KI-Agenten mit Copilot Studio: Praxis für den Mittelstand

Jeder spricht gerade von KI-Agenten. In LinkedIn-Posts, in Webinaren von Herstellern und Partnern, auf jeder Fachkonferenz. Microsoft kündigt mit Wave 3 das größte Copilot-Update aller Zeiten an, Agent 365 kommt als zentrale Steuerungsebene, und die M365 E7 Frontier Suite bündelt alles in einer Lizenz. Die Botschaft ist klar: Die Zukunft der Arbeit ist agentisch.

Und trotzdem. Wenn wir mit Mittelständlern sprechen, die wirklich produktiv mit Copilot Studio Agenten arbeiten, sind es überschaubar wenige. Die ehrliche Wahrheit: Der Mittelstand im deutschsprachigen Raum steht 2026 nicht mitten in der Agenten-Revolution. Er steht am Anfang. Und genau das ist der Grund, warum es sich jetzt lohnt, das Thema richtig aufzusetzen.

Dieser Praxisleitfaden ist unsere Einordnung als Microsoft Partner. Wir zeigen dir, welche Arten von Custom Agents es gibt, welche KI-Agenten wir in Mittelstandsprojekten gerade wirklich bauen, warum der Entscheidungsmoment zwischen Copilot Studio und Custom Dev oft falsch gelöst wird, und wie du ab Tag eins Governance-ready startest. Ohne Hype, mit klaren Empfehlungen.

‍

Die unbequeme Wahrheit: Warum jetzt und nicht vor zwölf Monaten

Copilot Studio ist kein neues Produkt. Es existiert seit 2023 und hat seit damals ein halbes Dutzend Rebrandings hinter sich. Was es über die letzten beiden Jahre aber nicht war: fertig.

Das ist keine böswillige Kritik, sondern ein bekanntes Microsoft-Muster. Viele Produkte im Microsoft-Ökosystem starten früh, werden öffentlich erprobt und reifen dann über Monate oder Jahre in der Breite. Wer Copilot Studio vor zwölf Monaten ernsthaft evaluiert hat, ist auf genau das gestoßen: Prototypen liefen, produktive Rollouts hakten an Governance-Lücken, fehlenden Konnektoren, instabiler Orchestrierung und einer ausgesprochen holprigen Multi-Agent-Erfahrung.

Seit Anfang 2026 ist das anders. Die wichtigsten Bausteine sind an Ort und Stelle:

• Model Context Protocol (MCP) ist seit Mai 2025 in Copilot Studio generally available [3][4]. Damit lässt sich jede externe Datenquelle und jedes Tool über einen offenen Standard anbinden, statt für jeden Endpunkt einen proprietären Konnektor zu bauen.
• Wave 3 hat im März 2026 den Sprung zu echten agentischen Fähigkeiten in M365 gemacht [1][2]. Copilot Cowork bringt langlaufende, mehrstufige Aufgaben in Microsoft 365 Copilot, die sich über Zeit hinweg entfalten.‍
• Agent 365 startet am 1. Mai 2026 als zentrale Steuerungsebene für alle KI-Agenten im Unternehmen [1][9]. Die Einzellizenz kostet 15 US-Dollar pro Nutzer und Monat, alternativ ist Agent 365 Bestandteil der neuen M365 E7 Frontier Suite. Für den Mittelstand bedeutet das: Erstmals gibt es einen zentralen Kontrollraum für die agentische Belegschaft.‍
• Agent Evaluation ist seit dem 31. März 2026 direkt in Copilot Studio integriert [7] und ersetzt das, was vorher manuelles Spot-Checking war.

Mit anderen Worten: Die Plattform ist 2026 erwachsen geworden. Was 2025 experimentell war, wird jetzt produktionsfähig. Und genau deshalb lohnt es sich, jetzt einzusteigen statt weiter abzuwarten.

