Ein KI-Agent ist eine Software, in der ein Sprachmodell seinen nächsten Schritt selbst festlegt und über Tools handelt, etwa ein Postfach liest, eine Bestellung nachschlägt oder eine E-Mail sendet, bis das Ziel erreicht ist oder ein Limit ihn stoppt. Ein Workflow folgt vorab festgelegten Schritten; ein Agent wählt die Schritte unterwegs.
Sie entwickeln mit KI-Modellen? Mit AIGROW API-Guthaben nutzen Sie Claude-, GPT-, Gemini- und Grok-Modelle bis zu 75 % unter dem Listenpreis.
- Ein KI-Agent ist eine Software, in der ein Sprachmodell seinen nächsten Schritt selbst wählt und über Tools handelt, bis das Ziel erreicht ist oder ein Limit ihn stoppt.
- Ein Workflow folgt vorab festgelegten Schritten. Ein Agent entscheidet die Schritte unterwegs, was pro Aufgabe mehr Zeit und Geld kostet.
- Agenten eignen sich für Arbeit, bei der jeder Fall ein wenig anders ist: Support-Antworten, Lead-Nachfassung, Zahlungserinnerungen, Reporting.
- Setzen Sie stattdessen einen festen Workflow ein, wenn die Regeln sich nie ändern oder eine falsche Aktion nicht rückgängig zu machen ist.
Was ist ein KI-Agent?
Ein KI-Agent ist ein Sprachmodell, das ein Ziel, eine Reihe von Tools und die Erlaubnis bekommt, diese zu nutzen. Er liest die Situation, entscheidet, was als Nächstes zu tun ist, führt es aus, prüft das Ergebnis und wiederholt das, bis die Aufgabe erledigt ist oder ein Limit ihn stoppt.
Anthropic, das Unternehmen hinter den Claude-Modellen, zieht die Grenze in Building effective agents so:
"Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage."
Der Unterschied, auf den es im Unternehmen ankommt: Bei einem Workflow haben Sie jeden Schritt selbst festgelegt. Bei einem Agenten wählt das Modell die Schritte, innerhalb der Grenzen, die Sie setzen.
So funktioniert ein KI-Agent
Jeder Agent durchläuft dieselbe Schleife. Die Beispielspalte folgt einer Support-E-Mail.
| Schritt | Was passiert | Beispiel: eine Support-E-Mail |
|---|---|---|
| 1. Ziel | Eine Aufgabe trifft mit Anweisungen ein | "Wo ist meine Bestellung?" landet im Postfach |
| 2. Lesen | Der Agent sammelt Kontext | Er liest die E-Mail und die Support-Richtlinie |
| 3. Entscheiden | Das Modell wählt die nächste Aktion | Die Bestellung im Shopsystem nachschlagen |
| 4. Handeln | Er ruft ein Tool auf | Fragt die Bestellung ab und erhält den Sendungsstatus |
| 5. Prüfen | Er liest das Ergebnis, bevor er weitermacht | Das Paket ist heute in der Zustellung |
| 6. Stoppen oder wiederholen | Er beendet, wiederholt oder übergibt | Sendet die Antwort oder legt sie einer Person vor |
Anthropic weist darauf hin, dass Agenten bei jedem Schritt "ground truth" aus ihrer Umgebung brauchen, etwa ein Tool-Ergebnis, sowie Stoppbedingungen, etwa eine maximale Anzahl von Schritten. An Kontrollpunkten können sie auch auf eine Person warten. Diese Grenzen machen einen Agenten für echte Arbeit sicher einsetzbar.
Die Bausteine hinter der Schleife:
| Baustein | Was es ist |
|---|---|
| Modell | Das Sprachmodell, das liest und entscheidet |
| Anweisungen | Das Ziel, die Regeln und was er nie tun darf |
| Tools | Verbindungen, über die er handeln kann: E-Mail, CRM, Kalender, Datenbank |
| Gedächtnis | Was er zwischen Schritten oder zwischen Aufgaben behält |
| Limits | Schrittobergrenzen, Ausgabenlimits und Aktionen, die eine Freigabe brauchen |
KI-Agent vs. Workflow vs. Chatbot
| Frage | Chatbot | Workflow | KI-Agent |
|---|---|---|---|
| Wer entscheidet den nächsten Schritt | Der Nutzer, Nachricht für Nachricht | Die Person, die ihn gebaut hat, vorab | Das Modell, unterwegs |
| Handelt in anderen Systemen | Meist nicht | Ja, in festen Schritten | Ja, es wählt die Tools selbst |
| Gleiche Eingabe, gleiche Ausgabe | Nein | Ja | Nein |
| Kosten und Zeit pro Aufgabe | Niedrig | Am niedrigsten | Am höchsten |
| Am besten für | Fragen beantworten | Stabile, wiederkehrende Regeln | Fälle, die jedes Mal anders sind |
Anthropic benennt den Zielkonflikt offen: "Agentic systems often trade latency and cost for better task performance." Zahlen Sie diesen Preis nur dort, wo die Vielfalt der Fälle es verlangt.
