Agentische Transition
Als agentische Transition bezeichnet man den Wandel von KI-Programmen, die nur auf einzelne Fragen antworten, hin zu Systemen, die eigenständig mehrschrittige Aufgaben erledigen. Statt einen Text zu liefern, planen solche Systeme Schritte, benutzen Werkzeuge wie Suchmaschinen oder Kalender und arbeiten so lange, bis ein Ziel erreicht ist.
Die meisten KI-Programme funktionierten lange nach einem einfachen Muster: Man stellt eine Frage, das Programm antwortet, danach ist es fertig. Seit einigen Jahren verschiebt sich das. Neuere Systeme bekommen ein Ziel statt einer Frage und arbeiten es in mehreren Schritten selbst ab. Sie zerlegen die Aufgabe, rufen fremde Programme auf, prüfen ihr Zwischenergebnis und machen weiter. Diesen Wandel vom antwortenden zum handelnden System nennt man agentische Transition. Das Wort kommt vom lateinischen „agere“, also handeln.
Vom Werkzeug zum Mitarbeiter
Der Unterschied klingt klein, verändert aber den Nutzen enorm. Ein antwortendes System ist wie ein Nachschlagewerk: Es liefert Wissen, den Rest macht der Mensch. Ein handelndes System übernimmt auch die Arbeitsschritte dazwischen. Statt zu erklären, wie man eine Reise bucht, sucht es Flüge, vergleicht Preise und füllt das Formular aus.
Für Unternehmen ist das der eigentliche wirtschaftliche Punkt. Der Wert einer KI steigt nicht mehr nur mit der Qualität ihrer Texte, sondern mit der Länge der Aufgabenkette, die sie allein schafft. Firmen verkaufen deshalb zunehmend keine Antworten mehr, sondern erledigte Vorgänge. Das erklärt, warum in Quartalsberichten und auf Tech-Konferenzen seit 2024 ständig von Agenten die Rede ist.
Gleichzeitig wachsen die Risiken mit. Ein falscher Satz ist ärgerlich, eine falsche Bestellung kostet Geld. Wer ein System handeln lässt, muss Grenzen ziehen und Fehler früh bemerken. Deshalb diskutieren Aufsichtsbehörden vor allem darüber, wofür ein Unternehmen haftet, wenn die Software selbst entschieden hat.
Planen, Werkzeuge rufen, nachbessern
Im Kern steckt weiterhin ein Sprachmodell, also ein Programm, das gelernt hat, sinnvolle Textfortsetzungen zu erzeugen. Neu ist die Schleife drumherum. Das Modell schreibt zunächst einen Plan in Textform. Danach führt es den ersten Schritt aus, sieht sich das Ergebnis an und entscheidet über den nächsten. Diese Runde wiederholt sich, bis das Ziel erreicht oder ein Limit überschritten ist.
Handeln kann ein Modell nur über Werkzeuge. Werkzeuge sind angebundene Programme, etwa eine Websuche, ein Taschenrechner, eine Datenbank oder ein E-Mail-Versand. Das Modell schreibt keinen Fließtext, sondern einen strukturierten Aufruf, den ein anderes Programm ausführt. Dessen Rückgabe landet wieder im Text des Modells. So entsteht aus Sprache tatsächliche Wirkung in der Welt.
Dazu kommt ein Gedächtnis, das Zwischenergebnisse über viele Schritte hinweg festhält. Ohne das würde das System nach zehn Schritten vergessen, was es ursprünglich wollte. Ein verbreiteter Irrtum ist, ein Agent sei eine völlig neue Art von KI. Tatsächlich ist es meist dasselbe Modell wie im Chatbot, ergänzt um Planungsschleife, Werkzeuge und Gedächtnis.
Agenten im Browser, im Code und im Support
Am sichtbarsten ist die Entwicklung beim Programmieren. Werkzeuge wie Claude Code oder GitHub Copilot bekommen eine Aufgabenbeschreibung, ändern selbstständig mehrere Dateien, starten Tests und reparieren, was fehlschlägt. Ähnliches gibt es für den Browser: Das System klickt sich durch Webseiten und füllt Formulare aus. Auch im Kundenservice beantworten Systeme nicht nur Fragen, sondern stoßen Rückerstattungen direkt an.
In Nachrichtentexten erkennt man das Thema an Begriffen wie „agentic AI“, „AI Agents“ oder „Computer Use“. Meist geht es dabei um die Frage, wie zuverlässig solche Systeme längere Aufgaben schaffen. Gemessen wird das oft daran, wie lange ein Agent arbeiten kann, bevor ein Mensch eingreifen muss. Diese Zeitspanne ist in den vergangenen Jahren deutlich gewachsen, reicht aber selten über wenige Stunden hinaus.
Im Alltag begegnet dir die agentische Transition oft unbemerkt. Wenn eine App selbst recherchiert, Termine vorschlägt und Bestätigungsmails schreibt, steckt genau dieses Prinzip dahinter. Die interessante Frage ist dabei weniger, ob das technisch geht. Sondern wie viel Kontrolle man abgibt und an welcher Stelle ein Mensch noch bestätigen muss.