Agentic Engineering
Agentic Engineering bezeichnet die Disziplin, KI-Systeme so zu bauen, dass sie eigenständig Ziele verfolgen, Entscheidungen treffen und dabei mehrere Schritte nacheinander ausführen – ohne dass ein Mensch jeden Schritt einzeln anweist. Es ist der Unterschied zwischen einem Werkzeug, das auf Befehl antwortet, und einem System, das eine Aufgabe selbst zu Ende bringt.
Die meisten KI-Anwendungen funktionieren wie eine einfache Frage-Antwort-Maschine: Mensch stellt Frage, Maschine antwortet, fertig. Agentic Engineering geht weiter. Dabei baut man Systeme, die ein übergeordnetes Ziel bekommen und dann selbstständig planen, wie sie es erreichen. Das System führt viele Einzelschritte nacheinander aus, beobachtet dabei die Ergebnisse und passt seinen Plan an – bis die Aufgabe erledigt ist. Ein solches System nennt man KI-Agenten. Der Begriff „Agentic“ kommt vom englischen „agency“, was so viel bedeutet wie Handlungsfähigkeit oder Eigeninitiative.
Warum KI-Agenten einen Unterschied machen
Ein klassisches Sprachmodell – also ein Programm, das Text versteht und erzeugt – kann nur das beantworten, was man ihm direkt stellt. Es hat kein Gedächtnis über mehrere Gespräche hinweg und kann nichts in der realen Welt auslösen. Ein KI-Agent dagegen kann E-Mails schreiben und verschicken, in Datenbanken suchen, Code ausführen oder Websites aufrufen – alles hintereinander, aus eigener Initiative.
Das macht einen riesigen Unterschied für die Praxis. Aufgaben, die früher viele manuelle Zwischenschritte brauchten, können so vollständig automatisiert werden. Ein Unternehmen muss nicht mehr Dutzende einzelne Anfragen stellen; es gibt dem Agenten ein Ziel vor und wartet auf das Ergebnis. Für Entwickler bedeutet das aber auch neue Verantwortung: Ein System, das selbst handelt, kann selbst Fehler machen – und zwar mehrere auf einmal.
Wie ein KI-Agent intern vorgeht
Der Kern eines Agenten ist eine Schleife aus vier Schritten: beobachten, planen, handeln, prüfen. Zuerst nimmt der Agent seine aktuelle Situation auf – zum Beispiel den Inhalt einer Webseite oder das Ergebnis eines vorigen Rechenschritts. Dann überlegt er, was als nächstes sinnvoll ist. Danach führt er einen Schritt aus, etwa einen Suchbegriff eingeben oder eine Funktion aufrufen. Schließlich prüft er, ob er seinem Ziel nähergekommen ist.
Damit ein Agent überhaupt handeln kann, braucht er sogenannte Werkzeuge – also Programme oder Schnittstellen, die er aufrufen darf. Eine Schnittstelle, oft API genannt, ist ein klar definierter Kanal, über den zwei Programme miteinander kommunizieren. Welche Werkzeuge ein Agent nutzen darf, legt der Entwickler fest. Das ist eine der zentralen Entscheidungen im Agentic Engineering: zu begrenzen, was ein Agent tun kann, damit er nicht aus Versehen etwas Unerwünschtes auslöst.
Manche Systeme bestehen nicht aus einem einzelnen Agenten, sondern aus mehreren, die zusammenarbeiten. Ein sogenannter Orchestrator-Agent teilt eine große Aufgabe in Teilaufgaben auf und delegiert sie an Spezialagenten. Diese Architektur ähnelt einem Projektteam: ein Koordinator, mehrere Fachleute. Agentic Engineering umfasst also auch die Frage, wie man solche Netzwerke aus Agenten verlässlich baut und kontrolliert.
Wo Agentic Engineering heute schon auftaucht
Am bekanntesten sind Systeme wie Devin, ein KI-Assistent für Softwareentwickler. Devin bekommt eine Aufgabe wie „Schreibe eine App, die Wetterdaten abruft“ und erledigt dann eigenständig: Recherche, Code schreiben, Fehler beheben, testen. Ähnliche Agenten gibt es für Kundenservice, Buchhaltung oder Marktforschung. Auch große Sprachmodelle wie GPT-4 werden zunehmend in Agenten-Frameworks eingebettet, also in Rahmenwerke, die ihnen Werkzeuge und eine Planungsstruktur geben.
In Finanznachrichten taucht der Begriff auf, wenn Unternehmen ankündigen, Routinearbeit durch KI-Agenten zu ersetzen. Analysten sprechen davon, dass Agentic AI die nächste große Welle nach den Chatbots ist. Der Unterschied ist klar: Ein Chatbot antwortet. Ein Agent handelt. Diese Verschiebung ist der Grund, warum viele Tech-Firmen gerade stark in Agentic Engineering investieren.
Ein wichtiger Irrtum ist dabei, Agenten für unfehlbar zu halten. Weil ein Agent viele Schritte selbstständig ausführt, können sich kleine Fehler aufschaukeln. Ein falsches Zwischenergebnis führt dann zu einem falschen nächsten Schritt – und so weiter. Deshalb gehört zum Agentic Engineering auch das sogenannte Human-in-the-Loop-Prinzip: an kritischen Punkten hält das System an und wartet auf menschliche Bestätigung, bevor es weitermacht.