Agentforce oder eigener KI-Agent: konfigurieren oder bauen?

Kurze Antwort: Konfigurieren Sie Agentforce, wenn die Aufgabe eine begrenzte Menge von Aktionen auf Daten ist, die Salesforce ohnehin hält. Bauen Sie Ihren eigenen KI-Agenten, wenn nicht die Aktion, sondern das Denken der schwierige Teil ist, oder wenn die entscheidenden Daten außerhalb des CRM liegen. Ernsthafte Projekte landen 2026 meist bei beidem, mit einer bewusst gesetzten Naht dazwischen.

Was ist der tatsächliche Unterschied?

• Agentforce ist die Agentenschicht von Salesforce. Sie läuft auf der Atlas Reasoning Engine, wird im Agentforce Builder konfiguriert statt von Grund auf programmiert und erbt Identität, Sharing-Modell, Audit-Trail und Governor Limits der Plattform (Agentforce Developer Guide).
• Ein eigener KI-Agent ist Software, die Ihnen gehört: Ihre Modellwahl, Ihr Retrieval, Ihre Tools, Ihre Orchestrierung, ausgeführt wo Sie wollen und gegen die Systeme, die Sie haben.

Der Handel lautet nicht "einfach gegen mächtig", sondern begrenzt und governt gegen unbegrenzt und Ihres. Beides ist ungefähr in der Hälfte der Fälle richtig.

Was hat sich bei Agentforce seit 2025 geändert?

Die Grenze zwischen Konfigurieren und Bauen hat sich verschoben, ein älterer Vergleich führt Sie also in die Irre. Vier Änderungen zählen für diese Entscheidung:

• Hybrides Reasoning mit Agent Script. Mit Agentforce 360, seit Oktober 2025 allgemein verfügbar, legen Entwickler Leitplanken, Tool-Nutzung und Logik in Agent Script fest, das deterministische Workflows mit LLM-Reasoning verbindet (Salesforce). Laut Salesforce ist Agent Script ohne Aufpreis in Agentforce enthalten (Salesforce).
• Mehr Modellwahl. Kunden können Anthropic-Modelle über Amazon Bedrock, Google Gemini und OpenAI-Modelle in Agentforce nutzen, daher ist "Sie brauchen Modellwahl" heute ein schwächerer Grund zum Bauen als früher.
• Offene Türen zu externen Agenten. Mit Agentforce 3 wurde ein nativer MCP-Client angekündigt, damit sich Agenten mit MCP-kompatiblen Servern verbinden (Salesforce). Im August 2026 brachte Salesforce einen Headless 360 MCP Server in die offene Beta, über den Agenten Salesforce-Funktionen zur Laufzeit finden und nutzen (CX Today).
• Fertige Agenten und Orchestrierung. Im September 2026 stellte Salesforce ein Portfolio einsatzbereiter Agenten für Service, IT und HR, Commerce und Lieferkette vor, mit allgemein verfügbarer Multi-Agent Orchestration (Salesforce).

Unterm Strich: Konfigurieren deckt heute mehr ab, und Bauen heißt nicht mehr, außerhalb von Salesforce zu arbeiten. Die Entscheidung dreht sich darum, wo das Reasoning lebt, nicht um die Wahl des Anbieters.

Agentforce oder eigener KI-Agent im direkten Vergleich

• Zeit bis zum ersten Agenten: Agentforce ist schneller, wenn die Arbeit CRM-Form hat. Ein eigener Agent ist nur schneller, wenn das CRM eine nebensächliche Datenquelle ist.
• Sicherheit und Sharing: Agentforce erbt beides. Ein eigener Agent muss es nachbauen oder seine Schreibzugriffe zurück über die Plattform leiten.
• Kontrolle über das Reasoning: Agentforce bietet Topics, Aktionen und Agent Script. Ein eigener Agent bietet die ganze Schleife, einschließlich Planung und Evaluierung.
• Datenreichweite: Agentforce ist auf Salesforce und Data 360 am stärksten. Ein eigener Agent behandelt jedes System gleichrangig.
• Preismodell: Agentforce Flex Credits kosten 0,10 $ pro Aktion, alternativ gibt es Lizenzen pro Nutzer (Salesforce). Ein eigener Agent kostet Modell-Tokens, Hosting und die Engineers, die ihn am Laufen halten.
• Wer ihn pflegt: Admins und Salesforce-Entwickler bei Agentforce; ein Engineering-Team bei einem eigenen Agenten.

