KI-Agenten erklärt: Was ist ein Agent — und was nur so genannt wird?
7. Oktober 2026 · 9 Min. Lesezeit
// DAS WICHTIGSTE IN KÜRZE
Ein KI-Agent ist ein System, in dem ein Sprachmodell ein Ziel über mehrere Schritte verfolgt und dabei selbst entscheidet, welche Werkzeuge es als Nächstes nutzt. Viele Produkte, die heute „Agent“ heißen, sind in Wahrheit Chatbots oder fest programmierte Workflows mit einem KI-Schritt. Den Unterschied zu kennen ist wichtig, weil er über Kosten, Zuverlässigkeit, Sicherheit und Haftung entscheidet. Wer Prozesse analysieren, KI einordnen und Systeme über Schnittstellen verbinden kann, versteht Agenten von Grund auf.
Was ist ein KI-Agent?
Ein KI-Agent ist ein Software-System, das ein Ziel selbstständig über mehrere Schritte verfolgt. Im Kern steht ein Sprachmodell, das nicht nur antwortet, sondern handelt: Es plant den nächsten Schritt, nutzt dafür ein Werkzeug, schaut sich das Ergebnis an und entscheidet dann, wie es weitergeht — so lange, bis die Aufgabe erledigt ist oder es nicht mehr weiterkommt.
Ein einfaches Beispiel: Du gibst einem Chatbot die Aufgabe „Finde einen Termin mit Frau Weber nächste Woche“. Der Chatbot kann dir nur erklären, wie du das machst. Ein Agent dagegen schaut in deinen Kalender, schreibt Frau Weber eine Anfrage, liest ihre Antwort, gleicht die Zeiten ab und trägt den Termin ein. Welche Schritte nötig sind, entscheidet er selbst anhand dessen, was er unterwegs vorfindet.
Die vier Bausteine eines Agenten
- Ein Sprachmodell als „Gehirn“: Es versteht die Aufgabe, plant und trifft Entscheidungen.
- Werkzeuge: Schnittstellen zu anderen Systemen, etwa Kalender, CRM, E-Mail, Datenbank oder Websuche. Ohne Werkzeuge kann ein Modell nur reden, nicht handeln.
- Kontext und Gedächtnis: Anweisungen, bisherige Schritte und relevante Informationen, auf die der Agent zugreifen kann.
- Eine Schleife: Planen, handeln, Ergebnis prüfen, erneut planen. Diese Schleife unterscheidet einen Agenten von einem einmaligen KI-Aufruf.
Workflows sind Systeme, in denen Sprachmodelle und Werkzeuge über vorab festgelegte Pfade gesteuert werden. Agenten sind Systeme, in denen Sprachmodelle ihre eigenen Abläufe und die Nutzung von Werkzeugen dynamisch selbst steuern.
Anthropic, „Building effective agents“, 2024 (sinngemäß übersetzt)
Diese Unterscheidung ist der rote Faden dieses Artikels. Die entscheidende Frage lautet immer: Wer legt fest, was als Nächstes passiert — ein Mensch, der den Ablauf vorher programmiert hat, oder das Modell selbst?