‍

Die zwei Copilot Studio Experiences (plus eine Abgrenzung)

Bevor wir über Use Cases und Architektur sprechen, müssen wir eine Sache klären, die in Mittelstand-Kundengesprächen immer wieder Verwirrung stiftet: Microsoft hat die Agenten-Landschaft 2025 neu sortiert. Was früher als "Agent Builder" in Microsoft 365 Copilot existierte und was man als "Copilot Studio" kannte, läuft inzwischen unter einer gemeinsamen Marke mit zwei Experiences. Plus eine weitere Option, die in Kundengesprächen oft auftaucht, aber technisch nicht dazugehört.

‍

‍

Experience 1: Copilot Studio Lite

Copilot Studio Lite ist der Einstiegspunkt, direkt eingebettet in Microsoft 365 Copilot Chat. Was früher "Agent Builder" hieß, ist seit September 2025 in "Copilot Studio Lite" umgetauft, weil Microsoft die beiden Agent-Baukästen unter einer Marke zusammenführen wollte.

Die Lite-Experience ist für Information Worker gedacht. Du öffnest Microsoft 365 Copilot, klickst auf "Neuer Agent" und baust in wenigen Minuten einen deklarativen Agenten, der auf SharePoint-Dokumenten, Teams-Nachrichten oder ausgewählten Microsoft-Graph-Daten aufsetzt. Name, Beschreibung, Instruktionen, Wissensquelle. Fertig.

Copilot Studio Lite ist die richtige Wahl für persönliche Assistenten und Team-Helferlein. Wer als HR-Mitarbeiter schnell einen Chat-Agenten für interne Urlaubsrichtlinien bauen möchte, findet hier den einfachsten Einstieg: keine Dataverse-Kosten, läuft komplett in der Microsoft-365-Welt.

Grenzen der Lite-Experience: Keine komplexen Flows, keine Custom-APIs, keine Multi-Agent-Orchestrierung, keine Dev/Test/Prod-Umgebungen, keine detaillierte Telemetrie. Und ein wichtiger praktischer Punkt: Ein in Lite gebauter Agent lässt sich aktuell nicht nachträglich in die Full Experience migrieren. Die Entscheidung ist also von Anfang an relevant.

‍

Experience 2: Copilot Studio Full Experience

Hier wird es ernst. Die Full Experience ist das, was Microsoft früher einfach "Copilot Studio" genannt hat: ein eigenes Web-Portal für Maker und Developer, komplett abseits der Microsoft 365 Copilot Oberfläche.

Du bekommst MCP-Server-Anbindung, autonome Trigger, Multi-Agent-Orchestrierung mit Parent- und Child-Agents, Agent Flows für deterministische Abläufe, Code Interpreter für Python-Ausführung und Computer Use für Agenten, die auf Legacy-Systeme ohne API zugreifen. Dazu Topics, Power-Automate-Flows, Adaptive Cards als Eingabemasken, Dev/Test/Prod-Umgebungen und tiefe Governance-Tools.

Der Unterschied zur Lite-Experience ist qualitativ, nicht nur quantitativ. Die Full Experience ist der Punkt, an dem Copilot Studio aufhört, ein besseres Chatbot-Tool zu sein, und zu einer echten Automatisierungsplattform wird. Sie läuft auf Azure AI Foundry und gibt dir Zugriff auf GPT-5, Anthropic-Modelle und weitere Foundation Models.

Im Mittelstand bauen wir produktive KI-Agenten fast immer in der Full Experience. Die Lite-Variante nutzen wir primär für schnelle Prototypen oder persönliche Assistenten einzelner Mitarbeiter. Sobald ein Agent mehrere Nutzer hat, Governance braucht oder an externe Systeme muss, führt kein Weg an der Full Experience vorbei.

‍

Die dritte Option, die eigentlich keine ist: Logic Apps

Azure Logic Apps tauchen in Kundengesprächen gelegentlich als dritte Variante auf. Technisch sind sie kein Copilot Studio, sondern Azures serverlose Workflow-Engine. Mit den seit Ende 2025 generally available Agent Loops lassen sich inzwischen aber auch agentische Abläufe abbilden, was die Abgrenzung etwas unschärfer macht als noch vor einem Jahr.

