Agentische KI für Unternehmen: Chatbots übertrumpfen oder

Die wichtigsten Erkenntnisse:

• Chatbots gleichen Benutzereingaben mit vordefinierten Antworten ab. Agente-basierte KI erkennt ein Ziel, plant Schritte und führt Aufgaben anschließend durch den Aufruf realer Systeme aus. Es handelt sich um eine andere Softwarekategorie mit einem anderen Modell der Verantwortlichkeit.
• Auf der Plattformebene ist die Debatte um KI-Chatbots versus agentische KI für das Jahr 2026 im Grunde entschieden: Unternehmenskunden kalkulieren neue Kundenservice-Implementierungen auf der Grundlage von Agenten und nicht von vorprogrammierten Bots.
• Echter ROI zeigt sich in der durchgängigen Falllösung, der Optimierung der Cloud-Kosten und der Wissensautomatisierung, nicht im „abgewehrten Chat-Volumen“.
• Governance ist das neue Beschaffungs-Gate. Keine Prüfpfade, keine Rollback-Kontrollen, keine klare Zuordnung zum EU-KI-Gesetz, keine Unterschrift der Rechtsabteilung des Unternehmens.
• Beginnen Sie mit einem begrenzten Pilotprojekt, das an einen messbaren KPI gekoppelt ist. Kaufen Sie keine „Agentenplattform“, bevor Sie nicht genau wissen, für welche Aufgabe Sie eine benötigen.

Ihre Support-Warteschlange um 2 Uhr morgens verrät Ihnen fast alles über die Frage „KI-Chatbot oder agentische KI“. Ein skriptgesteuerter Bot beantwortet drei häufig gestellte Fragen, leitet die vierte falsch weiter und leitet die fünfte an eine Warteschlange für menschliche Mitarbeiter weiter, die erst in sechs Stunden besetzt wird. Ein agentenbasierter KI-Chatbot – genauer gesagt ein autonomer KI-Agent für Unternehmen – geht anders vor. Er liest das Kundenkonto aus, überprüft den Versand anhand der API des Versanddienstleisters, veranlasst die Rückerstattung in Ihrem Abrechnungssystem, vermerkt die Ausnahme in Ihrem CRM und schließt das Ticket. Immer noch um 2 Uhr morgens. Ganz ohne menschliches Eingreifen.

Das ist kein UI-Upgrade des Bots aus dem letzten Jahr. Es handelt sich um eine andere Softwarekategorie, ein anderes Verantwortlichkeitsmodell – und genau darum geht es eigentlich in der Diskussion über die KI-Kundenservice-Trends 2026. Dieser Artikel richtet sich an diejenigen, die entscheiden, was im nächsten Quartal gekauft werden soll.

Der Wandel vom Chatbot zum Agenten ist struktureller Natur, kein bloßes Rebranding

Ein herkömmlicher Chatbot ordnet Schlüsselwörter oder Absichten vorgefertigten Antworten zu. Agente-basierte KI erkennt ein Ziel, plant die Schritte zu dessen Erreichung, ruft die benötigten Systeme auf und berichtet anschließend, was passiert ist. Der Unterschied liegt nicht im zugrunde liegenden Sprachmodell. Es geht darum, ob die Software eigenständig handeln darf.

Betrachten Sie den Reifegradverlauf. Im Jahr 2023 bestand der Markt noch aus regelbasierten Bots und NLU-Klassifikatoren, eingebettet in Entscheidungsbäume. Bis 2025 hatten dieselben Anbieter die Kategorie in „Copilots“ umbenannt und generative Antworten in von Menschen überwachte Arbeitsabläufe integriert. Heute, im Jahr 2026, übernehmen ernstzunehmende Implementierungen die Verantwortung für das Ergebnis durchgängig von Anfang bis Ende. Jeder große Cloud-Anbieter trennt „Konversations-KI“ und „Agenten-Laufzeiten“ als eigenständige Produktlinien, und die Preisgestaltung folgt dieser Aufteilung. Gartner zählt agentische KI zu den strategischen Technologietrends, die die Unternehmensinvestitionen in diesem Jahr prägen – in der Sprache der Analysten bedeutet das: „Die Einkaufsausschüsse erkundigen sich bereits danach.“

Warum ist die Unterscheidung zwischen agentischer KI und Chatbots im Unternehmenskontext von Bedeutung? Weil die Beschaffung mittlerweile darauf ausgerichtet ist. Rechtliche Prüfungen, Sicherheitsfragebögen und SLAs der Anbieter behandeln die beiden als getrennte Risikoklassen. Wer sie als dasselbe Produkt betrachtet und das günstigere wählt, wird am Ende einen Bot erhalten, der nicht das leisten kann, was der Vorstand erwartet.

