Was ist ein KI-Agent? Eine Definition ohne Marketing
Ein KI-Agent ist Software, die mehrstufige Aufgaben selbstständig plant und ausführt: Modell, Tools, Speicher und eine Handlungsschleife. Was ihn von Chatbot und Automatisierung unterscheidet, wofür er taugt und welche Risiken vom ersten Tag an zu kontrollieren sind.
Definition
Ein KI-Agent ist ein Softwaresystem, das ein Ziel über viele Schritte hinweg verfolgt, ohne dass jeder einzelne überwacht wird: Ein Sprachmodell plant, ruft Tools auf (APIs, Browser, Datenbank), beobachtet Ergebnisse und korrigiert den Kurs. Vom Chatbot unterscheidet ihn die Fähigkeit zu handeln — ein Agent beantwortet nicht nur Fragen, sondern führt Aufgaben in realen Systemen aus.
Definitionen von KI-Agenten schreiben meist Marketingabteilungen. Diese hier ist aus der Perspektive eines Teams geschrieben, das einen Agenten in Produktion betreiben muss — mit Handlungsschleife, Kosten und Risiko.
Ein KI-Agent ist ein Softwaresystem, das ein übertragenes Ziel über viele Schritte hinweg ohne Überwachung jedes einzelnen verfolgt: Ein Sprachmodell plant, ruft Tools auf, beobachtet Ergebnisse und korrigiert den Kurs, bis die Aufgabe erledigt ist oder einen Menschen braucht. Ein Chatbot antwortet; ein Agent handelt — und dieses eine Wort ändert alles daran, wie man ihn einführen sollte.
Wie funktioniert ein KI-Agent?
Jeder Agent — unabhängig vom Framework — besteht aus vier Komponenten und einer Schleife:
- Das Modell (das Gehirn). Ein großes Sprachmodell übernimmt Zielverständnis, Planung und Entscheidungen. Es weiß nichts über Ihr Unternehmen außer dem, was in seinem Kontext landet — weshalb Context Engineering ein Handwerk ist, kein Detail.
- Tools. APIs, Suche, eine Datenbank, ein Datei-Editor, ein Browser. Sie verwandeln den Text des Modells in reale Aktionen — und sie definieren den maximalen Schadensradius.
- Speicher. Kurzzeitig (der Kontext der aktuellen Aufgabe) und langfristig (Notizen und Wissen über Sitzungen hinweg). Die Speicherarchitektur entscheidet, ob ein Agent aus Fehlern lernt oder sie zementiert.
- Anweisungen und Richtlinien. System-Prompt, Regeln, Berechtigungsgrenzen. Das ist die einzige Schicht, die Sie vollständig kontrollieren.
Die Handlungsschleife ist simpel: Ziel → Plan → Tool-Aktion → Ergebnis beobachten → Plan anpassen — so lange, bis es erledigt ist. Die Autonomie eines Agenten ist nichts Mystisches: Sie ist die Zahl der Schleifendurchläufe, die Sie ihm ohne Rückfrage erlauben.
Worin unterscheidet sich ein KI-Agent von Chatbot und Automatisierung?
| Dimension | Chatbot | Automatisierung (RPA, Skripte) | KI-Agent |
|---|---|---|---|
| Eingabe | Frage des Nutzers | Ereignis oder Zeitplan | ein zu erreichendes Ziel |
| Ablauf | eine einzelne Antwort | starre Schrittfolge | Plan entsteht laufend |
| Unvorhergesehenes | nicht relevant | Abbruch oder Fehler | Versuch, das Problem zu umgehen |
| Ändert Systemzustand | nein | ja, in bekanntem Umfang | ja, im Rahmen erteilter Berechtigungen |
| Hauptrisiko | falsche Antwort | spröde Starrheit | selbstsicheres, falsches Handeln |
Starre Automatisierung bricht, sobald die Welt vom Skript abweicht. Genau dann ist ein Agent am nützlichsten — und am gefährlichsten, denn er improvisiert mit echten Berechtigungen. Die Wahl zwischen einem einzelnen Agenten und einem Multi-Agenten-System ist erst die zweite Frage; die erste lautet, ob die Aufgabe überhaupt Improvisation verlangt.