Für bestimmte Use Cases, gerade E-Mail-Klassifizierung oder Dokumentenverarbeitung, setzen wir Logic Apps bewusst ein statt eines Copilot Studio Agenten. Es ist eine Abgrenzungsfrage, keine Konkurrenzsituation.

‍

Fünf Use Cases, die wir gerade produktiv bauen

Theorie ist das eine. Interessanter ist, was im Mittelstand 2026 wirklich funktioniert. Hier sind fünf KI-Agenten-Szenarien aus unseren aktuellen Mittelstand-Kundenprojekten. Keine Demos, keine Folien, sondern Produktivbetrieb oder Pilotphase.

‍

‍

Use Case 1: Der HR-Onboarding-Agent

Neue Mitarbeiter haben im Onboarding-Prozess immer dieselben Fragen. Wo finde ich das Intranet? Wie beantrage ich Urlaub? Wer ist mein IT-Ansprechpartner? Wie funktioniert das Reisekostentool?

Ein KI-Agent für HR-Onboarding auf Copilot Studio Lite, angebunden an die relevanten SharePoint-Seiten, beantwortet all das. Er führt neue Kolleginnen und Kollegen in den ersten Wochen strukturiert durch die interne Welt und entlastet die HR-Abteilung massiv. Der Custom Agent ist einfach zu bauen, einfach zu warten und zahlt sofort auf ein konkretes Problem ein: Die HR-Manager bekommen nicht mehr zum dritten Mal die gleiche Frage aus der gleichen Abteilung.

‍

Use Case 2: Wettbewerbsanalysen auf Knopfdruck

Marketing und Vertrieb brauchen regelmäßig Wettbewerbsanalysen. Welche Produkte haben die Konkurrenten neu im Portfolio? Welche Ausschreibungen gewinnen sie gerade? Wie positionieren sie sich aktuell?

Ein KI-Agent für Wettbewerbsanalysen auf Basis von Copilot Studio Full, angebunden an externe Webquellen über MCP und interne Vertriebsdaten, übernimmt genau diese Recherche. Er fasst zusammen, priorisiert und produziert auf Anfrage ein strukturiertes Briefing. Was vorher ein Praktikantenprojekt war, wird zur täglich verfügbaren Kompetenz für den Mittelstand.

Wichtige Abgrenzung: Das ist keine klassische Marktanalyse mit quantitativen Methoden. Das ist eine qualitative Wettbewerbsbeobachtung, die Menschen Zeit spart und Entscheidungsvorbereitung beschleunigt.

‍

Use Case 3: Versicherungsmakler-Agent für Risikofragebögen

Das ist eines unserer liebsten Beispiele, weil es zeigt, wofür Agenten wirklich gut sind. Versicherungsmakler bekommen von Kunden Risikofragebögen zurück, oft mehrseitige PDF-Dokumente mit spezifischen Angaben zu Gewerbebetrieben, Immobilien oder Industrieanlagen.

Die bisherige Arbeit: Der Makler oder seine Assistenz liest den Fragebogen durch, identifiziert die relevanten Risikomerkmale, vergleicht sie mit den Konditionen verschiedener Versicherer und schlägt das passende Produkt vor. Das ist zeitintensiv, fehleranfällig und skaliert nicht mit dem Geschäftswachstum.

Unser Agent, gebaut auf Copilot Studio Full mit MCP-Anbindung an die Produktdatenbank des Maklers, übernimmt die Auswertung. Er liest das PDF, extrahiert die Risikomerkmale über multimodale Prompts und empfiehlt konkret drei passende Versicherungsprodukte mit Begründung. Die finale Entscheidung trifft weiterhin der Makler. Aber die Vorbereitungszeit sinkt von vierzig Minuten auf fünf.

‍

Use Case 4: HR-Gesetzestexte-Monitoring

Arbeitsrecht ändert sich ständig. Für HR-Abteilungen in Mittelständlern ist es eine Herausforderung, rechtzeitig zu erfassen, welche Gesetzesänderungen relevant sind und welche interne Richtlinien darauf angepasst werden müssen.

