Agentic AI verstehen: Der Zukunfts-Guide für HR Leader

Mit LLMs wie SAP Joule, die heute in Recruiting und Core HR eingesetzt werden, rückt eine neue Dimension in den Fokus: Agentic AI – auch bekannt als agentische KI oder KI-Agenten. Diese Technologie wird die Arbeit von HR- und Payroll-Teams grundlegend verändern.

Agentic AI beschreibt AI Agents, die Gedächtnis, Planung, Wahrnehmung, Tool-Nutzung und Sicherheitsmechanismen kombinieren, um eigenständig Ziele zu erreichen. Anders als klassische Automatisierung (die nur repetitive Aufgaben ausführt) oder generative KI (die auf Prompts reagiert), sind KI-Agenten in der Lage, autonom Entscheidungen zu treffen und mehrstufige Aufgaben durchzuführen. Sie handeln proaktiv – fast wie digitale Kolleg:innen im Personalwesen.

Dieser Artikel zeigt die Vorteile, Einsatzfelder und Herausforderungen – ein praxisnaher Leitfaden für Organisationen, die Agentic AI im HR & Personalwesen frühzeitig nutzen wollen.

Key Takeaways

• Agentic AI verändert die Rolle von KI in HR: Aus einem System, das auf Anfragen reagiert, wird ein System, das definierte Ziele verfolgt und Arbeitsschritte ausführt.
• Payroll gehört zu den interessanten Einsatzfeldern: Wiederkehrende Prüfungen, Datenabgleiche und die Bearbeitung von Abweichungen lassen sich in agentische Workflows integrieren.
• Autonomie ist eine Gestaltungsfrage: Unternehmen können festlegen, welche Aufgaben ein Agent übernimmt und an welchen Punkten Menschen eingreifen.
• Der Nutzen entsteht über zusammenhängende Prozesse: Besonders interessant wird Agentic AI dort, wo Daten, Systeme und mehrere Arbeitsschritte miteinander verbunden werden.
• Technologie braucht messbare Ziele: KPIs wie Bearbeitungszeit, Fehlerquote, Automatisierungsgrad und Aufwand pro Prozess zeigen, welchen wirtschaftlichen Beitrag Agentic AI leistet.

Was ist Agentic AI – und warum ist sie für HR & Personalwesen relevant?

Agentic AI ist eine Klasse von KI-Agenten, die Gedächtnis, logisches Denken, Planung und Tool-Nutzung kombinieren, um autonom Ziele zu verfolgen.

Für HR- und Payroll-Verantwortliche eröffnet die agentische KI enorme Chancen: mehr Effizienz, bessere Entscheidungen und ein völlig neues Design von Arbeit. Gleichzeitig stellen sich neue Fragen rund um Ethik, Governance und Mitarbeitendenvertrauen.

Kein Wunder, dass Gartner Agentic AI als einen der Top-Technologie-Trends 2025 identifiziert hat.

Im Unterschied zu Chatbots oder einfachen Automatisierungslösungen können AI Agents komplexe Personalaufgaben eigenständig analysieren, in Teilaufgaben zerlegen und umsetzen. Für das Personalwesen bedeutet das: Lohnabrechnung, Anfragen von Mitarbeitenden oder Stammdatenpflege lassen sich künftig durch agentische KI automatisiert und vorausschauend abwickeln.

Quellen: Salesforces, Cisco und Gartner

Von Generative AI zu Agentic AI: Was verändert sich für HR und Payroll?

Generative AI beantwortet Fragen, erstellt Texte und verarbeitet Informationen auf Anfrage. Agentic AI geht einen Schritt weiter: Ein KI-Agent erhält ein Ziel, plant die dafür notwendigen Schritte und kann diese über angebundene Systeme selbst ausführen. Dafür greift er auf Daten und definierte Tools zu, bewertet Zwischenergebnisse und reagiert auf Veränderungen im Prozess.

