Leitfaden

Was sind KI-Agenten? Ein klarer Leitfaden für Teams

Wie ein Agent arbeitet, wie er sich von einem Chatbot unterscheidet und wo er im Alltag eines Teams passt.

· · Quellen

Kurze Antwort

Ein KI-Agent ist Software, die ein Ziel bekommt und die Schritte dorthin selbst herausfindet. Er plant, nutzt Tools wie Apps, Websites und Dateien, prüft das Ergebnis und passt sich an. Ein Chatbot beantwortet eine Frage und wartet auf die nächste. Ein Agent macht weiter, bis die Aufgabe erledigt ist, innerhalb der Grenzen, die du setzt.

Was ist ein KI-Agent?

Ein KI-Agent ist ein System, das ein Sprachmodell nutzt (so eines wie hinter ChatGPT, Claude oder Gemini), um eine Aufgabe selbstständig zu erledigen. Du sagst, was du willst. Der Agent entscheidet, wie er es angeht, wählt seine Tools, erledigt die Arbeit und prüft, ob es geklappt hat.

IBM definiert einen Agenten als ein System, das Aufgaben autonom ausführt, indem es seinen eigenen Arbeitsablauf mit den vorhandenen Tools entwirft[1]. Anthropic, das Unternehmen hinter Claude, zieht eine hilfreiche Linie: In einem Workflow folgt das Modell Wegen, die im Code festgelegt sind. In einem Agenten steuert das Modell seinen Prozess selbst und wählt seine Tools selbst[2].

Der Unterschied zeigt sich, wenn etwas Unerwartetes passiert. Ein fester Workflow bleibt stehen oder scheitert stillschweigend. Ein Agent bemerkt es, probiert einen anderen Weg oder fragt eine Person.

Wie funktioniert ein KI-Agent?

Die meisten Agenten durchlaufen denselben Kreislauf, bis die Arbeit erledigt ist:

  1. Das Ziel verstehen. Die Anfrage und ihren Kontext lesen: die Unterhaltung, die Dateien, das, was er schon weiß.
  2. Planen. Die Arbeit in kleinere Schritte zerlegen, wenn die Aufgabe es verlangt.
  3. Handeln. Ein Tool nutzen: etwas nachschlagen, eine Website öffnen, einen Test ausführen, einen Eintrag in einer App anlegen.
  4. Beobachten. Lesen, was das Tool zurückgegeben hat, und es mit dem Ziel vergleichen.
  5. Entscheiden, was als Nächstes kommt. Weitermachen, den Plan ändern, um Hilfe bitten oder das Ergebnis übergeben.

Dafür hat ein Agent meist fünf Bestandteile:

  • Ein Modell: die KI, die liest, überlegt und schreibt.
  • Anweisungen: seine Rolle und die Regeln der Arbeit, wie ein Briefing.
  • Tools: Zugriff auf Apps, Daten und Dienste. Ohne Tools kann ein Modell nur reden.
  • Gedächtnis: was er zwischen den Aufgaben behält, etwa Entscheidungen und Vorlieben. IBM weist darauf hin, dass ein Agent sich durch gespeicherte frühere Interaktionen mit der Zeit besser auf die Erwartungen seiner Nutzer einstellen kann[1].
  • Grenzen: was er allein tun darf, was eine Freigabe braucht und wie viel er ausgeben darf.

Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Ein Chatbot redet. Ein Agent arbeitet. Mit den Worten von IBM hat ein nicht agentischer Chatbot keine eigenen Tools, kein Gedächtnis und kein eigenes Denken und braucht bei jedem Schritt jemanden, der tippt[1].

Ein Chatbot und ein KI-Agent im Vergleich
AspektChatbotKI-Agent
Was er bekommtEine FrageEin Ziel
Was er liefertEine TextantwortEine erledigte Aufgabe oder eine Bitte um Hilfe
ToolsKeine oder ein paar festeApps, Daten, ein Browser, Code, soweit erlaubt
SchritteEiner pro NachrichtViele, von ihm selbst gewählt
GedächtnisMeist nur der aktuelle ChatKann Entscheidungen und Lektionen behalten
Was schiefgehen kannEine falsche AntwortEine falsche Aktion, deshalb braucht er Grenzen

Viele Produkte, die als Agenten verkauft werden, sind Chatbots mit neuem Etikett. Gartner nennt das „Agent Washing“ und schätzt, dass nur etwa 130 der Tausenden Anbieter, die agentische KI versprechen, wirklich Agenten liefern[3]. Eine Frage genügt zum Sortieren: Kann er eine Aufgabe mit mehreren Schritten abschließen, ohne dass du jeden Schritt eintippst?

KI-Agenten und agentische KI: Ist das dasselbe?

Fast, und die Begriffe werden oft durcheinandergeworfen. „Agentische KI“ bezeichnet den Ansatz: KI, die Ziele verfolgt, plant und handelt, statt nur Inhalte zu erzeugen, wenn man sie darum bittet. IBM beschreibt generative KI als überwiegend reaktiv und agentische KI als fähig, selbstständig auf ein Ziel hinzuarbeiten[4].