Wie agentische KI tatsächlich funktioniert: Der „Wahrnehmen-Planen-Handeln“-Zyklus

Agentische KI durchläuft einen Zyklus: Sie nimmt die Anfrage und den aktuellen Zustand wahr, plant eine Abfolge von Aktionen, handelt durch Tool-Aufrufe in reale Systeme hinein und beobachtet anschließend das Ergebnis, um neu zu planen. Chatbots arbeiten nicht in einer Schleife. Sie ordnen Eingabe und Ausgabe einmal zu und hören dann auf. Diese eine architektonische Änderung erklärt den Großteil der Leistungslücke, die Sie in einer Anbieterdemonstration sehen werden.

Tool-Nutzung und Systemintegrationen bestimmen die Obergrenze

Der Mehrwert ergibt sich daraus, worauf ein Agent zugreifen kann, nicht davon, wie gut er kommuniziert. Ein brillantes Modell ohne Anbindung an Salesforce, Zendesk oder ServiceNow löst keine Probleme. Wenn Sie eine Plattform bewerten, achten Sie auf die Anzahl der produktionsreifen Konnektoren und deren Funktionsumfang. „Lesezugriff“ ist nicht dasselbe wie „Erstellen, Aktualisieren, Rückerstatten und Prüfen“.

Koordination mehrerer Agenten und persistenter Speicher

In ernstzunehmenden Einsatzszenarien kommen mittlerweile mehrere spezialisierte Agenten zum Einsatz, die Aufgaben untereinander delegieren. Ein Triage-Agent klassifiziert die Anfrage, leitet die Frage zur Rechnungsstellung an einen Abrechnungsagenten und die Frage zum Versand an einen Fulfillment-Agenten weiter und setzt die Antwort anschließend wieder zusammen.

Persistenter Speicher ist die stille zweite Superkraft. Ihr Agent erinnert sich an die letzten drei Tickets, den Kontostatus und das Versprechen, das Ihr Mitarbeiter am Dienstag gegeben hat. Zustandslose Chatbots fangen bei jedem Gespräch bei Null an. Deshalb wirken sie so anstrengend.

Für einen breiteren Überblick über die Anbieterlandschaft zeigt unsere Zusammenstellung „Die besten KI-Chatbots für Unternehmen“, welche Konversationsplattformen ebenfalls leistungsstarke Agenten-Laufzeiten bieten und welche nach wie vor nur FAQ-Bäume neu verpacken.

Wo autonome KI-Agenten im Jahr 2026 einen echten ROI erzielen

Der ROI autonomer KI-Agenten im Kundenservice zeigt sich durchweg an drei Stellen: vollständige Falllösung ohne Übergabe an einen Menschen, kontinuierliche Optimierung der Cloud-Kosten und automatisiertes Wissensmanagement. Überall sonst werden die Zahlen unübersichtlich. Käufer, die sich während eines Pilotprojekts auf diese drei Punkte konzentrieren, erhalten aussagekräftige Signale. Käufer, die der „KI-Transformation“ hinterherjagen, bekommen nur Präsentationsfolien.

End-to-End-Falllösung. Rückerstattungen, Adressänderungen, Abonnementpausen, Terminverschiebungen. Anbieter wie Salesforce Agentforce, Microsoft Copilot Studio und Google Clouds „Vertex AI Agent Builder“ bieten mittlerweile vorgefertigte Agenten an, die darauf ausgelegt sind, Tickets abzuschließen, anstatt sie weiterzuleiten. Der Mechanismus ist einfach: Der Agent verfügt über Schreibzugriff auf Ihre Stammdaten-Systeme sowie über eine Richtlinienebene, die entscheidet, welche Aktionen eine menschliche Genehmigung erfordern.

