Agentische Modelle

Die meisten KI-Programme, die man aus dem Alltag kennt, funktionieren wie ein Frage-Antwort-Spiel. Man tippt etwas ein, das Programm gibt einen Text zurück, fertig. Agentische Modelle gehen einen Schritt weiter: Sie bekommen ein Ziel und arbeiten selbstständig darauf hin. Dazu zerlegen sie das Ziel in mehrere Teilschritte und erledigen einen nach dem anderen. Dabei dürfen sie Werkzeuge benutzen, etwa eine Suchmaschine, einen Taschenrechner oder ein Buchungsformular. Zwischendurch prüfen sie, ob das Ergebnis passt, und korrigieren sich gegebenenfalls selbst. Der Unterschied ist also nicht die Intelligenz, sondern die Selbstständigkeit.

Vom Ratgeber zum Mitarbeiter

Ein reines Antwortsystem kann dir erklären, wie man einen Flug bucht. Ein agentisches Modell soll den Flug tatsächlich buchen. Genau darin liegt der wirtschaftliche Reiz. Aufgaben, die heute ein Mensch am Rechner abarbeitet, könnten teilweise an Software übergehen. Deshalb investieren Firmen wie OpenAI, Google und Anthropic seit 2024 stark in diese Richtung.

Für Unternehmen verschiebt sich damit die Abrechnungslogik. Bisher zahlte man für ein Werkzeug, das die Arbeit erleichtert. Bei Agenten geht es um die Arbeit selbst, also um Stunden statt um Lizenzen. Analysten sehen darin den Grund, warum an der Börse so viel über dieses Thema gesprochen wird.

Gleichzeitig wächst das Risiko. Wer ein System handeln lässt, muss damit rechnen, dass es falsch handelt. Ein Textfehler ist ärgerlich, eine falsche Überweisung ist teuer. Deshalb laufen viele Agenten heute nur mit menschlicher Freigabe an kritischen Stellen.

Planen, handeln, nachschauen

Im Kern steckt fast immer ein Sprachmodell, also ein KI-System, das gelernt hat, sinnvolle Texte fortzusetzen. Der Trick besteht darin, dieses Modell in einer Schleife laufen zu lassen. Das Modell schreibt zuerst auf, was es als Nächstes tun will. Dann führt das umgebende Programm diese Handlung aus. Das Ergebnis wird dem Modell zurückgegeben, und die Runde beginnt von vorn.

Die Handlungen sind sogenannte Werkzeugaufrufe. Das Modell schreibt zum Beispiel: suche im Web nach dem aktuellen Wechselkurs. Das Programm ruft die Suchmaschine auf und liefert das Resultat zurück. So kann ein Agent auch an Informationen kommen, die es beim Training noch gar nicht gab. Andere typische Werkzeuge sind ein Dateisystem, ein Browser oder das Ausführen von Programmcode.

Man kann sich das wie einen Praktikanten mit Aufgabenliste vorstellen. Er hakt Punkt für Punkt ab, darf zwischendurch nachschlagen und meldet sich, wenn er nicht weiterkommt. Die große Schwäche ist die Fehlerfortpflanzung: Ein falscher Schritt in Runde drei versaut alle folgenden Runden. Bei zwanzig Teilschritten reicht schon eine geringe Fehlerquote pro Schritt, damit das Gesamtergebnis unbrauchbar wird.

Agenten im Browser und in der Programmierung

Am weitesten sind agentische Modelle beim Programmieren. Werkzeuge wie GitHub Copilot Workspace, Claude Code oder Cursor bekommen eine Fehlerbeschreibung und ändern daraufhin selbst mehrere Dateien im Projekt. Anschließend starten sie die Tests und schauen, ob alles läuft. Programmieren eignet sich gut, weil das Ergebnis maschinell überprüfbar ist.

Der zweite große Bereich sind Browser-Agenten. Sie steuern eine Webseite so, wie ein Mensch es mit Maus und Tastatur täte, also klicken und tippen. Damit lassen sich Formulare ausfüllen, Preise vergleichen oder Termine eintragen. In der Praxis scheitern solche Agenten aber noch oft an Anmeldefenstern und Cookie-Bannern.

In Nachrichten begegnet dir der Begriff meist als Versprechen für die Zukunft. Achte dann auf zwei Fragen: Wie viele Schritte schafft der Agent ohne Hilfe, und was darf er ohne Rückfrage tun? Ein System, das nur Vorschläge macht, ist etwas völlig anderes als eines mit Zugriff auf Konten. Genau an dieser Grenze entscheidet sich, ob agentische Modelle nützlich oder gefährlich sind.