Für HR und Payroll verändert sich damit die Rolle der KI. Ein generatives System kann beispielsweise eine Frage zur Gehaltsabrechnung beantworten. Ein Agent kann dagegen einen gesamten Vorgang begleiten: Er prüft relevante Daten, erkennt eine Abweichung, analysiert mögliche Ursachen und leitet bei Bedarf die nächsten Schritte ein. Wie viel davon automatisch geschieht, wird über Berechtigungen, Regeln und Freigaben festgelegt. NIST beschreibt genau diese Fähigkeit zur eigenständigen Entscheidungsfindung und Anpassung als ein zentrales Merkmal agentischer Systeme.

Von der Antwort zur Aktion

Laut International Labour Organization arbeiten weltweit etwa 25 % der Beschäftigten in Berufen mit einem gewissen Grad an Exposition gegenüber generativer KI. Die ILO erwartet dabei überwiegend eine Veränderung von Tätigkeiten statt einer vollständigen Verdrängung von Arbeitsplätzen. Die Entwicklung betrifft vor allem Tätigkeiten, die sich in einzelne digitale Arbeitsschritte zerlegen lassen.

Der Unterschied lässt sich anhand eines einfachen Beispiels aus der Payroll zeigen:

Damit verschiebt sich der Schwerpunkt von Information zu Ausführung. Ein Agent kann beispielsweise Daten aus Zeitwirtschaft, HR-System und Payroll zusammenführen, Prüfungen durchführen und einen Vorgang an die zuständige Stelle übergeben.

Agentic AI Payroll: Ein Beispiel aus der Gehaltsabrechnung

Ein möglicher Ablauf beginnt bereits vor der eigentlichen Abrechnung. Der Agent prüft eingehende Payroll-Daten und vergleicht sie mit definierten Regeln oder historischen Mustern. Dabei fällt beispielsweise eine ungewöhnlich hohe Überstundenvergütung auf.

Der Agent kann anschließend:

1. die betroffenen Abrechnungsdaten identifizieren,
2. die Abweichung mit hinterlegten Regeln und verfügbaren Stammdaten abgleichen,
3. mögliche Ursachen analysieren,
4. die Abweichung dokumentieren,
5. bei einem definierten Risikowert automatisch einen Fall eröffnen,
6. die zuständige Payroll-Fachkraft informieren und
7. nach einer Freigabe den nächsten Prozessschritt auslösen.

In einer modernen Payroll-Landschaft müssen dafür HR-, Zeitwirtschafts- und Abrechnungsdaten miteinander verbunden sein. Plattformen wie Zalaris PeopleHub führen diese Bereiche auf einer gemeinsamen Plattform zusammen. Der SAP Personalabrechnungsassistent verbindet beispielsweise Daten aus HR, Zeitwirtschaft und Payroll und unterstützt bei Pay-Readiness-Prüfungen, der Erkennung von Fehlern sowie deren Analyse und Behebung.

Der Mehrwert von Agentic AI liegt dabei weniger darin, einzelne Aufgaben schneller zu erledigen. Interessanter wird die Technologie dort, wo mehrere Prozessschritte über verschiedene Systeme hinweg koordiniert werden können.

Aus einem KI-System, das auf Fragen reagiert, kann ein digitaler Akteur werden, der definierte Prozesse überwacht, Abweichungen erkennt und innerhalb klarer Grenzen selbstständig handelt.

Was kann Agentic AI in Payroll konkret übernehmen?

Der Einsatz von Agentic AI in der Payroll beginnt dort, wo KI mehr leisten soll als Informationen bereitzustellen.

Agentic AI kann beispielsweise Daten aus verschiedenen HR- und Payroll-Systemen abgleichen, Abweichungen erkennen und darauf basierend weitere Prozessschritte anstoßen. Dafür braucht es Schnittstellen zwischen den beteiligten Anwendungen und konsistente Datenflüsse. HR- und Payroll-Integrationen schaffen die technische Grundlage dafür, dass Daten zwischen Systemen ausgetauscht und Prozesse miteinander verbunden werden können.

Die größten Potenziale liegen dort, wo Payroll-Prozesse heute durch Datenfehler, Schnittstellen oder nachträgliche Korrekturen belastet werden. In einer internationalen Befragung von 326 Payroll-Fachleuten nannten 50,6 % Fehler bei der Eingabe von HR-Daten als Problemquelle. 26,4 % verwiesen auf Fehler an Schnittstellen und Integrationen, 23,9 % auf nachträgliche Änderungen und Korrekturen.

