Virtual Agent vs. AI Agents: was brauchst du wirklich?

Seit AI Agents auf der Now Platform angekommen sind, höre ich in Projekten immer wieder dieselbe Frage: Brauchen wir überhaupt noch Virtual-Agent-Topics, oder sollte jetzt alles ein AI Agent sein? Die Frage ist berechtigt, denn beide Technologien führen Konversationen, beide automatisieren Anliegen, und die Marketing-Folien lassen die Grenze bewusst verschwimmen. Die ehrliche Antwort: Du wirst sehr wahrscheinlich beide einsetzen, für unterschiedliche Aufgaben, und die Unterscheidung ist einfacher, als sie wirkt.

Virtual Agent: deterministisch und berechenbar

Ein Virtual-Agent-Topic ist eine designte Konversation. Du definierst den Ablauf, die Eingaben, die Validierungen und die Aktionen, Schritt für Schritt. Das macht Topics ideal für Prozesse, deren Weg bekannt ist und bei denen Verlässlichkeit zählt: Passwort-Resets, Zugriffsanträge, Bestellungen aus dem Katalog, Statusabfragen.

Das Verhalten ist vollständig vorhersagbar. Der Bot erfindet keinen Schritt dazu, lässt keinen aus und stellt keine Frage, die nicht vorgesehen ist. Bei einem Zugriffsantrag mit Genehmigungspflicht und Compliance-Anforderungen ist genau diese Sturheit ein Feature, kein Mangel.

Die historische Schwäche geskripteter Bots, dass Nutzer die exakten Schlüsselwörter treffen mussten, ist dabei weitgehend Geschichte: Die LLM-gestützte Topic-Erkennung über Now LLM versteht Formulierungsvarianten, ohne dass dafür NLU-Modelle von Hand trainiert werden müssen. Der Einstieg ist natürlicher geworden, der Ablauf dahinter bleibt kontrolliert, eine ziemlich gute Kombination.

AI Agents: zielgetrieben und flexibel

AI Agents, gebaut im Agent Studio, funktionieren grundlegend anders. Statt eines Ablaufs bekommen sie ein Ziel, Anweisungen und Werkzeuge, also Flows, Skripte, Record-Operationen, und suchen sich den Weg zum Ergebnis selbst. Sie glänzen dort, wo der Weg eben nicht vollständig vorab bekannt ist: bei der Triage von Incidents anhand von Kontext und Historie, bei mehrstufigen Recherchen über Tabellengrenzen hinweg, beim Erstellen von Inhalten mit menschlicher Prüfung.

Diese Flexibilität hat ihren Preis, und der heißt Unschärfe. Ein Agent kann denselben Fall an zwei Tagen leicht unterschiedlich behandeln, und er braucht Leitplanken: eng geschnittene Werkzeuge, definierte Übergabepunkte an Menschen und Beobachtung über den AI Control Tower. Wer einem Agenten eine Aufgabe gibt, die eigentlich ein Flussdiagramm ist, kauft sich diese Unschärfe ohne Gegenwert ein.

Eine einfache Entscheidungsregel

Nach etlichen dieser Diskussionen hat sich bei mir eine Faustregel bewährt, die in einem Satz passt: Wenn du den Prozess als Flussdiagramm zeichnen kannst und jede Verzweigung bekannt ist, baue ein Virtual-Agent-Topic. Wenn der Wert in der Beurteilung liegt, also im Einschätzen, Korrelieren, Zusammenfassen, denke über einen AI Agent nach.

Zwei Kontrollfragen schärfen die Regel im Zweifelsfall. Erstens: Würdest du dieselbe Aufgabe einem neuen Mitarbeiter mit einer Checkliste geben oder einem erfahrenen Kollegen mit einem Ziel? Checkliste heißt Topic, Ziel heißt Agent. Zweitens: Wie schlimm wäre es, wenn der Weg zum Ergebnis variiert? Wenn die Antwort "compliance-relevant schlimm" lautet, ist die Entscheidung gefallen.

Das stärkste Muster: die Kombination

In der Praxis hat sich ohnehin ein Schichtenmodell als die robusteste Architektur erwiesen, und es löst die Entweder-oder-Frage auf elegante Weise auf.

Der Virtual Agent ist die Eingangstür: Er versteht das Anliegen, führt durch die definierten Standardfälle und sammelt strukturiert ein, was gebraucht wird. AI Agents übernehmen dahinter die Denkarbeit, wo sie gebraucht wird, also Anreicherung, Einschätzung, Recherche. Und deterministische Flows führen am Ende die eigentlichen Aktionen aus, mit all der Nachvollziehbarkeit, die Audits und Betriebssicherheit verlangen.

So bekommt jede Schicht das Werkzeug, das zu ihrer Aufgabe passt: Kontrolle am Eingang, Urteilskraft in der Mitte, Verlässlichkeit bei der Ausführung. Die Teams, die diese Aufteilung sauber hinbekommen, liefern Automatisierung, die nützlich und auditierbar zugleich ist. Und das ist am Ende die Kombination, die zählt, unabhängig davon, welches Etikett auf der jeweiligen Komponente klebt.