Super-Agent

Die meisten KI-Programme, die man kennt, antworten auf eine Frage und sind dann fertig. Ein Super-Agent soll mehr können. Er bekommt ein Ziel statt einer Einzelfrage, zum Beispiel: „Plane meine Klassenfahrt nach Rom.“ Danach zerlegt er das Ziel selbst in Schritte, sucht Informationen, füllt Formulare aus und meldet sich erst mit dem Ergebnis zurück. Der Begriff meint also eine KI, die handelt und nicht nur redet. Wichtig zu wissen: „Super-Agent“ ist kein geschützter Fachbegriff, sondern ein Werbewort, das Firmen für ihre besonders leistungsfähigen Systeme benutzen.

Vom Auskunftsschalter zum Sachbearbeiter

Der Unterschied zwischen Antworten und Erledigen ist wirtschaftlich riesig. Ein Programm, das dir erklärt, wie eine Steuererklärung funktioniert, spart dir zehn Minuten Lesezeit. Ein Programm, das die Steuererklärung tatsächlich ausfüllt, ersetzt einen Arbeitsvorgang. Genau deshalb reden Tech-Konzerne so viel über Agenten: Dort liegt das Geld, nicht bei besseren Chat-Antworten.

Für Anleger und Beobachter ist der Begriff trotzdem mit Vorsicht zu genießen. Es gibt keinen Test, den ein System bestehen muss, um sich Super-Agent nennen zu dürfen. Manche Produkte mit diesem Etikett können wirklich mehrere Programme bedienen. Andere sind ein normales Sprachmodell mit ein paar zusätzlichen Knöpfen. Wer News liest, sollte deshalb immer fragen, welche Aufgabe das System ohne Nachfragen zu Ende bringt.

Dazu kommt eine Vertrauensfrage. Ein System, das eigenständig Bestellungen auslöst oder E-Mails verschickt, braucht Zugriff auf Konten und Daten. Ein Fehler ist dann nicht mehr nur eine falsche Antwort, sondern eine falsche Buchung. Aus diesem Grund laufen viele Agenten heute nur mit Bestätigungsschritt: Der Mensch klickt vor jeder wichtigen Aktion noch einmal auf „Ja“.

Planen, Werkzeuge benutzen, nachbessern

Im Kern steckt in fast jedem Super-Agenten ein Sprachmodell. Das ist ein Programm, das aus riesigen Textmengen gelernt hat, sinnvolle Fortsetzungen zu schreiben. Neu ist die Schleife drumherum. Das Modell schreibt zuerst einen Plan, also eine Liste von Teilschritten. Dann arbeitet es die Schritte nacheinander ab und prüft nach jedem Schritt, ob das Ergebnis brauchbar aussieht.

Damit das klappt, bekommt das Modell Werkzeuge. Werkzeuge sind hier einfach Programme, die es aufrufen darf: eine Suchmaschine, ein Taschenrechner, ein Kalender, ein Browser. Das Modell schreibt keinen Text an den Nutzer, sondern einen Befehl an das Werkzeug. Das Ergebnis kommt zurück und fließt in den nächsten Schritt ein. Man kann sich das wie einen Praktikanten vorstellen, der Telefon, Suchmaschine und Ablage benutzen darf.

Der schwierigste Teil ist das Gedächtnis über lange Aufgaben hinweg. Nach dreißig Schritten muss das System noch wissen, was das ursprüngliche Ziel war. Deshalb legen Agenten Notizen an und lesen sie später wieder ein. Trotzdem passiert es häufig, dass sie sich verrennen und dieselbe Aktion mehrfach wiederholen. Kleine Fehler summieren sich: Wer pro Schritt zu fünf Prozent danebenliegt, hat nach zwanzig Schritten kaum noch ein brauchbares Ergebnis.

Was heute schon läuft

Am weitesten sind Agenten beim Programmieren. Werkzeuge wie GitHub Copilot oder Claude Code bekommen eine Fehlerbeschreibung, durchsuchen den Programmcode, ändern Dateien und starten Tests. Das funktioniert gut, weil der Computer sofort zurückmeldet, ob es geklappt hat. Diese schnelle Rückmeldung fehlt bei vielen anderen Aufgaben.

Im Alltag begegnen einem Vorstufen davon: Recherche-Funktionen, die selbstständig zwanzig Webseiten lesen und einen Bericht schreiben, oder Kundenservice-Systeme, die eine Rücksendung wirklich anstoßen. In Firmenmeldungen taucht der Begriff außerdem als Verkaufsargument auf, oft zusammen mit Wörtern wie „autonom“ oder „End-to-End“. Ein nützlicher Prüfmaßstab ist die Frage nach der Kette: Wie viele Schritte schafft das System ohne menschliches Eingreifen? Bei ehrlichen Angaben sind es heute meist einige Dutzend, nicht Hunderte.