Selbstständige KI-Abläufe

Was ist agentische KI?

Agentic AI

Agentische KI, englisch Agentic AI, bezeichnet KI-Systeme, die ein vorgegebenes Ziel selbstständig verfolgen: Ein Sprachmodell zerlegt die Aufgabe in Teilschritte, ruft dafür Werkzeuge und Datenquellen auf, bewertet die Ergebnisse und entscheidet über den nächsten Schritt. Anders als bei einem Chatbot oder einem festen Workflow steht die Reihenfolge der Schritte vorher nicht fest.

Der Unterschied zum Chatassistenten ist nicht die Antwortqualität, sondern dass das System selbst entscheidet, welchen Schritt es als Nächstes ausführt.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Kern
Schleife aus Planen, Handeln und Prüfen
Braucht
Werkzeuge, Rechte, Laufzeit und ein Abbruchkriterium
Standards
MCP für Werkzeuge, A2A zwischen Agenten
Verwechselt mit
Chatbot und Workflow-Automatisierung

Was „agentisch“ bedeutet

Das Wort ist eine Eindeutschung des englischen agentic, abgeleitet von Agent, also jemand, der im Auftrag handelt. „Agentisch“ beschreibt eine Eigenschaft: Ein System ist umso agentischer, je mehr es selbst entscheidet, was als Nächstes passiert. Ein einzelner KI-Agent ist ein konkretes Programm mit dieser Eigenschaft, agentische KI ist der Oberbegriff für die Arbeitsweise und alles, was dazu gehört, von der Architektur über die Laufzeitumgebung bis zu den Kontrollen.

Technisch läuft immer dieselbe Schleife. Das Modell bekommt neben der Aufgabe eine Beschreibung der Werkzeuge, die es benutzen darf, etwa eine Datenbankabfrage, einen Kalender oder den Zugang zum Ticketsystem. Es entscheidet, welches Werkzeug mit welchen Parametern aufgerufen wird, das Ergebnis fließt zurück in den Kontext, und daraus folgt der nächste Schritt. Die Schleife läuft, bis das Ziel erreicht ist oder eine Abbruchbedingung greift.

Stufen der Selbstständigkeit

Zwischen einem Chatfenster und einem vollständig selbstständigen Agenten liegt ein breites Feld. Die Frage ist immer, wer den Ablauf festlegt und wer die Wirkung freigibt:

StufeWer bestimmt den AblaufBeispiel
AssistentDer Mensch, Schritt für SchrittText im Chat überarbeiten lassen
Workflow mit KI-SchrittenEin fest modellierter Ablauf, das Modell füllt einzelne SchritteEingehende Mails klassifizieren und weiterleiten
Agent mit FreigabeDas Modell, wirksame Schritte gibt ein Mensch freiReklamation recherchieren und Antwort zur Freigabe vorlegen
Autonomer AgentDas Modell, innerhalb fester GrenzenProgrammieragent, der Code ändert, Tests ausführt und einen Branch anlegt

Von agentischer KI spricht man im engeren Sinn ab der dritten Stufe. In der Praxis ist ein fester Workflow oft die bessere Wahl, wo ein Ablauf immer gleich ist: Er ist billiger, schneller und liefert bei gleicher Eingabe dasselbe Ergebnis. Ein Agent lohnt sich bei Aufgaben mit vielen kleinen, wechselnden Schritten über mehrere Systeme hinweg, die sich nicht in ein festes Schema pressen lassen.

Die agentische Laufzeit

Ein Sprachmodell allein führt nichts aus, es erzeugt nur Text. Damit daraus Handlungen werden, braucht es eine Laufzeitumgebung, die agentische Laufzeit oder Agent Runtime. Sie ist der Teil des Systems, der die Schleife tatsächlich betreibt:

  • Orchestrierung

    Ruft das Modell auf, führt die gewählten Werkzeuge aus, gibt die Ergebnisse zurück und achtet auf Schrittzahl, Zeit und Kosten.

