Was ist ein KI Agent?

Künstliche Intelligenz entwickelt sich derzeit von reinen Antwortsystemen zu aktiven digitalen Assistenten, die Aufgaben eigenständig ausführen können. Während klassische Chatbots in erster Linie darauf ausgelegt sind, Fragen zu beantworten, gehen KI-Agenten deutlich weiter: Sie verstehen Ziele, treffen Entscheidungen, nutzen geeignete Werkzeuge und bearbeiten komplexe, mehrstufige Aufgaben weitgehend autonom. Entwickeln wir nun gemeinsam einen Begriff von Agenten und deren Fähigkeiten.

LLMs und Chatbots

Am 30. November 2022 hat sich die Welt nachhaltig verändert. Wir alle wussten es nur noch nicht. Es war keiner jener Tage, an denen sofort sichtbar wird, dass etwas Historisches geschehen ist. Keine Sirenen, keine großen Schlagzeilen in allen Abendnachrichten, kein allgemeines Innehalten. Und doch wurde an diesem Tag ein Werkzeug öffentlich zugänglich, das innerhalb kürzester Zeit die Art und Weise beeinflussen sollte, wie Menschen schreiben, lernen, programmieren, recherchieren, arbeiten und über künstliche Intelligenz nachdenken. An diesem Tag veröffentlichte OpenAI ChatGPT als frei zugängliche Anwendung für die breite Öffentlichkeit.

Der Grundgedanke dahinter war nicht völlig neu. Im Kern erhält ein statistisches Modell eine Reihe von Zeichen, Wörtern oder Wortbestandteilen, maschinenlesbar kodiert als sogenannte Token, und berechnet daraufhin, welche nächsten Token mit hoher Wahrscheinlichkeit folgen könnten. Vereinfacht gesagt: Das System schreibt nicht, weil es die Welt so versteht wie ein Mensch, sondern weil es aus riesigen Mengen an Text gelernt hat, welche sprachlichen Muster, Bedeutungen, Strukturen und Zusammenhänge typischerweise gemeinsam auftreten. Aus einer Eingabe wie einer Frage, einer Anweisung oder einem begonnenen Satz entsteht dann Schritt für Schritt eine Antwort, indem immer wieder das wahrscheinlich passende nächste Element ausgewählt wird.

Die theoretische Grundlage für diese Denkweise reicht weit zurück. Bereits 1948 erörterte Claude Shannon in seinem berühmten Artikel „A Mathematical Theory of Communication“ zentrale Ideen der Informationstheorie. Shannon beschäftigte sich damit, wie Information gemessen, übertragen und mathematisch beschrieben werden kann. Begriffe wie Entropie, Wahrscheinlichkeit und Vorhersagbarkeit wurden dadurch zu Grundlagen moderner Kommunikationstechnik – und indirekt auch zu Bausteinen jener Verfahren, auf denen heutige Sprachmodelle beruhen. Was damals abstrakt und theoretisch erschien, bildet heute einen Teil des Fundaments für Systeme, die Texte erzeugen, Fragen beantworten und komplexe Dialoge führen können.

Neu war im Jahr 2022 also weniger die grundsätzliche Idee, aus Wahrscheinlichkeiten Sprache zu erzeugen. Neu war die beeindruckende Qualität, mit der dies plötzlich gelang. Möglich wurde sie durch mehrere Entwicklungen zugleich: gigantische Trainingskorpora, also enorme Mengen digital verfügbarer Texte; leistungsfähige Rechenzentren mit spezialisierter Hardware; Fortschritte in der Architektur neuronaler Netze, insbesondere durch sogenannte Transformer-Modelle; und nicht zuletzt durch clevere Software-Ingenieurskunst. Diese Kombination führte dazu, dass ein System nicht mehr nur einzelne Sätze halbwegs plausibel ergänzen konnte, sondern längere Gedankengänge formulierte, Stilrichtungen nachahmte, Programmcode schrieb, Texte zusammenfasste, Argumente strukturierte und auf Rückfragen reagierte.

Besonders entscheidend war dabei die Dialogform. Frühere KI-Systeme wirkten oft wie technische Demonstrationen: beeindruckend, aber sperrig, schwer zugänglich und meist nur für Fachleute wirklich nutzbar. ChatGPT hingegen begegnete den Menschen in einer vertrauten Form – als Chat. Man schrieb eine Frage in ein Textfeld und erhielt wenige Sekunden später eine Antwort. Man konnte nachhaken, korrigieren, präzisieren, widersprechen oder um eine andere Formulierung bitten. Dadurch entstand der Eindruck eines Gesprächs. Genau diese Einfachheit machte die Technologie greifbar. Plötzlich musste man kein Entwickler, keine Forscherin und kein Datenwissenschaftler mehr sein, um mit einem leistungsfähigen KI-System zu interagieren.