Ein KI-Agent für Gesetzesrecherche, der regelmäßig relevante Rechtsquellen abfragt und Änderungen mit den bestehenden internen Regelungen abgleicht, löst dieses Problem. Er meldet proaktiv, wenn eine Neuerung HR-seitig Handlungsbedarf erzeugt, und liefert eine vorstrukturierte Analyse dazu.

Auch hier gilt: Der Agent ersetzt keinen Arbeitsrechtsexperten. Er macht aus Arbeitsrecht ein kontinuierliches Monitoring statt eines reaktiven Feuerwehreinsatzes.

‍

Use Case 5: Zeiterfassungs-Agent mit MCP-Anbindung

Das ist der technisch interessanteste Use Case aus unserer aktuellen Pipeline, und einer, den wir zuerst für uns selbst gebaut haben. Wir nutzen Clockodo für unsere eigene Zeiterfassung und haben uns dafür einen Copilot-Studio-Agenten gebaut, der über einen eigenen MCP-Server direkt mit Clockodo kommuniziert.

Der Agent beantwortet Fragen wie „Wie viele Stunden habe ich diese Woche auf Projekt X gebucht?" oder „Wer aus meinem Team hat noch keine Zeiten für letzten Monat erfasst?". Für den Endnutzer fühlt es sich an wie ein Chat mit einem Kollegen. Im Hintergrund passiert: Copilot Studio spricht über den MCP-Server mit Clockodo, holt die Daten in Echtzeit, reichert sie mit Kontext an und liefert die Antwort.

Das ist die konzeptuelle Stärke von MCP [3][4]. Ein MCP-Server sitzt zwischen KI-Client und Datenrepository, empfängt Anfragen der KI, prüft sie und führt erlaubte Operationen aus. Statt für jede Softwareintegration einen proprietären Konnektor zu bauen, definierst du einmal einen MCP-Server und alle MCP-kompatiblen Tools können ihn nutzen. Claude. Copilot. Was auch immer als Nächstes kommt.

‍

Der Entscheidungsmoment: Copilot Studio oder Custom Dev?

Hier kommen wir zu der Frage, die in fast jedem Mittelstand-Kundengespräch irgendwann auftaucht: Wenn wir einen KI-Agenten bauen, bauen wir ihn in Copilot Studio oder wir entwickeln ihn direkt als Softwareanwendung?

In den meisten Beratungen wird diese Frage pauschal beantwortet. Entweder die Berater sind in Copilot Studio verliebt und bauen alles damit. Oder sie sind Softwareentwickler und sehen in jedem Use Case das Custom-Dev-Projekt. Beides ist Quatsch. Die richtige Antwort lautet: Kommt drauf an.

‍

‍

Die Grafik fasst zusammen, was in unseren Projekten beide Welten leisten und wo sie an Grenzen stoßen. Zwei Punkte verdienen aber mehr als eine Bullet-Zeile, weil sie unsere Herangehensweise prägen.

‍

Unser Ansatz: Challenging durch parallele Prototypen

Wenn ein KI-Agenten-Use-Case bei uns auf dem Tisch liegt und die Architektur-Frage nicht klar ist, machen wir etwas Unkonventionelles. Wir bauen den Case parallel. Einmal prototypisch in Copilot Studio, einmal prototypisch in Custom Dev (typischerweise als React-Anwendung mit Azure OpenAI-Backend, entwickelt im Vibe-Coding-Verfahren mit Tools wie Cursor).

Das klingt nach doppeltem Aufwand, ist aber die schnellste Methode, zur richtigen Entscheidung zu kommen. Nach ein bis zwei Wochen haben wir zwei lauffähige Prototypen und der Kunde kann konkret erleben, was der Unterschied ist. Keine abstrakten Foliendiskussionen, sondern zwei Lösungen, die er anfassen und bedienen kann.

