KI im Unternehmen · Teil 2 von 3
Teil 2: Vom Prompt zum Prozess: So arbeiten Skills, Plugins und KI-Agenten zusammen
Ein guter Prompt kann eine hilfreiche Antwort erzeugen. Ein funktionierender Unternehmensprozess braucht zusätzlich aktuelle Daten, nachvollziehbare Regeln und klare Zuständigkeiten. An einer Angebotsvorbereitung lässt sich zeigen, welche Aufgaben Skills, Plugins und Agenten dabei übernehmen.
Nehmen wir ein fiktives Handelsunternehmen. Ein Kunde schreibt:
„Wir benötigen die gleiche Ausstattung wie beim letzten Auftrag, diesmal für 25 Arbeitsplätze. Bitte prüft auch eine günstigere Alternative. Die Lieferung sollte noch im Oktober erfolgen.“
Für einen erfahrenen Vertriebsmitarbeiter ist das eine verständliche Anfrage. Für die technische Umsetzung stecken darin mehrere Aufgaben.
Welcher Auftrag ist gemeint? Welche Produkte wurden damals geliefert? Sind sie noch verfügbar? Was bedeutet „günstiger“, ohne wesentliche Anforderungen zu verlieren? Welche Preise gelten für diesen Kunden?
Eine überzeugend formulierte Antwort ist hier nicht das Ziel. Gesucht wird ein fachlich belastbarer Angebotsentwurf.
Zuerst braucht es eine klare Arbeitsweise
Ich würde nicht damit beginnen, der KI möglichst viele Systeme freizuschalten. Zuerst würde ich das Vorgehen definieren.
Der Kunde muss eindeutig identifiziert werden. Danach werden der relevante frühere Auftrag, die aktuellen Artikel und die gültigen Konditionen geprüft. Alternativen dürfen nur vorgeschlagen werden, wenn die entscheidenden Anforderungen vergleichbar bleiben. Fehlende Informationen müssen sichtbar werden, statt stillschweigend durch Annahmen ersetzt zu werden.
Diese Arbeitsweise lässt sich als Skill beschreiben.
Technisch kann ein Skill aus einer SKILL.md und ergänzenden Dateien bestehen. Name und Beschreibung helfen dem System, ihn auszuwählen. Die vollständigen Anweisungen werden bei Bedarf geladen; zusätzliche Skripte, Referenzen oder Vorlagen sind optional.
Für unser Beispiel ist jedoch nicht die Dateistruktur entscheidend. Entscheidend sind die fachlichen Regeln: Was gilt als geeignete Alternative? Wann muss nachgefragt werden? Welche Angaben dürfen niemals geschätzt werden?
Die Qualität beginnt bei diesen Fragen, nicht bei der Wahl des Modells.
Danach kommen die richtigen Werkzeuge
Die Arbeitsanweisung allein kennt noch keinen aktuellen Lagerbestand.
Dafür braucht die Lösung einen kontrollierten Zugriff auf ERP, CRM oder andere relevante Systeme. Im aktuellen Plugin-Modell kann dafür ein MCP-Server eingesetzt werden. MCP steht für Model Context Protocol und beschreibt eine standardisierte Verbindung zwischen KI-Anwendungen und externen Werkzeugen beziehungsweise Daten.
Für die Angebotsvorbereitung würde ich beispielsweise klar abgegrenzte Funktionen vorsehen: einen Kunden suchen, frühere Aufträge lesen, Preise und Verfügbarkeit abfragen sowie einen Angebotsentwurf anlegen.
Das ist etwas anderes als ein allgemeiner Vollzugriff auf die Datenbank.
Die KI darf damit eine fachlich definierte Funktion aufrufen. Der Server prüft die Anfrage, führt die zugelassene Operation aus und liefert ein Ergebnis zurück. Genau dieses Zusammenspiel beschreibt auch die MCP-Dokumentation von OpenAI.
MCP ersetzt allerdings keine fehlende ERP-Schnittstelle. Die Verbindung zum tatsächlichen Unternehmenssystem muss vorhanden sein oder entwickelt werden. Ein Standardprotokoll ist kein automatischer Adapter für jede Altanwendung.
Das Plugin verbindet Methode und Systemzugriff
Der Skill für die Angebotsvorbereitung und die benötigten Verbindungen könnten anschließend gemeinsam in einem Vertriebsplugin bereitgestellt werden.