Hinzu kamen Systemanweisungen im Hintergrund, gewissermaßen die „10 Gebote der KI“. Sie legten fest, wie sich das Modell grundsätzlich verhalten sollte: hilfreich, möglichst sicher, verständlich, höflich und innerhalb bestimmter Grenzen. Solche Vorgaben sind wichtig, weil ein Sprachmodell zunächst nur gelernt hat, Sprache fortzusetzen. Damit daraus ein nützlicher Assistent wird, braucht es zusätzliche Ausrichtung. Dazu gehören technische Schutzmechanismen, menschliches Feedback, Feintuning und klare Regeln dafür, welche Antworten erwünscht sind und welche vermieden werden sollen. Erst durch diese Schichten wurde aus einem reinen Textgenerator ein Werkzeug, das im Alltag sinnvoll eingesetzt werden konnte.

Eine nette Oberfläche kam dazu und der Chatbot war geboren. Doch mit ihm begann weit mehr als nur ein neuer Hype um ein digitales Produkt. Lehrkräfte fragten sich, wie Hausaufgaben künftig bewertet werden sollten. Unternehmen prüften, welche Prozesse sich automatisieren oder beschleunigen ließen. Programmierer entdeckten einen Assistenten, der Code erklären, Fehler finden und Entwürfe liefern konnte. Autor:innen, Journalist:innen, Studierende und Kreative experimentierten mit neuen Formen der Zusammenarbeit zwischen Mensch und Maschine. Gleichzeitig wurden Fragen nach Urheberrecht, Datenschutz, Verlässlichkeit, Verzerrungen und Verantwortung immer dringlicher.

Die Agent Loop

Eine Agent Loop beschreibt den wiederkehrenden Ablauf, mit dem ein KI-Agent ein bestimmtes Ziel verfolgt und sich diesem Schritt für Schritt annähert. Dabei handelt es sich nicht nur um eine einzelne Eingabe und eine einzelne Ausgabe, sondern um einen fortlaufenden Prozess: Der Agent analysiert zunächst die aktuelle Situation, sammelt relevante Informationen, bewertet den bisherigen Kontext, plant den nächsten sinnvollen Schritt, führt anschließend eine passende Handlung aus und überprüft danach, ob das Ergebnis dem angestrebten Ziel näherkommt. Auf Basis dieser Bewertung entscheidet er, ob die Aufgabe bereits abgeschlossen ist oder ob ein weiterer Durchlauf der Schleife notwendig wird.

Im Unterschied zum klassischen Chatbot endet die Interaktion also nicht zwingend mit einer einzelnen Antwort auf eine Nutzerfrage. Ein herkömmlicher Chatbot reagiert meist direkt auf eine Eingabe und liefert eine Antwort, ohne eigenständig mehrere Zwischenschritte zu organisieren. Ein KI-Agent hingegen kann Rückmeldungen, Zwischenergebnisse, externe Datenquellen oder spezialisierte Werkzeuge nutzen, um seine Aufgabe schrittweise weiterzubearbeiten. Dazu können beispielsweise Suchfunktionen, Datenbanken, Kalender, Programmierschnittstellen, Analysewerkzeuge oder Softwareanwendungen gehören. Der Agent kann also Informationen abrufen, diese auswerten, daraus einen Plan ableiten und bei Bedarf weitere Aktionen starten.

Ein typisches Beispiel wäre ein Agent, der eine Reise plant. Er würde zunächst die Anforderungen verstehen, etwa Reiseziel, Budget, Zeitraum und persönliche Vorlieben. Danach könnte er verfügbare Flüge prüfen, passende Unterkünfte vergleichen, Entfernungen bewerten, Aktivitäten vorschlagen und die Ergebnisse immer wieder an den ursprünglichen Vorgaben messen. Falls ein Hotel zu teuer ist oder ein Flug ungünstige Zeiten hat, passt der Agent seine Suche an. Genau diese Fähigkeit zur wiederholten Anpassung macht die Agent Loop so wertvoll.

Damit bildet die Agent Loop die Grundlage für komplexere KI-Systeme, die nicht nur antworten, sondern Aufgaben eigenständig strukturieren, ausführen und verbessern können. Sie macht KI flexibler, zielorientierter und nützlicher in Situationen, in denen mehrere Schritte, Entscheidungen und Korrekturen erforderlich sind.

