Handelnde KI-Systeme

Was ist ein KI-Agent?

AI Agent

Ein KI-Agent ist ein Programm, das ein Sprachmodell nicht nur antworten, sondern handeln lässt. Er zerlegt ein Ziel in Teilschritte, ruft dafür Werkzeuge wie Suche, Dateizugriff oder Fachanwendungen auf, prüft die Zwischenergebnisse und arbeitet weiter, bis die Aufgabe erledigt ist oder er an eine Grenze stößt.

Sobald ein Werkzeug nicht mehr nur antwortet, sondern selbst Dateien öffnet, Mails verschickt oder Datensätze anlegt, redest du über einen Agenten und nicht mehr über einen Chat.

KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Besteht aus
Sprachmodell, Werkzeugen, Gedächtnis, Schleife
Schleife
Planen, handeln, Ergebnis prüfen
Anbindung
MCP für Werkzeuge, A2A für andere Agenten
Verwechselt mit
Chatbot und RPA

Woraus ein KI-Agent besteht

Ein Chatbot bekommt eine Frage und gibt Text zurück. Ein Agent bekommt ein Ziel und arbeitet daran über mehrere Schritte. Dafür braucht er vier Bausteine, und was er am Ende kann, hängt weniger am Modell als an den anderen dreien:

  • Sprachmodell

    Das Modell plant den nächsten Schritt, wählt ein Werkzeug aus und bewertet das Ergebnis. Es ist das Steuer, nicht das ganze Fahrzeug.

  • Werkzeuge

    Funktionen, die der Agent aufrufen darf: eine Datei öffnen, eine Datenbank abfragen, eine Mail schreiben, einen Termin eintragen. Ohne Werkzeuge kann ein Modell nur formulieren.

  • Gedächtnis

    Der Agent muss über viele Schritte behalten, was er schon versucht hat und was dabei herauskam, sonst dreht er sich im Kreis. Kurzfristig liegt das im Kontextfenster, langfristig in einem Speicher außerhalb des Modells.

  • Anweisungen und Grenzen

    Ziel, Rolle, erlaubte Aktionen und Abbruchbedingungen. Hier wird festgelegt, wann der Agent aufhört und wann er einen Menschen fragen muss.

Die Schleife an einem Beispiel

Die Arbeitsweise lässt sich an einer alltäglichen Aufgabe zeigen. Ziel: „Prüfe die Eingangsrechnungen von heute gegen die Bestellungen und melde Abweichungen.“ Ein Agent arbeitet das ungefähr so ab:

  1. Planen

    Das Modell zerlegt das Ziel: Rechnungen holen, je Rechnung die Bestellnummer finden, Bestellung abfragen, Positionen vergleichen, Ergebnis zusammenfassen.

  2. Handeln

    Es ruft das Werkzeug für das Rechnungspostfach auf und liest die erste Rechnung aus.

  3. Beobachten

    Die Bestellnummer fehlt auf der Rechnung. Statt abzubrechen, sucht der Agent über Lieferant und Betrag nach der passenden Bestellung.

  4. Prüfen und weitermachen

    Er vergleicht die Positionen, notiert eine Mengenabweichung und geht zur nächsten Rechnung, bis alle erledigt sind.

  5. Abschließen

    Am Ende steht eine Liste der Abweichungen mit Fundstellen. Eine Zahlung löst er nicht aus, das bleibt einem Menschen vorbehalten.

Dieses Muster aus Überlegen, Handeln und Beobachten ist in der Forschung als ReAct bekannt und steckt in fast allen heutigen Agenten-Frameworks. Der Unterschied zur klassischen Automatisierung liegt in Schritt drei: Ein starres Skript bricht ab, wenn ein Feld fehlt. Ein Agent sucht eine andere Route, was hilfreich ist, solange er dabei nicht das Falsche tut.

Wie Agenten an Werkzeuge und andere Agenten kommen

Damit ein Agent nicht für jedes System eigens angepasst werden muss, haben sich zwei offene Protokolle etabliert. Das Model Context Protocol (MCP) verbindet einen Agenten mit Werkzeugen und Datenquellen: Ein MCP-Server stellt etwa den Zugriff auf ein Ticketsystem bereit, und jeder kompatible Agent kann ihn nutzen.

Das Agent2Agent-Protokoll (A2A), ursprünglich von Google vorgestellt und heute ein Projekt der Linux Foundation, regelt dagegen, wie Agenten miteinander reden. Ein Agent kann damit einem anderen eine Aufgabe übergeben, etwa der Reiseplanungs-Agent dem Buchungs-Agenten eines anderen Anbieters, und das Ergebnis zurückbekommen. Arbeiten mehrere spezialisierte Agenten so zusammen, spricht man von einem Multi-Agent-System.

Grenzen: Fehlerketten und manipulierte Eingaben

Fehler pflanzen sich über die Schritte fort. Setzt Schritt zwei auf einer falschen Annahme auf, sieht das Endergebnis trotzdem sauber aus, weil der Agent die Begründung gleich mitliefert. Bei einer einzelnen Chat-Antwort merkst du sofort, wenn etwas nicht stimmt, bei einer Kette aus zwanzig Werkzeugaufrufen nicht mehr.

Neu gegenüber dem Chat ist die Angriffsfläche. Ein Agent liest Mails, Webseiten und Dokumente, und darin können Anweisungen versteckt sein, die er für Teil seines Auftrags hält. Diese indirekte Prompt Injection führt die OWASP auf Platz eins der Risiken für Anwendungen mit Sprachmodellen. Ein Agent, der fremde Inhalte liest und gleichzeitig Mails nach außen schicken darf, ist deshalb eine riskante Kombination, egal wie gut das Modell ist.