Wir haben in mehreren Kundenprojekten erlebt, dass diese zwei Wochen Aufwand mehr strategische Klarheit schaffen als sechs Monate Workshop-Diskussion. Die meisten Entscheider brauchen den direkten Vergleich, um zu spüren, was "Low-Code-Plattform" und "Custom Dev" in ihrer Realität bedeuten. Folien reichen dafür nicht.

‍

Der eine Vorteil von Custom Dev, den wir besonders wichtig finden

Es gibt einen Punkt, der in der Pro-Contra-Diskussion oft untergeht und den wir für strategisch bedeutend halten: Vendor-Resilienz.

Ein Custom-Dev-Agent, der als Azure Container App läuft, lässt sich auf jede andere Docker-kompatible Infrastruktur portieren. Wenn du morgen entscheidest, dass du eigene Infrastruktur oder einen anderen Hyperscaler nutzen willst: Der Container ist transportabel, die Azure-Abhängigkeiten sind lösbar.

Ein Copilot Studio Agent ist das nicht. Er lebt in Microsofts Universum und er bleibt dort. Das ist für viele Szenarien völlig in Ordnung. Aber wenn dein Business auf Cloud-Resilienz oder KI-Resilienz Wert legt, solltest du das explizit in die Architekturentscheidung einfließen lassen.

‍

Governance ab Tag eins: Die drei Dinge, die du nicht übersehen darfst

Einer der größten Fehler, den wir in Mittelstand-Kundenprojekten regelmäßig sehen: KI-Agenten werden gebaut, in Produktion gebracht und erst dann beginnt man über Governance nachzudenken. Das ist das Power-Platform-Governance-Problem in neuer Form.

Wenn du 2026 einen Custom Agent produktiv einführst, sind drei Themen ab Tag eins nicht verhandelbar.

‍

Authentifizierung: Als wer handelt dein Agent eigentlich?

Der niederländische Security-MVP Derk van der Woude hat das in einem exzellenten Beitrag auf den Punkt gebracht [12]: Ein Copilot Studio Agent hat vier mögliche Authentifizierungsmodi, und nicht alle sind gleich gut.

Der sichere Standard ist End User Credentials (On-Behalf-Of). Der Agent handelt im Namen des angemeldeten Nutzers, sieht genau das, was der Nutzer sehen darf, und nichts mehr. Sign-In-Logs sind in Entra nachvollziehbar.

Der gefährliche Fallstrick ist Maker-Provided Credentials. Hier nutzt der Agent die Credentials desjenigen, der ihn gebaut hat, und zwar für jeden Endnutzer. Das öffnet Tür und Tor für Oversharing, weil plötzlich Mitarbeiter Daten sehen, die eigentlich der Admin-Rolle vorbehalten sind.

Bei App Registration mit Delegated Permissions nutzt der Agent eine Entra-App-Registrierung, handelt aber weiterhin im Namen des Nutzers. Diese Variante ist sauber, erfordert aber saubere Scope-Konfiguration.

Gefährlich wird es bei App Registration mit Application Permissions. Hier agiert der Agent als Applikation selbst, mit den Rechten, die der App zugeteilt wurden. Im Worst Case liest er die Mailbox jedes einzelnen Tenant-Nutzers, weil die App Mail.Read.All hat.

Unsere Empfehlung: Jeder Copilot Studio Agent, der in einem Kundenprojekt in Produktion geht, bekommt bei uns einen Authentifizierungs-Check als festen Teil des Go-Live-Prozesses. Ohne diesen Check geht nichts live.

‍

Testing: Agent Evaluation und Copilot Studio Kit im Zusammenspiel

Bis Anfang 2026 war Testing in Copilot Studio ein manueller Prozess. Ein paar Beispielfragen, ein bisschen Kopfschütteln, Go-Live. Das ist mit echter Produktionsnutzung nicht vereinbar.

Microsoft hat im März 2026 Agent Evaluation als integrierten Bestandteil von Copilot Studio veröffentlicht [7]. Das Tool generiert Testfragen automatisch aus der Agent-Konfiguration, misst Ähnlichkeit, Intent-Erkennung und Vollständigkeit und gibt Maker ein schnelles Feedback, ob der Agent noch tut, was er soll.