In einer Befragung der britischen Steuerbehörde HMRC berichteten 19 % der mittelgroßen Unternehmen von Fehlern bei ihren steuerlichen Angelegenheiten innerhalb der vergangenen zwölf Monate. In den Interviews wurden unter anderem fehlerhafte Berechnungen und falsch zugeordnete Zahlungen in PAYE-Konten genannt.

Anomalien in Payroll-Daten erkennen

Payroll-Daten enthalten zahlreiche Werte, die sich von Abrechnung zu Abrechnung verändern können. Ein Agent kann diese Daten auf ungewöhnliche Muster prüfen und Auffälligkeiten zur weiteren Bearbeitung markieren. Gerade bei Stammdaten und Systemübergaben können sich Fehler in die Abrechnung einschleichen. Veraltete Stammdaten und fehlende Systemintegration zwischen HR und Payroll sind typische Fehlerquellen in der Lohnabrechnung.

Beispiele sind:

• ungewöhnlich hohe oder niedrige Gehaltsbestandteile
• auffällige Überstundenwerte
• unerwartete Veränderungen bei Abzügen
• fehlende oder widersprüchliche Stammdaten
• ungewöhnliche Abweichungen gegenüber früheren Abrechnungsperioden

Dabei muss eine erkannte Abweichung nicht automatisch bedeuten, dass ein Fehler vorliegt. Ein Agent kann zunächst zusätzliche Informationen prüfen und den Fall entsprechend seiner definierten Regeln einordnen.

Payroll-Daten in Echtzeit validieren

Ein weiterer Anwendungsfall ist die laufende Validierung von Payroll-Daten. Statt Fehler erst während einer abschließenden Prüfung oder nach der Abrechnung zu erkennen, kann ein Agent Daten bereits während des Prozesses gegen hinterlegte Regeln und Anforderungen prüfen.

Ein ähnliches Prinzip gibt es bereits im SAP Payroll Control Center: Es ermöglicht die Echtzeitprüfung von Stamm- und Abrechnungsdaten und hilft dabei, Fehler bereits vor der Produktivabrechnung zu erkennen.

So kann ein Agent beispielsweise feststellen, dass eine Eingabe nicht zu den vorhandenen Stammdaten passt, eine notwendige Information fehlt oder eine Konstellation weitere Prüfungen erfordert.

Das Prinzip lässt sich auf den gesamten Prozess ausweiten: Der Agent prüft Daten, bewertet das Ergebnis und entscheidet anhand definierter Regeln, ob der Prozess fortgesetzt werden kann oder ein Fall zur Prüfung weitergeleitet werden muss.

Fehler analysieren und Ursachen eingrenzen

Die Erkennung eines Fehlers ist bei komplexen Payroll-Prozessen oft erst der Anfang. Für Payroll-Teams ist anschließend relevant, warum die Abweichung entstanden ist.

Ein Agent kann dafür Informationen aus mehreren angebundenen Systemen zusammenführen. Bei einer unerwarteten Vergütung kann er beispielsweise prüfen, ob sich die Abweichung durch Zeitdaten, eine Änderung im Beschäftigungsstatus, einen variablen Vergütungsbestandteil oder eine andere hinterlegte Information erklären lässt.

Das Ergebnis kann als nachvollziehbare Zusammenfassung an die zuständige Payroll-Fachkraft übergeben werden. Die Fachkraft muss damit weniger Zeit darauf verwenden, die relevanten Informationen aus verschiedenen Systemen zusammenzutragen.

Fälle automatisch eskalieren

Nicht jeder Payroll-Fall sollte automatisch gelöst werden. Gerade bei sensiblen oder finanziell relevanten Entscheidungen kann eine menschliche Prüfung erforderlich sein.

Ein Agent kann deshalb auch als Eskalationsinstanz arbeiten. Überschreitet eine Abweichung einen definierten Schwellenwert oder lässt sie sich anhand der verfügbaren Informationen nicht eindeutig einordnen, kann der Agent einen Fall eröffnen und an die zuständige Stelle weitergeben.

Dabei können Unternehmen festlegen, welche Aktionen ein Agent selbstständig ausführen darf und für welche Schritte eine Freigabe erforderlich ist. So lässt sich die Automatisierung an das jeweilige Risiko eines Prozesses anpassen.