Was alles „Agent“ genannt wird — und was wirklich einer ist
„Agent“ ist eines der großen Schlagworte der KI-Branche. Entsprechend großzügig wird es verwendet. Fachleute sprechen bereits von „Agent-Washing“: Bestehende Produkte werden umbenannt, ohne dass sich an ihrer Funktionsweise etwas ändert. Diese Übersicht hilft dir, die Begriffe auseinanderzuhalten:
| Bezeichnung | Wer bestimmt den nächsten Schritt? | Beispiel | Agent im engeren Sinn? |
|---|---|---|---|
| Chatbot | Der Mensch, Nachricht für Nachricht | Fragen beantworten, Texte formulieren | Nein |
| KI-Assistent mit Werkzeugen | Der Mensch gibt den Auftrag, das Modell nutzt für eine Antwort einzelne Werkzeuge | Ein Chat, der für eine Antwort im Web sucht oder eine Datei liest | Ansatzweise |
| KI-Workflow | Ein vorab festgelegter Ablauf; das Modell erledigt einzelne Schritte darin | E-Mail kommt an, KI kategorisiert sie, Regel leitet sie weiter | Nein — aber oft die bessere Lösung |
| KI-Agent | Das Modell selbst, Schritt für Schritt, bis das Ziel erreicht ist | Recherche über mehrere Quellen, Fehlersuche, mehrstufige Support-Fälle | Ja |
| Multi-Agenten-System | Mehrere spezialisierte Agenten, oft von einem koordinierenden Agenten gesteuert | Ein Agent recherchiert, ein zweiter schreibt, ein dritter prüft | Ja |
Wichtig: Die Begriffe beschreiben ein Spektrum, keine starren Schubladen. Viele gute Lösungen in der Praxis kombinieren beides — ein fester Workflow als Gerüst, in dem an einer klar abgegrenzten Stelle ein Agent arbeiten darf.
Warum es wichtig ist, den Unterschied zu kennen
Man könnte meinen, die genaue Bezeichnung sei eine Frage für Fachleute. In der Praxis hängt davon aber ab, ob ein KI-Projekt im Unternehmen funktioniert oder scheitert.
1. Zuverlässigkeit und Kosten
Ein Workflow macht bei gleichem Input jedes Mal das Gleiche. Er lässt sich testen, dokumentieren und kalkulieren. Ein Agent entscheidet bei jedem Durchlauf neu. Das macht ihn flexibel, aber weniger vorhersehbar — und meist teurer, weil das Modell für jeden Zwischenschritt erneut aufgerufen wird. Wer einen Agenten baut, wo ein Workflow gereicht hätte, bezahlt mehr für ein unzuverlässigeres Ergebnis.
2. Sicherheit und Verantwortung
Ein Agent handelt in echten Systemen: Er verschickt E-Mails, ändert Datensätze, legt Bestellungen an. Deshalb muss vorher klar sein, welche Rechte er bekommt, welche Aktionen ein Mensch freigeben muss und wie Fehler auffallen. Hinzu kommen rechtliche Pflichten aus DSGVO und EU AI Act. Wer nicht versteht, was ein System eigenständig entscheiden darf, kann diese Fragen nicht beantworten.
3. Bessere Entscheidungen beim Einkauf von Software
Wenn jeder Anbieter sein Produkt „Agent“ nennt, braucht ein Unternehmen Menschen, die nachfragen können: Was entscheidet das System wirklich selbst? Auf welche Daten greift es zu? Was passiert, wenn es sich irrt? Diese Fragen trennen ein sinnvolles Werkzeug von einer teuren Enttäuschung.
4. Deine Rolle am Arbeitsmarkt
Agenten verändern Büro- und Verwaltungsarbeit spürbar. Gefragt sind deshalb Menschen, die zwischen Fachabteilung und Technik vermitteln: die einen Prozess analysieren, entscheiden, ob dort ein Workflow oder ein Agent hingehört, und die Lösung so aufsetzen, dass sie sicher läuft. Diese Rolle setzt kein Informatikstudium voraus, aber ein solides Verständnis von Prozessen, Daten, Schnittstellen und KI.
Wann ein Agent sinnvoll ist — und wann nicht
Eine einfache Faustregel: Wenn du den Ablauf vorher vollständig als Flussdiagramm aufzeichnen kannst, brauchst du keinen Agenten. Dann ist ein Workflow schneller, günstiger und zuverlässiger. Ein Agent lohnt sich erst, wenn der Weg zum Ziel von Fall zu Fall stark variiert.