Optimierung der Cloud-Kosten. Agenten, die Cloud-Ausgaben überwachen, Workloads neu ausbalancieren und Tagging-Richtlinien durchsetzen, laufen kontinuierlich auf eine Weise, die kein FinOps-Team personell bewältigen könnte. Der Kompromiss ist Vertrauen. Ein Agent, der eine inaktive Instanz herunterfahren kann, ist auch ein Agent, der die falsche Instanz herunterfahren kann – daher sind Sicherheitsvorkehrungen wichtiger als reine Autonomie.

Wissensmanagement. Dynamische Erstellung von FAQs, stets aktuelle Dokumentation und eine interne Suche, die tatsächlich die aktuelle Antwort findet. Der am wenigsten glamouröse Anwendungsfall auf der Liste. Oftmals derjenige mit der schnellsten Amortisation, da die Alternative ein Confluence-Friedhof ist.

KI-Trends im Kundenservice 2026: Was die Daten tatsächlich zeigen

Die Trendlinie lautet nicht: „Chatbots sterben über Nacht.“ Die Eskalationsraten sinken, da Mitarbeiter Aufgaben übernehmen, die skriptgesteuerte Bots niemals bewältigen könnten. Die Antwortzeiten verkürzen sich, weil der Mitarbeiter die Aufgabe erledigt, anstatt in einer Warteschlange zu warten. Die Kundenzufriedenheit (CSAT) verbessert sich nicht, weil der Mitarbeiter freundlicher ist, sondern weil das Problem des Kunden tatsächlich gelöst wird.

Zwei Beobachtungen, die es zu beachten gilt. Die McKinsey-Studie „State of AI“ zeigt, dass ein großer Teil der Unternehmen den aktiven Einsatz generativer und agentenbasierter KI angibt, während die tägliche Nutzung im operativen Geschäft je nach Funktionsbereich nach wie vor uneinheitlich ist. Diese Lücke ist das Wesentliche. Sie zeigt, dass die Technologie real ist, die operative Einführung jedoch noch nicht abgeschlossen ist. Unabhängige Analystenberichte von Unternehmen wie Forrester weisen darauf hin, dass agentische Arbeitsabläufe für führende Unternehmen im Bereich der Automatisierung mit Blick auf das Jahr 2026 eine steigende Investitionspriorität darstellen, insbesondere im Kundenservice und im IT-Betrieb.

„Human-in-the-Loop“ verschwindet nicht. Es wird neu definiert. Während früher Menschen alles erledigten und Bots die FAQs übernahmen, kümmern sich Menschen heute um Ausnahmen und Grenzfälle, während Agenten den Großteil der transaktionalen Arbeit übernehmen. Wo genau die Übergabe stattfindet, ist die Designentscheidung, die gute von schlechten Implementierungen unterscheidet.

Eine branchenspezifische Betrachtung, wie sich dies in regulierten Branchen auswirkt, finden Sie in unserer Analyse sowie in den Parallelen zum Gesundheitswesen.

Chatbot vs. Mitarbeiter vs. Mensch: Wer übernimmt welche Aufgaben im Jahr 2026?

Governance, Rechenschaftspflicht und die Risiken, die Käufer übersehen

Autonomes Handeln wirft Fragen zur Rechenschaftspflicht auf, die bei vorprogrammierten Chatbots nie aufkommen. Wenn ein Bot eine Absicht falsch einstuft, aktualisiert man einfach die Trainingsdaten. Wenn ein Mitarbeiter eine falsche Rückerstattung vornimmt, das falsche Konto schließt oder die falsche Instanz in der Produktion deaktiviert, muss jemand dafür geradestehen. Dieser Jemand sind Sie, nicht der Anbieter.

Die Risiken bei der Governance agentenbasierter KI lassen sich in drei Bereiche unterteilen, mit denen sich jeder ernsthafte Käufer auseinandersetzen muss:

• Nachprüfbarkeit. Jede Aktion eines Agenten erfordert ein zeitgestempeltes, unveränderliches Protokoll über das Ziel, den Plan, die eingesetzten Tools und die zurückgegebenen Ergebnisse. Lässt sich dieser Nachweis nicht auf Abruf exportieren? Dann unterzeichnen Sie den Vertrag nicht.
• Rollback. Jede Schreibaktion erfordert eine umkehrbare Gegenmaßnahme, einen menschlichen Genehmigungsschritt oder beides. Eine versehentlich gewährte Rückerstattung muss rückgängig gemacht werden können. Eine versehentlich beendete Instanz muss aus dem letzten Zustand wiederhergestellt werden können.
• Regulatorisches Risiko. In der EU stuft der EU-KI-Gesetz bestimmte autonome Entscheidungssysteme als risikoreich ein und erlegt Dokumentations-, menschliche Überwachungs- sowie Konformitätsbewertungspflichten auf. Die DSGVO gilt weiterhin für jede Verarbeitung personenbezogener Daten, die der Agent durchführt. In den USA gelten der CCPA und Vorschriften auf Bundesstaatenebene für Agenten, die Entscheidungen über Einwohner Kaliforniens treffen. Das vom NIST veröffentlichte „AI Risk Management Framework“ ist die Referenz, auf die viele Rechtsabteilungen von Unternehmen mittlerweile in ihren Vorlagen für die Anbietersuche verweisen.

Bevor autonome Agenten in Betrieb genommen werden, sollten Sie eine kurze Checkliste zur Betriebsbereitschaft durchgehen: einen namentlich benannten, verantwortlichen Eigentümer für jeden Agenten, eine dokumentierte Richtlinienebene mit Genehmigungsschwellen, Red-Team-Ergebnisse zu den zehn häufigsten Ausfallmodi und ein kommuniziertes Rollback-Runbook. Werden diese Punkte übersprungen, handelt es sich um ein wissenschaftliches Projekt und nicht um ein Produktionssystem. Ein Beispiel aus der Praxis, wie eine große, regulierte Organisation diesen Stack aufgebaut hat, bietet einen Einblick in die Governance-Architektur von innen.

Wie man Anbieter von agentischer KI bewertet, ohne dabei auf die Nase zu fallen

Die Shortlists der besten Plattformen für agentische KI im Jahr 2026 sehen auf den ersten Blick alle ähnlich aus: dieselben Logos, dieselben Demo-Skripte, derselbe Werbespruch „autonom, durchgängig, unternehmensreif“. Unterschiede zeigen sich erst, wenn man schwierigere Fragen stellt. Hier ist der Bewertungsrahmen, den Sie verwenden sollten, wenn ein Stakeholder fragt, wie man Anbieter von agentischer KI bewertet.

Vier Achsen sind bei der Ausschreibung wichtiger als alles andere:

1. Obergrenze der Aufgabenkomplexität. Wie viele Schritte kann der Agent zuverlässig aneinanderreihen, bevor er den Kontext verliert? Fragen Sie nach der tatsächlichen Zahl von Produktionskunden, nicht nach der Zahl aus der Demo.
2. Integrationstiefe. Nicht nur „Lässt sich das System mit Salesforce verbinden?“, sondern „Kann es einen Fall mit vollständigen Audit-Metadaten erfassen, erstatten und abschließen?“
3. Überwachungsarchitektur. Wie sieht das Modell für Genehmigungsschwellen aus? Können Sie unterschiedliche Autonomieebenen pro Aktionsklasse und Abteilung festlegen?
4. Gesamtbetriebskosten. Lizenzierung pro Agent, Abrechnung pro Aktion, Konnektorgebühren, professionelle Dienstleistungen bis zur Produktionsreife. Der Listenpreis entspricht selten den tatsächlichen Kosten.

Fragen, die Sie jedem Anbieter stellen sollten

• Zeigen Sie mir den Ausnahmepfad. Was passiert, wenn ein Agent eine Aufgabe nicht abschließen kann?
• Wer trägt die Haftung, wenn ein Agent eine falsche Aktion in Bezug auf ein Kundenkonto ausführt?
• Wie sieht Ihr Rollback-Konzept für Schreibvorgänge aus?
• Wie lauten Ihre SLAs hinsichtlich Latenz, Genauigkeit und Verfügbarkeit, und welche Gutschriften gibt es bei Nichteinhaltung?
• Welche Ihrer Kunden setzen diese Lösung in der Produktion ein, in welchem Umfang und für welchen Anwendungsfall?

Selbst entwickeln vs. kaufen vs. orchestrieren

Drei echte Optionen im Jahr 2026, jede mit ihren eigenen wirtschaftlichen Aspekten:

Die meisten Unternehmen sollten im Jahr 2026 nicht mehr von Grund auf neu entwickeln. Die Tools sind mittlerweile so ausgereift, dass es für die meisten Organisationen die richtige Aufteilung ist, einen SaaS-Agenten für Standardanwendungsfälle zu erwerben und die Arbeit mit Plattform-APIs den zwei oder drei Workflows vorzubehalten, die sich wirklich von anderen unterscheiden. Wenn Sie bereits ein eigenes ML-Plattformteam betreiben, sieht die Abwägung anders aus.

