Agentic AI

Agentic AI (agentenbasierte kuenstliche Intelligenz) bezeichnet KI-Systeme, die ueber das reine Beantworten von Fragen hinausgehen. Waehrend ein herkoemmliches Sprachmodell auf eine Eingabe reagiert und eine Antwort liefert, plant ein KI-Agent eigenstaendig Arbeitsschritte, nutzt externe Werkzeuge und fuehrt mehrstufige Aufgaben ohne staendige menschliche Steuerung aus. Der Begriff grenzt sich bewusst von passiven KI-Systemen ab: Agentic AI handelt, statt nur zu antworten.

Was unterscheidet Agentic AI von herkoemmlichen KI-Systemen?

Herkoemmliche Sprachmodelle arbeiten nach einem einfachen Muster: Sie erhalten eine Eingabe und erzeugen eine Ausgabe. Jede Interaktion ist in sich abgeschlossen. Ein KI-Agent dagegen verfuegt ueber mehrere Faehigkeiten, die ihn grundlegend unterscheiden:

• Planung: Der Agent zerlegt eine komplexe Aufgabe in Teilschritte und bestimmt die Reihenfolge der Bearbeitung. Erhaelt er den Auftrag „Erstelle eine Marktanalyse zum deutschen Hosting-Markt“, recherchiert er zuerst Quellen, extrahiert relevante Daten, strukturiert die Ergebnisse und formuliert abschliessend einen Bericht.
• Tool-Nutzung: KI-Agenten koennen externe Werkzeuge aufrufen — Datenbanken abfragen, APIs ansprechen, Dateien lesen und schreiben, Webseiten durchsuchen oder Code ausfuehren. Dadurch sind sie nicht auf ihr Trainingswissen beschraenkt.
• Entscheidungsfindung: Waehrend der Bearbeitung trifft der Agent eigenstaendig Entscheidungen. Wenn ein Rechercheweg keine Ergebnisse liefert, waehlt er einen alternativen Ansatz. Wenn ein Zwischenergebnis unplausibel erscheint, prueft er es erneut.
• Gedaechtnis: Agenten behalten den Kontext ueber mehrere Schritte hinweg. Sie erinnern sich an bereits gesammelte Informationen und nutzen diese fuer spaetere Entscheidungen innerhalb derselben Aufgabe.

Eine nuetzliche Analogie: Ein herkoemmliches Sprachmodell ist wie ein Mitarbeiter, der nur einzelne Fragen beantwortet. Ein KI-Agent ist wie ein Mitarbeiter, der einen Auftrag erhaelt und diesen selbststaendig von Anfang bis Ende bearbeitet — inklusive Recherche, Rueckfragen und Nutzung aller verfuegbaren Hilfsmittel.

Wie ist ein KI-Agent technisch aufgebaut?

Ein typischer KI-Agent besteht aus mehreren Komponenten, die zusammenspielen:

1. Sprachmodell (LLM): Das zentrale „Gehirn“ des Agenten. Es versteht Aufgaben, plant Schritte und formuliert Antworten. Grosse Modelle wie GPT-4, Claude oder Gemini eignen sich besonders, da sie komplexe Zusammenhaenge erfassen koennen.
2. Tool-Schnittstellen: Definierte Verbindungen zu externen Werkzeugen. Ueber Protokolle wie MCP (Model Context Protocol) oder eigene API-Integrationen erhaelt der Agent Zugriff auf Datenbanken, Dateisysteme, Websuchen oder andere Dienste.
3. Orchestrierung: Eine Steuerungsschicht, die den Ablauf kontrolliert. Sie entscheidet, wann der Agent welches Tool aufruft, wann er nachdenken soll und wann die Aufgabe abgeschlossen ist. Frameworks wie LangChain, CrewAI oder das Anthropic Agent SDK uebernehmen diese Rolle.
4. Speicher: Ein Kurz- oder Langzeitgedaechtnis, in dem der Agent Zwischenergebnisse, Kontextinformationen und vergangene Aktionen ablegt.

Welche Anwendungsgebiete gibt es?

Agentic AI findet bereits in zahlreichen Bereichen praktischen Einsatz:

• Software-Entwicklung: Coding-Agenten wie Claude Code, GitHub Copilot Workspace oder Cursor analysieren Codebasen, implementieren Features, fuehren Tests aus und beheben Fehler — oft ueber mehrere Dateien hinweg und mit Zugriff auf Terminal und Dateisystem.
• Kundenservice: KI-Agenten bearbeiten Support-Anfragen, indem sie Kundendaten nachschlagen, Bestellstatus pruefen, Retouren einleiten oder Termine vereinbaren. Sie loesen Probleme, statt nur FAQ-Antworten zu liefern.
• Recherche und Analyse: Agenten durchsuchen mehrere Quellen parallel, fassen Ergebnisse zusammen und erstellen strukturierte Berichte. Im Finanzbereich analysieren sie Geschaeftsberichte, im Rechtsbereich durchsuchen sie Vertraege und Urteile.
• IT-Betrieb: Agenten ueberwachen Serversysteme, diagnostizieren Probleme und fuehren Korrekturmassnahmen durch. Bei einem Festplattenengpass koennen sie Log-Dateien analysieren, ueberflüssige Daten identifizieren und den Administrator mit konkreten Loesungsvorschlaegen benachrichtigen.
• E-Commerce: Ueber Protokolle wie APC (Agentic Commerce Protocol) koennen KI-Agenten eigenstaendig Produkte suchen, Preise vergleichen und Bestellungen im Auftrag des Nutzers ausloesen.

Welche Grenzen und Risiken bestehen?

Trotz des grossen Potenzials bringt Agentic AI spezifische Herausforderungen mit sich:

• Kontrollverlust: Je autonomer ein Agent handelt, desto schwieriger wird die menschliche Kontrolle. Unternehmen muessen definieren, welche Entscheidungen ein Agent eigenstaendig treffen darf und wo menschliche Freigabe erforderlich ist.
• Fehlerfortpflanzung: Wenn ein Agent in einem fruehen Schritt einen Fehler macht, kann sich dieser durch die gesamte Aufgabenkette ziehen. Herkoemmliche Chatbots produzieren maximal eine falsche Antwort — ein Agent kann auf Basis einer falschen Annahme eine ganze Reihe fehlerhafter Aktionen ausfuehren.
• Kosten: Agenten verbrauchen deutlich mehr Token als einfache Anfragen, da sie intern planen, reflektieren und mehrfach Werkzeuge aufrufen. Die Kosten pro Aufgabe liegen oft um ein Vielfaches hoeher als bei einer einzelnen Modellanfrage.
• Sicherheit: Ein Agent mit Zugriff auf Dateisysteme, APIs oder Datenbanken stellt ein Sicherheitsrisiko dar, wenn er manipuliert wird oder fehlerhaft handelt. Prompt Injection — also die gezielte Manipulation durch eingeschleuste Anweisungen — ist bei Agenten besonders kritisch, da die Auswirkungen ueber eine reine Textantwort hinausgehen.

Agentic AI stellt einen grundlegenden Wandel in der Nutzung kuenstlicher Intelligenz dar: vom Werkzeug, das auf Abruf antwortet, zum digitalen Mitarbeiter, der Aufgaben eigenstaendig erledigt. Fuer Unternehmen bedeutet das neue Moeglichkeiten bei der Automatisierung komplexer Prozesse — aber auch die Notwendigkeit, klare Regeln fuer den Einsatz zu definieren.