AI Agents: Vom Antworten zum Handeln

Warum jetzt alle über AI Agents sprechen

Die Entwicklung künstlicher Intelligenz hat in den vergangenen Jahren deutlich an Dynamik gewonnen. Vereinfacht dargestellt reicht sie von regelbasierten und symbolischen Systemen über Machine Learning und Deep Learning bis hin zu generativer KI. Mit der Veröffentlichung von ChatGPT Ende 2022 wurde insbesondere generative KI für Millionen Menschen unmittelbar im Alltag erlebbar. Was zunächst vor allem mit der Generierung von Texten, Bildern oder Code verbunden war, bekommt nun eine neue Dimension: AI Agents. 

AI Agents sind Teil einer Entwicklung, die häufig unter dem Begriff Agentic AI zusammengefasst wird. Sie beschreibt den Übergang von überwiegend reagierenden KI-Systemen hin zu Systemen, die mit einem gewissen Grad an Selbstständigkeit Ziele verfolgen und Handlungen ausführen können. Diese Entwicklung gilt heute als eine zentrale Forschungs- und Entwicklungsrichtung der künstlichen Intelligenz. 

Warum dieser Schritt gerade jetzt möglich wird, liegt am Zusammenspiel mehrerer technologischer Fortschritte. Moderne KI-Modelle können nicht mehr nur Sprache verstehen und erzeugen, sondern auch planen, Informationen aus unterschiedlichen Quellen verarbeiten und digitale Werkzeuge nutzen. Über Schnittstellen lassen sie sich mit Anwendungen, Datenbanken, Kalendern, E-Mail-Systemen oder Unternehmenssoftware verbinden.

Gleichzeitig können KI-Systeme immer komplexere Aufgaben selbstständig bearbeiten, ohne dass ein Mensch eingreifen muss. Genau diese Entwicklung beschreibt der „Time Horizon“. Er misst die Länge einer Aufgabe danach, wie viel Zeit ein Mensch für ihre Bearbeitung benötigen würde und ob ein KI-System sie noch mit einer bestimmten Wahrscheinlichkeit selbstständig erfolgreich lösen kann. Bei Frontier-Modellen hat sich dieser Zeithorizont in Software- und Research-Aufgaben seit 2019 im Durchschnitt etwa alle sieben Monate verdoppelt. Je länger dieser Zeithorizont wird, desto komplexere und mehrstufigere Aufgaben können AI Agents eigenständig bearbeiten. Damit entsteht eine wesentliche Voraussetzung für Agentic AI: Aus einzelnen KI-gestützten Arbeitsschritten werden längere, autonome Handlungsketten.

Damit verändert sich die Rolle künstlicher Intelligenz grundlegend: KI beantwortet nicht mehr nur Fragen, sondern kann Teile von Arbeitsprozessen koordinieren und ausführen. Aus Assistenz wird Ausführung. Doch worin unterscheiden sich AI Agents konkret von den heute bekannten Chatbots?
 

Chatbots sind keine Agenten

Der Unterschied wird an einem Beispiel aus der Werbung deutlich. Stellen wir uns vor, eine Marke möchte eine Mediakampagne für einen Produktlaunch planen.
Ein klassischer Chatbot kann auf Basis der bereitgestellten Informationen Zielgruppen beschreiben, Ideen entwickeln oder Vorschläge für geeignete Medienkanäle machen. Der Mensch muss jedoch jeden Arbeitsschritt anstoßen, die notwendigen Informationen bereitstellen und die Ergebnisse anschließend zusammenführen.

Ein entsprechend ausgestatteter AI Agent erhält dagegen ein übergeordnetes Ziel: „Entwickle einen Mediaplan für den Produktlaunch.“ Mit den notwendigen Zugriffsrechten kann er auf Briefing, Zielgruppen- und Kampagnendaten zugreifen, relevante Informationen analysieren, geeignete Medienkanäle und Werbeumfelder identifizieren, verfügbare Angebote vergleichen und daraus einen Mediaplan erstellen. Ändern sich während des Prozesses beispielsweise Budget oder Verfügbarkeiten, kann er diese Informationen berücksichtigen und seine Planung entsprechend anpassen. 

Der Unterschied liegt also nicht allein in den Fähigkeiten der KI, sondern vor allem im Grad ihrer Selbstständigkeit: Der Chatbot unterstützt bei einzelnen Arbeitsschritten, der AI Agent verfolgt ein übergeordnetes Ziel und koordiniert den Weg dorthin. 
 