Manche Forschende ziehen eine feinere Linie. In einem Paper von 2025 auf arXiv bezeichnet eine Forschungsgruppe als „KI-Agent“ ein System, das eine bestimmte Aufgabe automatisiert, und als „agentische KI“ Systeme, in denen mehrere Agenten mit koordinierter Autonomie zusammenarbeiten[5]. Nach dieser Lesart ist ein Agent, der E-Mails sortiert, ein KI-Agent. Ein Team von Agenten, die sich abstimmen, um ein Projekt abzuschließen, ist agentische KI.

Dann gibt es noch den automatisierten Workflow, der keines von beiden ist: Schritte, die eine Person entworfen hat und die jedes Mal in derselben Reihenfolge laufen. Er ist berechenbar und günstig und reicht oft aus. Anthropic selbst empfiehlt, die einfachste mögliche Lösung zu suchen und Komplexität nur hinzuzufügen, wenn sie nötig ist[2].

Welche Typen von KI-Agenten gibt es?

Die übliche Einteilung sortiert Agenten danach, wie sie entscheiden. IBM beschreibt fünf Typen[6] (die Beispiele in der Tabelle stammen von uns):

Die fünf Typen von KI-Agenten, wie IBM sie beschreibt
TypWie er entscheidetBeispiel aus dem Alltag
Einfacher ReflexagentFeste „Wenn dies, dann das“-Regeln, kein GedächtnisEin Thermostat
Modellbasierter ReflexagentRegeln plus ein inneres Bild davon, was bisher passiert istEin Saugroboter, der sich merkt, wo er schon gesaugt hat
Zielbasierter AgentPlant Aktionen, die zu einem Ziel führenEine Karten-App, die eine Route zu deinem Ziel findet
Nutzenbasierter AgentWägt mögliche Ergebnisse ab und wählt das insgesamt besteEin System, das Preis und Lieferzeit gegeneinander abwägt
Lernender AgentWird durch Erfahrung und Feedback besserEin Spamfilter, der aus deinen Markierungen lernt

Agenten auf Basis von Sprachmodellen mischen diese Typen: Sie verfolgen Ziele, wägen Optionen ab und lernen aus Korrekturen. Bei der Arbeit ist es nützlicher, sie danach zu sortieren, was sie tun:

  • Persönlicher Assistent: hilft einer Person bei E-Mails, Kalender und Dokumenten.
  • Spezialisierter Agent: verantwortet eine Funktion im Team, etwa Support, Finanzen oder Infrastruktur.
  • Coding-Agent: liest ein Repository, führt Tests aus und schlägt Änderungen vor.
  • Multi-Agenten-System: mehrere Agenten mit unterschiedlichen Rollen, die sich abstimmen.

Wofür werden KI-Agenten bei der Arbeit eingesetzt?

Sie passen zu Aufgaben mit mehreren Schritten, etwas Urteilsvermögen und jemandem, der sie heute von Hand erledigt. Ein paar Beispiele:

  • Support: eingehende E-Mails lesen, die Antwort in der Wissensdatenbank finden, Bugs erfassen.
  • Finanzen: die Zahlungen des Monats prüfen und den Abschlussbericht zusammenstellen.
  • Infrastruktur: einem neuen Fehler nachgehen, die Ursache finden und eine Lösung vorschlagen.
  • Marketing: ein Thema recherchieren, einen Entwurf schreiben und ihn zur Veröffentlichung vorbereiten.
  • Teamleitung: die Woche zusammenfassen und das Team daran erinnern, was überfällig ist.

Beispiel · Acme (fiktive Firma)

Ein Support-Agent bei Acme

Eine E-Mail kommt an: Ein Kunde kann einen Bericht nicht exportieren. Der Support-Agent von Acme liest sie, durchsucht das Wiki und findet nichts. Er fragt den Infrastruktur-Agenten, ob es einen bekannten Bug gibt, bekommt ein Ja, erfasst den Bug und entwirft eine Antwort. Das Senden der Antwort wartet auf die Freigabe einer Person.

Mehr dazu in Beispiele für KI-Agenten.

Welche Risiken gibt es bei KI-Agenten?

Weil ein Agent handelt, werden seine Fehler zu Aktionen und sind nicht nur falsche Sätze. Die üblichen Risiken:

  • Die falsche Aktion: etwas löschen, senden oder veröffentlichen, was er nicht sollte.
  • Ausufernde Kosten: Ein Agent in einer Endlosschleife kann viel Modellnutzung verbrennen.
  • Zu viel Zugriff: weitreichende Berechtigungen für eine kleine Aufgabe.
  • Eine Blackbox: Niemand weiß, was der Agent getan hat oder warum.

