>_Vernetzte Datenintelligenz und KI für KMU

KI-Agenten für den Mittelstand: DIG:IT-KMU zeigt beim KI-Netzwerk Schweinfurt, wie Unternehmen eigene Agent-Workflows aufbauen

Prof. Dr.-Ing. Andreas Schiffler beim vierten Treffen des KI-Netzwerks Schweinfurt im StudyFAB (Foto: THWS/Vladyslav Borysenko) 

Live-Demo mit n8n: Vincent Wahyudi (DIG:IT-KMU) zeigt einen Chatbot, der Fragen auf Grundlage eigener Unternehmensdokumente beantwortet (Foto: THWS/Vladyslav Borysenko)  

Technologietransferprojekt der THWS demonstriert im StudyFAB einen Dokumenten-Chatbot mit n8n auf hochschuleigener KI-Infrastruktur 


Chatbots, die auf Zuruf Texte formulieren, gehören in vielen Unternehmen inzwischen zum Alltag. Der nächste Schritt sind KI-Agenten, die ganze Arbeitsabläufe eigenständig erledigen. Für kleine und mittelständische Unternehmen (KMU) stellt sich dabei vor allem die Frage, wie sich solche Agenten sicher und im Einklang mit den eigenen Richtlinien in bestehende Firmensysteme einbinden lassen. Antworten darauf gab das Technologietransferprojekt DIG:IT-KMU der Technischen Hochschule Würzburg-Schweinfurt (THWS) am 7. Oktober 2026 beim vierten Treffen des KI-Netzwerks Schweinfurt. Das von Morteza Djebeli Sinaki initiierte und koordinierte Netzwerk bringt Industrie, Hochschule und Entwickler-Community in der Region Mainfranken zusammen. Im StudyFAB in Schweinfurt hielt das DIG:IT-KMU-Team den Impulsvortrag des Abends und zeigte live, wie sich ein Anwendungsfall aus dem Arbeitsalltag mit der Automatisierungsplattform n8n umsetzen lässt. 

Drei Entscheidungen vor dem ersten eigenen Agenten


Prof. Dr.-Ing. Andreas Schiffler, Leiter des Instituts für Digital Engineering (IDEE) der THWS, zeigte zunächst, welche Entscheidungen Unternehmen vor dem Einstieg treffen müssen. Die erste betrifft das sogenannte Agent Harness, also die Software-Umgebung, die ein Sprachmodell mit Werkzeugen, Daten und Nutzern verbindet und es so erst zum Agenten macht. Low-Code-Plattformen wie n8n, Microsoft Copilot Studio oder LangSmith erlauben es, Agenten weitgehend per Mausklick zusammenzustellen. Damit können auch Fachabteilungen eine Idee schnell erproben. Pro-Code-Frameworks wie LangChain, Strands, Azure AI Foundry oder AWS Bedrock setzen dagegen auf Programmierung und bieten mehr Kontrolle, wenn ein Agent wächst und viele Nutzer bedient. 

Die zweite Entscheidung gilt dem Zugang zum großen Sprachmodell (Large Language Model, LLM), dem Kern jedes Agenten. Es kann lokal auf eigener Hardware laufen, über einen Cloud-Endpunkt mit Rechenzentrum in der EU bezogen oder direkt bei Anbietern wie OpenAI genutzt werden. Die Wege unterscheiden sich vor allem darin, wo die Daten verarbeitet werden, was der Betrieb kostet und wie schnell neue Modelle verfügbar sind. Die dritte Frage lautet, wie ein Agent an die eigenen Systeme angebunden wird, etwa an Outlook, ein ERP-System oder SAP. Dafür gibt es fertige Bausteine, offene Programmierschnittstellen (APIs) und zunehmend das Model Context Protocol (MCP), einen offenen Standard, über den ein Agent die Werkzeuge anderer Systeme nutzen kann. Entscheidend ist dabei, dass der Agent einen eigenen Zugang erhält, der nur die Rechte besitzt, die er tatsächlich braucht. 


„Die Frage ist heute nicht mehr, ob KI-Agenten im Mittelstand ankommen, sondern wie Unternehmen sie kontrolliert einsetzen. Wer früh klärt, womit er baut, woher das Sprachmodell kommt und welche Rechte der Agent in den eigenen Systemen erhält, kann klein anfangen und später sicher skalieren.“ 

– Prof. Dr.-Ing. Andreas Schiffler, Leiter des Instituts für Digital Engineering (IDEE) 


Vom Dokumentenstapel zum Chatbot – live in n8n 


Wie das in der Praxis aussieht, zeigte Vincent Wahyudi, wissenschaftlicher Mitarbeiter im Projekt DIG:IT-KMU, an einem Live-Demonstrator. Ausgangspunkt war ein bekanntes Problem: In Handbüchern, Arbeitsanweisungen und Sicherheitsdatenblättern steckt viel Wissen, das im Alltag nur schwer zu finden ist. Wahyudi stellte einen Chatbot vor, der Fragen ausschließlich auf Grundlage der eigenen Unternehmensdokumente beantwortet. Das Prinzip dahinter heißt Retrieval-Augmented Generation (RAG). Die KI sucht dabei zuerst die passenden Textstellen in den Dokumenten und formuliert erst dann mit diesen Stellen die Antwort. 


Den Ablauf hat Wahyudi auf n8n in der virtuellen Laborumgebung der THWS aufgebaut. PDF-Dokumente gelangen über ein Webformular oder automatisch als E-Mail-Anhang in das System. Dort werden sie in kleine Abschnitte zerlegt und so aufbereitet, dass sich nach Bedeutung statt nach gleichen Wörtern suchen lässt. Ein KI-Agent mit Gesprächsgedächtnis entscheidet anschließend selbst, wann er in den Dokumenten nachschlägt. Er ist zudem darauf ausgelegt, offen zu sagen, wenn eine Information in keinem Dokument steht. In der Live-Demonstration lud Wahyudi Dokumente hoch und befragte den Chatbot anschließend zu deren Inhalten.

„Wir wollten zeigen, dass ein nützlicher KI-Agent kein Großprojekt sein muss. Mit n8n lässt sich ein Dokumenten-Chatbot weitgehend ohne Programmierung aufbauen und auf eigener Infrastruktur betreiben. Dabei rät er nicht, sondern sagt offen, wenn eine Antwort nicht in den Unterlagen steht.“ 

– Vincent Wahyudi, wissenschaftlicher Mitarbeiter im Projekt DIG:IT-KMU 


Die Veranstaltung ist beispielhaft für den Ansatz von DIG:IT-KMU, neue Technologien praxisnah und verständlich in den Mittelstand zu tragen.  

Pressemitteilung 02.11.2026