Was ist ein KI-Agent? Eine klare, praktische Definition

Aktualisiert im Juli 2026

Kurze Antwort: Ein KI-Agent ist Software, die ein Ziel versteht, einen Weg dorthin plant und mit echten Werkzeugen handelt. Danach pruft er das Ergebnis und passt seinen Plan an. Das unterscheidet ihn von einem Chatbot, der nur antwortet, und von einem Assistenten, der meist Vorschlage macht, aber die Entscheidung beim Menschen lasst.

Der Begriff "Agent" wird oft sehr locker benutzt. Ein Sprachmodell allein ist noch kein Agent. Es erzeugt Text. Erst mit Ziel, Tools, Berechtigungen, Protokollierung und manchmal Gedachtnis entsteht ein System, das Aufgaben eigenstandig bearbeiten kann.

Was ist ein KI-Agent genau?

Ein KI-Agent nimmt Informationen aus seiner Umgebung auf, entscheidet uber den nachsten Schritt, fuhrt eine Aktion aus und kontrolliert, ob diese Aktion hilfreich war. Einfach gesagt: wahrnehmen, entscheiden, handeln, prufen, wiederholen.

Tools sind dabei der entscheidende Teil. Ohne Tools kann ein Modell nicht wissen, was gerade in deinem CRM steht, keinen Kalender lesen und keine E-Mail senden. Mit Tools kann es APIs aufrufen, Webseiten durchsuchen, Datenbanken abfragen, Dateien erstellen oder Aufgaben aktualisieren.

KI-Agent, KI-Assistent und Chatbot

Der wichtigste Unterschied ist Autonomie.

	Chatbot	KI-Assistent	KI-Agent
Autonomie	Kaum	Niedrig	Mittel bis hoch
Wer entscheidet?	Regeln oder Skript	Der Mensch	Das System innerhalb von Grenzen
Beispiel	FAQ beantworten	E-Mail entwerfen	E-Mail entwerfen, senden und bestatigen

In der Praxis ist diese Unterscheidung wichtig. Ein Support-Assistent kann eine Antwort vorbereiten. Ein Support-Agent kann ein Ticket lesen, den Bestellstatus prufen, antworten und die Aktion dokumentieren. Das ist ein anderes Risiko und braucht andere Kontrollen.

Wie funktionieren KI-Agenten?

Die meisten Agenten folgen vier Schritten.

1. Ziel erhalten. Zum Beispiel: "Finde passende Leads" oder "Fasse die dringenden Tickets zusammen".
2. Planen. Der Agent zerlegt die Aufgabe in kleinere Schritte. Manche planen alles am Anfang, andere planen Schritt fur Schritt nach jeder Beobachtung.
3. Mit Tools handeln. Der Agent nutzt APIs, Browser, Datenbanken, E-Mail, Kalender, Dateien oder Suche.
4. Prufen und anpassen. Er kontrolliert, ob das Ergebnis passt. Wenn nicht, versucht er es erneut, andert den Plan oder fragt einen Menschen.

Gedachtnis macht die Schleife nutzlicher. Kurzzeitgedachtnis halt die aktuelle Aufgabe zusammen. Langzeitgedachtnis kann fruhere Entscheidungen, Vorlieben oder Ergebnisse speichern.

Arten von KI-Agenten

• Einfache Reflexagenten: Bedingung rein, Aktion raus.
• Modellbasierte Reflexagenten: Sie behalten ein internes Bild der Situation.
• Zielbasierte Agenten: Sie planen Schritte zu einem Ergebnis.
• Nutzenbasierte Agenten: Sie bewerten Kompromisse wie Kosten gegen Geschwindigkeit.
• Lernende Agenten: Sie verbessern ihr Verhalten durch Feedback oder neue Daten.
• Multi-Agenten-Systeme: Mehrere spezialisierte Agenten arbeiten zusammen.

Ein Multi-Agenten-System kann einen Recherche-Agenten, einen Schreib-Agenten und einen Pruf-Agenten kombinieren. Das kostet mehr Zeit und Tokens, kann aber Fehler reduzieren.

Was ist agentische KI?