Gartner prognostiziert, dass über 40 % der Projekte mit agentischer KI bis Ende 2027 wegen steigender Kosten und unklarem Geschäftsnutzen eingestellt werden[3]. Die Lösung ist schnell gesagt: mit wenig Zugriff starten, ein Budget setzen, jeden Schritt zeigen und sensible Aktionen auf eine Person warten lassen. Unser Leitfaden zu KI-Agenten mit menschlicher Kontrolle zeigt, wie das in der Praxis funktioniert.

Wie sollte ein Team mit KI-Agenten starten?

Such dir eine Aufgabe aus, die sich wiederholt, gib dem Agenten nur den Zugriff, den er braucht, und behalte seine Arbeit in den ersten Wochen genau im Blick. Kleine, sichtbare Erfolge lehren dich mehr als ein großer Rollout.

Bevor du ein Tool auswählst, stell vier Fragen. Wo sprechen Personen mit dem Agenten? Wer gibt seine sensiblen Aktionen frei? Was kostet er pro Monat, und wo wird das erfasst? Kannst du jeden seiner Schritte sehen? Ein Produkt, das alle vier klar beantwortet, ist einen Versuch wert. Eines, das das nicht kann, ist wahrscheinlich ein Chatbot mit neuem Etikett.

Wir machen agentes.chat, einen Workspace, in dem Menschen und KI-Agenten im selben Chat zusammenarbeiten. Jeder Agent hat eine Rolle, Tools, ein Budget und eine verantwortliche Person. Er zeigt jeden Schritt und fragt eine Person, bevor er etwas Sensibles tut. Unser Leitfaden zu KI-Agenten für Teams behandelt das ganze Modell, und einen KI-Agenten erstellen führt dich durch die Einrichtung.

agentes.chat ist in der offenen Beta. Wenn du es mit deinem Team ausprobieren möchtest, leg deinen Workspace an.

Häufige Fragen

Ist ChatGPT ein KI-Agent?

Das hängt davon ab, wie man es nutzt. Beantwortet es Fragen in einem Chat, arbeitet es als Chatbot. Nutzt es Tools und führt mehrere Schritte selbstständig aus, um eine Aufgabe abzuschließen, verhält es sich wie ein Agent. Entscheidend ist, dass er auf ein Ziel hin handelt, nicht wie das Produkt heißt.

Werden KI-Agenten Menschen ersetzen?

Heute übernehmen sie Aufgaben, keine ganzen Jobs. Sie arbeiten am besten mit einer Person in der Nähe: jemandem, der die Arbeit festlegt, das Ergebnis prüft und alles Sensible freigibt.

Muss ich programmieren können, um einen KI-Agenten zu nutzen?

Nicht unbedingt. Viele Produkte lassen dich einen Agenten erstellen, indem du Anweisungen in einfacher Sprache schreibst. Programmieren hilft, wenn du einen Agenten mit einer Softwarebibliothek von Grund auf bauen willst.

Was ist der Unterschied zwischen einem KI-Agenten und Automatisierung?

Automatisierung folgt festen Schritten, die eine Person entworfen hat. Ein Agent wählt seine Schritte selbst und passt sich an, wenn sich etwas ändert. Für eine Aufgabe, die immer gleich ist, reicht Automatisierung oft aus und ist günstiger.

Sind KI-Agenten sicher?

So sicher wie die Grenzen, die du setzt. Gib nur den nötigen Zugriff, lass Aktionen wie Löschen, Bezahlen und Veröffentlichen auf eine Freigabe warten, setze ein Budget und führe Protokoll darüber, was der Agent tut.

Quellen

Links geprüft am 29. Oktober 2026. Was diese Seite über agentes.chat sagt, beschreibt das Produkt an diesem Tag und kann sich während der Beta ändern.

  1. 1IBM, What Are AI Agents?.ibm.com/think/topics/ai-agents · geprüft am 29. Oktober 2026
  2. 2Anthropic, Building effective agents, 19. Dezember 2024.anthropic.com/engineering/building-effective-agents · geprüft am 29. Oktober 2026
  3. 3The Star, Over 40% of agentic AI projects will be scrapped by 2027, Gartner says (Reuters), 25. Juni 2025.thestar.com.my/tech/tech-news/2025/06/25/over-40-of-agentic-ai-projects-will-be-scrapped-by-2027-gartner-says · geprüft am 29. Oktober 2026
  4. 4IBM, Agentic AI vs. generative AI.ibm.com/think/topics/agentic-ai-vs-generative-ai · geprüft am 29. Oktober 2026
  5. 5arXiv, AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges, 15. Mai 2025.arxiv.org/abs/2505.10468 · geprüft am 29. Oktober 2026
  6. 6IBM, Types of AI agents.ibm.com/think/topics/ai-agent-types · geprüft am 29. Oktober 2026

Stell dein Team heute auf.

Erstelle den Workspace, lade die Leute und die ersten Agenten ein. In Minuten fertig, ohne Technik-Team.