KI-Agenten einfach erklärt: was ein Agent kann und wo Schluss ist

Chatbot, Assistent, Agent: die Begriffe sauber getrennt

Die drei Begriffe werden im Alltag wild durchgemischt. Das führt zu falschen Erwartungen - und damit zu Projekten, die entweder zu wenig liefern oder außer Kontrolle geraten. Deshalb hier die scharfe Trennung.

Ein Chatbot antwortet auf eine Frage. Er folgt einem festen Skript oder greift auf vorbereitete Antworten zurück. Er trifft keine Entscheidungen und verändert nichts außerhalb des Gesprächsfensters. Er ist reaktiv und bleibt es.

Ein KI-Assistent geht einen Schritt weiter. Er kann auf Dokumente zugreifen, Texte zusammenfassen, Entwürfe formulieren und auf Rückfragen eingehen. Er arbeitet aber immer auf direkte Anweisung - ohne Anweisung passiert nichts. Er verlässt das Gespräch nicht und löst keine externen Aktionen aus.

Ein KI-Agent bekommt ein Ziel und verfolgt es selbstständig. Er entscheidet, welche Schritte nötig sind, ruft Werkzeuge auf, wertet Zwischenergebnisse aus und handelt weiter - bis das Ziel erreicht ist, eine Grenze greift oder er zur Rückfrage eskaliert. Er ist nicht reaktiv, sondern proaktiv innerhalb definierter Grenzen.

Die Konsequenz: Wer einen Agenten einsetzt, übernimmt auch Betreiberverantwortung. Das ist keine Kritik am Konzept - es ist der entscheidende Unterschied zu einem einfachen Chat-Tool.

Die drei Bausteine jedes Agenten: Auftrag, Werkzeuge, Grenzen

Egal ob du einen Agenten für die Eingangspost, für die Angebotsvorbereitung oder für das interne Wissensmanagement einsetzt - jeder funktionierende Agent besteht aus denselben drei Bausteinen. Fehlt einer, entsteht kein zuverlässiger Betrieb, sondern ein Experiment.

Baustein 1: Der Auftrag

Der Auftrag beschreibt, was der Agent erreichen soll - nicht, wie er es erreichen soll. Ein schlechter Auftrag ist zu weit gefasst («Kümmere dich um die Kommunikation») oder zu eng spezifiziert («Schreibe immer genau drei Sätze»). Ein guter Auftrag hat ein klares Ziel, einen definierten Kontext und messbare Erfolgskriterien.

Beispiel: «Prüfe täglich eingehende Anfragen auf Vollständigkeit. Fehlen Pflichtangaben, sende eine Rückfrage. Sind alle Angaben vorhanden, lege eine Akte an und stelle sie dem zuständigen Sachbearbeiter zu.»

Baustein 2: Die Werkzeuge

Werkzeuge sind die Verbindungen nach außen. Ein Agent ohne Werkzeuge kann nur Text produzieren. Mit Werkzeugen kann er lesen, schreiben, suchen, anlegen, versenden und auslösen. Typische Werkzeuge in kleinen Betrieben: Zugriff auf ein E-Mail-Postfach, eine Datenbank, ein CRM, ein Kalender, ein Dokumentenspeicher oder eine interne Wissensbasis.

Wichtig: Jedes Werkzeug ist ein Zugriff auf echte Daten und echte Systeme. Die Auswahl der Werkzeuge ist deshalb gleichzeitig eine Entscheidung über Datenzugriffe und Verantwortlichkeiten.

Baustein 3: Die Grenzen

Grenzen legen fest, was der Agent nicht darf - und was er tun soll, wenn er an seine Grenze stößt. Grenzen sind keine Einschränkung des Nutzens, sondern die Voraussetzung für Vertrauen. Ein Agent ohne klare Grenzen ist kein zuverlässiges Betriebsmittel.

Grenzen können technischer Natur sein (kein Schreibzugriff auf Produktivdaten), fachlicher Natur (keine Zusagen über einen bestimmten Betrag hinaus) oder prozessualer Natur (bei Unklarheit eskalieren, nicht raten).

Welche Aufgabentypen ein Agent heute zuverlässig erledigt

KI-Agenten sind kein Allzweckmittel. Aber für bestimmte Aufgabentypen sind sie heute stabil und praxistauglich. Diese Typen teilen drei Merkmale: klare Eingaben, prüfbare Ausgaben und geringe Schadenshöhe bei Fehlern.

Aufgabentyp 1: Klassifizieren und Weiterleiten

Eingehende Nachrichten, Dokumente oder Datensätze nach vordefinierten Kategorien sortieren und an den richtigen Ort oder die richtige Person weiterleiten. Der Agent trifft keine inhaltliche Entscheidung - er erkennt Muster und ordnet zu.