  • Werkzeuganbindung

    Stellt Schnittstellen zu Fachanwendungen bereit, zunehmend über das Model Context Protocol (MCP) als gemeinsamen Standard.

  • Zustand und Gedächtnis

    Hält fest, was der Agent schon erledigt hat, damit ein unterbrochener Lauf weitergehen kann, statt von vorn zu beginnen.

  • Identität und Rechte

    Jeder Agent läuft unter einer eigenen Identität mit eng geschnittenen Berechtigungen, nicht unter dem Konto eines Menschen.

  • Isolierte Ausführung

    Code, den der Agent erzeugt, läuft in einer abgeschotteten Umgebung, damit ein Fehler nicht das Hostsystem trifft.

  • Protokollierung

    Jeder Modell- und Werkzeugaufruf wird mit Parametern und Ergebnis aufgezeichnet, sonst lässt sich kein Lauf nachvollziehen.

Diese Laufzeit baust du entweder selbst mit einem Framework wie LangGraph oder dem OpenAI Agents SDK, oder du nutzt die verwalteten Agentendienste der großen Cloud-Anbieter. Sprechen mehrere Agenten miteinander, regelt das Protokoll A2A (Agent2Agent), wie sie sich gegenseitig Aufgaben übergeben.

Kontrolle gehört von Anfang an dazu

Ein Agent handelt mit den Rechten der Identität, unter der er läuft. Bekommt er einen Zugang, mit dem sich alles machen lässt, entsteht ein System, das alles kann, auch das Falsche. Alles, was Geld bewegt, Mails versendet, Daten löscht oder Verträge berührt, gehört deshalb hinter eine ausdrückliche Freigabe.

Dazu kommt eine Angriffsart, die mit Agenten erst richtig gefährlich wird. Holt das System Inhalte aus Mails, Webseiten oder Dokumenten, können darin Anweisungen stehen, die an das Modell gerichtet sind. Ein reiner Chat gibt daraufhin eine falsche Antwort, ein Agent löst Aktionen aus. Solche Inhalte behandelst du als Daten, nicht als Auftrag, und begrenzt, was der Agent danach noch tun darf.

Rechtlich kennt der EU AI Act keine eigene Kategorie für Agenten. Ob Pflichten greifen, hängt wie bei jedem KI-System vom Einsatzzweck ab, etwa ob ein Agent über Bewerbungen oder Kredite mitentscheidet.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Nicht verwechseln

Agentische KI und was oft damit gleichgesetzt wird

Agentische KI gegen KI-Agent

Ein KI-Agent ist ein konkretes Programm, das selbstständig Schritte ausführt. Agentische KI ist der Oberbegriff für diese Arbeitsweise und das ganze Umfeld aus Laufzeit, Werkzeugen und Kontrollen.

Agentische KI gegen Chatbot

Ein Chatbot antwortet auf eine Frage und wartet dann. Ein agentisches System führt zwischen Frage und Antwort selbstständig Schritte aus und verändert dabei Zustände in anderen Systemen.

Agentische KI gegen Workflow-Automatisierung

In Werkzeugen wie n8n, Make oder Power Automate legt jemand den Ablauf vorher fest, auch wenn einzelne Schritte ein Sprachmodell nutzen. Agentisch wird es erst, wenn das Modell selbst über die Reihenfolge entscheidet.

Agentische KI gegen Multi-Agent-System

Dort teilen sich mehrere spezialisierte Agenten eine Aufgabe und stimmen sich ab. Agentische KI beschreibt zuerst die Arbeitsweise, unabhängig davon, wie viele Agenten beteiligt sind.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
In der Praxis

Ohne Abbruchkriterium läuft so ein System sehr lange

Weil das System selbst entscheidet, wie viele Schritte es macht, kann es sich verhaken: Es prüft ein Ergebnis, findet es unzureichend, versucht es anders, prüft wieder. Ohne eine Obergrenze für Schritte, Zeit und Kosten merkt das niemand, bis die Abrechnung kommt. Diese Grenzen setzt du vorher und nicht nach dem ersten Vorfall, und ein kleineres Modell für Routineschritte senkt die Kosten oft stärker als jede andere Maßnahme.