Das Copilot Studio Kit ist die deterministische Ergänzung dazu. Es testet exakte Antwortübereinstimmungen, Adaptive-Card-Attachments, Multi-Turn-Konversationen und Orchestrierungspläne. Die Aufgabenteilung ist klar: Agent Evaluation für das schnelle Feedback während der Entwicklung, das Copilot Studio Kit für die Produktionsfreigabe und Regression-Tests.

In unseren Projekten setzen wir beide ein. Agent Evaluation als kontinuierlicher Begleiter während der Iteration. Das Copilot Studio Kit als Gate vor dem Go-Live und für Compliance-Nachweise.

‍

Agent Inventory: Wisse, was du hast

Das Copilot Studio Kit enthält neben den Testing-Funktionen auch eine Agent-Inventory-Funktion, die für Admins besonders relevant ist: Wer hat welche Agenten gebaut, mit welchen Berechtigungen, mit welcher Authentifizierung.

Das ist kein optionales Feature, das ist die Grundvoraussetzung, um Shadow-Agents zu verhindern. Gerade in Unternehmen, in denen Power Platform breit ausgerollt ist, entstehen Agenten oft unbemerkt. Ab Mai 2026 liefert Agent 365 diese Inventarisierung direkt mit. Bis dahin ist das Copilot Studio Kit die beste Option.

‍

Wie du jetzt startest: Unsere 30-60-90-Tage-Empfehlung

Wenn du nach diesem Praxisleitfaden denkst "Okay, wir sollten einen KI-Agenten bauen", dann hier unsere konkrete Empfehlung für Mittelständler.

‍

‍

Die ersten 30 Tage: Identifiziere einen Use Case mit echtem Schmerz. Kein "wäre-schön-wenn", sondern ein Prozess, der wirklich Zeit kostet, wirklich Fehler produziert oder wirklich skaliert werden muss. Prüfe, ob Copilot Studio Lite reicht oder die Full Experience der richtige Pfad ist. Führe einen Governance-Workshop durch, in dem du Authentifizierung, Datenzugriffe und Verantwortlichkeiten klärst, bevor du eine Zeile Custom Agent baust.

Die nächsten 30 Tage: Baue den ersten Prototypen. Wenn unklar ist, ob Copilot Studio oder Custom Dev der richtige Weg ist, baue parallel. Eine Woche pro Variante. Vergleiche am Ende die Ergebnisse mit dem Fachbereich.

Die letzten 30 Tage: Teste systematisch mit Agent Evaluation, dokumentiere die Ergebnisse im Copilot Studio Kit, fixiere die Authentifizierung, hol dir Compliance-Freigabe und gehe dann produktiv. Nicht vorher.

Das ist keine atemberaubende Geschwindigkeit. Das ist der Pace, mit dem du 2026 als Mittelständler einen KI-Agenten produktiv bekommst, der auch 2027 noch läuft.

‍

‍

Unser abschließender Rat

Die Plattform ist reif. Die Werkzeuge sind da. MCP, Agent 365, Copilot Studio Full, Agent Evaluation: Die Zutaten liegen auf dem Tisch. Was fehlt, ist bei vielen Mittelständlern nicht die Technologie, sondern die Disziplin, ein Thema strukturiert anzugehen statt in Demo-Euphorie zu verfallen.

Wir bauen derzeit zwei Arten von KI-Agenten-Projekten besonders oft: Custom Agents, die echte, abgegrenzte Probleme lösen, und Agenten, die nach sechs Monaten wieder eingestampft werden. Der Unterschied zwischen beiden ist nie die Technologie. Er ist immer die Vorbereitung.

Wenn du 2026 einen KI-Agenten im Mittelstand in Produktion bringen willst, starte klein, denke groß und plane Governance von Tag eins. Und wenn du dir unsicher bist, ob Copilot Studio oder Custom Dev der richtige Weg für deinen Use Case ist: Bau zwei Prototypen parallel. Die Entscheidung wird sich von selbst beantworten.