Wann sollten Sie Agentforce konfigurieren?

Konfigurieren Sie, wenn das meiste davon zutrifft:

• Die entscheidenden Daten liegen bereits in Salesforce oder landen in Data 360.
• Die Arbeit hat CRM-Form: Fallabwehr und Routing, Serviceantworten, Opportunity-Hygiene, Terminplanung, geführte Vertriebsaktionen.
• Die Aktionen sind aufzählbar. Sie können aufschreiben, was der Agent darf, und die Liste passt auf ein Whiteboard.
• Governance ist die harte Anforderung. Rechte, Sharing und Audit gibt es gratis, weil der Agent in der Plattform lebt.
• Sie haben Admin-Kapazität. Wer Flow, Permission Sets und das Datenmodell beherrscht, kommt schneller weiter als ein Engineering-Team ohne Plattformwissen.

Der oft übersehene Punkt: Ein Agent innerhalb der Plattform erbt deren Sicherheitsmodell. Das im eigenen Stack nachzubauen ist teuer und subtil fehleranfällig. Trifft das auf Sie zu, beginnt unsere Agentforce-Implementierung genau bei dieser Liste.

Wann sollten Sie Ihren eigenen KI-Agenten bauen?

Bauen Sie, sobald einer dieser Punkte zutrifft, denn jeder einzelne disqualifiziert einen reinen Konfigurationsansatz:

• Die entscheidenden Daten liegen nicht im CRM. Telemetrie, ERP, Dokumente, Ticketing, ein Data Warehouse, eine Geräteflotte. Muss der Agent darüber schließen, ist das CRM eine Quelle unter vielen.
• Das Denken ist das Produkt. Mehrstufige Analyse, Planung, begründete und gewichtete Empfehlungen, oder alles, wo die Antwort verteidigt und nicht nur ausgeführt werden muss.
• Der Prozess ist kein CRM-Prozess. Betrieb, Engineering, Lieferkette, Felddiagnose.
• Sie brauchen Kontrolle über die ganze Schleife. Eigene Evaluierung, eigenes Retrieval, Modell-Routing pro Aufgabe und ein Release-Rhythmus, den Sie selbst bestimmen.
• Der Agent muss dort laufen, wo die Nutzer sind, und die Nutzer sind nicht in Salesforce.

Beim Bauen scheitern auch die meisten Projekte, meist an Evaluierung und Fehlerbehandlung statt am Modell. Wir haben aufgeschrieben, warum die meisten KI-Agenten in Produktion scheitern und was wir geändert haben, um einen auszuliefern, der hält.

Welcher eine Test entscheidet die meisten Fälle?

Schreiben Sie die Aufgabe des Agenten als Liste von Aktionen. Gelingt das, und liest oder schreibt jede Aktion etwas, das Salesforce ohnehin kennt, dann konfigurieren Sie. Liegt das Schwere darin, welche Aktion es sein soll, auf Basis von Hinweisen aus mehreren Systemen, dann bauen Sie.

Dieser Test ist schneller als ein Vergleichsprojekt und ehrlich zu den Fehlermodi. Reine Konfigurationsprojekte scheitern, wenn eine begrenzte Aktionsliste doch unbegrenztes Urteil verlangt. Reine Bauprojekte scheitern, wenn ein Team ein Quartal damit verbringt, Sharing Rules, Audit-Trails und Fallmanagement nachzubauen, die es schon gab.

Warum lautet die Antwort meist beides?

Weil die beiden Schichten verschiedene Rollen wollen. Agentforce ist eine gute Oberfläche: Sie sitzt dort, wo Service und Vertrieb ohnehin arbeiten, mit der Governance der Plattform ringsum. Ein eigener Agent ist ein gutes Gehirn für alles, was systemübergreifend schließen muss. Verbinden Sie beide, und jeder tut, was er kann.