Pilot-Leitfaden: Vom begrenzten POC zum unternehmensweiten Rollout

Der Fehler, der Unternehmenskunden immer wieder teuer zu stehen kommt, besteht darin, den Pilotversuch an der Technologie statt an einer Aufgabe auszurichten. „Lassen Sie uns agentische KI evaluieren“ führt zu einer Demo. „Lassen Sie uns die End-to-End-Bearbeitung von Rückerstattungen für Bestellungen unter 500 Dollar in unserem DTC-Kanal automatisieren, gemessen an der aktuellen Kundenzufriedenheit (CSAT) und der durchschnittlichen Bearbeitungszeit“ führt zu einer Entscheidung.

Ein praktikables Pilot-Playbook, das sich an den von Unternehmen wie IDC und von Fachgemeinschaften in Unternehmen:

1. Wählen Sie einen in sich geschlossenen Anwendungsfall mit einem klaren KPI, den Sie bereits messen.
2. Benennen Sie einen verantwortlichen Ansprechpartner aus dem Geschäftsbereich, nicht nur aus der IT.
3. Legen Sie den Autonomiegrad und die Genehmigungsschwellen fest, bevor der Agent zum ersten Mal aktiv wird.
4. Erfassen Sie alle Daten, damit Sie einen Vergleich mit der Ausgangssituation vor Einführung des Agenten anstellen können.
5. Führen Sie den Pilotversuch 60 bis 90 Tage lang durch – lang genug, um auch Randfälle zu erfassen, kurz genug, um ihn noch als Pilotversuch zu bezeichnen.
6. Besprechen Sie den Stand mit der Rechts- und Sicherheitsabteilung am 30. und am 60. Tag, nicht erst am Ende des Pilotversuchs.
7. Entscheiden Sie: skalieren, iterieren oder einstellen. Jede der drei Optionen ist ein gültiges Ergebnis. „Das Pilotprojekt verlängern“ ist in der Regel ein Scheiternsszenario.

Der Wettbewerbsrückstand ist real. Einige Unternehmen setzen Agenten bereits in nennenswertem Umfang in den Bereichen Support, IT-Betrieb und Finanzen ein. Andere sind noch dabei, interne Richtlinien darüber zu verfassen, ob ein Agent E-Mails versenden darf. Das Abwarten der Marktreife ist eine vertretbare Strategie für ein mittelständisches Unternehmen, das nicht unter unmittelbarem Druck steht. Es ist jedoch keine Strategie für Unternehmen in einer Branche, in der der Agent eines Wettbewerbers bereits die Durchlaufzeiten verkürzt.

Zwei abschließende Hinweise für die Auswahlliste des Käufers: Wenn Ihr Unternehmen zum deutschen Mittelstand oder zum europäischen Mittelstand gehört, nutzen Sie die praktischen Pilotvorlagen, die unser Team verwendet. Und betrachten Sie die Sicherheitsprüfung als einen Schritt der gemeinsamen Gestaltung, nicht als Genehmigungshürde am Ende. Ausfälle von Agenten-KI auf der Sicherheitsebene sind diejenigen, die es in die Fachpresse schaffen.

Verwandte Dienstleistung: IT-Dienstleistungen

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem KI-Agenten und einem Copiloten?

Ein Copilot macht Vorschläge; ein Agent handelt. Copiloten entwerfen eine E-Mail, schlagen eine Antwort vor oder fassen ein Dokument zusammen, während ein Mensch das Steuer in der Hand behält und jede Ausgabe genehmigt. Ein Agent nimmt ein Ziel vor, legt die Schritte fest, führt sie in realen Systemen aus und erstattet Bericht. In den Materialien der Anbieter werden die Begriffe oft verwechselt, doch die betrieblichen und rechtlichen Auswirkungen unterscheiden sich erheblich: Die Fehler eines Copiloten bleiben im Entwurf, die Fehler eines Agenten wirken sich auf die Produktion aus.

Was ist der Unterschied zwischen einem Chatbot und agentischer KI?