Vom einzelnen Anwendungsfall zum Payroll-Workflow

Die einzelnen Funktionen entfalten ihren Nutzen vor allem dann, wenn sie miteinander verbunden werden. Ein Agent könnte beispielsweise eine Abweichung erkennen, die relevanten Daten prüfen, die mögliche Ursache analysieren und bei einem definierten Risiko automatisch eine Payroll-Fachkraft einschalten.

Damit entsteht ein Prozess, in dem Erkennung, Analyse und Eskalation zusammenarbeiten. Der Mensch greift dort ein, wo seine Entscheidung benötigt wird. Routinemäßige Prüfungen und klar definierte Folgeaktionen können dagegen innerhalb der festgelegten Grenzen beim Agenten liegen.

Typische Einsatzszenarien von Agentic AI im Personalwesen

Agentic AI kann in unterschiedlichen Bereichen des Personalwesens eingesetzt werden. Besonders interessant sind Prozesse, bei denen mehrere Arbeitsschritte aufeinanderfolgen, Informationen aus verschiedenen Quellen benötigt werden und auf ein definiertes Ziel hingearbeitet wird. Je nach Anwendungsfall können Agenten dabei Aufgaben vorbereiten, selbstständig ausführen oder bei komplexeren Entscheidungen einen Menschen einbeziehen.

• Recruiting & Talent Matching: Agenten können Lebensläufe analysieren, Shortlists erstellen, Stellenbeschreibungen überarbeiten und Interviews koordinieren. Mehrere Agenten könnten dabei unterschiedliche Aufgaben übernehmen, etwa Kandidat sourcen, Profile vergleichen oder Stellenangebote analysieren.
• Employee Services & Payroll Support: Mitarbeitende erhalten schnelle Antworten auf Standardfragen zu Gehaltsabrechnungen, Urlaub oder Benefits. Komplexere Anliegen können an zuständige Mitarbeitende weitergeleitet werden. In der Payroll können Agenten beispielsweise Abweichungen erkennen, Verantwortliche benachrichtigen oder auf relevante Änderungen bei steuerlichen Vorgaben hinweisen.
• Interne Mobilität & Entwicklung: Agenten können Skills, Leistungsdaten und Lernfortschritte auswerten, um passende Entwicklungsmöglichkeiten vorzuschlagen. Denkbar sind Empfehlungen für Lernpfade, passende Trainings oder Mentor.
• Strategische Workforce-Planung: Agenten können Personaldaten auswerten und unterschiedliche Szenarien modellieren, etwa bei bevorstehenden Renteneintritten oder veränderten Personalkosten. Die Ergebnisse können Führungskräften als Grundlage für die weitere Planung dienen.

Viele dieser Anwendungsfälle setzen auf zentral verfügbare Personaldaten und miteinander verbundene HR-Prozesse. Eine integrierte Core-HR-Lösung schafft dafür die technische Grundlage.

Wie viel Autonomie braucht Agentic AI in Payroll?

Agentic AI bedeutet nicht automatisch, dass ein KI-Agent sämtliche Payroll-Prozesse eigenständig ausführt. Unternehmen können festlegen, welche Aufgaben ein Agent übernehmen darf, wann eine menschliche Freigabe erforderlich ist und bei welchen Fällen er den Vorgang stoppen oder eskalieren muss.

Diese Frage nach dem richtigen Autonomiegrad stellt sich nicht erst mit Agentic AI. Eine OECD-Untersuchung von mehr als 6.000 Unternehmen in Frankreich, Deutschland, Italien, Japan, Spanien und den USA zeigt, dass algorithmisches Management bereits in vielen Unternehmen eingesetzt wird. Gleichzeitig nennen Führungskräfte Risiken wie unklare Verantwortlichkeiten und Schwierigkeiten, die Logik algorithmischer Systeme nachzuvollziehen.

Für Payroll bietet sich ein abgestuftes Autonomiemodell an:

Welche Stufe sinnvoll ist, hängt vom jeweiligen Prozess und seinem Risiko ab. Bei einer einfachen Informationsanfrage kann ein Agent weitgehend selbstständig arbeiten. Bei Änderungen mit finanziellen oder arbeitsrechtlichen Auswirkungen kann eine menschliche Freigabe erforderlich sein.