Diese Naht ist inzwischen ein echtes Plattformthema und kein Behelf mehr. Salesforce liefert Model-Context-Protocol-Schnittstellen im eigenen Werkzeugkasten, darunter einen Salesforce DX MCP Server hinter der nächsten Generation des DevOps Center (Salesforce Help). MuleSoft Agent Fabric, im April 2026 angekündigt, ergänzt eine Control Plane, die Agenten verschiedener Anbieter erkennt und steuert, darunter Amazon Bedrock und Microsoft Foundry (Salesforce). Agent-zu-Agent-Übergaben und MCP-Action-Hubs sind der Weg, auf dem ein governter CRM-Agent Spezialagenten aufruft, ohne dass eine Seite die andere schluckt.

Genau diese Architektur bauen wir bei Tekunda am häufigsten. Wir sind zertifizierter Salesforce SI, ISV und PDO sowie Anthropic-Partner, wir haben als Erste Agentforce Agent-zu-Agent-Orchestrierung und SWARM-Architektur in Produktion gebracht, und wir bauen Headless CRM und MCP-Action-Hubs, damit Agenten von einer Stelle aus systemübergreifend handeln. Auf der Geräteseite senkte unsere Arbeit für ASSA ABLOY die wöchentlichen Fälle von 3.000 auf 350, eine Reduktion um 93% über 11.000 Geräte und bis zu 2,5 Millionen Ereignisse pro Woche, in drei Märkten ohne zusätzliches Supportpersonal. Sehen Sie, wie wir eigene KI-Agenten entwerfen, die sich in Salesforce einfügen.

Wie entscheiden Sie ohne halbjährigen Vergleich?

1. Schreiben Sie die Aktionsliste. Zehn Minuten am Whiteboard, mit den Leuten, die die Arbeit heute machen.
2. Notieren Sie die Datenquelle neben jede Aktion. Zählen Sie, wie viele außerhalb von Salesforce liegen.
3. Fragen Sie, was bricht, wenn der Agent falsch liegt. Großer Wirkungsradius spricht für die governte Plattformschicht.
4. Beziffern Sie den Nutzen. Rechnen Sie den Agentforce-Weg in Aktionen und den eigenen Weg in Tokens und Engineering-Zeit, und vergleichen Sie beide mit der Ausgangszahl. Unser Leitfaden, wie Sie ROI aus KI-Agenten erzielen, zeigt, welche Kennzahlen zählen.
5. Pilotieren Sie zuerst die kleinere Hälfte. Welche Seite auch begrenzt ist, liefern Sie die aus und lassen Sie die Naht warten, bis der Nutzen bewiesen ist.

Sie möchten eine zweite Meinung zu Ihrer Aktionsliste? Sprechen Sie mit unserem Team.

FAQ

Reicht Agentforce allein?

Für CRM-begrenzte Arbeit auf Salesforce-Daten meist ja. Es reicht nicht mehr, sobald die entscheidenden Belege in Systemen liegen, die Salesforce nicht besitzt.

Kann ein eigener KI-Agent mit Agentforce zusammenarbeiten statt es zu ersetzen?

Ja, und das ist das übliche Muster. Agentforce hält die governte CRM-Oberfläche, eigene Agenten übernehmen das systemübergreifende Denken, und beide übergeben aneinander über MCP oder Agent-zu-Agent-Aufrufe.

Gibt man mit einem Eigenbau die Salesforce-Governance auf?

Nur wenn man es so baut. Laufen CRM-Schreibzugriffe über Plattformaktionen, bleiben Sharing-Modell und Audit-Trail erhalten.

Ist Agentforce günstiger, als einen eigenen KI-Agenten zu bauen?

Nicht verlässlich. Agentforce rechnet pro Aktion oder pro Nutzer ab, ein eigener Agent in Tokens und Engineering-Zeit, und die Summen nähern sich öfter an als erwartet.

Womit sollte ein erstes Projekt starten?

Mit einem Prozess, der einen klaren Verantwortlichen und eine messbare Ausgangszahl hat. Agentenprojekte, die als Plattformstrategie beginnen, werden selten fertig.