Agentische KI: wenn KI-Systeme selbst planen und handeln

Agentische KI bezeichnet KI-Systeme, die ein Ziel eigenständig verfolgen: Sie zerlegen eine Aufgabe in Schritte, nutzen dafür Werkzeuge wie Suche, Dateien oder Programmierschnittstellen und entscheiden anhand der Zwischenergebnisse, wie es weitergeht. Ein Chatbot beantwortet eine Frage. Ein Agent erledigt eine Aufgabe.

Agent oder Workflow: der entscheidende Unterschied

Nicht jedes System, das mehrere KI-Schritte hintereinander ausführt, ist ein Agent. Anthropic trennt in seinem Leitfaden „Building effective agents“ zwei Formen:

• Workflows sind Systeme, in denen Sprachmodelle und Werkzeuge über fest vorgegebene Abläufe verbunden sind. Der Weg steht vorher fest.
• Agenten sind Systeme, in denen das Sprachmodell seinen Ablauf und die Nutzung der Werkzeuge selbst steuert. Der Weg entsteht während der Arbeit.

Der Unterschied ist praktisch wichtig. Ein Workflow ist vorhersagbar und leicht zu prüfen. Ein Agent kann Aufgaben lösen, deren Schritte sich nicht vorab planen lassen, ist dafür aber schwerer zu kontrollieren und braucht mehr Modellaufrufe.

Woraus ein Agent besteht

Den Grundbaustein beschreibt Anthropic als Sprachmodell, das um Suche, Werkzeuge und ein Gedächtnis erweitert wird. Dazu kommt eine Schleife: Das Modell handelt, prüft das Ergebnis und entscheidet über den nächsten Schritt, bis die Aufgabe erledigt ist oder eine Grenze erreicht wird. Werkzeuge werden heute oft über offene Schnittstellen angebunden, etwa über das Model Context Protocol, und die Suche beruht häufig auf Embeddings.

Beispiele aus der Praxis

Anthropic nennt aus der Arbeit mit Kunden zwei besonders vielversprechende Einsatzfelder: den Kundensupport und die Programmierung. Programmier-Agenten wie Claude Code lesen eine Codebasis, bearbeiten mehrere Dateien, führen Tests aus und reagieren auf Fehler. Wie man dort Teilaufgaben an eigenständige Agenten abgibt, zeigt unser Artikel zu Claude Code Subagenten.

Im Unternehmensalltag eignen sich Aufgaben, die aus vielen kleinen, von Fall zu Fall verschiedenen Schritten bestehen: Unterlagen aus mehreren Quellen zusammentragen und vergleichen, eine Anfrage vorsortieren und die nötigen Daten nachschlagen oder Routineänderungen in vielen Dateien umsetzen.

Risiken und wie man sie begrenzt

• Fehler summieren sich. Jeder Schritt kann danebenliegen, und ein früher Fehler trägt sich durch alle weiteren. Zwischenprüfungen und eine Obergrenze für die Zahl der Schritte gehören dazu.
• Rechte begrenzen. Ein Agent bekommt nur die Werkzeuge und Zugriffe, die seine Aufgabe braucht, lesend, wo Schreiben nicht nötig ist.
• Eingeschleuste Anweisungen. Ein Agent liest Webseiten, E-Mails und Dokumente. Enthalten sie versteckte Anweisungen, kann er ihnen folgen. Wie man das prüft, steht unter Red Teaming.
• Einfach anfangen. Anthropic empfiehlt, mit der einfachsten Lösung zu beginnen und Komplexität nur zu erhöhen, wenn sie nötig ist. Viele Aufgaben, die nach einem Agenten klingen, löst ein Workflow zuverlässiger.
• Menschliche Freigabe. Bei Aktionen mit Folgen, etwa Zahlungen, E-Mails an Kunden oder Löschungen, stimmt ein Mensch zu.

Agentische KI und der EU AI Act

Eine eigene Kategorie für KI-Agenten kennt der EU AI Act nicht. Welche Pflichten gelten, hängt davon ab, wofür ein System eingesetzt wird, also von seiner Risikoklasse, und ob Sie es anbieten oder betreiben. Unabhängig davon verpflichtet Art. 4 Anbieter und Betreiber zu Maßnahmen, die den Aufbau von KI-Kompetenz beim eigenen Personal unterstützen. Wer Aufgaben an Systeme abgibt, die selbst handeln, sollte sein Team deshalb auf Stärken und Grenzen vorbereiten, zum Beispiel mit einer Mitarbeiterschulung nach dem EU AI Act.

Ob und wo ein Agent in Ihren Abläufen wirklich hilft, begleiten wir als KI-Implementierung, vom ersten Anwendungsfall bis zum Betrieb.

Verwandte Begriffe

Begriff	Worum es geht
KI-Agent	Ein einzelnes System, das agentisch arbeitet.
Function Calling	Die Fähigkeit eines Modells, Werkzeuge mit strukturierten Angaben aufzurufen.
MCP	Offenes Protokoll, über das Anwendungen Werkzeuge und Datenquellen anbinden.
Red Teaming	Gezieltes Testen auf Schwachstellen, bei Agenten besonders wichtig.

Quellen

• Anthropic, „Building effective agents“, 19. Dezember 2024, abgerufen am 14. September 2026
• Google for Developers, Machine Learning Glossary, Einträge „agent“ und „agentic“, abgerufen am 14. September 2026

Rechtsstand: 4. September 2026. Diese Angaben sind eine redaktionelle Einordnung und keine Rechtsberatung; sie ersetzen keine anwaltliche Prüfung Ihres Einzelfalls.

Diese Seite vertieft einen Eintrag aus dem KI-Glossar von minoka, dort finden Sie weitere Begriffe in Kurzform.