KI-Agenten und agentische KI: Was KI-Agenten sind und wie sie sich von Assistenten und Chatbots unterscheiden

KI-Agent: Was ist das und was bedeutet Agentic AI?

KI-Agent ist ein Programm, dem Sie sagen, was es erreichen soll, und nicht, wie. Es erhält ein Ziel, zum Beispiel „Bereite eine Notiz zum Kunden vor dem morgigen Termin vor“, und legt dann selbst fest, wo es nach Informationen sucht, greift zu Tools, bewertet, ob das Ergebnis ausreicht, und entscheidet über den nächsten Schritt, bis die Notiz fertig ist oder der Agent an einen Punkt kommt, an dem er einen Menschen fragen muss. Klingt einfach. Der Teufel steckt in den Grenzen.

Agentische KI ist der weiter gefasste Begriff. Er beschreibt eine Arbeitsweise künstlicher Intelligenz, bei der das Modell nicht bei einer Antwort aufhört, sondern plant und handelt und sich dann in einer Schleife verbessert. Sie suchen eine kurze Definition (agentic AI definition)? Bitte sehr: Es ist KI, die mithilfe von Tools selbstständig mehrstufige Aufgaben ausführt, innerhalb der von einem Menschen gesetzten Grenzen.

Praktische Anwendungen in Marketing und Kommunikation samt Kosten beschreiben wir im Artikel KI-Agent in Marketing und PR. Wenn Sie das Thema gerade erst von Grund auf ordnen, beginnen Sie mit unserem Leitfaden zu KI im Unternehmen, in dem Agenten einer von sieben Bereichen sind.

„Agenci AI“ oder „agenty AI“: Welche polnische Form ist korrekt?

In polnischen Unternehmen hört man beide Formen. Die Sprachberatung von PWN (Dr. Rafał Sidorowicz, 28. Februar 2025) empfiehlt die Form agenty AI, weil es sich um einen Fachbegriff aus der Informatik handelt, der sich auf Programme und nicht auf Personen bezieht. Ebenso sagt man im Polnischen „klienty poczty“ für E-Mail-Programme und „klienci“ für Menschen. Ähnlich antwortet die Sprachberatung der Universität Warschau und merkt an, dass sich der Sprachgebrauch erst herausbildet.

In der Umgangssprache überwiegt jedoch die Form agenci AI. Im Verkaufsgespräch wird das niemand als Fehler ansehen. In diesem Text verwenden wir beide, doch in technischen Dokumenten und Verträgen sollten Sie bei einer Form bleiben, nämlich der, die Ihre Rechtsabteilung festlegt, denn uneinheitliche Begriffe im Vertrag mit einem Anbieter führen später bei jedem Nachtrag zu unnötigen Rückfragen.

Wie sich ein KI-Agent von einem KI-Assistenten und einem Chatbot unterscheidet

Diese drei Begriffe werden oft vermischt, auch in den Materialien der Anbieter. Der Unterschied liegt nicht darin, wie „intelligent“ das Programm ist, sondern darin, wer die Arbeit führt und was das Programm selbst tun darf, ohne jemanden um Erlaubnis zu fragen, in den Systemen, zu denen es die Schlüssel bekommen hat. Der Vergleich AI agent vs chatbot lässt sich am besten in einer Tabelle zeigen. Er hilft bei jedem Kauf.

Woraus ein Agent besteht: Modell, Tools, Gedächtnis und Schleife

Jeder Agent hat vier Ebenen. Sprachmodell versteht das Ziel und plant. Tools ermöglichen ihm zu handeln, also im Internet zu suchen, Dokumente zu lesen oder in eine Tabelle zu schreiben. Gedächtnis speichert, was er bereits getan und erfahren hat, und die Schleife sorgt dafür, dass der Agent nach jedem Schritt das Ergebnis bewertet und selbst entscheidet, wie es weitergeht, statt auf Ihre nächste Anweisung zu warten. Soll er auf Basis von Unternehmensdokumenten antworten, kommt noch die Suche in diesen Dokumenten hinzu, mehr dazu im Artikel über RAG, also KI, die mit dem Wissen des Unternehmens arbeitet.

