCP-Server anbietet, lässt sich ohne eigene Schnittstellenentwicklung anbinden.
- Regeln und Grenzen legen fest, was der Agent allein darf und wo er nachfragen muss: Dazu gehören Rollen und Rechte, erlaubte Aktionen, Budgetgrenzen und die Eskalation an einen Menschen. SCALAN steuert das zentral über die Admin-Konsole, awork lässt Aktionen erst nach Bestätigung laufen, BOTfriends und LoyJoy halten mit dem Live-Chat einen Weg zu menschlichen Mitarbeitenden offen. Dieser Baustein bekommt weiter unten ein eigenes Kapitel, weil er in der Praxis über Erfolg oder Abbruch entscheidet.
- Der Kanal bestimmt, wo Menschen dem Agenten begegnen: Im Website-Chat, am Telefon, per E-Mail, in WhatsApp, Slack oder Microsoft Teams, oder gar nicht, weil der Agent im Hintergrund auf ein Ereignis reagiert. BOTfriends, LoyJoy und SCALAN bringen Chat- und Messenger-Kanäle mit, awork und innoGPT starten Agenten auch nach Zeitplan.
Vom leeren Editor zum ersten Agenten führen in allen fünf Tools ähnliche Schritte: einen eng umrissenen Prozess auswählen, das Ziel formulieren, eine Wissensquelle und ein bis zwei Werkzeuge anbinden, den Agenten zunächst nur Vorschläge machen lassen und Aktionen erst freigeben, wenn er sich an echten Fällen bewährt hat. Wie lange das dauert, hängt nach Nutzer*innen-Angaben stark vom Prozess ab, zwischen einem Tag und einigen Wochen. LoyJoy-Nutzer*innen nennen die inhaltliche Feinabstimmung als den größten Posten.
Warum sich dieser Aufwand lohnt, zeigt ein Blick auf die Vorteile:
Welche Vorteile bringen selbst gebaute KI-Agenten?
Selbst gebaute KI-Agenten übernehmen wiederkehrende, regelorientierte Aufgaben dort, wo Mitarbeiter*innen sonst manuell zwischen Systemen, Dokumenten und Anfragen wechseln müssen. Sie arbeiten rund um die Uhr, folgen dabei den unternehmenseigenen Prozessen und entlasten Teams von Routinearbeit, ohne die Verantwortung für kritische Entscheidungen aus der Hand zu geben.
- Zeitersparnis: Routineaufgaben wie Recherche, Datenerfassung, Zusammenfassungen oder Standardantworten laufen schneller und ohne manuelle Zwischenschritte.
- Kostensenkung: Weniger manuelle Bearbeitung pro Vorgang senkt Prozesskosten, besonders bei hohem Anfrage- oder Dokumentenvolumen.
- Skalierbarkeit: Agenten bearbeiten Spitzenlasten parallel, ohne dass zusätzliche Mitarbeiter*innen kurzfristig eingearbeitet werden müssen.
- 24/7-Verfügbarkeit: Anfragen, Prüfungen und Benachrichtigungen können auch außerhalb der Arbeitszeiten bearbeitet werden.
- Konsistente Qualität: Definierte Regeln, Wissensquellen und Prüfschritte sorgen dafür, dass vergleichbare Fälle nach demselben Standard behandelt werden.
- Weniger Fehler durch manuelle Übergaben: Direkte Anbindung an CRM, ERP, Ticketing oder Dokumentenablagen reduziert Copy-&-Paste-Fehler und Dateninseln.
- Schnellere Reaktionszeiten: Anfragen werden sofort triagiert, beantwortet oder an die richtige Person weitergeleitet.
- Fokus auf wertschöpfende Arbeit: Mitarbeitende haben mehr Zeit für komplexe Fälle, Kundenkontakt, Beratung und Verbesserungen.
- Unternehmensspezifisches Wissen: Selbst gebaute Agenten nutzen interne Dokumente, Prozesse und Systeme statt nur allgemeinem Modellwissen.
- Kontrollierbarkeit: Zugriffe, Modellwahl, Kosten, Freigaben und Audit-Trails lassen sich zentral steuern, was den sicheren Betrieb im Unternehmen erleichtert.