Ein KI-Agent ist meist ein System fur eine Aufgabe. Agentische KI beschreibt den breiteren Ansatz: Systeme, die mit mehr Eigenstandigkeit uber langere Aufgaben arbeiten oder mehrere Agenten koordinieren.

Das ist mehr als Wortklauberei. Ein einzelner Ticket-Agent hat andere Ausfallmuster als ein System, das recherchiert, entscheidet, Aktionen ausfuhrt und Ergebnisse kontrolliert.

Vorteile von KI-Agenten

Der offensichtliche Vorteil ist Geschwindigkeit. Agenten konnen wiederholbare Arbeit rund um die Uhr erledigen: Tickets sortieren, Daten sammeln, Leads anreichern, Berichte vorbereiten oder Entwurfe erstellen.

Der zweite Vorteil ist Konsistenz. Ein gut gebauter Agent wendet dieselben Regeln immer wieder an. Dadurch lassen sich Abweichungen leichter erkennen. Ein schlecht gebauter Agent macht allerdings denselben Fehler ebenfalls sehr zuverlassig, deshalb sind Tests und Grenzen so wichtig.

Wo werden KI-Agenten eingesetzt?

Heute sieht man sie in Support, Vertrieb, Operations, HR, Finanzen und Softwareentwicklung. Ein Agent kann ein Support-Ticket lesen und eine Bestellung prufen. Ein anderer kann Firmen recherchieren und Vertriebsteams Zusammenfassungen liefern. Ein Coding-Agent kann Code lesen, Anderungen schreiben und Tests starten.

Bei irreversiblen oder sensiblen Entscheidungen ist Vorsicht angebracht: Medizin, Kredite, Entlassungen, Geldbewegungen oder Datenloschung sollten nicht ohne menschliche Freigabe laufen.

Risiken und Herausforderungen

Das Schwierige ist selten nur der Prompt. Entscheidend sind Berechtigungen, Datenqualitat, Tool-Fehler, Kosten, Stoppbedingungen, Protokolle und Eskalation.

Ohne Stoppbedingung kann ein Agent in einer Schleife landen. Ohne Aktivitatslog kann niemand nachvollziehen, warum etwas passiert ist. Mit zu vielen Rechten kann er Schaden anrichten.

Eine gute Faustregel: Automatisiere reversible Arbeit und verlange Freigabe fur irreversible Arbeit.

Haufige Missverstandnisse

"Ein grosseres Modell macht immer den besseren Agenten." Nicht unbedingt. Gute Aufgabenzerlegung, saubere Tools und klare Grenzen zahlen oft mehr.

"Autonomie ist alles oder nichts." Nein. Autonomie lasst sich abstufen: Recherche allein, Versand mit Freigabe, destruktive Aktionen nur mit expliziter Bestatigung.

Haufige Fragen

Ist ChatGPT ein KI-Agent? Nicht standardmassig. ChatGPT antwortet auf Prompts. Mit Tools, Berechtigungen und einem Ziel kann das Gesamtsystem agentisch werden.

Was ist der Unterschied zwischen agentischer KI und einem KI-Agenten? Ein KI-Agent arbeitet auf ein Ziel hin. Agentische KI ist der breitere Ansatz autonomer oder koordinierter Systeme.

Brauchen Agenten ein LLM? Moderne Agenten meistens ja. Einfache Agenten konnen auch mit festen Regeln funktionieren.

Was ist das grosste Unternehmensrisiko? Autonomie bei irreversiblen Aktionen ohne Freigabe, Log und klare Grenzen.

Wie baut man einen Agenten? Mit Modell, klarem Ziel, begrenzten Tools, Stoppbedingung und Aktivitatsprotokoll.

Wohin geht die Entwicklung?

Agenten entwickeln sich von Einzelwerkzeugen zu koordinierten Spezialistenteams. Das verlangt weniger Prompt-Magie und mehr Systemdesign: Daten, Rechte, Tests, Nachvollziehbarkeit und menschliche Aufsicht.

Die einfache Definition: Ein KI-Agent ist Software, die mit einem Modell denkt und mit Tools handelt, um ein Ziel zu erreichen.