| Eher Workflow | Eher Agent |
|---|---|
| Gleiche Schritte bei jedem Vorgang, zum Beispiel Rechnungseingang oder Lead-Erfassung | Der Lösungsweg hängt von Zwischenergebnissen ab, zum Beispiel bei Recherche oder Fehlersuche |
| Fehler müssen ausgeschlossen werden, etwa bei Zahlungen | Gelegentliche Umwege sind tragbar, weil ein Mensch das Ergebnis prüft |
| Hohe Stückzahlen, bei denen jeder Modellaufruf ins Gewicht fällt | Seltene, komplexe Fälle, die sonst viel menschliche Zeit kosten |
| Nachvollziehbarkeit jedes Schritts ist Pflicht | Protokollierung reicht, um den Weg im Nachhinein zu verstehen |
In vielen Unternehmen ist der beste erste Schritt deshalb kein Agent, sondern ein gut gebauter Workflow, in dem KI einzelne Aufgaben übernimmt — etwa das Auslesen von Dokumenten mit einem Vision Language Model. Wer dieses Fundament beherrscht, kann später gezielt agentische Elemente ergänzen.
Praxisbeispiel: Dieselbe Support-Anfrage als Workflow und als Agent
Ein Kunde schreibt: „Meine Bestellung ist noch nicht da.“ So unterschiedlich lässt sich das automatisieren:
Als Workflow
- Die E-Mail löst den Workflow aus.
- Ein Sprachmodell erkennt das Anliegen „Lieferstatus“ und liest die Bestellnummer aus.
- Der Workflow fragt den Status über eine Schnittstelle im Shopsystem ab.
- Eine Vorlage mit dem aktuellen Status geht als Antwortentwurf an das Support-Team.
Als Agent
- Der Agent bekommt die E-Mail und das Ziel, das Anliegen zu klären.
- Er findet keine Bestellnummer und sucht den Kunden deshalb über die E-Mail-Adresse im CRM.
- Er stellt fest, dass es zwei offene Bestellungen gibt, und prüft für beide den Versandstatus.
- Eine Sendung hängt beim Versanddienstleister fest. Der Agent liest die Sendungsverfolgung aus.
- Er formuliert einen Antwortentwurf und schlägt eine Ersatzlieferung vor — die ein Mensch freigeben muss.
Der Workflow ist schnell, günstig und für den Standardfall ideal. Der Agent kommt mit unerwarteten Situationen zurecht, braucht aber mehr Rechte, mehr Kontrolle und eine klare Freigabestufe. Welche Variante passt, entscheidet die Analyse des Prozesses — nicht die Begeisterung für die Technik.
So lernst du in der Okinami-Maßnahme, Agenten zu verstehen und einzusetzen
Ein Agent ist kein eigenes Produkt, das man einmal bedienen lernt. Er besteht aus Bausteinen, die du kennen musst, um ihn sinnvoll einzusetzen: Prozessverständnis, KI-Grundlagen, Daten, Schnittstellen und Qualitätssicherung. Genau diese Bausteine bilden das Curriculum der AZAV-zugelassenen Okinami-Bildungsmaßnahme:
| Modul | Was du lernst | Bezug zu Agenten |
|---|---|---|
| Modul 1 — Prozesse verstehen, Optimierung erkennen | Betriebliche Abläufe analysieren und modellieren | Entscheiden, ob ein Prozess einen festen Ablauf oder flexible Entscheidungen braucht |
| Modul 2 — KI-Systeme einordnen und sinnvoll einsetzen | Funktionsweise von Sprachmodellen, Abgrenzung regelbasierter und KI-gestützter Automatisierung | Das „Gehirn“ eines Agenten verstehen und Workflow und Agent unterscheiden |
| Modul 3 — Daten verstehen und sauber aufbereiten | Datenstrukturen, Datenflüsse, Validierung | Saubere Eingaben und Ausgaben für jeden Schritt eines Agenten |
| Modul 5 — Systeme verbinden, Kommunikation automatisieren | Schnittstellen, ereignisgesteuerte Logiken, Fehlerbehandlung, Anweisungen an KI-Systeme | Die Werkzeuge eines Agenten anbinden und seine Anweisungen formulieren |
| Modul 6 — Auswerten, Absichern, Compliance einhalten | Qualitätsbewertung von KI-Ausgaben, Rollen- und Zugriffskonzepte, DSGVO, EU AI Act | Festlegen, was ein Agent darf, wie Fehler auffallen und wer haftet |
| Modul 7 — Dein eigenes Praxisprojekt | Eine KI-gestützte Prozessautomatisierung für einen realen Fall entwickeln | Das Gelernte an einem echten Anwendungsfall umsetzen und für dein Portfolio dokumentieren |
Der Schwerpunkt liegt dabei bewusst auf dem Fundament. Wer weiß, wie man Prozesse analysiert, Systeme über Schnittstellen verbindet und KI-Ausgaben prüft, kann Agenten bewerten, aufbauen und absichern — unabhängig davon, welches Werkzeug in zwei Jahren gerade angesagt ist. Wie dein Praxisprojekt aussieht, ob als Workflow, mit agentischen Elementen oder als Kombination, ergibt sich aus dem Anwendungsfall, den du auswählst.