Wie viel Autonomie sollte ein Agent bekommen?
Autonomie ist keine Frage von Ja oder Nein, sondern der Abstufungen. Bewährt hat sich, drei davon zu unterscheiden und jeden neuen Agenten bewusst auf einer davon zu starten. Welche Stufe passt, hängt davon ab, wie teuer ein Fehler wäre und wie gut sich der Vorgang in Regeln fassen lässt:
Stufe 1: Der Agent entwirft, ein Mensch führt aus
Der Agent schreibt etwa die Antwort auf ein Ticket, die zuständige Person liest, korrigiert und sendet. Für jeden neuen Agenten ist das der richtige Start, weil sich hier zeigt, wo er irrt, ohne dass ein Fehler nach außen dringt.
Stufe 2: Der Agent handelt, holt aber vor bestimmten Aktionen eine Bestätigung ein
Eine Terminbuchung erledigt er allein, eine Rückerstattung beispielsweise erst nach Freigabe durch einen Menschen.
Stufe 3: Der Agent handelt vollständig allein und meldet nur das Ergebnis
Das eignet sich für Vorgänge mit klaren Regeln und geringem Schaden im Fehlerfall, etwa das Anreichern eines CRM-Datensatzes. Für Vorgänge mit potenziellen rechtlichen oder finanziellen Folgen ist diese Stufe dagegen selten die richtige.
Checkliste: Diese Governance-Bausteine sollten vor dem ersten produktiven Agenten stehen
- Rollen und Rechte: Wer darf Agenten bauen, wer darf sie nur nutzen, und auf welche Daten greift ein Agent zu?
- Erlaubte Aktionen: Welche Schritte darf der Agent allein ausführen, und welche brauchen eine Freigabe?
- Kostenkontrolle: Gibt es Budgets pro Agent oder Abteilung, damit ein Agent in einer Schleife nicht das Monatsbudget aufbraucht?
- Audit-Trail: Hält ein Protokoll für jede Aktion fest, welches Modell mit welchen Daten was entschieden hat?
- Änderungsprozess: Werden Änderungen am Agenten erst getestet und dann freigegeben, oder gehen sie sofort live?
- Übergabe an Menschen: Gibt es einen festen Weg, auf dem ein Fall an Mitarbeitende geht, wenn der Agent nicht weiterkommt?
Hinzu kommt der rechtliche Rahmen. Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung: Wer ein KI-System einsetzt, das direkt mit Menschen interagiert, muss dafür sorgen, dass diese erkennen können, dass sie mit einer KI sprechen, sofern das nicht ohnehin offensichtlich ist. Für Chat- und Telefon-Agenten läuft das meist auf einen klaren Hinweis zu Beginn des Gesprächs hinaus. Artikel 4 verpflichtet Unternehmen, die KI einsetzen, außerdem dazu, den Aufbau von KI-Kompetenz im Team zu unterstützen, in der Fassung nach dem Digital Omnibus.
Was ein KI-Agent kostet: Preismodelle der AI-Agent-Builder im Vergleich
Die Einstiegspreise der fünf Tools liegen zwischen 19,00 EUR und 500,00 EUR pro Monat. Direkt vergleichen lassen sich diese Zahlen nicht, weil dahinter verschiedene Abrechnungsmodelle stehen, die bei wachsender Nutzung unterschiedlich skalieren. Am Markt haben sich fünf Modelle durchgesetzt:
- Preis pro Nutzer*in: Abgerechnet wird jeder Platz, unabhängig davon, wie viel die Person mit der KI arbeitet. innoGPT rechnet so ab, awork zusätzlich für das AI-Paket. Das Modell ist günstig, wenn wenige Menschen viel mit der KI arbeiten, und wird teuer, wenn die ganze Belegschaft Zugang braucht, aber nur ein Teil ihn nutzt.
- Pauschale pro Workspace mit Credits: Ein Festpreis deckt beliebig viele Nutzer*innen ab, die Nutzung wird über ein Credit-Kontingent begrenzt. SCALAN rechnet im Team-Tarif so ab. Das passt, wenn viele Kolleg*innen wenige Agenten nutzen, und wird teuer, sobald das Volumen die enthaltenen Credits übersteigt.