Die Unterscheidung zwischen Fähigkeiten und Berechtigungen schafft eine Grundlage für Governance. Berechtigungen, Freigabegrenzen und Eskalationsregeln können bereits bei der Konzeption des Agenten festgelegt werden.

Risiken und Governance: Worauf HR achten muss

Je mehr Aufgaben ein KI-Agent selbstständig übernimmt, desto wichtiger werden klare Grenzen für seine Handlungen. Der EU AI Act macht menschliche Aufsicht bei Hochrisiko-KI zu einer zentralen Anforderung. Unternehmen müssen dafür sorgen, dass zuständige Personen über die nötige Kompetenz, Schulung und Befugnis verfügen, um das System zu überwachen und bei Bedarf einzugreifen. Beim Einsatz entsprechender Systeme am Arbeitsplatz müssen Beschäftigte zudem informiert werden.

Eine aktuelle Analyse der International Labour Organization untersucht KI-Anwendungen in Recruiting, Vergütung, Einsatzplanung und Performance Management. Sie kommt zu dem Schluss, dass verzerrte Daten, ungeeignete Zielgrößen und intransparente Systemlogiken die Qualität und Fairness von KI-gestützten HR-Entscheidungen beeinträchtigen können.

Auf folgende Punkte sollte HR besonders achten:

1. Transparenz & Accountability: Der EU AI Act sieht für Hochrisiko-KI Anforderungen an Protokollierung und Nachvollziehbarkeit vor. Für agentische Systeme sollte jede relevante Aktion nachvollziehbar dokumentiert werden. Prozesse müssen definieren, wann Agenten autonom handeln dürfen und wann ein Mensch eingreifen muss.
2. Bias & Fairness: AI lernt aus Daten und Daten können verzerrt sein. Organisationen sollten Fairness-Audits fest verankern und Systeme regelmäßig überprüfen, insbesondere wenn Agenten Entscheidungen mit Auswirkungen auf Beschäftigte vorbereiten oder treffen.
3. Datensicherheit: Agenten benötigen für ihre Aufgaben Zugriff auf Daten und Systeme. Best Practice sind rollenbasierte und zeitlich begrenzte Berechtigungen nach dem Prinzip der geringsten notwendigen Zugriffsrechte. Ein Agent sollte nur auf die Informationen und Funktionen zugreifen können, die er für seine konkrete Aufgabe benötigt.
4. Freigaben & Eskalationen: Für sensible Aktionen sollten klare Schwellenwerte definiert werden. Überschreitet beispielsweise eine Abweichung einen bestimmten Betrag oder lässt sich ein Fall nicht eindeutig einordnen, sollte der Agent den Vorgang stoppen und an eine zuständige Person übergeben.
5. Mitarbeitendenvertrauen: Menschen müssen wissen, wann sie mit AI interagieren und wie Entscheidungen überprüft oder überschrieben werden können. Transparenz und klare Kommunikation sind entscheidend.
6. Monitoring: Governance endet nicht mit der Einführung eines Agenten. Unternehmen sollten überwachen, welche Aktionen ein Agent ausführt, wie häufig er Fälle eskaliert und ob Fehler oder unerwartete Muster auftreten. Die Regeln und Berechtigungen müssen angepasst werden, wenn sich der Anwendungsfall oder das zugrunde liegende System verändert.

Wie weit Unternehmen die Entscheidungsbefugnis von KI ausdehnen, beeinflusst auch die Akzeptanz der Technologie. In einer OECD-Befragung unterstützten 57 % der Beschäftigten ein Verbot von KI, die über Entlassungen entscheidet. Weitere 25 % befürworteten einen Einsatz nur unter bestimmten Einschränkungen.

Für Payroll ist die Situation besonders sensibel: Gehaltszahlungen, Abzüge und steuerliche Angaben haben unmittelbare finanzielle Auswirkungen auf Beschäftigte. Deshalb sollte der Autonomiegrad eines Agenten an das Risiko des jeweiligen Vorgangs gekoppelt werden. Je höher die möglichen Auswirkungen einer Aktion, desto stärker sollten Freigaben, Eskalationsregeln und menschliche Kontrolle ausgeprägt sein.

