Bevor wir anfangen: Was ist eigentlich ein KI-Agent?
„KI-Agent“ klingt nach Science-Fiction. Ist es aber nicht. Ein KI-Agent ist ein KI-System, das nicht nur antwortet, sondern über mehrere Schritte hinweg handelt: planen, Werkzeuge nutzen, Zwischenergebnisse prüfen, nachsteuern und am Ende ein Ergebnis abliefern.
Der klassische Chatbot wartet auf deine Frage und gibt eine Antwort. Fertig. Ein KI-Agent kann dagegen einen Auftrag bekommen: „Bereite den Kundentermin vor.“ Danach liest er vorhandene Notizen, priorisiert offene Punkte, erstellt eine Zusammenfassung und legt einen Entwurf für die Agenda ab — ohne dass du jeden Einzelschritt manuell ausformulieren musst.
Kernunterschied
Vom Antwort-Werkzeug zum delegierten Akteur
Agentic AI ist nicht „ChatGPT mit besserem Prompt“. Der Kontrollpunkt verschiebt sich: weg vom einzelnen Befehl, hin zum Ziel, zur Berechtigung und zur Ergebniskontrolle.
Das klingt nach einem kleinen Unterschied. Es ist aber ein Paradigmenwechsel — vergleichbar mit dem Übergang vom Taschenrechner zur Tabellenkalkulation. Nicht mehr nur Hilfswerkzeug, sondern ein digitaler Mitarbeiter mit begrenztem Mandat.
Und genau hier spielen die vier Tools, über die wir heute reden, ihre Hauptrolle: Microsoft Scout, OpenClaw, Hermes Agent und Paperclip.
Seit der Erstveröffentlichung ist der wichtigste Punkt noch klarer geworden: Entscheidend ist nicht, welcher Agent „am meisten kann“, sondern welche Kontrollschicht ihr braucht. Scout ist spannend, wenn ihr im Microsoft-365-Tenant mit Identität, Purview und Freigaben arbeitet. OpenClaw passt eher zu selbst betriebenen Assistenten. Hermes Agent ist stark bei wiederholbaren Tool-Workflows. Paperclip hilft, wenn mehrere Agenten wie ein Team koordiniert werden sollen.
Die vier Akteure — kurz vorgestellt
Microsoft Scout
Der Enterprise-Agent für Microsoft-365-Umgebungen: tief integriert, governance-orientiert und laut Microsoft aktuell über Frontier beziehungsweise Private Preview zugänglich.
OpenClaw
Der selbst betriebene persönliche Assistent: eigene Geräte, bestehende Kommunikationskanäle und Open-Source-Kontrolle. Stark, wenn Kontrolle wichtiger ist als ein fertiger Enterprise-Vertrag.
Hermes Agent
Der Workflow-Agent mit Speicher, Skills und Tooling: interessant für Teams, die wiederkehrende Aufgaben nicht nur automatisieren, sondern systematisch verbessern wollen.
Paperclip
Die Agenten-Organisation mit Oberfläche: statt einzelner Agenten baust du Rollen, Budgets und Zuständigkeiten — eher KI-Team als einzelner Assistent.
Microsoft Scout: Der Enterprise-Assistent
Microsoft hat auf der Build 2026 Scout als ersten sogenannten „Autopiloten“ vorgestellt. Die Ansage war eindeutig: Scout ist kein klassischer Chatbot und auch kein einfacher Copilot-Nachfolger, sondern ein always-on personal agent — also ein KI-Assistent, der im Hintergrund aktiv bleibt und im Auftrag eines Nutzers handeln soll.
Scout ist tief in Microsoft 365 integriert: Microsoft nennt Teams, Outlook, OneDrive und SharePoint sowie Daten wie Chats, E-Mail, Kalender und Kontakte. Genau hier liegt der Enterprise-Reiz: Nicht noch ein Tool neben der Arbeit, sondern ein Agent im bestehenden M365-Arbeitsraum.