Die fünf Typen von KI-Agenten
Die klassischen Lehrbuchtypen, wie IBM sie zusammenfasst, beschreiben, wie ein Agent entscheidet. Die meisten Unternehmensagenten auf Basis von Sprachmodellen mischen mehrere davon.
| Typ | Wie er entscheidet | Beispiel im Unternehmen |
|---|---|---|
| Einfacher Reflex | Feste Regel für das, was er gerade sieht | Jede E-Mail mit "Rechnung" markieren |
| Modellbasierter Reflex | Regeln plus ein Bild von dem, was er nicht sieht | Eine Nachbestellung zurückhalten, solange eine Lieferung unterwegs ist |
| Zielbasiert | Plant Schritte auf ein Ziel hin | Einen Termin buchen, der in beide Kalender passt |
| Nutzenbasiert | Wägt Optionen ab und wählt den besten Kompromiss | Den günstigsten Versanddienstleister wählen, der den Termin noch einhält |
| Lernend | Verbessert sich mit der Zeit durch Feedback | Leads besser einstufen, je nachdem, wie Abschlüsse gelingen oder scheitern |
Mehrere Agenten können auch als Multi-Agenten-System zusammenarbeiten, zum Beispiel einer, der eingehende E-Mails sortiert, und weitere, die jede Art bearbeiten.
Beispiele für KI-Agenten nach Unternehmensbereichen
Entscheidend ist je Bereich, welchen Teil der Arbeit der Agent übernimmt und was bei einer Person bleibt.
| Bereich | Das macht der Agent | Das behält eine Person |
|---|---|---|
| Support-Postfach | Antwortet anhand Ihrer Richtlinien und entwirft den Rest | Erstattungen, Beschwerden und alles Neue |
| Lead-Nachfassung | Antwortet neuen Leads, qualifiziert sie und bucht das Gespräch | Angebote und Preise |
| Buchungen und Erinnerungen | Bucht, erinnert und füllt abgesagte Termine neu | Ausnahmen von Ihren Kalenderregeln |
| Rechnungen und Inkasso | Stellt Rechnungen aus, ordnet Zahlungen zu und versendet Erinnerungen | Streitfälle und Zahlungspläne |
| Reporting | Führt Ihre Zahlen in einem Wochenbericht zusammen | Was geändert werden soll |
| Content | Entwirft Beiträge, E-Mails und Produkttexte | Jeden Beitrag vor der Veröffentlichung |
| Dateneingabe im Backoffice | Überträgt Daten zwischen E-Mail, Formularen und Ihrem CRM | Datensätze, die er als unklar markiert |
Weitere ausgearbeitete Fälle finden Sie unter KI-Agenten Beispiele und KI-Agenten für kleine Unternehmen.
Wann Sie keinen KI-Agenten einsetzen sollten
Anthropic rät, mit "finding the simplest solution possible, and only increasing complexity when needed" zu beginnen. Verzichten Sie auf den Agenten, wenn:
| Situation | Stattdessen |
|---|---|
| Die Regeln ändern sich nie | Ein fester Workflow in einem Tool wie n8n, Make oder Zapier |
| Eine falsche Aktion lässt sich nicht rückgängig machen, etwa eine Zahlung | Ein Agent, der Entwürfe erstellt, mit einer Person, die freigibt |
| Sie brauchen für ein Audit jedes Mal dieselbe Ausgabe | Ein fester Workflow mit protokollierten Schritten |
| Die Aufgabe fällt nur wenige Male im Monat an | Eine Person oder ein gespeicherter Prompt |
| Der Agent erreicht die Daten oder das Tool nicht, das er braucht | Zuerst den Zugriff klären |
Wenn die Aufgabe eine feste Kette von Schritten ist, vergleichen Sie die Tools in n8n vs Zapier, bevor Sie einen Agenten bauen.
So starten Sie mit einem Agenten
- Wählen Sie einen Bereich mit vielen ähnlichen Fällen, zum Beispiel das Support-Postfach.
- Halten Sie fest, was der Agent allein tun darf, was eine Freigabe braucht und was er nie tun darf.
- Geben Sie ihm zuerst nur Lesezugriff. Fügen Sie Aktionen nacheinander hinzu.
- Setzen Sie Limits: eine maximale Anzahl von Schritten pro Aufgabe und eine Warteschlange für alles, was Ihre Regeln nicht abdecken.
- Prüfen Sie jede Woche eine Stichprobe seiner Arbeit und schärfen Sie die Regeln nach.
Sie können das selbst aufbauen, mit der Anleitung zum Bauen von KI-Agenten mit n8n. Oder AIGROW übernimmt das für Sie: Unsere KI-Agenten für Unternehmen übernehmen jeweils einen Bereich in Ihren eigenen Tools, und eine Person prüft alles, was Ihre Regeln nicht abdecken.
Quellen
- Anthropic, Building effective agents, 19. Dezember 2024
- IBM, Types of AI agents
Aktuelle Modelle von Claude, GPT, Gemini und Grok, bis zu 75 % unter dem Listenpreis
Ein API-Schlüssel für Claude-, GPT-, Gemini- und Grok-Modelle über das OpenAI SDK. Claude-Modelle funktionieren außerdem mit dem Anthropic SDK und Claude Code.
Der Preis jedes Modells über AIGROW-Guthaben steht neben dem Listenpreis des jeweiligen Herstellers, nie darüber.
Häufig gestellte Fragen
