Verständlich gesagt ist ein KI-Agent eine KI, die nicht nur antwortet, sondern handelt. Sie bekommt eine Aufgabe, entscheidet selbst, welche Schritte dafür nötig sind, und nutzt Werkzeuge: Kalender, E-Mail, Datenbank, Websuche. Dann prüft sie das Ergebnis und macht weiter, bis die Aufgabe erledigt ist. „Agentic AI“ ist der Sammelbegriff für solche Systeme. Für Unternehmen ist das spannend, weil Agenten Arbeit übernehmen können, die bisher zwischen mehreren Programmen hin und her lief. Sie sind aber auch schwerer vorherzusagen als klassische Automatisierung. Deshalb lohnt es sich, genau hinzuschauen, wann ein Agent die richtige Wahl ist.
Antworten oder handeln: der Unterschied an einem Beispiel
Zum Umschalten
Dieselbe Bitte an einen Chatbot und an einen Agenten
Chatbot
Bitte: „Organisiere ein Erstgespräch mit Frau Berger nächste Woche.“
Antwort: „Gern. Hier ist ein Vorschlag für eine E-Mail an Frau Berger: Sehr geehrte Frau Berger, hätten Sie nächste Woche Zeit für ein kurzes Gespräch?“
Den Kalender prüfen, die E-Mail verschicken, den Termin eintragen: Das machen Sie selbst.
KI-Agent
Bitte: „Organisiere ein Erstgespräch mit Frau Berger nächste Woche.“
Der Agent schaut in Ihren Kalender, findet zwei freie Zeiten, sucht im CRM die E-Mail-Adresse von Frau Berger, schreibt ihr mit beiden Vorschlägen und legt einen vorläufigen Termin an.
Vor dem Versand fragt er Sie: „Diese E-Mail an Frau Berger schicken?“
Frei erfundenes Beispiel.
Der Agent hat dieselbe Sprachfähigkeit wie der Chatbot. Der Unterschied sind die Werkzeuge und die Erlaubnis, sie in eigener Reihenfolge zu nutzen.
Agent oder Workflow
Anthropic, der Hersteller von Claude, unterscheidet in einem viel zitierten Leitfaden zwei Arten solcher Systeme:
- Workflows: Ein Sprachmodell und Werkzeuge arbeiten auf einem fest vorgegebenen Weg. Jeder Schritt steht vorher fest.
- Agenten: Das Sprachmodell steuert seinen Weg und die Nutzung der Werkzeuge selbst.
Beides fällt unter „Agentic AI“. Der Rat von Anthropic ist bemerkenswert nüchtern: mit der einfachsten Lösung anfangen und nur dann mehr Selbstständigkeit einbauen, wenn es nötig ist. Das deckt sich mit meiner Erfahrung. Bei Creativer liest ein Workflow Eingangsrechnungen mit KI aus, ein Mensch gibt jede Buchung frei. Ein Agent mit freier Hand wäre dort fehl am Platz: Bei Geld will niemand, dass die Software einen kreativen Weg findet.
Mein eigener Prototyp Hey Finn ist dagegen ein echter Agent. Er sucht sich selbst Themen aus den Nachrichten, schreibt Beiträge und legt sie als Entwurf in der Social-Media-Planung ab. Dort passt die Freiheit, weil nichts ungeprüft veröffentlicht wird.
Woraus ein Agent besteht
- Ein Sprachmodell, das plant und entscheidet, etwa Claude, Gemini oder GPT.
- Werkzeuge, die es aufrufen darf: Kalender lesen, E-Mail schreiben, im CRM suchen, im Netz recherchieren.
- Anweisungen, die Aufgabe, Regeln und Grenzen beschreiben.
- Ein Gedächtnis, damit der Agent weiß, was er schon getan hat.
- Leitplanken: Freigaben durch Menschen, eine Grenze für die Zahl der Schritte, ein Protokoll jeder Aktion.
Bauen lassen sich Agenten mit Automatisierungswerkzeugen wie n8n, mit den Agenten-Funktionen der großen KI-Anbieter oder mit eigener Software.
Wo Agenten heute helfen
Gut funktionieren Agenten bei Aufgaben, die immer etwas anders sind, aber klar umrissen: ein Briefing vor einem Kundengespräch zusammenstellen, Anfragen lesen und Antwortentwürfe schreiben, Termine abstimmen, Themen recherchieren. Gemeinsam ist diesen Aufgaben: Ein Fehler kostet wenig, und am Ende schaut ein Mensch drauf.
Wo die Grenzen liegen
Das Marktforschungsunternehmen Gartner hat im Juni 2025 vorhergesagt, dass bis Ende 2027 mehr als 40 % der Projekte mit agentischer KI wieder eingestellt werden. Die Gründe: steigende Kosten, unklarer Nutzen und fehlende Kontrollen für Risiken. Gartner warnt außerdem vor „Agent Washing“: Viele Produkte, die als Agent verkauft werden, sind keine.
Aus der Praxis kommen drei Grenzen dazu:
- Agenten erfinden. Findet ein Agent eine Information nicht, füllt er die Lücke manchmal mit etwas Plausiblem.
- Agenten lassen sich ablenken. Text in einer E-Mail oder auf einer Website kann versuchen, ihm neue Anweisungen unterzuschieben.
- Agenten brauchen Pflege. Jemand muss die Protokolle lesen und die Anweisungen anpassen.
Daraus folgt eine einfache Regel: Je teurer ein Fehler, desto weniger Freiheit bekommt der Agent und desto früher fragt er einen Menschen.
So fangen Sie an
Suchen Sie eine Aufgabe, bei der ein Agent nur liest und vorbereitet, etwa eine Zusammenfassung der Anfragen der Woche. Lassen Sie ihn eine Woche lang laufen und vergleichen Sie seine Ergebnisse mit Ihren eigenen. Erst wenn das passt, bekommt er Werkzeuge, die etwas verändern.
Wenn Sie einen Agenten für Ihren Betrieb planen: Ich baue KI-Agenten mit Leitplanken für kleine und mittlere Unternehmen.