Damit ein Agent Tools verschiedener Anbieter nutzen kann, braucht es gemeinsame Standards. Der wichtigste ist MCP (Model Context Protocol, eine gemeinsame Methode, Modelle mit Tools und Daten zu verbinden), entwickelt von Anthropic. Im Dezember 2025 wechselte MCP zusammen mit AGENTS.md von OpenAI und dem Tool goose von Block in die neue Agentic AI Foundation unter dem Dach der Linux Foundation. Laut Mitteilung der Stiftung wurden bereits über 10.000 MCP-Server veröffentlicht, und das Protokoll nutzen unter anderem Claude und ChatGPT sowie Gemini und Microsoft Copilot.

Die Schlussfolgerung für Führungskräfte? Ein auf offenen Standards gebauter Agent lässt sich leichter zu einem anderen Anbieter umziehen. Fragen Sie bei der Auswahl des Tools danach.

Agentic AI im Unternehmen: Beispiele

Die besten Beispiele für agentische KI (agentic AI examples) sind langweilige, häufige und zugleich gut beschriebene Aufgaben. Hier einige Anwendungen, die wir in mittelständischen Unternehmen sehen:

• PR. Der Agent sichtet täglich Erwähnungen, sortiert Nachdrucke aus und bereitet eine Seite mit drei Punkten vor, über die der Pressesprecher entscheidet.
• Vertrieb. Vor einem Termin sammelt er Informationen über den Kunden aus dem CRM, von der Unternehmenswebsite und aus aktuellen Veröffentlichungen. Wie das in der Vertriebspraxis aussieht, zeigen wir im Zusammenhang mit CRM mit KI.
• Kundenservice. Der Agent prüft den Bestellstatus im System und bereitet eine Antwort vor, die ein Mitarbeiter freigibt. Wie sich das von einem klassischen Chatbot unterscheidet, erklären wir im Artikel über KI im Kundenservice.
• Marketing. Einmal pro Woche vergleicht er Angebote und Mitteilungen der Konkurrenz und hält die Änderungen in einer einzigen Tabelle fest.
• Qualitätskontrolle. Ein separater Agent prüft, ob jede Zahl im Material eine Quelle und ein Datum hat, bevor der Text zur Freigabe geht.

Für wen KI-Agenten im Unternehmen gedacht sind und in welcher Situation

KI-Agenten sind für Unternehmen dort sinnvoll, wo das Team Stunden mit dem Sammeln und Ordnen von Informationen verliert und kaum Zeit für Entscheidungen und Gespräche mit Menschen bleibt. Woran erkennt man das? Dieselben Berichte, die jede Woche von Hand zusammengestellt werden. Kundenanfragen, die darauf warten, dass jemand sie liest. Marktinformationen, verstreut über ein Dutzend Quellen, in die jeder für sich schaut, sodass niemand im Unternehmen das Gesamtbild hat und die Geschäftsführung von drei Personen drei verschiedene Versionen derselben Lage bekommt.

Ein Agent hilft nicht, wenn eine Strategie fehlt oder der Prozess unklar ist. Wenn niemand weiß, was wann beim Kunden ankommen soll, beschleunigt der Agent nur das Chaos. Beginnen Sie dann damit, die Regeln zu ordnen, zum Beispiel mit den Grundlagen guter Kommunikation mit Kunden. Die Automatisierung kommt später.

KI-Agenten im Unternehmen einführen – Schritt für Schritt

Diese Reihenfolge funktioniert unabhängig vom Tool. Konkrete Plattformen (ChatGPT, Copilot Studio, Google-Tools, n8n) besprechen wir im Leitfaden dazu, wie man einen KI-Agenten baut.

1. SCHRITT 01Eine Aufgabe auswählen

   Wiederkehrend, mit klarem Ergebnis und gemessener Arbeitszeit eines Menschen. Eine. Nicht fünf auf einmal.