Ein solches Paket kann mehrere Skills und Integrationen zusammenfassen. ChatGPT und Codex nutzen dafür ein gemeinsames öffentliches Plugin-Verzeichnis auf den unterstützten Oberflächen. Welche Funktionen konkret verfügbar sind, hängt unter anderem von Produkt, Konto und Konfiguration ab.
Für das Unternehmen würde ich darin vor allem einen organisatorischen Vorteil sehen: Eine definierte Fähigkeit lässt sich als zusammengehörige Einheit bereitstellen, statt Arbeitsanweisungen und technische Verbindungen getrennt an die Mitarbeiter zu verteilen.
Trotzdem muss ein Plugin nicht die ganze Vertriebsabteilung abbilden. Für den Einstieg reicht ein überschaubarer, klar begrenzter Prozess.
Der Agent reagiert auf das, was er findet
Jetzt beginnt die dynamische Bearbeitung unseres Beispiels.
Der Agent findet den letzten Auftrag. Dabei stellt sich heraus, dass ein damaliger Artikel nicht mehr lieferbar ist. Er prüft eine freigegebene Nachfolgevariante und vergleicht sie mit der günstigeren Alternative.
Für eines der Produkte liegt kein bestätigter Liefertermin vor. Eine vernünftige Lösung würde diese Unsicherheit ausdrücklich ausweisen und gegebenenfalls eine Rückfrage vorbereiten.
Sie würde nicht aus „Liefertermin unbekannt“ ein verkaufsförderndes „Lieferung im Oktober möglich“ machen.
Genau hier entsteht der Nutzen agentischer Bearbeitung: Der nächste Schritt ergibt sich aus dem bisherigen Ergebnis. Gleichzeitig wird sichtbar, warum die Grenzen sauber definiert sein müssen.
Verbindliche Regeln gehören nicht nur in den Prompt
Für unsere Angebotsvorbereitung würde ich Berechnung, Interpretation und Freigabe bewusst trennen.
Die KI darf die Anfrage verstehen, Informationen zusammenführen und einen Entwurf erläutern. Verbindliche Preisberechnungen und Rabattgrenzen würde ich dagegen über bestehende Fachlogik prüfen lassen.
Und zwischen „Entwurf erstellen“ und „Angebot versenden“ würde ich eine klar geregelte Freigabe vorsehen.
Ein Satz wie „Versende niemals ohne Zustimmung“ ist eine Arbeitsanweisung. Eine technische Kontrolle, die den Versand ohne gültige Freigabe verhindert, ist eine zusätzliche Schutzmaßnahme. OpenAI empfiehlt für Plugins unter anderem serverseitige Prüfung, minimale Rechte und menschliche Bestätigung bei irreversiblen Vorgängen.
Die KI sollte innerhalb des Prozesses handeln, nicht oberhalb seiner Regeln.
ChatGPT nutzen oder eine eigene Anwendung bauen?
Für interaktive Arbeit kann eine vorhandene Umgebung wie ChatGPT Work ausreichen. Sie ist bereits auf mehrstufige Aufgaben ausgelegt.
Soll die Lösung dagegen direkt in einer eigenen Anwendung laufen, ist die Laufzeitentscheidung separat zu treffen. OpenAI unterscheidet unter anderem eine verwaltete Agents API und das Agents SDK für die Einbindung in die eigene Anwendung. Damit unterscheiden sich auch Verantwortung für Zustand, Betrieb und Integration.
Für unser Beispiel würde ich zuerst einen kleinen, prüfbaren Ablauf bauen: Kundenanfrage hinein, Angebotsentwurf samt Quellen und offenen Punkten heraus. Erst wenn das zuverlässig funktioniert, kämen weitere Automatisierungsschritte dazu.
Mein Fazit: Die Kombination macht den Prozess
Ein Skill beschreibt die Arbeitsweise. Werkzeuge liefern Daten und führen erlaubte Operationen aus. Ein Plugin kann diese Fähigkeiten gemeinsam bereitstellen. Ein Agent steuert die Bearbeitung.
Der geschäftliche Nutzen entsteht aber erst, wenn daraus ein kontrollierter Ablauf wird.
Ich würde deshalb nicht messen, wie selbstständig die KI wirkt. Ich würde messen, ob der Vertrieb schneller zu einem richtigen, nachvollziehbaren und freigabefähigen Angebot kommt.
Im dritten Teil geht es um die Auswahl der passenden Lösung, den sicheren Betrieb und den Umgang mit bestehenden Custom GPTs.
Serie „KI im Unternehmen“: ← Teil 1: Begriffe und Architektur · Teil 2 von 3