- Preis pro Agent und Volumen: Der Tarif legt fest, wie viele Agenten laufen und wie viele Konversationen oder Telefonminuten enthalten sind, darüber hinaus wird pro Einheit abgerechnet. LoyJoy arbeitet nach diesem Modell. Es rechnet sich, wenn ein Agent viele Kund*innen bedient, und weniger, wenn viele kleine Agenten für Nischenfälle gebraucht werden.
- Begleitetes Projekt mit Monatspauschale: Das Softwareunternehmen baut und betreibt die Agenten gemeinsam mit seiner Kundschaft, im Preis stecken Plattform und Projektkapazität. BOTfriends staffelt so nach Pilot und Produktivbetrieb. Das Modell lohnt sich, wenn intern keine Kapazität für Anbindung und Pflege da ist, und ist zu groß für einen ersten Versuch mit einem einfachen Prozess.
- Preis auf Anfrage: awork, innoGPT, SCALAN und LoyJoy haben einen Enterprise-Tarif ohne Listenpreis, BOTfriends nennt auch für den Produktivbetrieb einen Ab-Preis. Hier werden Volumen, Service-Levels und Compliance-Anforderungen individuell verhandelt, was für große Organisationen sinnvoll ist und einen schnellen Start ohne Vertriebsgespräch ausschließt.
Woran KI-Agenten-Projekte scheitern
Bleibt ein Agenten-Projekt im Pilot stecken, liegt das selten allein an der Technik. Häufiger fehlt ein klarer Zuschnitt, ein belegbarer Nutzen oder ein Rahmen, in dem der Agent handeln darf. Drei Muster tauchen dabei immer wieder auf, auch in den Bewertungen auf OMR Reviews.
1
Der Zuschnitt ist zu groß
Ein Agent, der alles auf einmal können soll, hat weder ein messbares Ziel noch eine klare Grenze.
Er greift zu vielen Werkzeugen, erzeugt viele Fälle für die Nachkontrolle und rechnet sich am Ende nicht. Bewährt hat sich ein Prozess mit hohem Volumen und klaren Regeln, etwa Adressänderungen, und erst nach messbarem Erfolg der nächste.
2
Der Nutzen ist nicht definiert
Ohne Ausgangswert kann kein Agent zeigen, was er einspart.
Vor dem Start sollte feststehen, wie lange ein Vorgang heute dauert und wie viele Vorgänge im Monat anfallen. Diese zwei Werte reichen meist, um nach dem Pilot belastbar zu vergleichen.
3
Die Risikokontrolle fehlt
Ohne Freigabeprozess bleibt der Agent dauerhaft auf der Vorschlagsstufe.
Dort spart er wenig und verursacht trotzdem Kosten. Erlaubte Aktionen, Budgets und ein Protokoll aller Schritte sind deshalb die Voraussetzung dafür, dass der Agent selbst handeln darf.
Dazu kommt ein Problem auf Anbieterseite, das unter dem Begriff Agent Washing diskutiert wird: Bestehende Produkte wie Chatbots, KI-Assistenten oder RPA-Tools (Robotic Process Automation, also regelbasierte Klick-Automatisierung) werden als Agenten neu etikettiert, ohne dass sie planen, Werkzeuge wählen oder handeln könnten. Vier Prüffragen helfen im Verkaufsgespräch weiter: Kann der Agent ein Ziel in Schritte zerlegen, statt einem festen Ablauf zu folgen? Kann er in anderen Systemen handeln und nicht nur antworten? Lässt sich nachvollziehen, welche Schritte er warum gemacht hat? Und lässt sich festlegen, was er ohne Freigabe darf?
Gegen alle diese Ursachen helfen dieselben Gegenmittel: ein eng umrissener Pilotprozess mit gemessenem Ausgangswert, ein Start auf der Vorschlagsstufe, ein Governance-Rahmen vor dem ersten produktiven Agenten und ein Preismodell, das zur erwarteten Nutzung passt. Genau diese Punkte gehören in die Auswahl.
Den richtigen AI-Agent-Builder auswählen
Die fünf Tools in diesem Vergleich lösen unterschiedliche Aufgaben. Ein bestes für alle gibt es deshalb nicht. Sechs Kriterien haben sich in den Bewertungen und im Vergleich als entscheidend herausgestellt.