Die technische Besonderheit ist die persistente Gedächtnisschicht Work IQ. Scout soll sich Kontext über Sitzungen hinweg merken: Projekte, bevorzugte Arbeitsweisen, relevante Kontakte, Dokumente und wiederkehrende Muster. Kein ewiges Wiederholen von „Ich arbeite bei Firma X, Projekt Y ist gerade in Phase Z“. Der Agent kennt diesen Kontext — soweit er ihn berechtigt sehen darf.
Dazu kommen laut Microsoft eigene Entra-Identitäten für Agenten, genehmigte Zielressourcen, mögliche Human Approvals für sensible Aktionen und Purview-Richtlinien wie Sensitivity Labels und DLP, bevor Daten gesendet oder geschrieben werden. Für Unternehmen ist das nicht Beiwerk, sondern der entscheidende Unterschied: Ein autonomer Agent ohne Governance ist kein Produktivitätsgewinn, sondern ein Risiko.
Der große Twist: Scout basiert öffentlich diskutiert auf dem OpenClaw-Ansatz. Microsoft hat damit nicht einfach „noch einen Copilot“ gebaut, sondern ein Open-Source-Agenten-Muster genommen und mit Enterprise-Governance versehen. Das ist clever — und zeigt, wie schnell Open Source in diesem Bereich die Richtung vorgibt.
OpenClaw: Der selbst betriebene persönliche Assistent
OpenClaw ist das, was entsteht, wenn Entwickler sagen: „Wir wollen einen persönlichen KI-Assistenten auf eigenen Geräten — nicht nur eine API oder ein Framework.“
Der Reiz ist bis heute gleich geblieben: OpenClaw ist weniger SDK und mehr betriebsbereite Agenten-Applikation. Die GitHub-Projektseite beschreibt es als persönlichen KI-Assistenten, der auf eigenen Geräten läuft, auf vorhandenen Kanälen antwortet und über Gateway sowie Canvas gesteuert werden kann.
Was kann OpenClaw?
- Betrieb auf eigenen Geräten statt reinem Cloud-Service
- Antworten auf bereits genutzten Kommunikationskanälen
- Gateway als Control Plane für den Assistenten
- Live Canvas für steuerbare Interaktion
- Open-Source-Basis mit aktiver GitHub-Entwicklung
OpenClaw ist kein reines Framework, das du erst selbst zu einem Agenten zusammensetzen musst. Es ist ein Assistent, den du konfigurierst, absicherst und betreibst. Genau dieser Unterschied ist wichtig: Framework bauen oder Agent betreiben.
Für wen? Für Teams, die einen eigenen KI-Agenten betreiben wollen — mit mehr Kontrolle über Geräte, Datenflüsse, Erweiterungen und Betriebsmodell als bei einem rein gemanagten SaaS-Agenten.
Hermes Agent: Der Workflow-Spezialist
Hermes Agent kommt aus einem anderen Winkel. Das Projekt stammt von Nous Research, dem Labor hinter den Hermes-Modellen und einer starken Tool-Calling-Ausrichtung. Hermes Agent verbindet diese Modellwelt mit einem Agentenbetriebssystem: Tools, Skills, Speicher, Cronjobs, Messaging-Gateways und Session-Fortsetzung.
Der Kern ist nicht „noch ein Chatfenster“, sondern wiederholbare Agentenarbeit. Hermes Agent dokumentiert persistenten Speicher, Skills, Cronjobs und isolierte Subagenten. Das macht ihn besonders interessant für Teams, die nicht nur eine Einmal-Automation wollen, sondern einen Agenten, der als Arbeitsmodus dauerhaft mitläuft.