Wofür setzen Unternehmen KI-Agenten ein?
Das Muster reifer Einführungen ist deutlich: Agenten bekommen zuerst lesende Aufgaben, dann entwerfende, erst danach handelnde:
- Ticketbearbeitung — Triage, Vervollständigen von Informationen, Antwortentwurf; ein Mensch gibt frei.
- Recherche und Synthese — Quellen sichten, Angebote vergleichen, interne Berichte.
- IT- und Datenbetrieb — Alert-Diagnose, Datenbereinigung, Regressionstests.
- Backoffice — Rechnungen, Zahlungsabgleich, Dokumentenvorbereitung.
Der gemeinsame Nenner: Aufgaben, die wiederholbar, mehrstufig und überprüfbar sind. Wo sich das Ergebnis nicht billig verifizieren lässt, ist ein Agent oft noch teurer als der Mensch, den er ersetzen sollte.
Woran scheitern Agenten?
Eine ehrliche Definition braucht diesen Abschnitt. Drei Fehlermodi kehren in Produktion wieder:
- Nichtdeterminismus. Gleiches Ziel, zwei Läufe, zwei verschiedene Ergebnisse. Ohne Regressionstests und Produktionsmetriken merken Sie nicht einmal, dass die Qualität gesunken ist.
- Fehlerkaskaden. Ein Fehler in Schritt 2 wird in Schritt 7 zum „Fakt”. Je länger die Schleife, desto teurer der Irrtum — und die Token-Kosten wachsen mit jedem Durchlauf.
- Anfälligkeit für Manipulation. Agenten lesen externe Inhalte, und Inhalte können Anweisungen tragen. Indirekte Prompt Injection ist heute der wichtigste Angriffsvektor auf agentische Systeme.
Welche Risiken müssen vom ersten Tag an kontrolliert werden?
Ein Prinzip regiert alles: Der Schaden aus dem Fehler eines Agenten ist durch das begrenzt, was der Agent tun kann — nicht dadurch, wie selten er sich irrt. Praktisch heißt das: Tools mit minimalen Rechten statt Vertrauen in das Urteil des Modells (Excessive Agency ist die häufigste Einführungssünde), menschliche Aufsicht über irreversible Aktionen und ein Kill Switch, bevor er gebraucht wird. Die vollständige Bedrohungslandkarte ordnet die OWASP Top 10 für agentische Systeme, die regulatorischen Pflichten der AI-Act-Zeitplan für Agenten.
Womit anfangen?
- Wählen Sie einen Prozess — schmerzhaft, messbar, mit begrenztem Schadensradius.
- Schreiben Sie die Regeln auf — eine einseitige KI-Richtlinie: Zugriffe, Freigaben, Verantwortung.
- Starten Sie mit der niedrigsten Autonomie und erweitern Sie sie gestuft — auf Basis von Metriken, nicht von Eindrücken.
- Messen Sie vom ersten Tag an — Qualität, Kosten, menschliche Eingriffe.
Ein KI-Agent ist kein „klügerer Chatbot”, sondern eine neue Klasse von Software: nichtdeterministisch, handelnd und mit eigener operativer Disziplin — jener, um die es auf dieser Website geht. Die Begriffe dieses Textes sind im Glossar definiert.
Häufige Fragen
Worin unterscheidet sich ein KI-Agent von ChatGPT?
