Agentisches KI-System
Ein agentisches KI-System beantwortet nicht nur Fragen, sondern verfolgt ein Ziel über mehrere Schritte und benutzt dabei selbstständig Werkzeuge wie Suchmaschinen, Kalender oder Programmcode. Es plant, handelt, prüft das Ergebnis und korrigiert sich, bis die Aufgabe erledigt ist.
Die meisten Chatbots arbeiten nach einem einfachen Muster: Du schreibst etwas, das Programm antwortet, fertig. Ein agentisches KI-System geht darüber hinaus. Es bekommt ein Ziel und arbeitet danach mehrere Schritte selbstständig ab, ohne dass du jeden einzelnen anstößt. Dabei darf es auch etwas tun und nicht nur reden: im Internet suchen, eine Datei öffnen, eine E-Mail verschicken, ein kleines Programm ausführen. Nach jedem Schritt schaut es sich das Ergebnis an und entscheidet, was als Nächstes sinnvoll ist. Das Wort « agentisch » kommt vom lateinischen agere, handeln — genau darum geht es hier.
Vom Antwortgeber zum Auftragnehmer
Der Unterschied klingt klein, ist wirtschaftlich aber groß. Ein Chatbot spart dir Zeit beim Nachdenken. Ein Agent soll dir eine ganze Aufgabe abnehmen. Statt « schreib mir eine Mustermail an einen Kunden » lautet der Auftrag dann « finde alle Kunden, die seit sechs Monaten nichts gekauft haben, und schreib jedem eine passende Mail ».
Deshalb steckt gerade sehr viel Geld in dieser Richtung. Firmen bezahlen für Software normalerweise pro Nutzer im Monat. Ein Agent, der Arbeitsstunden ersetzt, lässt sich viel teurer verkaufen. Große Anbieter wie OpenAI, Google, Microsoft und Anthropic haben 2024 und 2025 fast alle Agentenprodukte vorgestellt. Wenn in Wirtschaftsnews von « agentic AI » die Rede ist, geht es meist um dieses Versprechen.
Gleichzeitig steigt das Risiko. Ein Chatbot, der Unsinn behauptet, ist peinlich. Ein Agent, der Unsinn behauptet und danach eigenständig eine Bestellung auslöst oder Daten löscht, verursacht echten Schaden. Fachleute nennen das die Frage nach den Berechtigungen: Wie viel darf so ein System eigentlich anfassen? Viele Unternehmen lassen Agenten deshalb nur intern arbeiten oder verlangen bei kritischen Schritten eine menschliche Bestätigung.
Planen, Werkzeug greifen, nachprüfen
Im Kern eines Agenten sitzt ein Sprachmodell — ein Programm, das gelernt hat, Texte sinnvoll fortzusetzen. Um dieses Modell herum baut man drei Dinge. Erstens eine Schleife: Das Modell wird immer wieder aufgerufen, statt nur einmal. Zweitens Werkzeuge, also Programme, die es aufrufen darf. Drittens ein Gedächtnis, in dem die bisherigen Schritte und Ergebnisse gespeichert werden.
Ein Durchlauf sieht typischerweise so aus. Das Modell zerlegt das Ziel in Teilschritte. Für den ersten Teilschritt schreibt es keinen normalen Satz, sondern einen strukturierten Befehl wie « suche nach Zugverbindung Hamburg München 14. März ». Das umgebende Programm erkennt diesen Befehl, ruft die echte Suche auf und legt das Ergebnis zurück in den Text. Dann läuft das Modell erneut, jetzt mit dem neuen Wissen. Dieser Kreislauf wiederholt sich, bis das Ziel erreicht ist oder ein Limit greift.
Genau in dieser Schleife liegt auch die größte Schwäche. Fehler summieren sich. Wenn jeder Schritt zu 95 Prozent klappt, sind zwanzig Schritte nur noch in etwa jedem dritten Fall komplett fehlerfrei. Manche Agenten drehen sich außerdem im Kreis und probieren dieselbe erfolglose Idee mehrmals. Häufig verwechselt wird das Ganze mit Automatisierung im klassischen Sinn: Dort legt ein Mensch die Abfolge vorher fest, beim Agenten entsteht sie erst zur Laufzeit.
Agenten im Browser, im Code-Editor und im Support
Am weitesten sind Agenten beim Programmieren. Werkzeuge wie GitHub Copilot Workspace, Claude Code oder Cursor bekommen eine Fehlerbeschreibung, suchen die passende Stelle im Projekt, ändern den Code und lassen die automatischen Tests laufen. Fällt ein Test durch, versuchen sie es erneut. Das funktioniert hier gut, weil ein Test eine klare Rückmeldung gibt: bestanden oder nicht.
Daneben gibt es Agenten, die einen Browser steuern und für dich Formulare ausfüllen oder Preise vergleichen. Im Kundenservice bearbeiten sie Rückerstattungen, indem sie tatsächlich in die Bestelldatenbank schauen. Auch in Finanzhäusern werden solche Systeme getestet, etwa um Berichte aus mehreren Quellen zusammenzutragen.
Beim Lesen von Werbeversprechen lohnt sich Skepsis. Nicht jedes Produkt, das « Agent » heißt, plant wirklich selbst; oft ist es ein Chatbot mit ein paar festen Abläufen. Eine gute Prüffrage lautet: Darf das System etwas verändern, und entscheidet es die Reihenfolge seiner Schritte selbst? Erst dann ist es agentisch im eigentlichen Sinn.