2. Bildschirm-Bediener (engl.: Computer-using Agents/UI-Operatoren)
Computer-using Agents bedienen den Computer wie ein Mensch. Sie sehen Bildschirminhalte und interagieren durch Mausklicks und Tastatureingaben mit der Benutzeroberfläche. Diese KI-Agenten können mit beliebigen Anwendungen arbeiten, solange sie auf dem Bildschirm sichtbar sind.
So kann der Einsatz für Makler aussehen:Das unter Maklern aktuell bekannteste Beispiel ist der Agentenmodus unter ChatGPT 5. Als würde man selbst durch das Internet surfen, klickt und scrollt sich die KI hier durch. Wichtig für Makler ist vor allem die Kundenseite: Kunden werden sich zunehmend nicht mehr stundenlang auf die Suche nach dem besten Versicherungsmakler machen und dort einen Termin anfragen, sondern lassen ihren KI-Agenten diese Arbeit erledigen.
Welche Herausforderungen gibt es? Diese Agenten sind noch sehr neu, umständlich und fehleranfällig. Die Technologie birgt Sicherheitsrisiken, da dem Agenten potenziell volle Kontrolle über Systeme gegeben werden kann.
3. Eingebaute Helfer (engl.: Tool-based Agents)
Tool-based Agents sind in spezifische Software-as-a-Service- (SaaS-) Plattformen oder Services integriert. Sie nutzen große Sprachmodelle (Large Language Models, LLMs) im Hintergrund, erscheinen dem Makler aber als native Funktion der jeweiligen Anwendung. Typischerweise übernehmen sie Aufgaben in Vertrieb, Marketing oder Kundenservice. Im Kundenservice setzen SaaS-Unternehmen integrierte KI-Chatbots ein, die Routineanfragen eigenständig beantworten und nur bei Bedarf an menschliche Mitarbeiter eskalieren. Integrierte KI-Recherche-Agenten können zudem der Leadgenerierung dienen.
So kann der Einsatz für Makler aussehen: Tool-based Agents sind besonders anwenderfreundlich. Sie lassen sich ohne großen technischen Aufwand nutzen, integrieren sich nahtlos in bestehende Abläufe und sind sofort einsatzbereit. Da sie optimal auf die Daten und Prozesse der jeweiligen Plattform abgestimmt sind, entfällt eine aufwendige Implementierung. In der Versicherungswelt bieten immer mehr MVP- und CRM-Anbieter entsprechende KI-Erweiterungen an.
Welche Herausforderungen gibt es? Sie sind weniger flexibel. Man ist an die Funktionen des jeweiligen Anbieters gebunden und kann die Agenten nicht für Aufgaben außerhalb der Plattform einsetzen. Die Nutzung kann teuer sein, da viele Anbieter solche Funktionen mit Premium-Abonnements koppeln. Kritisch ist auch die Datenhoheit, wenn KI-Generierung auf Kundendaten basiert.
4. Wissenssucher (engl.: Agentic RAG)
Agentic-RAG durchsuchen große Mengen an Informationen, bündeln die relevanten Inhalte und liefern Antworten mit Quellenangaben. Sie können Daten aus PDFs, Portalen oder internen Dokumenten herausziehen und so strukturieren, dass ein Makler sie direkt verwenden kann.
So kann der Einsatz für Makler aussehen:Ein Wissenssucher vergleicht automatisch Versicherungsbedingungen, hebt Unterschiede hervor und erstellt ein Beratungsprotokoll. Statt mühsam Seite für Seite durchzublättern, hat der Makler in wenigen Minuten eine strukturierte Übersicht.
Welche Herausforderungen gibt es? Die Ergebnisse sind nur so gut wie die hinterlegten Informationen. Falsch formatierte PDFs, Scans mit Tippfehlern oder fehlende Daten schränken die Antwortqualität ein.
Seite 1 So kann der Solo-Makler mit KI ein ganzes Team aufbauen
Seite 2 2. Bildschirm-Bediener (engl.: Computer-using Agents/UI-Operatoren)
Seite 3 5. Sprachassistenten (engl.: Voice Agents)
- Anmelden, um Kommentare verfassen zu können