Diese drei Fähigkeiten machen den Unterschied

1. Sie planen in mehreren Schritten
   AI Agents können komplexe Aufgaben in kleinere Teilaufgaben zerlegen und deren Bearbeitung koordinieren. Zwischenergebnisse können dabei in die weitere Planung einfließen. Aus einer einzelnen Anfrage entsteht so ein mehrstufiger Prozess, der auf ein übergeordnetes Ziel ausgerichtet ist. 
2. Sie nutzen Werkzeuge
   AI Agents arbeiten nicht nur mit Sprache. Über Schnittstellen können sie, sofern entsprechende Berechtigungen vorhanden sind, externe Werkzeuge und Systeme einbeziehen. Dazu gehören beispielsweise Suchmaschinen, Datenbanken, Kalender oder Unternehmenssoftware. Dadurch können sie auf Informationen außerhalb des eigentlichen KI-Modells zugreifen und Aktionen in anderen Systemen ausführen. 
3. Sie nutzen Gedächtnis und Kontext
   Damit mehrere Arbeitsschritte sinnvoll aufeinander aufbauen, benötigen AI Agents Mechanismen, um relevante Informationen verfügbar zu halten. Das kann über den aktuellen Kontext oder externe Speicher geschehen. Dadurch können Ergebnisse vorheriger Schritte in spätere Entscheidungen einfließen und längere Aufgaben zusammenhängend bearbeitet werden. 

Entscheidend ist jedoch nicht allein das Modell, sondern auch die technische Infrastruktur darum herum: Agent Harness. Wenn das Modell das Gehirn eines AI Agents ist, schafft das Harness die Verbindung zur Außenwelt. Es verbindet das Modell mit Werkzeugen, Datenquellen und Speicher und steuert Abläufe sowie Regeln. So kann ein AI Agent Aufgaben über mehrere Schritte hinweg planen, ausführen und Ergebnisse überprüfen. Das Modell liefert die Intelligenz, das Harness übersetzt sie in Handlungen.

Wenn aus einem Agenten ein Team wird

Mit zunehmender Komplexität stellt sich eine neue Frage: Muss ein AI Agent eigentlich alles können?

Ein einzelner AI Agent kann grundsätzlich verschiedene Aufgaben übernehmen, von der Recherche über die Analyse bis hin zum Zugriff auf externe Systeme. Je komplexer der Prozess wird, desto anspruchsvoller werden jedoch Planung, Koordination und die zuverlässige Ausführung der einzelnen Schritte. 

Eine mögliche Antwort darauf sind Multi-Agent-Systeme. Statt einen einzelnen AI Agent mit möglichst vielen Fähigkeiten auszustatten, wird die Arbeit auf mehrere spezialisierte AI Agents verteilt. Jeder übernimmt dabei eine bestimmte Rolle im gemeinsamen Prozess. Ein AI Agent kann beispielsweise eine Anfrage analysieren und Aufgaben koordinieren, während andere auf Recherche, Datenanalyse oder bestimmte Unternehmenssysteme spezialisiert sind. 

Entscheidend ist dabei die Orchestrierung. Die einzelnen AI Agents müssen nicht nur ihre jeweilige Aufgabe erfüllen, sondern Informationen austauschen und ihre Arbeitsschritte aufeinander abstimmen. Aus einem einzelnen digitalen Allrounder entsteht ein Team spezialisierter Experten. 

Multi-Agent-Systeme sind allerdings nicht automatisch leistungsfähiger oder zuverlässiger als einzelne AI Agents. Mit zusätzlichen Interaktionen steigt auch die Komplexität, und Fehler können zwischen AI Agents weitergegeben werden. Ihr Potenzial liegt deshalb vor allem darin, unterschiedliche Aufgaben zu spezialisieren und koordiniert zu bearbeiten. 

Was Unternehmen jetzt konkret tun sollten

Für Unternehmen bedeutet der Aufstieg von AI Agents nicht, möglichst schnell ganze Prozesse zu automatisieren. Sinnvoller ist es, zunächst dort anzusetzen, wo AI Agents einen klaren Mehrwert bieten können. Besonders geeignet sind mehrstufige Prozesse, bei denen Informationen aus verschiedenen Quellen zusammengetragen, Entscheidungen vorbereitet und wiederkehrende Arbeitsschritte koordiniert werden müssen. 