Funktionen, MCP und Skills

Wie kann der Agent nun dazu befähigt werden, mit anderen Systemen zu interagieren? Der entscheidende Schritt besteht darin, dem KI-Agenten nicht nur die Fähigkeit zu geben, Texte zu verstehen und Antworten zu formulieren, sondern ihn auch kontrolliert Programmcode ausführen zu lassen. Erst dadurch kann er aktiv Aufgaben übernehmen: Dateien analysieren, Datenbanken abfragen, APIs ansprechen, Skripte starten, externe Werkzeuge bedienen oder Ergebnisse aus verschiedenen Systemen zusammenführen. Aus einem reinen Chatbot wird damit ein agentisches System, das nicht nur Empfehlungen gibt, sondern konkrete Aktionen ausführen kann.

Genau diese Idee stand auch hinter OpenClaw. OpenClaw wurde für einige Monate zwischen 2025 und 2026 stark diskutiert und war für viele Menschen einer der ersten praktischen Einblicke in agentische KI. Der Reiz lag darin, dass ein Agent selbstständig Aufgaben planen, Zwischenschritte ausführen und Werkzeuge nutzen konnte. Gleichzeitig zeigte sich aber auch schnell, dass diese neue Handlungsfähigkeit Risiken mit sich bringt. Es häuften sich Berichte über Probleme, etwa fehlerhafte Ausführungen, unerwartete Seiteneffekte, schlecht abgesicherte Zugriffe oder Situationen, in denen ein Agent mehr tun konnte, als ursprünglich beabsichtigt war. Gerade bei Systemen, die Code ausführen oder mit realen Diensten interagieren, ist Sicherheit deshalb kein Zusatzthema, sondern eine Grundvoraussetzung.

Um Code sicher auszuführen, gibt es mehrere Möglichkeiten. Eine klassische Variante ist die Sandbox. Dabei wird der Code in einer isolierten Umgebung ausgeführt, die vom restlichen System getrennt ist. Der Agent darf dann beispielsweise nur auf bestimmte Dateien, Netzwerke, Laufzeiten oder Bibliotheken zugreifen. Das reduziert das Risiko, dass fehlerhafter oder schädlicher Code Schaden anrichtet. Eine Sandbox kann zeitlich begrenzt, ressourcenbeschränkt und protokolliert sein. So lässt sich nachvollziehen, was der Agent getan hat, welche Befehle ausgeführt wurden und welche Ergebnisse daraus entstanden sind. Für produktive Anwendungen ist eine solche Isolation meist unverzichtbar.

Eine weitere Möglichkeit ist MCP, also das Model Context Protocol. MCP ist ein standardisiertes Protokoll, über das ein KI-Modell mit externen Tools, Datenquellen und Diensten verbunden werden kann. Der Vorteil liegt darin, dass MCP eine klar definierte Schnittstelle bietet. Tools können beschrieben, aufgerufen und kontrolliert werden, ohne dass für jede Integration eine komplett eigene Lösung gebaut werden muss. Dadurch entsteht eine Art verbindlicher Rahmen zwischen Agent und System. Der Nachteil ist jedoch, dass MCP zusätzlichen Kontext benötigt. Tool-Beschreibungen, Parameter, Rückgaben und Statusinformationen verbrauchen Tokens. Bei komplexen Umgebungen kann das teuer werden und die verfügbare Kontextlänge stark belasten. Trotzdem ist MCP besonders interessant, weil es Standardisierung, Wiederverwendbarkeit und bessere Wartbarkeit ermöglicht.

Daneben gibt es den Ansatz der sogenannten Skills. Skills sind etwas freier und oft leichtergewichtig. Im einfachsten Fall reicht bereits eine Markdown-Datei, um dem Agenten eine neue Fähigkeit zu beschreiben: Welche Aufgabe soll erledigt werden, welche Schritte sind nötig, welche Werkzeuge dürfen verwendet werden und worauf muss geachtet werden? Das macht Skills sehr flexibel und gut erweiterbar. Man kann einem Agenten relativ schnell neue Arbeitsweisen beibringen, ohne direkt ein vollständiges Protokoll oder eine komplexe API-Integration zu entwickeln. Allerdings hat diese Freiheit auch ihren Preis. Damit Skills zuverlässig funktionieren, braucht es Parsing, Strukturierung, Validierung und klare Regeln. Sonst besteht die Gefahr, dass der Agent Anweisungen falsch interpretiert oder uneinheitlich ausführt.

In der Praxis werden diese Ansätze häufig kombiniert. Eine Sandbox sorgt für die sichere Ausführung von Code. MCP stellt standardisierte Schnittstellen zu externen Systemen bereit. Skills liefern zusätzliche, domänenspezifische Fähigkeiten und erklären dem Agenten, wie bestimmte Aufgaben gelöst werden sollen. Entscheidend ist dabei immer, dass der Agent nicht unbegrenzt handeln darf. Er braucht Rechteverwaltung, Logging, Begrenzungen, Freigabemechanismen und klare Sicherheitsregeln. Erst wenn diese Grundlagen vorhanden sind, kann ein KI-Agent sinnvoll und verantwortungsvoll mit anderen Systemen interagieren.