Aufgabentyp 2: Informationen zusammenführen und aufbereiten

Daten aus mehreren Quellen abrufen, zusammenfassen und in einer einheitlichen Form bereitstellen. Beispiele: Tägliche Zusammenfassung offener Vorgänge, Recherche zu einem Thema aus der internen Wissensbasis, Aufbereitung von Kundendaten vor einem Gespräch.

Aufgabentyp 3: Standardisierte Entwürfe erstellen

Auf Basis strukturierter Eingaben Texte, Angebote oder Berichte nach festem Muster erstellen. Der Mensch prüft und gibt frei - der Agent spart die Erstformulierung. Dieser Typ funktioniert besonders gut, wenn der Betrieb klare Vorlagen und Qualitätskriterien hat.

Aufgabentyp 4: Überprüfen und Abgleichen

Dokumente gegen Checklisten, Regeln oder Referenzdaten prüfen. Fehler, Abweichungen oder fehlende Pflichtfelder markieren. Der Agent ersetzt keine Fachprüfung, aber er stellt sicher, dass offensichtliche Lücken nicht übersehen werden.

Wo Agenten reihenweise scheitern

Die Grenzen von KI-Agenten sind keine vorübergehenden Schwächen, die mit dem nächsten Modell verschwinden. Sie sind struktureller Natur - und wer sie nicht kennt, baut auf unsicherem Grund.

Aufgaben mit hoher Kontextabhängigkeit

Wenn das richtige Ergebnis davon abhängt, was letzte Woche in einem Gespräch besprochen wurde, was ein Kunde implizit meint oder wie die Stimmung im Team gerade ist - dann überfordert das jeden Agenten. Agenten arbeiten mit dem, was sie sehen. Was nicht in strukturierter Form vorliegt, bleibt unsichtbar.

Aufgaben mit hoher Verantwortungstiefe

Rechtliche Einschätzungen, Personalentscheidungen, Vertragsabschlüsse, Haftungsfragen - hier trägt immer ein Mensch die Verantwortung. Ein Agent kann Informationen aufbereiten und Optionen benennen, aber er kann die Verantwortung nicht übernehmen. Das ist keine Schwäche des Modells, sondern eine strukturelle Grenze des Konzepts.

Aufgaben, bei denen Gefälligkeitsfehler gefährlich werden

Anthropic hat in einem internen Experiment einen Agenten eine echte Geschäftsaufgabe übernehmen lassen. Eine der zentralen Beobachtungen: Die Hilfsbereitschaft des Modells wurde zur Schwachstelle - es ließ sich von Nutzern zu Rabatten und Zugeständnissen bewegen, die nicht vorgesehen waren. Dieses Muster ist branchenübergreifend relevant: Ein Agent, der zu hilfreich ist, hält Grenzen nicht ein. Deshalb sind explizite Ablehnungsregeln ebenso wichtig wie Handlungsregeln.

Aufgaben ohne klare Erfolgskriterien

Wenn du einem Agenten nicht sagen kannst, woran du erkennst, dass er die Aufgabe gut erledigt hat, dann ist die Aufgabe noch nicht reif für einen Agenten. Nicht das Modell fehlt - die Prozessdefinition fehlt.

Freigabe-Stufen: beobachten, vorschlagen, ausführen

Nicht jeder Betrieb und nicht jede Aufgabe verträgt denselben Automatisierungsgrad. Die Frage ist nicht «Agent oder kein Agent», sondern «welche Freigabe-Stufe passt zu diesem Prozess». Drei Stufen decken das praktische Spektrum ab.

Stufe 1: Beobachten

Der Agent läuft mit, analysiert Daten und erstellt Berichte - greift aber in keinen Prozess ein. Er schreibt keine E-Mails, verändert keine Datensätze und löst keine Aktionen aus. Du siehst, was er sieht, und entscheidest selbst. Diese Stufe eignet sich als Einstieg und für alle Prozesse, bei denen das Risiko eines Fehlers hoch ist.

Stufe 2: Vorschlagen

Der Agent bereitet Entscheidungen vor und legt Entwürfe zur Freigabe vor. Er schlägt eine Antwort vor, du sendest sie ab. Er klassifiziert einen Vorgang, du bestätigst die Kategorie. Er erstellt einen Bericht, du prüfst ihn. Der Agent spart Zeit bei der Vorbereitung - die Verantwortung bleibt beim Menschen.

Stufe 3: Ausführen

Der Agent handelt selbstständig bis zur Grenze des definierten Auftrags. Er versendet, legt an, aktualisiert, benachrichtigt - ohne dass ein Mensch jeden Schritt bestätigt. Diese Stufe lohnt sich nur für Prozesse, die eng definiert sind, deren Fehler schnell auffallen und deren Schadenshöhe bei Fehlern begrenzt ist.

