Agentisches Betriebssystem: Die 6 Schichten, und warum Copilot, RPA und n8n keines sind [2026]

Ein agentisches Betriebssystem ist die Koordinationsschicht, mit der KI-Agenten mehrstufige Arbeit über echte Fachsysteme hinweg erledigen: Es wartet auf Auslöser, plant, ruft Werkzeuge auf, behält ein Gedächtnis zwischen den Läufen, fragt vor allem Unumkehrbaren nach einer Freigabe und protokolliert jede Aktion. Das Wort Betriebssystem ist mit Absicht geliehen. Ein klassisches Betriebssystem plant Prozesse, trennt Speicher und regelt den Zugriff auf Hardware; ein agentisches Betriebssystem plant Agenten, trennt ihren Kontext und regelt ihren Zugriff auf CRM, Mail, Tickets und Dokumente.

Dieser Artikel erklärt, wie so ein System gebaut ist und wie es im Alltag läuft: die sechs Schichten, was es von einem Copilot, von robotergestützter Prozessautomatisierung, von einem Ablauf-Werkzeug wie n8n und von einem einzelnen Agenten unterscheidet, und die Fehlerbilder, wegen derer Gartner bis 2027 mit über 40 % abgebrochenen Agenten-Projekten rechnet. Wenn du einen Anbieter auswählst, stehen Preise, Mindestabnahmen und die EU-Checkliste im begleitenden Einkaufsleitfaden zum KI-Betriebssystem für Unternehmen. Hier geht es um den Mechanismus.

Weil es dieselben Probleme sind, die ein Betriebssystem vor fünfzig Jahren gelöst hat: Mehrere Programme wollen gleichzeitig dieselben Ressourcen, keines darf den Speicher des anderen lesen, und jeder Zugriff auf etwas Knappes oder Gefährliches läuft über einen Vermittler. Ersetze Programme durch Agenten, Speicher durch Kontext und Hardware durch deine Fachsysteme, und die Analogie trägt genau.

Ein einzelner Agent braucht kein Betriebssystem, so wie ein einzelnes Programm auf einem Mikrocontroller keines braucht. Der Bedarf entsteht mit dem zweiten Agenten, der sich das CRM teilt, dem ersten Agenten, der läuft, während niemand zuschaut, und der ersten Aktion, die sich nicht rückgängig machen lässt. Der Bauplan des Weltwirtschaftsforums für ein KI-zentriertes Betriebssystem nutzt den Begriff für die Organisationsseite, Slack und Salesforce für ihre Agenten-Aufbauten, EY hat eines für 400.000 Leute gebaut, um einen Modellkatalog, Leitplanken und eine Orchestrierungsschicht herum. Das Vokabular unterscheidet sich; die sechs Schichten unten sind das, was jede ernsthafte Version gemeinsam hat. Die Kontextschicht darunter, das Firmengedächtnis, aus dem jeder Agent liest, erklärt der Grundlagenartikel Was ist ein KI-Context-Layer?.

Lies die Schichten von außen nach innen: Ein Auslöser startet einen Lauf, der Planer entscheidet, was zu tun ist, Werkzeuge tun es, das Gedächtnis merkt es sich, die Freigabeschicht entscheidet, ob ein Mensch zuerst Ja sagen muss, und die Protokollschicht schreibt auf, was passiert ist. Jede Schicht beantwortet eine Frage, und jede fehlende Schicht erzeugt ein erkennbares Fehlerbild.

Die vier Dinge, mit denen ein agentisches Betriebssystem meist verwechselt wird, decken je ein oder zwei der sechs Schichten ab. Ein Copilot hat Planer und Werkzeuge, aber keinen Auslöser außer dir. RPA hat Auslöser und Werkzeuge, aber seine Entscheidungslogik ist ein festes Skript, das bricht, sobald ein Knopf verrutscht. Ein Ablauf-Werkzeug wie n8n oder Make hat Auslöser, Werkzeuge und Regeln, aber kein geteiltes Gedächtnis, standardmäßig keine Freigabeschranke und, im Fall von n8n, kein Rückgängig. Ein einzelner Agent denkt je Aufforderung und scheitert, wenn er scheitert, oft still. Für die zwei Suiten, die die meisten Firmen schon besitzen, zeigt Copilot vs. ChatGPT: Was ist besser?, wo beide aufhören, eine Agenten-Plattform zu sein.

Ein Dauerauftrag lautet: Jeden Montag um 8:00 alle Deals ohne Aktivität seit 14 Tagen auflisten, für jeden eine Nachfassmail im Ton der Verantwortlichen entwerfen und vor dem Senden fragen. Um 8:00 feuert der Auslöser. Der Planer fragt das CRM mit den Rechten der Vertriebsleiterin ab, sieht also ihre Deals und nicht die des anderen Teams. Das Gedächtnis sagt ihm, dass drei der elf stockenden Deals letzte Woche schon erinnert wurden, und lässt sie weg. Ein starkes Modell entwirft acht Mails; ein günstiges prüft jede auf einen Kundennamen, der im Deal nicht vorkommt. Das Ergebnis landet im Chat der Vertriebsleiterin als eine Karte je Mail mit zwei Knöpfen. Sie gibt sechs frei, ändert eine, lehnt eine ab. Die sechs Sendungen laufen hinter einem Doppelausführungs-Schlüssel, ein wiederholter Lauf kann also nicht zweimal senden. Jedes Lesen, jeder Entwurf, jeder Klick steht um 8:04 im Laufprotokoll.

Das ist das ganze Produkt. Unser Leitfaden zu proaktiven KI-Agenten hat mehr Daueraufträge dieser Form, und KI-Agent-Architektur und Verteidigung erklärt, was passiert, wenn eine der elf Deal-Notizen eine Prompt-Injektion enthält.