ChatGPT ist in seiner Grundform eine Konversationsschnittstelle: Es erhält eine Frage, liefert eine Antwort, und damit endet seine Beteiligung. Ein KI-Agent nutzt dasselbe Sprachmodell, aber innerhalb einer Handlungsschleife: Er erhält ein Ziel, zerlegt es in Schritte, ruft Tools auf — eine Suchmaschine, die APIs Ihrer Systeme, einen Datei-Editor — prüft die Ergebnisse und entscheidet über den nächsten Schritt. Der Unterschied ist praktisch, nicht akademisch: Eine Chat-Antwort können Sie ignorieren, die Aktion eines Agenten verändert den Zustand eines realen Systems — sie versendet die E-Mail, ändert den Datensatz, löst die Bestellung aus. Einen Agenten einzuführen heißt deshalb nicht, „einen Chat anzuschließen“, sondern zu entscheiden, welche Berechtigungen man Software unter wessen Aufsicht überträgt. Die Grenze verschwimmt zudem: Agentenmodi tauchen in Chat-Produkten selbst auf — die eigentliche Frage lautet nicht „Chat oder Agent“, sondern wie viel Autonomie Sie gewähren und wie Sie sie kontrollieren.
Kann ein KI-Agent völlig ohne menschliche Aufsicht arbeiten?
Technisch ja — und genau das ist das Problem. Ein Sprachmodell ist nichtdeterministisch und fehlbar, und ein Agent verwandelt seine Fehler in reale Aktionen. Reife Praxis stuft Autonomie: Ein neuer Agent startet nur lesend oder mit menschlicher Freigabe vor jeder folgenreichen Aktion und verdient sich jeden weiteren Freiheitsgrad erst, wenn Metriken zeigen, dass er auf der aktuellen Stufe zuverlässig arbeitet. Vollautomatisierung ohne Kontrollpunkte kann bei billigen, umkehrbaren Aktionen gerechtfertigt sein; bei irreversiblen oder teuren bleibt menschliche Aufsicht die Regel — und sie wird auch regulatorisch verlangt: Der AI Act schreibt für Hochrisikosysteme wirksame menschliche Aufsicht vor. Die ehrliche Antwort lautet also: Er kann, aber reife Teams wählen bewusst, wo sie es zulassen.
Womit sollte ein Unternehmen beim Einsatz von KI-Agenten beginnen?
Mit einem einzigen Prozess, der schmerzt, ein klares Erfolgskriterium hat und einen begrenzten Schadensradius — etwa Ticket-Triage, Marktrecherche oder das Entwerfen von Antworten. Bevor der Agent Zugriff auf irgendetwas erhält, schreiben Sie eine kurze KI-Richtlinie: was er darf, worauf er zugreifen kann, wer seine Ergebnisse freigibt. Dann starten Sie ihn auf der niedrigsten Autonomiestufe und messen vom ersten Tag an Qualität, Kosten und menschliche Eingriffe. Erweitern Sie Berechtigungen auf Basis von Daten, nicht von Begeisterung. Der häufigste Einführungsfehler ist die umgekehrte Reihenfolge: erst breiter Zugriff und eine spektakuläre Demo, dann die Suche nach Kontrollmechanismen — zu diesem Zeitpunkt wachsen Kosten und Risiko schneller als der Nutzen.
Fallen KI-Agenten unter den AI Act?
Ja — der AI Act verwendet das Wort „Agent“ nicht, aber seine Definition eines KI-Systems umfasst Systeme, die mit unterschiedlichem Grad an Autonomie arbeiten; Agenten fallen also unmittelbar darunter. Welche Pflichten Sie treffen, hängt vom Einsatzzweck ab: Ein Agent im Recruiting oder Kredit-Scoring ist ein Kandidat für ein Hochrisikosystem mit dem vollen Pflichtenpaket, ein Agent, der E-Mail-Entwürfe schreibt, unterliegt höchstens Transparenzpflichten. Für Unternehmen zählen in der Praxis drei Dinge: wissen, welche Prozesse Hochrisikobereiche berühren; Offenlegungspflichten erfüllen, wo der Agent mit Menschen spricht oder Inhalte erzeugt; und menschliche Aufsicht sowie Ereignisprotokolle aufrechterhalten, mit denen sich die Kontrolle über das System nachweisen lässt.