Technisch setzt Hermes Agent auf:
- Tool- und Function-Calling über verschiedene Modellanbieter
- persistenten Speicher für Nutzerpräferenzen, Arbeitskontext und wiederverwendbare Skills
- Cronjobs für regelmäßige Aufgaben und Watchdogs
- Subagenten und Delegation für parallele Arbeitspakete
- konservative Sicherheitsmechanismen rund um Tool-Ausführung, Dateizugriff und Freigaben
Für wen? Für Entwickler, Operator und kleine Teams, die komplexe, wiederkehrende Workflows automatisieren wollen und bereit sind, den Agenten bewusst zu betreiben. Hermes Agent ist mehr Werkbank als Hochglanz-App — aber genau deshalb stark.
Paperclip: Das KI-Unternehmen im Kasten
Paperclip ist das eigenartigste Produkt in diesem Vergleich — und vielleicht das mit dem breitesten nicht-technischen Appeal.
Die Idee: Du gibst Paperclip ein Ziel, stellst ein Agenten-Team zusammen und verwaltest Arbeit über Rollen, Aufgaben, Budgets und Governance. Kein reines Terminal-Setup, sondern eine businessfreundliche Sicht auf Agentenarbeit.
Das ist natürlich eine Vereinfachung. Aber nicht so weit von der Realität entfernt, wie es zunächst klingt. Paperclip ist ein Multi-Agenten-Orchestrierungssystem mit Rollen, Zuständigkeiten, Budgets und einer Oberfläche, die auch Nicht-Entwickler verstehen können.
Was kann Paperclip?
- Multi-Agenten-Strukturen mit org-chart-artiger Rollenlogik
- Budget-Enforcement auf Agentenebene: Kein Agent gibt mehr aus als erlaubt
- Heartbeat- und Aufgabenlogik für laufende Agentenarbeit
- Isolation mehrerer „Unternehmen“ beziehungsweise Projekte
- Anbindung unterschiedlicher Modell- und Agenten-Backends, je nach Setup
Für wen? Für Menschen, die nicht im Terminal leben, aber den Nutzen autonomer Agenten testen wollen. Oder für Teams, die eine vollständige Agenten-Organisation für Content-Pipelines, Competitive Intelligence oder Produktentwicklung modellieren möchten.
Der große Vergleich: Was passt wofür?
| Dimension | Microsoft Scout | OpenClaw | Hermes Agent | Paperclip |
|---|---|---|---|---|
| Primärer Nutzen | Agent im M365-Arbeitskontext | Persönlicher Assistent auf eigenen Geräten | Wiederholbare Workflows mit Skills | Multi-Agenten-Organisation |
| Zielgruppe | Microsoft-365-Organisationen | Entwickler & tech-affine Teams | Operator, Entwickler, kleine Agenten-Teams | Nicht-technische Operator, Gründer, Agenturen |
| Setup | Frontier/Private Preview plus Admin-Voraussetzungen | Selbstbetrieb mit eigener Verantwortung | CLI/Desktop/Server, profil- und toolbasiert | Node.js/React-App mit Oberfläche |
| Stärkste Seite | Governance, Identität, Compliance | Kontrolle, Kanäle, Open Source | Speicher, Skills, Automatisierung | Rollen, Budget, Business-UX |
| Schwächste Seite | Verfügbarkeit und Roadmap liegen bei Microsoft | Betrieb bleibt bei euch | braucht bewusstes Setup | Governance hängt vom eigenen Betriebsmodell ab |
| Persistenter Speicher | Work IQ | file-backed / agentenbasiert | mehrschichtig + Skills | organisations- und rollenbezogen |
| Open Source / Kontrolle | Microsoft-Produkt | hoch | hoch | hoch, abhängig vom Hosting |
| Best Fit | M365-Governance zuerst | Selbstbetrieb zuerst | Wiederholbare Workflows zuerst | Agenten-Team zuerst |
Nehmt Scout, wenn Governance wichtiger ist als maximale Freiheit.
Vor allem dann, wenn eure Daten, Identitäten und Compliance-Regeln ohnehin in Microsoft 365, Entra und Purview liegen.