Die Maßnahme läuft vollständig live online, in Vollzeit oder Teilzeit, und ist über den Bildungsgutschein bis zu 100 % förderbar. Ob du die Voraussetzungen erfüllst, klärt der Artikel Bildungsgutschein: Voraussetzungen. Bist du beschäftigt, kann dein Arbeitgeber eine Förderung nach dem Qualifizierungschancengesetz beantragen. Alle Wege im Überblick findest du auf der Seite Förderung, Antworten auf häufige Fragen in den FAQ und mehr über uns als Bildungsträger auf Über uns.
// FAQ
Häufige Fragen
Was ist ein KI-Agent einfach erklärt?
Ein KI-Agent ist ein System, das ein Ziel selbstständig über mehrere Schritte verfolgt. Ein Sprachmodell plant den nächsten Schritt, nutzt dafür Werkzeuge wie Kalender, CRM oder E-Mail, prüft das Ergebnis und entscheidet dann, wie es weitergeht. Anders als ein Chatbot antwortet ein Agent also nicht nur, sondern handelt in anderen Systemen.
Was ist der Unterschied zwischen einem KI-Agenten und einem Workflow?
In einem Workflow legt ein Mensch den Ablauf vorab fest, und die KI erledigt darin einzelne Schritte. Bei einem Agenten entscheidet das Sprachmodell selbst, welche Schritte und Werkzeuge nötig sind. Workflows sind vorhersehbarer, günstiger und leichter zu testen. Agenten sind flexibler, wenn der Lösungsweg von Fall zu Fall stark variiert.
Ist ChatGPT ein KI-Agent?
Im normalen Chat nicht: Dort beantwortet das Modell deine Nachrichten, und du bestimmst jeden nächsten Schritt. Viele Chat-Anwendungen bieten inzwischen aber Funktionen, in denen das Modell selbstständig recherchiert, Dateien bearbeitet oder Websites bedient. In diesen Modi arbeitet es agentisch. Entscheidend ist nicht der Produktname, sondern wer den Ablauf steuert.
Muss ich programmieren können, um mit KI-Agenten zu arbeiten?
Nicht zwingend. Viele Automatisierungsplattformen erlauben es, Workflows und Agenten weitgehend visuell aufzubauen. Wichtiger als Programmierkenntnisse sind Prozessverständnis, ein Gefühl für Datenstrukturen, Wissen über Schnittstellen und die Fähigkeit, KI-Ausgaben kritisch zu prüfen. Genau diese Kompetenzen stehen im Mittelpunkt der Okinami-Bildungsmaßnahme, und zwar unabhängig von einem bestimmten Werkzeug.
Welche Risiken haben KI-Agenten?
Agenten können sich irren und dabei echte Aktionen auslösen, etwa falsche E-Mails versenden oder Datensätze ändern. Außerdem lassen sie sich durch versteckte Anweisungen in Dokumenten oder Websites manipulieren. Deshalb brauchen sie eingeschränkte Rechte, Freigabestufen für kritische Aktionen, eine Protokollierung aller Schritte und die Einhaltung von DSGVO und EU AI Act.