Der Bauweg muss zu der Person passen, die baut. No-Code über Text (SCALAN), Vorlagen (awork) oder Drag-and-Drop (LoyJoy, BOTfriends) richtet sich an Fachbereiche, ein BPMN-Editor setzt Prozessdenken voraus, eine API richtet sich an Entwickler*innen. BOTfriends übernimmt Anbindung und Einrichtung auf Wunsch gemeinsam mit der Kundschaft. Kläre, wer den Agenten pflegen wird, wenn der Pilot vorbei ist, und lass genau diese Person die Testphase bestreiten.
Hosting und Datenschutz entscheiden, welche Daten der Agent überhaupt sehen darf. Alle Tools bieten Serverstandorte in der EU oder in Deutschland, innoGPT zusätzlich den Betrieb im eigenen Rechenzentrum. Bei personenbezogenen Daten im Kundenservice kommt die Frage hinzu, ob die Sprachmodelle in Europa laufen und ob ein Auftragsverarbeitungsvertrag ohne Verhandlung zu haben ist.
Die Modellwahl sollte offen sein und pro Agent einstellbar. Ein fest verdrahtetes Modell bindet dich an ein einzelnes Unternehmen und dessen Preisentwicklung. awork, innoGPT und SCALAN erlauben den Wechsel, SCALAN sogar pro Prozess. Bei BOTfriends und LoyJoy lohnt die Nachfrage, welche Modelle hinter den Agenten arbeiten und ob sich ein eigener Modellzugang anbinden lässt.
Integrationen zählen nur, wenn sie deine Systeme betreffen. Eine Liste mit 1.000 Anbindungen sagt wenig, wenn das eigene ERP nicht darunter ist. Frag nach den drei Systemen, die der erste Agent braucht, und ob sie nativ, per MCP oder nur per API erreichbar sind. LoyJoy-Nutzer*innen wünschen sich zum Beispiel bessere CRM-Integrationen.
Governance-Funktionen müssen vor dem ersten produktiven Agenten stehen. Rollen, erlaubte Aktionen, Budgets, Audit-Trail und ein Freigabeprozess für Änderungen am Agenten gehören dazu. Fehlen sie, bleibt der Agent dauerhaft auf der Vorschlagsstufe stehen.
Das Preismodell muss zur erwarteten Nutzung passen, nicht zum Pilot. Rechne das Modell auf die Zahl der Beschäftigten oder Konversationen hoch, die nach einem Jahr realistisch ist, und vergleiche erst dann. Ein Pro-User-Preis, der im Pilot mit fünf Leuten günstig war, sieht beim unternehmensweiten Rollout anders aus.
Passt keines der fünf Tools, lohnt ein Blick auf die nächsten Plätze des Rankings.
Häufige Fragen zu AI-Agent-Buildern
Was unterscheidet einen AI-Agent-Builder von einem AI Agent Framework wie LangChain?
Ein Framework ist eine Programmbibliothek für Entwickler*innen. LangChain, LangGraph oder CrewAI liefern Bausteine, aus denen ein Team im Code eigene Agenten zusammensetzt, mit voller Kontrolle und vollem Betriebsaufwand. Ein Builder liefert ähnliche Bausteine als fertige Oberfläche samt Hosting, Rechteverwaltung und Protokoll. Frameworks lohnen sich, wenn Entwickler*innen vorhanden sind und der Agent tief in eigene Software eingebettet werden soll. Builder lohnen sich, wenn Fachbereiche bauen sollen und Governance von Anfang an dazugehören muss.
Was ist MCP, und warum spielt es bei der Auswahl eine Rolle?
Das Model Context Protocol ist ein offener Standard, der festlegt, wie KI-Anwendungen Werkzeuge und Daten aus anderen Systemen anbinden. Statt für jedes Paar aus Agent und System eine eigene Schnittstelle zu bauen, sprechen beide Seiten dasselbe Protokoll. Anthropic hat MCP im November 2024 vorgestellt, seit Dezember 2025 liegt es bei der Agentic AI Foundation der Linux Foundation. Ein Builder mit MCP-Support kann jedes System anbinden, das einen MCP-Server anbietet, ohne dass dafür eine eigene Schnittstelle entwickelt werden muss.