Unternehmen sollten deshalb mit klar abgegrenzten Anwendungsfällen starten. Statt direkt einen AI Agent mit weitreichenden Zugriffsrechten einzusetzen, können sie zunächst einzelne Prozesse in kontrollierten Umgebungen testen, Ergebnisse messen und schrittweise entscheiden, welche Aufgaben tatsächlich an AI Agents delegiert werden sollen. 

Gleichzeitig müssen die technischen und organisatorischen Voraussetzungen geschaffen werden. Datenqualität, klar definierte Schnittstellen und ein durchdachtes Berechtigungsmanagement sind entscheidend, wenn AI Agents auf unterschiedliche Unternehmenssysteme zugreifen und dort Aktionen ausführen sollen.

Ebenso wichtig ist die Evaluation. Dabei sollte nicht nur gemessen werden, ob ein AI Agent eine Aufgabe erfolgreich abschließt. Unternehmen sollten auch nachvollziehen können, welche Werkzeuge er eingesetzt hat, wie zuverlässig er mit Fehlern und unerwarteten Situationen umgeht und wie robust seine Ergebnisse unter veränderten Bedingungen bleiben. 
 

Mit mehr Autonomie wachsen auch die Risiken

Ebenso wichtig ist die Frage nach der Verantwortung. Unternehmen sollten bereits vor dem Einsatz definieren, welche Entscheidungen ein AI Agent selbstständig treffen darf, wann eine menschliche Freigabe erforderlich ist und welche Aktionen grundsätzlich beim Menschen bleiben. Entscheidend ist damit nicht maximale Autonomie, sondern die richtige Autonomie für den jeweiligen Anwendungsfall. 

Denn der Schritt vom Antworten zum Handeln verändert nicht nur die Möglichkeiten von KI, sondern auch ihr Risikoprofil. Während bei klassischen Chatbots meist ein Mensch zwischen einer Antwort und der daraus folgenden Handlung steht, können AI Agents selbstständig planen, auf Systeme zugreifen und Aktionen ausführen. Eine falsche Annahme kann dadurch nicht nur zu einer falschen Antwort führen, sondern sich über mehrere Arbeitsschritte fortsetzen und reale Konsequenzen haben. 

Der KI-Forscher Yoshua Bengio warnt darüber hinaus vor der Kombination aus zunehmender Leistungsfähigkeit und Autonomie. Neben heutigen Risiken wie Fehlentscheidungen oder dem Missbrauch von Systemzugriffen verweist die Forschung auf experimentelle Situationen, in denen AI Agents Täuschungsverhalten oder unerwünschte Zielverfolgung zeigen. Langfristig stellt sich daraus die Frage, was passiert, wenn deutlich leistungsfähigere autonome Systeme Ziele verfolgen, die nicht mit menschlichen Interessen übereinstimmen. 

Für Unternehmen folgt daraus eine zentrale Aufgabe: Autonomie braucht Grenzen. Klare Berechtigungen, Protokollierung, kontinuierliche Evaluation und menschliche Kontrollpunkte sollten deshalb von Beginn an Teil der technischen und organisatorischen Architektur sein. Human-in-the-Loop bedeutet dabei nicht, jede einzelne Aktion manuell zu bestätigen. Entscheidend ist, dass Menschen insbesondere dort eingreifen und Verantwortung übernehmen können, wo Fehlentscheidungen erhebliche Konsequenzen haben können. 

Fazit

Alles eine Frage der Balance

AI Agents stehen für einen grundlegenden Rollenwechsel künstlicher Intelligenz. Generative KI unterstützt nicht mehr nur dabei, Inhalte zu erstellen oder Informationen aufzubereiten. AI Agents können Ziele verfolgen, Arbeitsschritte koordinieren und innerhalb definierter Grenzen selbstständig handeln.

Für Unternehmen liegt darin großes Potenzial. Prozesse können neu gedacht und Aufgaben anders zwischen Mensch und Maschine verteilt werden. Entscheidend ist dabei nicht maximale Autonomie. Der erfolgreiche Einsatz von AI Agents wird vielmehr davon abhängen, die richtige Balance zwischen eigenständigem Handeln und menschlicher Kontrolle zu finden.