Der zweite Punkt sind nicht umkehrbare Aktionen. Eine Recherche kann man wiederholen, eine verschickte Mail, eine gelöschte Datei oder eine ausgelöste Bestellung nicht. Solche Schritte gehören hinter eine Freigabe oder zumindest in eine Umgebung, in der sie sich zurücknehmen lassen.

Und plane Wiederholungen ein. Wenn ein Schritt fehlschlägt und das System ihn erneut ausführt, entstehen sonst doppelte Datensätze und doppelte Nachrichten. Werkzeuge, die denselben Aufruf zweimal verkraften, ohne zweimal zu wirken, ersparen dir genau diese Aufräumarbeit.

Agentische KI lernen

Wie du Werkzeuge anbindest, Rechte eng schneidest und Abläufe protokollierst, zeigen die Kurse zur Automatisierung mit KI-Agenten an lauffähigen Beispielen.

Sobald ein Agent dauerhaft läuft, kommen Überwachung und Versionierung dazu, dafür gibt es die Kurse für den Betrieb produktiver KI-Systeme.

Wissen prüfen

Sitzt Agentische KI schon?

Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.

Häufige Fragen

Ist agentische KI dasselbe wie generative KI?
Nein. Generative KI erzeugt Inhalte wie Text, Bilder oder Code. Agentische KI nutzt ein generatives Modell als Steuerung und lässt es zusätzlich handeln, also Werkzeuge aufrufen und Ergebnisse weiterverarbeiten. Jedes agentische System enthält generative KI, aber nicht umgekehrt.
Kann ein Agent ohne Aufsicht arbeiten?
Für lesende und vorbereitende Tätigkeiten ja. Bei allem, was nach außen wirkt, hat sich eine Freigabe durch einen Menschen bewährt, zumindest so lange, bis genug protokollierte Läufe belegen, wie zuverlässig das System in genau dieser Aufgabe arbeitet.
Wie verwalte und rotiere ich Zugangsdaten für KI-Agenten?
Jeder Agent bekommt eine eigene technische Identität, etwa einen Service-Principal oder eine Managed Identity, statt mit dem Konto eines Menschen zu arbeiten. Wo möglich, nutzt er kurzlebige Token, die sich selbst erneuern; feste Schlüssel liegen in einem Tresor wie Azure Key Vault oder HashiCorp Vault und werden dort automatisch rotiert. Zugangsdaten gehören nie in den Prompt, weil das Modell sie sonst ausgeben kann.
Welche Beispiele für agentische KI gibt es schon im Alltag?
Verbreitet sind Programmieragenten, die Code ändern und Tests ausführen, Rechercheagenten, die viele Quellen durchsuchen und einen Bericht zusammenstellen, und Agenten in Microsoft 365 Copilot oder Servicesystemen, die Tickets vorbereiten. Gemeinsam ist ihnen, dass sie mehrere Schritte selbst aneinanderreihen.

Passt thematisch dazu

Ob in deinem Prozess feste Regeln oder ein Agent mit Ermessen besser passt, hängt vor allem an den Ausnahmen.

Wie Protokoll, Grenzen und Freigaben zusammenspielen, beschreibt der Beitrag über die Überwachung laufender Agenten im Betrieb.

Persönlich für dich da

Deine Ansprechpartner

Du willst das Thema nicht nur nachschlagen, sondern anwenden können? Wir beraten dich persönlich und kostenlos.

Yves Hoppe

Yves Hoppe

Weiterbildung & Beratung

Ordnet mit dir ein, welcher Kurs zu deinem Vorwissen passt.

Norbert Jansen

Norbert Jansen

Beratung & Inhouse

Plant Inhouse-Trainings, die an euren eigenen Daten und Abläufen ansetzen.

Agentische KI im Kurs statt im Lexikon

Nachschlagen bringt dich bis zum Verstehen. Anwenden lernst du an echten Aufgaben.