Brauche ich Programmierkenntnisse, um KI-Agenten zu erstellen?
Für die fünf Tools im Vergleich nicht. SCALAN baut Agenten aus Textbeschreibungen, awork aus Vorlagen oder einer kurzen Beschreibung der Aufgabe, LoyJoy und BOTfriends über visuelle Editoren, innoGPT über einen Assistenten-Baukasten. Gefragt ist stattdessen Prozesswissen: Den Ablauf, den der Agent übernehmen soll, musst du in Schritte, Regeln und Ausnahmen zerlegen können.
Wie lange dauert es, den ersten KI-Agenten zu bauen?
Das hängt vom Prozess ab, weniger vom Tool. Nutzer*innen von SCALAN berichten, dass erste Automatisierungen an einem Tag standen. LoyJoy-Kund*innen beschreiben Wochen für Einrichtung und Feinabstimmung eines Kundenservice-Agenten, weil dort Wissensbasis, Prozesslogik und Tonalität aufeinander abgestimmt werden müssen. Ein eng umrissener interner Prozess ist meist in Tagen produktiv, ein kundenseitiger Agent in regulierten Branchen eher in Wochen.
KI-Agent oder Custom GPT: Was reicht wofür?
Ein Custom GPT ist ein angepasster Chat mit eigenem Wissen und eigenen Anweisungen, der antwortet, aber nicht in anderen Systemen handelt. Für Wissensfragen, Textentwürfe und interne Hilfe reicht das oft aus. Sobald der Agent eine Buchung anlegen, einen Datensatz ändern oder einen Prozess bis zum Abschluss führen soll, braucht es Werkzeuge, Rechte und ein Protokoll, also einen Builder. Ähnlich verhält es sich mit klassischen Chatbots: Wie du einen Chatbot erstellst, haben wir separat beschrieben, für handelnde Agenten reicht dieser Weg nicht.
Fazit: Der richtige AI-Agent-Builder für dein Unternehmen
Der richtige AI-Agent-Builder ist selten die Plattform mit den meisten Funktionen. Er passt zu deinen Prozessen, deinem Sicherheitsbedarf und der technischen Kompetenz deines Teams. Entscheide daher anhand konkreter Anwendungsfälle: Welche wiederkehrenden Aufgaben sollen automatisiert werden, welche Systeme müssen angebunden werden und wo sind menschliche Freigaben unverzichtbar?
Prüfe insbesondere, ob Fachbereiche Agenten ohne Entwicklerkenntnisse erstellen und pflegen können, ob die Plattform deine vorhandenen Tools und Datenquellen sicher anbindet und ob du Zugriffe, Modellwahl, Kosten und Ausführungen zentral kontrollieren kannst. Ein Pilotprojekt mit einem klar messbaren Anwendungsfall ist der beste Weg: Starte klein, validiere Qualität, Integration und Governance und skaliere erst, wenn der Agent zuverlässig arbeitet.
Disclaimer: Alle Preise und Features basieren auf öffentlich verfügbaren Informationen aus den jeweiligen Produktseiten und OMR-Reviews-Profilen (Stand: November 2026). Änderungen durch die Anbieter*innen sind möglich.
Autor*In
Nils Knäpper
Nils ist Senior SEO-Texter bei OMR Reviews und im Content-Team die erste Adresse für KI-Themen. Er testet, wo sich Recherche, Analyse und Textproduktion automatisieren lassen, und baut die Workflows dafür selbst. Programmieren hat er nie gelernt. Das hält ihn nicht davon ab: Dank Vibe-Coding entsteht das meiste in Eigenbau. Abschalten geht trotzdem ohne KI, dann produziert er nämlich in Ableton Live Techno.
Dieser Artikel erscheint auf OMR Reviews – der führenden DACH-Plattform für B2B-Software-Bewertungen, Software-Vergleiche, Agenturen, Business Services und B2B-Tech-Content. Mit mehr als 80.000 verifizierten Bewertungen und 12.000+ gelisteten Tools hilft OMR Reviews Unternehmen dabei, passende Software-Lösungen und Dienstleister fundiert zu recherchieren, zu vergleichen und bessere Entscheidungen zu treffen.