Nehmt OpenClaw, wenn ihr den Agenten selbst besitzen wollt.
Hosting, Modellwahl, Datenhaltung, Kanäle und Erweiterungen bleiben unter eurer Kontrolle — inklusive Betriebsverantwortung.
Nehmt Hermes Agent, wenn Aufgaben wiederkehren.
Stark für Agenten, die regelmäßig recherchieren, prüfen, schreiben, testen, reporten oder über Cronjobs wiederkehrend arbeiten.
Nehmt Paperclip, wenn ihr Rollen statt einzelner Prompts braucht.
Gut für Teams, die Agenten wie Abteilungen modellieren wollen: CMO, CTO, Research, Sales, QA — mit Budgets und Zuständigkeiten.
Ein konkretes Praxisbeispiel: Scout in der Beratung
Ein Beispiel aus der Beratung zeigt, was Agentic AI abseits der Theorie bedeutet:
Nach einem Kundenerstgespräch inklusive Aufzeichnung kann ein Scout-ähnlicher Agent den E-Mail-Verlauf mit dem Kunden analysieren, frühere Projektzieldokumente berücksichtigen, positive und negative Rückmeldungen einordnen und daraus ein kontextgerechtes Projektzieldokument vorbereiten.
Nicht generisch. Nicht nach Template. Sondern auf Basis der eigenen Arbeitshistorie und beobachteter Kundenpräferenzen.
Das ist der entscheidende Unterschied zu einem Chatbot: Der Agent beantwortet nicht nur eine Frage. Er arbeitet mit vorhandenen Unternehmensinformationen, zieht Schlüsse und erstellt ein Ergebnis, das näher an der Realität des Kunden liegt.
Genau dieses Szenario — Agenten, die auf Basis von Unternehmensgedächtnis handeln — ist der Kern dessen, was Work IQ und ähnliche Gedächtnisschichten leisten sollen.
Der Nutzen steigt mit gutem Kontext. Das Risiko auch. Wer Agenten auf Mail, Kalender, Dateien und Chats loslässt, braucht klare Rollen, minimale Rechte, Logging und eine einfache Möglichkeit, Aktionen zurückzunehmen.
Was das für die Praxis bedeutet
Diese vier Tools sind keine direkten Konkurrenten. Sie lösen unterschiedliche Probleme — und die Wahl hängt vom eigenen Kontext ab.
Du nutzt Microsoft 365 und willst Agenten innerhalb eurer bestehenden Governance testen? Scout ist dann naheliegend — sofern Frontier-/Preview-Zugang, Intune-Policy und Opt-in-Voraussetzungen passen. Der Preis dafür: Du bleibst im Microsoft-Ökosystem und bist von dessen Roadmap abhängig.
Du willst Kontrolle, Flexibilität und eigene Infrastruktur? Dann ist OpenClaw naheliegend. Du bekommst mehr Kontrolle über Betrieb, Geräte und Integrationen. Dafür musst du Updates, Sicherheit und Monitoring selbst ernst nehmen.
Du hast komplexe, wiederkehrende Workflows? Hermes Agent passt, wenn der Agent nicht nur einmal helfen, sondern dauerhaft Arbeitsmuster abbilden soll: Recherche, QA, Reporting, Content-Produktion, Monitoring, Entwicklungsaufgaben.
Du willst ein Agenten-Team statt einzelner Agenten-Skripte? Paperclip ist dafür der passendste Kandidat. Die Oberfläche, Org-Charts und Budgets helfen, KI-Arbeit nicht als Tab-Chaos, sondern als steuerbaren Prozess zu behandeln.
Der Elefant im Raum: Vertrauen, Kontrolle und der „delegierte Insider“
Agentic AI bringt ein Governance-Problem mit sich, das bei Chatbots kaum existierte. Ein Agent, der eigenständig Mails liest, Kalender ändert und Dokumente schreibt, ist kein Werkzeug mehr. Er ist ein delegierter Akteur in deinem Namen.