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

KI-Agent und was oft damit gleichgesetzt wird

KI-Agent gegen Chatbot

Ein Chatbot antwortet in einem Zug und wartet danach auf die nächste Eingabe. Ein Agent arbeitet mehrere Schritte selbstständig ab und ruft dabei Werkzeuge auf. Viele Chat-Oberflächen haben inzwischen einen Agentenmodus, die Grenze verläuft also im Verhalten, nicht im Produktnamen.

KI-Agent gegen Robotic Process Automation

RPA klickt starr festgelegte Abläufe nach. Das ist vorhersagbar und wiederholbar, scheitert aber an jeder Abweichung. Ein Agent entscheidet zur Laufzeit und ist dafür weniger vorhersagbar.

KI-Agent gegen Assistent im Office-Programm

Ein eingebetteter Assistent arbeitet in dem Dokument, das gerade offen ist, und auf ausdrückliche Anfrage. Ein Agent läuft auch ohne offenes Fenster, über mehrere Systeme hinweg und teils zeitgesteuert.

KI-Agent gegen Agentische KI

Agentische KI ist der Oberbegriff für die Eigenschaft, eigenständig zu planen und zu handeln. Der KI-Agent ist das konkrete Programm, das diese Eigenschaft für eine bestimmte Aufgabe umsetzt.

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

Der Engpass ist selten das Modell, meistens sind es die Rechte

Ein Agent erbt die Rechte des Kontos, unter dem er läuft. Im Alltag bekommt er oft den Zugang einer realen Person oder gleich ein Sammelkonto mit weiten Rechten, weil das schneller eingerichtet ist. Damit hat man kein KI-Problem, sondern ein Berechtigungsproblem, und die Nachvollziehbarkeit verschwindet genau dort, wo sie am nötigsten wäre: Ein Fehlgriff des Agenten ist im Protokoll nicht mehr von der Arbeit der Person zu unterscheiden. Die Reihenfolge ist deshalb immer dieselbe: Aufgabe zuschneiden, eigenes Konto mit den minimal nötigen Rechten anlegen, in einer Testumgebung laufen lassen.

Für alles, was nach außen wirkt oder sich schlecht zurückdrehen lässt, gehören Haltepunkte hinein: Mails an Kunden, Buchungen, Bestellungen, Löschungen. Vor diesen Schritten gibt ein Mensch frei, alles davor darf der Agent allein erledigen.

Und es braucht ein Protokoll, das jeden Werkzeugaufruf mitschreibt, samt Eingabe und Ergebnis. Ohne diese Spur lässt sich hinterher nicht klären, warum der Agent eine Bestellung ausgelöst oder eine Adresse überschrieben hat, und die Aufarbeitung endet bei Vermutungen.

KI-Agent lernen

Womit sich das heute schon bauen lässt und wo die Werkzeuge noch haken, zeigen die Kurse zu KI-Werkzeugen im Job an Aufgaben aus dem eigenen Postfach.

Wer erst verstehen will, wie ein Sprachmodell überhaupt zu seinen Antworten kommt, beginnt besser bei den Kursen zu Prompting und KI-Grundlagen.

Wissen prüfen

Sitzt KI-Agent 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

Muss ich programmieren können, um einen Agenten einzusetzen?
Zum Nutzen nicht. Für eigene Agenten gibt es Baukästen wie Copilot Studio oder n8n, in denen Aufgabe, Werkzeuge und Rechte über eine Oberfläche festgelegt werden. Sobald eigene Fachanwendungen angebunden werden, brauchst du die Entwicklung oder zumindest die IT.
Können KI-Agenten mit anderen Assistenten reden?
Ja, wenn beide dasselbe Protokoll sprechen. Mit A2A kann ein Agent einem anderen eine Teilaufgabe übergeben, auch über Herstellergrenzen hinweg. Ob das in deinem Unternehmen erlaubt ist, ist eine Frage der Freigabe: Jeder zusätzliche Agent in der Kette ist ein weiteres System, das Daten sieht.
Was passiert mit unseren Daten?
Das hängt am eingesetzten Dienst und am Vertrag, nicht am Konzept Agent. Vor dem Einsatz mit echten Daten gehört geklärt, wo verarbeitet wird, ob Eingaben zum Training genutzt werden und welche Vereinbarung zur Auftragsverarbeitung vorliegt.
Wie autonom sollte ein Agent arbeiten?
So autonom, wie sich ein Fehler verkraften lässt. Ein Agent, der Rechercheergebnisse zusammenstellt, darf allein durchlaufen. Einer, der Zahlungen vorbereitet, sollte jeden wirksamen Schritt zur Freigabe vorlegen. Die Autonomie wächst sinnvollerweise mit der Erfahrung aus dem Protokoll.

Passt thematisch dazu

Bevor du einen Agenten baust, lohnt die Prüfung, ob ein Prozess feste Regeln oder Ermessen braucht, denn für starre Abläufe ist klassische Automatisierung oft die bessere Wahl.

Sobald mehrere Agenten zusammenarbeiten sollen, wird die Frage wichtig, wie ein Agent einem anderen eine Aufgabe übergibt und wer dabei welche Daten sieht.

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.

KI-Agent im Kurs statt im Lexikon

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