Multi-Agenten-Systeme

Kann man dann nicht einfach einen Agenten bauen, der alles kann? In der Praxis klingt das erst einmal verlockend, ist aber meistens schwierig. Ein einzelner „Super-Agent“, der jede Aufgabe übernimmt, wäre enorm schwer zu entwickeln, zu testen und vor allem langfristig zu warten. Je mehr Fähigkeiten, Regeln, Tools und Zuständigkeiten in einem einzigen Agenten stecken, desto unübersichtlicher wird sein Verhalten. Kleine Änderungen können dann unerwartete Nebenwirkungen haben, weil alles miteinander vermischt ist. Dazu kommen Context-Probleme: Ein Agent kann immer nur eine begrenzte Menge an Informationen gleichzeitig sinnvoll verarbeiten. Wenn zu viele Aufgaben, Dokumente, Ziele und Zwischenergebnisse in denselben Kontext gepackt werden, verliert er leichter den Überblick oder gewichtet wichtige Informationen falsch.

Stattdessen kann man spezialisierte Expertensysteme oder Fach-Agenten erstellen. Jeder dieser Agenten ist dann für einen klar abgegrenzten Bereich zuständig, zum Beispiel Recherche, Planung, Code-Analyse, Kundensupport, Datenvalidierung oder Entscheidungsfindung. Dadurch bleibt die Architektur übersichtlicher: Man weiß besser, welcher Agent welche Aufgabe hat, welche Daten er braucht und welche Ergebnisse er liefern soll. Außerdem lassen sich einzelne Komponenten einfacher verbessern oder austauschen, ohne gleich das gesamte System anfassen zu müssen.

Wenn man solche spezialisierten Agenten miteinander vernetzt, kommt man zu Multi-Agenten-Systemen. Die Grundidee ist nicht neu. Ein bekanntes Beispiel ist der RoboCup, bei dem seit 1997 Roboter in Teams gegeneinander im Fußball antreten. Dort geht es nicht nur darum, dass ein einzelner Roboter „gut“ ist, sondern dass mehrere Roboter zusammenarbeiten, Rollen übernehmen, aufeinander reagieren und gemeinsam eine Strategie verfolgen. Genau dieser Gedanke lässt sich auch auf KI-Agenten übertragen.

Heute können KI-Agenten auf verschiedene Weise miteinander verbunden werden. Eine Möglichkeit ist die Orchestrierung: Ein zentraler Ablaufplan oder ein übergeordneter Koordinator entscheidet, welcher Agent wann welche Aufgabe ausführt. Eine andere Möglichkeit ist Handover, also die Übergabe von einer Zuständigkeit zur nächsten, zum Beispiel wenn ein Recherche-Agent seine Ergebnisse an einen Schreib-Agenten weitergibt. Es gibt auch Ansätze mit Verhandlung, bei denen Agenten Vorschläge machen, diese bewerten und gemeinsam zu einer Lösung kommen. Ebenso möglich sind regelbasierte Abläufe, gemeinsame Speicher, Message Queues oder sogenannte Blackboard-Architekturen, bei denen mehrere Agenten auf einen gemeinsamen Informationsraum zugreifen.

Welche Variante sinnvoll ist, hängt stark vom Anwendungsfall ab: Braucht man Kontrolle und Nachvollziehbarkeit, eignet sich oft Orchestrierung. Braucht man Flexibilität und dynamische Zusammenarbeit, können Handover- oder Verhandlungsmodelle besser passen. In vielen realen Systemen kombiniert man mehrere dieser Ansätze, damit die Agenten nicht nur einzeln leistungsfähig sind, sondern als System zuverlässig zusammenarbeiten.

Fazit

In diesem Artikel wurde deutlich, wie vielseitig moderne KI-Lösungen heute genutzt werden können – von einfachen Chatbots, die wiederkehrende Fragen beantworten, bis hin zu komplexeren KI-Agenten, die Aufgaben eigenständig planen, ausführen und mit verschiedenen Systemen interagieren können.

Egal ob ein klassischer Chatbot für den Kundenservice, ein KI-Agent zur Automatisierung interner Prozesse oder ein Multi-Agentensystem für anspruchsvolle Workflows: Julius Haring – Data Analytics unterstützt Unternehmen bei der Konzeption, Auswahl und Implementierung passender Lösungen. Der Fokus liegt darauf, KI-Anwendungen praxisnah, sicher und effizient in bestehende Prozesse zu integrieren und damit echten Mehrwert für Organisationen zu schaffen.