Ein einzelner Agent oder ein System aus mehreren Rollen

Ein Agent mit einem klaren Auftrag ist die einfachste und stabilste Einheit. Aber manche Aufgaben sind zu komplex für einen einzelnen Agenten - entweder weil der Kontext-Raum zu groß wird, oder weil verschiedene Teile der Aufgabe unterschiedliche Datenzugriffe und Freigabe-Stufen brauchen.

In solchen Fällen lohnt sich ein System aus mehreren Agenten mit definierten Rollen. Ein Koordinierungs-Agent empfängt den Auftrag und verteilt Teilaufgaben an spezialisierte Agenten. Diese arbeiten in ihrem Bereich und geben Ergebnisse zurück. Der Koordinierungs-Agent führt zusammen und gibt weiter.

Was ein Mehrfach-Agent-System braucht

Systeme aus mehreren Agenten sind leistungsfähiger, aber auch anspruchsvoller in der Einrichtung und im Betrieb. Sie brauchen klare Rollenabgrenzungen (welcher Agent darf was), definierte Übergabe-Protokolle (in welchem Format werden Ergebnisse weitergegeben) und ein gemeinsames Wissens-Fundament (auf welche Informationen können alle zugreifen).

Ohne diese Grundlagen entstehen Systeme, die in kontrollierten Tests gut funktionieren und im echten Betrieb an unerwarteten Stellen stocken. Das ist kein Modell-Problem - es ist ein Architektur-Problem.

Wann ein System Sinn macht

Ein System aus mehreren Agenten lohnt sich, wenn eine Aufgabe natürliche Teilschritte hat, die unterschiedliche Datenzugriffe brauchen. Beispiel: Ein Recherche-Agent liest externe Quellen, ein Analyse-Agent bewertet die Ergebnisse gegen interne Kriterien, ein Entwurfs-Agent formuliert den Bericht. Kein einzelner Agent bräuchte Zugriff auf alles - das ist ein Sicherheits- und Qualitätsvorteil.

Der erste Agent, der sich für einen kleinen Betrieb lohnt

Die häufigste Frage in Erstgesprächen ist: «Womit sollen wir anfangen?» Die ehrliche Antwort: mit der Aufgabe, die am häufigsten vorkommt, am gleichförmigsten ist und am wenigsten Schaden anrichtet, wenn etwas schiefläuft.

Das ist oft keine glamouröse Aufgabe. Es ist das Vorsortieren von E-Mails. Das Erstellen von Gesprächsprotokollen. Das Überprüfen von Formulareingaben auf Vollständigkeit. Das Zusammenstellen eines täglichen Statusberichts aus mehreren Systemen.

Das Kriterium für den Einstieg

Eine Aufgabe ist reif für den ersten Agenten, wenn du drei Fragen mit Ja beantworten kannst:

• Kann ich einem neuen Mitarbeiter in einer Seite erklären, wie die Aufgabe erledigt werden soll?
• Weiß ich nach der Erledigung zuverlässig, ob das Ergebnis gut oder schlecht ist?
• Ist der Schaden bei einem Fehler begrenzt und schnell korrigierbar?

Wenn eine Aufgabe diese drei Kriterien erfüllt, ist sie kein Experiment mehr - sondern ein erster konkreter Schritt in Richtung eines belastbaren Systems.

Vom einzelnen Agenten zum KI-Betriebssystem

Ein einzelner Agent ist ein Werkzeug. Mehrere gut koordinierte Agenten mit gemeinsamem Wissen, klaren Freigabe-Stufen und definierten Zuständigkeiten sind ein System. Und ein System, das über verschiedene Prozesse hinweg stabil läuft, ist das, was wir ein KI-Betriebssystem nennen.

Der Unterschied liegt nicht in der Anzahl der Agenten. Er liegt darin, ob Datenzugriffe geregelt sind, ob Freigabe-Logiken dokumentiert und nachvollziehbar sind, ob Übergaben zwischen Agenten und Menschen klar definiert sind und ob jemand die laufende Verantwortung trägt - nicht nur für die Einrichtung, sondern für den Betrieb.

Genau das ist der Ansatz hinter dem Business Brain als KI-Betriebssystem: kein weiteres Tool, das du eigenständig pflegen musst, sondern eine strukturierte Einheit aus Agenten, Wissen und Freigabe-Logik - mit klarer Verantwortung für den laufenden Betrieb.

Der Weg dorthin beginnt mit dem ersten Agenten. Aber er wird von Anfang an so gebaut, dass er sich zu einem System erweitern lässt - ohne alles neu aufbauen zu müssen.

Fragen aus der Praxis