Gartners Prognose, dass mehr als 40 % der agentischen KI-Projekte bis Ende 2027 abgebrochen werden, nennt drei Ursachen: steigende Kosten, unklarer Geschäftsnutzen und unzureichende Risikokontrollen. In unseren eigenen Läufen und in den öffentlichen Nachbetrachtungen zeigen sich die drei als fünf konkrete Muster, jedes einer fehlenden Schicht zuordenbar. Die Hälfte dieser Fehler sind Regel-Fehler, bevor sie technische werden: Die KI-Richtlinie für Unternehmen mit Muster klärt, wer einen Agenten starten und wer freigeben darf, und Betriebsrat und KI ergänzt die Mitbestimmung vor dem ersten Dauerauftrag.

Drei Zähler laufen: Denk-Aufrufe (Modell-Tokens), Werkzeugausführungen (API-Aufrufe oder Ablauf-Credits) und Speicher für das Gedächtnis. Von den dreien dominiert das Denken, und es ist der einzige Zähler, der explodieren kann: Ein Planer, der in einer Schleife hängt, oder ein Ersatzpfad, der jeden Aufruf still auf ein Spitzenmodell leitet, macht aus einem Zwei-Euro-Lauf einen Zweihundert-Euro-Lauf, bevor jemand hinschaut. Deshalb gehören ein Token-Budget je Lauf und ein preisgedeckelter Ersatzpfad in den Planer, nicht in die Kostenprüfung danach.

Größenordnung für das Montagsbeispiel oben: ein paar tausend Tokens für den Plan, acht Entwürfe auf einem starken Modell, acht Prüfungen auf einem günstigen, elf CRM-Lesezugriffe und sechs Sendungen. Deutlich unter einem Euro je Lauf zu aktuellen Listenpreisen, ungefähr der Kaffee, den die Vertriebsleiterin beim Freigeben trinkt. Plattformlizenz, Mindestabnahmen und was die Anbieter tatsächlich verlangen, stehen im Einkaufsleitfaden; die Kostenrechnung für selbst gehostete KI zeigt, was eine Lizenz von null wirklich kostet.

Frameworks wie LangGraph, CrewAI und das Microsoft Agent Framework geben dir die Schichten zwei und drei, Planer und Werkzeuge, und überlassen dir die anderen vier. Das ist die richtige Wahl, wenn du ein Plattform-Team hast und einen Anwendungsfall, den noch niemand als Produkt gebaut hat. Für alle anderen ist der ehrliche Vergleich der zwischen einem Ablauf-Werkzeug, das du schon betreibst, und einer betreuten Plattform, in der die sechs Schichten am ersten Tag da sind.

Teamo AI ist die betreute Version: Integrationen werden aus dem Chat installiert ('verbinde unser Pipedrive' dauert eine Minute, kein Ticket), Dauer-Agenten entstehen im selben Chat, Freigabeschranken und Doppelausführungs-Schutz sind eingebaut, drei Protokolle laufen je Zug, und der Planer leitet über OpenAI, Anthropic, Google, Mistral und Aleph Alpha mit preisgedeckeltem Ersatzpfad. EU-Hosting, keine Mindestabnahme. Wo es die falsche Wahl ist: physisch getrennter Betrieb im eigenen Rechenzentrum oder komplett eigene Agenten-Graphen. Dann nimm das Framework, und die n8n-Lizenzprüfung, wenn das Ablauf-Werkzeug die Alternative ist. Das komplette Kostenmodell fürs Selberbauen steht in Interne KI erstellen: bauen oder kaufen; Firmen unter 500 Leuten lesen zuerst KI für kleine Unternehmen.

Modelle werden weiter günstiger und austauschbarer. Die Schichten, die dein Unternehmen kennen, deine Auslöser, deine Berechtigungen, dein Gedächtnis, deine Freigabehistorie, werden es nicht. Gartner erwartet, dass Ende 2026 40 % der Unternehmensanwendungen Agenten enthalten; die, die 2027 überleben, werden die sein, die unter einem Betriebssystem laufen statt neben einem.

Generative KI erzeugt Inhalte auf Anfrage: einen Text, eine Zusammenfassung, ein Bild, ein Stück Code. Agentische KI verfolgt ein Ziel: Sie entscheidet, welche Schritte nötig sind, ruft Werkzeuge auf, prüft das Ergebnis und macht weiter, bis das Ziel erreicht ist oder eine Regel sie stoppt. Dasselbe Modell kann beides; der Unterschied ist, ob es hinter einem Eingabefeld sitzt oder in einer Schleife mit Werkzeugen, Gedächtnis und Berechtigungen. Ein agentisches Betriebssystem ist die Schicht, die viele solcher Schleifen für ein ganzes Unternehmen unter einem Regelwerk betreibt.

Einfach erklärt: Generative KI antwortet, ein Agent handelt, ein agentisches Betriebssystem steuert. Drei Beispiele machen die Grenze sichtbar. Generativ: Fass diesen Vertrag zusammen. Agent: Beobachte das Sammelpostfach, sortiere eingehende Verträge nach Vertragspartner, entwirf die Prüfliste und lege sie im richtigen Ordner ab. Betriebssystem: zwanzig solcher Agenten über Vertrieb, Support und Finanzen, jeder sieht nur, was seine Verantwortliche sehen darf, jeder Schreibzugriff hinter einer Freigabe, jeder Lauf im Protokoll. Die Beispiele in unserem Leitfaden zu proaktiven KI-Agenten sind alle von der zweiten Art; der KI-Context-Layer ist das, woraus die dritte Art liest.