Agentic AI (agentische KI) bezeichnet KI-Systeme, die nicht nur auf einzelne Anfragen antworten, sondern eigenständig auf ein Ziel hinarbeiten: Sie planen Schritte, rufen Werkzeuge und Datenquellen auf, prüfen Zwischenergebnisse und korrigieren ihren Kurs. Kern ist ein Sprachmodell, das in einer Schleife aus Planen, Handeln und Beobachten läuft, statt nur einmalig Text zu erzeugen.
Wie ein Agent arbeitet
Ein agentisches System durchläuft typischerweise vier wiederkehrende Schritte: Es zerlegt ein Ziel in Teilaufgaben, wählt für jede Aufgabe ein Werkzeug (Websuche, Datenbankabfrage, E-Mail-Versand, Code-Ausführung), führt den Schritt aus und wertet das Ergebnis aus, bevor es den nächsten plant. Diese Schleife läuft, bis das Ziel erreicht oder eine Abbruchbedingung ausgelöst ist. Der entscheidende Unterschied zum reinen Chatbot ist die Handlungsfähigkeit über angebundene Werkzeuge.
Abgrenzung zu Chatbot und Automatisierung
| Ansatz | Ablauf | Flexibilität |
|---|---|---|
| Chatbot | Frage rein, Antwort raus | keine eigenen Aktionen |
| Klassische Automatisierung | fest verdrahteter Ablauf | nur vordefinierte Wege |
| Agentic AI | Ziel rein, Schritte selbst geplant | reagiert auf Zwischenergebnisse |
Eine klassische KI-Automatisierung folgt einem festen Skript. Ein Agent entscheidet dagegen zur Laufzeit, welcher Schritt als Nächstes sinnvoll ist — was ihn mächtiger, aber auch weniger vorhersehbar macht.
Praxisstand im Mittelstand
Zwischen Marketingversprechen und Realität liegt hier eine große Lücke. Zuverlässig funktionieren eng zugeschnittene Agenten mit wenigen, klar definierten Werkzeugen und harten Abbruchbedingungen — etwa ein System, das eingehende Anfragen kategorisiert und in ein Ticketsystem einsortiert. Nicht zuverlässig funktionieren frei agierende Systeme, die eigenständig komplexe Geschäftsprozesse über viele Schritte übernehmen sollen; hier häufen sich Fehler über die Schrittkette auf.
Grenzen und Risiken
Drei Punkte sind vor einem Einsatz zu klären: Fehlerfortpflanzung (ein früher Fehltritt verfälscht alle Folgeschritte), Nachvollziehbarkeit (Entscheidungswege müssen protokolliert sein) und Datenschutz, sobald der Agent auf Kundendaten oder externe Dienste zugreift — Stichwort EU AI Act und Auftragsverarbeitung. Ein sinnvoller Einstieg ist ein klar abgegrenzter Anwendungsfall mit überschaubarem Schadenspotenzial, bevor Agenten breiter eingesetzt werden. Was ein solcher Einstieg kostet, zeigt die Übersicht was KI kostet.
Häufige Fragen
Was unterscheidet Agentic AI von einem Chatbot?
Ein Chatbot antwortet, ein agentisches System handelt: Es plant Schritte, ruft Werkzeuge auf und prüft Zwischenergebnisse.
Ist das schon produktionsreif?
In engem Rahmen ja — mit wenigen Werkzeugen und klaren Abbruchbedingungen. Frei agierende Systeme sind derzeit Demonstrationen.
Was ist ein Beispiel für Agentic AI?
Ein eng zugeschnittener Agent, der eingehende Anfragen kategorisiert und in ein Ticketsystem einsortiert. Solche Systeme mit wenigen, klar definierten Werkzeugen funktionieren heute zuverlässig — im Gegensatz zu Agenten, die komplexe Geschäftsprozesse über viele Schritte frei übernehmen sollen.
Was unterscheidet Agentic AI von klassischer Automatisierung?
Eine klassische Automatisierung folgt einem fest verdrahteten Skript und kennt nur vordefinierte Wege. Ein Agent entscheidet zur Laufzeit anhand der Zwischenergebnisse, welcher Schritt als Nächstes sinnvoll ist — das macht ihn flexibler, aber auch weniger vorhersehbar.
Welche Risiken hat der Einsatz von KI-Agenten?
Drei Punkte: Fehlerfortpflanzung, weil ein früher Fehltritt alle Folgeschritte verfälscht, Nachvollziehbarkeit der Entscheidungswege und Datenschutz beim Zugriff auf Kundendaten oder externe Dienste. Kritische Aktionen wie Zahlungen oder Löschungen sollten eine menschliche Bestätigung verlangen.
Wie startet man sinnvoll mit Agentic AI?
Mit einem klar abgegrenzten Anwendungsfall mit überschaubarem Schadenspotenzial, bevor Agenten breiter eingesetzt werden. Dazu gehören von Anfang an Freigabepunkte und Protokollierung der Entscheidungswege.