Ein Chatbot gleicht die Benutzereingabe mit einer vorgefertigten oder modellgenerierten Antwort ab und hört dann auf. Agentische KI liest ein Ziel, plant die Schritte, ruft die benötigten Systeme (CRM, Abrechnung, Ticketing) auf und erledigt die Aufgabe. Chatbots informieren; Agenten handeln. Wenn ein System keine Einträge mit Prüfpfad in Ihre Stammdaten Systeme vornehmen kann, handelt es sich um einen Chatbot – ganz gleich, was die Marketingseite behauptet.

Ersetzt KI den Kundenservice?

Nein. Sie gestaltet das Team neu. Sich wiederholende Transaktionsaufgaben werden an Agenten verlagert. Komplexe, einfühlsame, regulierte und hochwertige Ausnahmefälle bleiben bei den Menschen, oft mit einem höheren Aufwand pro Mitarbeiter, da die durchschnittlichen Probleme, die nun auf deren Schreibtisch landen, schwieriger sind. Unternehmen, die diesen Wandel planen, behalten ihre besten Mitarbeiter. Diejenigen, die lediglich einen Personalabbau planen und es dabei belassen, verzeichnen in der Regel einen Rückgang der Kundenzufriedenheit (CSAT).

Woran erkenne ich, ob mein Unternehmen bereit für agentenbasierte KI ist?

Drei Anzeichen geben Ihnen einen ehrlichen Hinweis. Erstens: Sie können eine konkrete Aufgabe nennen, die mit einem bereits gemessenen KPI verknüpft ist und von einer durchgängigen Automatisierung profitieren würde. Zweitens: Ihre Stammdatensysteme verfügen über moderne APIs und einen sauberen Schreibzugriff, nicht nur über Batch-Exporte. Drittens: Die Rechtsabteilung, die Sicherheitsabteilung und ein namentlich benannter Geschäftsverantwortlicher sind bereit, das Pilotprojekt gemeinsam zu gestalten, anstatt es erst am Ende zu genehmigen. Fehlt eine der drei Voraussetzungen? Beheben Sie das zuerst – die Wahl der Plattform kommt erst später.

Wie viel kosten agentische KI-Plattformen im Jahr 2026?

Die Preisspanne ist groß. SaaS-Agent-Produkte großer Anbieter liegen im Einstiegssegment im unteren bis mittleren vierstelligen Bereich pro Monat und Anwendungsfall, zuzüglich einer Abrechnung pro Aktion oder pro Konversation. Plattform-API-Implementierungen verursachen höhere Kosten für Entwicklungszeit, dafür aber geringere Lizenzkosten. Bei jedem Anbieter, der Ihnen vor Vertragsabschluss keine konkreten Zahlen für Ihr prognostiziertes Volumen nennen will, ist Vorsicht geboten.

Was ist das größte Risiko bei agentischer KI im Jahr 2026?

Die Einführung ohne einen Plan für den Rollback. Die Technologie funktioniert so gut, dass erste Erfolge den Druck erzeugen, den Anwendungsbereich schnell auszuweiten. Fehlerfall: Ein Agent führt eine irreversible Aktion durch – eine falsche Rückerstattung, eine falsche Kontoschließung, eine falsche Änderung in der Produktion –, ohne dass es eine saubere Möglichkeit gibt, dies rückgängig zu machen. Fehlt zudem ein klarer Verantwortlicher, wird der Vorfall zu einem Problem auf Vorstandsebene. Lösen Sie zuerst den Rückgängigmachungsweg, dann skalieren Sie die Autonomie.

Was in diesem Quartal zu tun ist

Bewertung von Plattformen gerade im Gange? Tun Sie drei Dinge, bevor Sie das nächste Gespräch mit einem Anbieter führen. Notieren Sie sich die eine Aufgabe, die Sie durchgängig automatisieren möchten, und den KPI, der sich dadurch verbessern wird, wenn es funktioniert. Entwerfen Sie die Genehmigungsschwellen-Matrix – wer genehmigt welchen Geldbetrag, welche Datenklasse, welches Kundensegment –, bevor Sie sich Demos ansehen. Und beziehen Sie die Rechtsabteilung bereits in der ersten Woche mit ein, nicht erst in der zehnten. Einkäufer, die diese drei Dinge tun, erhalten von den Anbietern echte Antworten. Die anderen bekommen nur Demos zu sehen.