2. SCHRITT 02Grenzen festlegen

   Halten Sie fest, was der Agent lesen darf, was er schreiben darf und was er nicht ohne Zustimmung eines Menschen tut. Auf dieser Liste stehen immer Versand und Veröffentlichung sowie Zahlungen und das Löschen von Daten.

3. SCHRITT 03Werkzeug passend zum Ökosystem wählen

   Ein Unternehmen mit Microsoft 365 beginnt meist mit Copilot, eines mit Google Workspace greift zu Google-Tools, und eines mit vielen Systemen verschiedener Anbieter, das sich nicht an ein Ökosystem binden will, wählt eine Automatisierungsplattform.

4. SCHRITT 04Mit vergangenen Daten testen

   Lassen Sie den Agenten mit Daten der letzten Wochen arbeiten und vergleichen Sie das Ergebnis mit der Arbeit eines Menschen. Achten Sie auf die Zeit, die Zahl der Fehler und darauf, ob das Ergebnis überhaupt verwendbar ist.

5. SCHRITT 05Verantwortliche Person benennen

   Eine Person prüft jede Woche das Aktivitätsprotokoll des Agenten und korrigiert die Anweisung, wenn sich Daten oder Abläufe ändern.

Was KI-Agenten kosten und wovon das Budget abhängt

Die Kosten eines Agenten ergeben sich aus vier Posten. Das Modell selbst ist oft am günstigsten. Am meisten kostet die Arbeitszeit der Menschen für Vorbereitung und Tests und danach für die Aufsicht, woran Teams meist erst nach dem ersten Monat denken, wenn sich zeigt, dass jemand jede Woche das Protokoll des Agenten lesen und seine Anweisungen korrigieren muss.

Wann sich ein Agent lohnt und wann noch nicht

Ein Agent ist sinnvoll, wenn die Aufgabe jede Woche wiederkehrt, die Daten an einem Ort liegen und jemand im ersten Monat Zeit hat, die Ergebnisse zu prüfen. Starten Sie in einer ruhigeren Phase. Nicht in der Woche vor einer Kampagne oder einem Launch.

Warten Sie ab, wenn der Anbieter den Agenten nicht mit Ihren Daten vorführen kann oder nicht beantworten kann, wo der Agent anhält und wer für seine Fehler verantwortlich ist. Das ist ein Warnsignal. Ethische und rechtliche Risiken besprechen wir gesondert im Beitrag über Risiken und Ethik der KI sowie über Der AI Act in Polen. Die EU-Verordnung schafft keine eigene Kategorie für Agenten. Die Pflichten hängen davon ab, wofür der Agent eingesetzt wird.

Frameworks, Kurse und Standards: Was eine Führungskraft wissen sollte

Agenten-Frameworks (agentic AI frameworks, fertige Bibliotheken zur Programmierung von Agenten) sind Sache des technischen Teams. Google stellt das ADK (Agent Development Kit) bereit, Block das offene Tool goose, beliebt sind auch Open-Source-Bibliotheken wie LangGraph oder CrewAI. Eine Führungskraft muss sie nicht kennen. Sie muss aber wissen, ob die gewählte Lösung offene Standards nutzt, wohin die Daten gelangen, die der Agent liest und schreibt, und wie man den Agenten mit einem Handgriff abschaltet, wenn er etwas tut, das niemand geplant hat.

Sie suchen einen Kurs (agentic AI course)? Wählen Sie einen, der vermittelt, wie man Aufgaben, Kontrolle und Messung gestaltet, und nicht nur das Klicken in einem einzelnen Tool, denn Tools ändern sich alle paar Monate. Worauf Sie bei der Auswahl achten sollten, erklären wir im Beitrag über KI-Kurse mit Zertifikat. Möchten Sie zuerst verstehen, was KI im Marketing tatsächlich leistet und was nicht? Besuchen Sie die Seite KI im Marketing.

Fünf Fehler, durch die Agentenprojekte in der Schublade landen

Weiterlesen