Der Windowsforum hat das treffend beschrieben: „Scout blurs those categories. It acts for a user, runs through Microsoft services, may appear in Teams, and can operate across data sources. That makes it less like a chatbot and more like a delegated insider.“
Das Albtraum-Szenario ist keine Hollywood-KI. Es ist eine banale Kette aus Berechtigungen, Prompts und falsch gesetztem Vertrauen: Ein Agent liest etwas, das er nicht lesen sollte. Er fasst vertraulichen Kontext in einem Summary zusammen. Oder er folgt einer Anweisung aus einer kompromittierten Nachricht.
Das bedeutet nicht, Agenten zu meiden. Es bedeutet: Agenten wie verwaltete Identitäten behandeln — mit minimalen Berechtigungen, Logging, definierten Aktionsgrenzen und klaren Rollback-Möglichkeiten.
Mandat begrenzen
Der Agent braucht ein klares Aufgabenfeld. Kein „darf alles“, sondern konkrete Rollen, Kanäle und erlaubte Aktionen.
Rechte minimal halten
Lesen, schreiben, senden und löschen sind unterschiedliche Risiken. Rechte müssen getrennt und bewusst vergeben werden.
Aktionen protokollieren
Wenn ein Agent handelt, muss nachvollziehbar bleiben: welcher Auftrag, welche Quelle, welches Tool, welches Ergebnis.
Human Review definieren
Nicht jede Aktion braucht Freigabe. Aber E-Mails, externe Posts, Dateiänderungen und Löschvorgänge gehören in ein klares Review-Modell.
Quellenstand und fachliche Einordnung
Stand der Prüfung: 15. Juli 2026. Für Scout stützen sich die Aussagen auf Microsofts eigenen Scout-Blogpost vom 2. Juni 2026 und den Microsoft-Partner-Build-Recap vom 3. Juni 2026. Wichtig: Microsoft beschreibt Scout als Frontier-/Private-Preview-Erfahrung mit konkreten Voraussetzungen — nicht als allgemein sofort verfügbare Standardfunktion für jeden Tenant.
Für OpenClaw, Hermes Agent und Paperclip wurden die jeweiligen Projekt-/Dokumentationsseiten geprüft. Die Bewertung im Artikel ist deshalb bewusst als Einordnung formuliert, nicht als Labor-Benchmark. Wer eine konkrete Einführung plant, sollte zusätzlich einen Pilot mit echten Datenzugriffen, Freigaben, Logging und Kostenlimits durchführen.
Fazit: Die Agentic-Welle ist da — aber sie braucht Betrieb, nicht nur Begeisterung
Das Bemerkenswerteste an der aktuellen Entwicklung ist nicht ein einzelnes Produkt. Es ist die Geschwindigkeit, mit der Open-Source-Agenten, Microsoft-Integration und businessfreundliche Multi-Agenten-Oberflächen zusammenwachsen.
Scout zeigt, wie Agentic AI im Enterprise-M365-Kontext aussehen kann. OpenClaw zeigt, wie schnell Open Source funktionierende Agenten hervorbringt. Hermes Agent zeigt, dass Skills, Speicher und wiederholbare Workflows wichtiger werden als einzelne Prompts. Paperclip zeigt, dass Agenten nicht nur Werkzeuge sein müssen, sondern als Rollen und Teams gedacht werden können.
Für Unternehmen ist die Frage deshalb nicht mehr: „Werden KI-Agenten relevant?“ Sie sind es bereits.
Die bessere Frage lautet: Welche Kontrolle wollt ihr behalten — und welche Aufgaben seid ihr bereit, wirklich zu delegieren?
Gerrit Walther ist IT-Berater und Gründer von Walther IT Consulting. Mehr Artikel und Ressourcen rund um KI, Microsoft 365 und moderne Infrastruktur findest du auf witc.de.