ROI und KPIs: Wie lässt sich der Nutzen von Agentic AI in Payroll messen?

Bei Agentic AI sollte der Nutzen anhand konkreter Prozessdaten bewertet werden. Eine kürzere Bearbeitungszeit allein sagt wenig darüber aus, ob ein Agent einen Payroll-Prozess tatsächlich verbessert. Aussagekräftiger sind Kennzahlen, die zeigen, wie viele manuelle Eingriffe erforderlich sind, wie häufig Fehler auftreten und wie schnell Abweichungen bearbeitet werden.

Geeignete KPIs sind zum Beispiel:

Für Agentic AI ist dabei ein Vergleich mit dem Ausgangszustand wichtig. Unternehmen sollten die Kennzahlen vor dem Pilotprojekt erfassen und anschließend über einen definierten Zeitraum vergleichen. So lässt sich erkennen, ob der Agent tatsächlich Arbeitsschritte übernimmt oder lediglich zusätzliche Prüfungen erzeugt.

Auch die Qualität der Entscheidungen sollte in die Bewertung einfließen. Ein Agent, der viele Anomalien erkennt, dabei aber zahlreiche Fehlalarme produziert, kann den manuellen Aufwand sogar erhöhen. Deshalb gehören Erkennungsqualität, Eskalationsrate und menschliche Eingriffe zur Bewertung eines Payroll-Agenten.

Zalaris verweist in seinem Beitrag zu KI in der Gehaltsabrechnung unter Berufung auf die American Payroll Association auf mögliche Kosteneinsparungen von bis zu 80 % durch Automatisierung von Payroll-Prozessen. Solche Werte sind als Potenzial und nicht als allgemeine Erwartung für jeden Prozess zu verstehen. Wie hoch der tatsächliche Nutzen ausfällt, hängt unter anderem vom Automatisierungsgrad, der Systemlandschaft und der Komplexität der Payroll-Prozesse ab.

Für Unternehmen ergibt sich daraus eine einfache Leitfrage: Welche messbare Veränderung soll der Agent in einem konkreten Payroll-Prozess bewirken? Erst wenn diese Veränderung definiert und gemessen wird, lässt sich der Business Case für weitere Anwendungsfälle beurteilen.

Nächste Schritte für CHROs

Der Einstieg in Agentic AI muss nicht mit einer vollständigen Automatisierung von HR-Prozessen beginnen. Sinnvoller ist ein klar abgegrenzter Anwendungsfall, bei dem sich Nutzen, Risiken und notwendige Systemzugriffe gut bewerten lassen.

Ein möglicher Einstieg umfasst fünf Schritte:

Ein menschzentrierter, agentischer Zukunftsblick

Agentic AI hat das Potenzial, HR und Payroll tiefgreifend zu verändern – nicht nur durch mehr Effizienz, sondern durch neue Strategien und Arbeitsmodelle. Entscheidend ist, Innovation mit Governance und Menschzentrierung zu verbinden.

Die Entwicklung ist Teil eines größeren Wandels in der Arbeitswelt. Im Future of Jobs Report 2025 des World Economic Forum erwarten 86 % der befragten Arbeitgeber, dass KI und Informationsverarbeitung ihr Unternehmen bis 2030 verändern werden.

Gerade in Payroll bietet sich ein schrittweises Vorgehen an. Unternehmen können mit klar abgegrenzten Anwendungsfällen beginnen, die Ergebnisse anhand definierter KPIs messen und den Grad der Autonomie anschließend gezielt erweitern.

Für HR Leader bedeutet das, Agentic AI weder als reine Automatisierungstechnologie noch als Ersatz für menschliche Expertise zu betrachten. Der größere Nutzen entsteht dort, wo KI-Agenten operative Aufgaben übernehmen und HR- und Payroll-Teams mehr Zeit für Entscheidungen, Ausnahmen und strategische Themen gewinnen.

Zalaris unterstützt Unternehmen bei der Entwicklung und Umsetzung moderner HR- und Payroll-Lösungen. Wenn Sie prüfen möchten, welche Prozesse sich für Agentic AI eignen, finden Sie bei Zalaris weitere Informationen zu AI und Payroll.