KI-Agenten verstehen – Der Agent-Design-Space

Du kennst ChatGPT. Du hast vielleicht auch schon Copilot, Gemini oder andere ausprobiert. Diese Tools sind nützlich. Aber sie haben eine fundamentale Grenze: Sie leben nur im Chat.

Du stellst eine Frage, bekommst eine Antwort. Du musst Infos reinkopieren, Ergebnisse rauskopieren, und nach dem Gespräch ist alles vergessen. Das ist ein Assistent. Kein Agent.

Was einen KI-Agenten von einem Chatbot unterscheidet, lässt sich in 6 Dimensionen beschreiben. Diese Lesson führt dich durch jede davon. Verständlich, mit konkreten Beispielen, ohne Technik-Fachchinesisch.

Was du in dieser Lesson lernst

Stell dir vor, du stellst einen brillanten neuen Mitarbeiter ein. Jeden Morgen kommt er zur Arbeit und hat keinerlei Erinnerung an gestern. Kein Wissen über dein Unternehmen, keine Kunden-History, keine Präferenzen. Jeden Tag von vorne.

Genau das passiert bei den meisten KI-Chatbots. Jedes Gespräch beginnt auf einer leeren Seite. Das ist die Standardeinstellung. Kein Bug, sondern eine Kombination aus technischen Limits und Datenschutz-Überlegungen.

Die drei Arten von Gedächtnis

Was das in der Praxis bedeutet

Ein Chatbot ohne Memory: Du erklärst bei jedem Gespräch von Neuem, wer du bist, was dein Unternehmen macht, welche Tonalität du willst.

Ein Agent mit persistentem Gedächtnis: Er weiß, dass du für ein Marketing-Team arbeitest, du LinkedIn-Posts in lockerem Ton bevorzugst, und dass ihr gerade einen Produkt-Launch plant. Ohne dass du es jedes Mal sagst.

Würdest du für eine schwierige Steuerprüfung einen Allgemeinmediziner beauftragen, der zufällig auch etwas über Steuerrecht weiß? Oder lieber einen spezialisierten Steuerberater?

Genau diese Logik gilt für KI-Agenten. Ein allgemeiner Chatbot kann vieles – aber nichts wirklich gut. Ein spezialisierter Agent mit einer klaren Rolle, einem definierten Kontext und spezifischen Anweisungen liefert deutlich bessere Ergebnisse.

Was eine Rolle ausmacht

Eine KI-Rolle besteht aus drei Schichten:

Vorher / Nachher

Ein Chatbot lebt im Textfeld. Ein Agent lebt in deiner Arbeitswelt. Der Unterschied ist der Zugang zu Tools – den digitalen Systemen, die dein Team täglich nutzt.

Stell dir vor, du hast einen brillanten neuen Mitarbeiter – aber er hat keinen Zugang zu eurem Google Drive, keinen Slack-Account und kein CRM. Er kann beraten, aber nicht handeln. Genau so geht es KI-Agenten ohne Tool-Anbindung.

Die 4 Integrations-Richtungen

Praxis-Beispiel: Carousel → Instagram

Ohne Integration: KI schreibt Text, du kopierst ihn manuell in Canva, exportierst, öffnest Instagram, postest. 4 Schritte, alle manuell.

Schritt 3 ist entscheidend: Die KI handelt nicht autonom – sie fragt zuerst. Das ist kein Schwäche-Zeichen, sondern gutes Design.

Das ist die Frage, die in Führungsgesprächen am häufigsten kommt – und meistens als Angst formuliert wird: "Was, wenn die KI einfach anfängt, Dinge zu tun, die wir nicht wollen?"

Die gute Nachricht: Autonomie ist kein Schalter (an/aus), sondern ein Spektrum. Und du bestimmst, wo dein Agent auf diesem Spektrum sitzt.

Das Autonomie-Spektrum

Die goldene Regel

Lesen darf die KI immer. Schreiben, Senden, Löschen braucht immer einen Mensch dazwischen. Zumindest zu Beginn. Das Vertrauen wächst dann mit der Erfahrung.

Stell dir eine gut funktionierende Unternehmensabteilung vor. Da gibt es nicht eine Person, die alles kann – da gibt es Spezialistinnen für verschiedene Aufgaben, eine Teamleiterin die koordiniert, und klare Übergabepunkte.

Genau so funktionieren Multi-Agent-Systeme. Wenn eine Aufgabe zu komplex für einen einzelnen Agenten ist, übernimmt ein Team.

Wie Agenten zusammenarbeiten

Praxis-Beispiel: Wettbewerbs-Analyse

Jeder Agent macht, was er am besten kann. Das Ergebnis ist besser als wenn ein einzelner Generalist alles versucht.

Mit wachsender Leistungsfähigkeit stellt sich eine Frage, die Führungskräfte beschäftigt: Wenn KI-Agenten eigenständig handeln – wer ist dann verantwortlich?

Die ehrliche Antwort: immer der Mensch. KI-Agenten handeln in deinem Namen. Deshalb braucht jedes Agent-System klare Regeln dafür, wer was darf, was protokolliert wird, und wer im Zweifel eingreifen kann.

Die drei Kern-Fragen

Credentials: Was die KI nie sehen sollte

Ein häufig übersehenes Detail: Wenn ein Agent auf externe Services zugreift (Drive, Slack, CRM), braucht er Zugangsberechtigungen. Diese sollten niemals direkt im Chat-Prompt stehen – das ist ein Sicherheitsrisiko.

Weiterlernen auf lernen.diy

Diese Lesson ist der Einstieg. Wenn du tiefer einsteigen willst:

• KI im Business einsetzen – Assistent, Automation, Agent: was passt wann?
• KI-Agenten – technische Vertiefung – Die technische Schicht dahinter (System Prompt, Context Window, RAG, Tool Calls)
• Der Prompt-Baukasten – Bessere Ergebnisse mit strukturierten Prompts
• Das richtige KI-Tool finden – Welches Tool für welche Aufgabe?

Begriffe aus dieser Lesson

• Agent — Ein Agent ist ein Sprachmodell, das selbstständig Werkzeuge aufruft, mehrere Schritte plant und Entscheidungen in einer Schleife trifft, bis eine Aufgabe erledigt ist oder das Modell aufgibt.
• Guardrails — Guardrails sind die Grenzen und Regeln, innerhalb derer ein KI-System operiert. Sie verhindern unerwünschtes Verhalten: falsche Antworten, sensible Aktionen, Kostenexplosion oder Sicherheitsverstöße.
• Human-in-the-Loop — Human-in-the-Loop bedeutet, dass ein Mensch an einer definierten Stelle im KI-Workflow prüft, entscheidet oder korrigiert, bevor das System weitermacht. Die bewusste Verbindung von KI-Geschwindigkeit und menschlichem Urteil.
• Multi-Agent-System — Ein Multi-Agent-System besteht aus mehreren spezialisierten KI-Agenten, die zusammenarbeiten. Jeder Agent hat eine eigene Rolle, eigene Tools und eigene Verantwortung. Sinnvoll nur bei echtem Parallelitätsbedarf.
• Orchestrator — Ein Orchestrator koordiniert mehrere Agenten oder Arbeitsschritte in einem komplexen KI-Workflow. Er entscheidet, welcher Agent wann aktiv wird und wie die Ergebnisse zusammengeführt werden.
• Tool Use — Tool Use ermöglicht einem KI-Modell, externe Werkzeuge aufzurufen: Websuche, Dateizugriff, APIs, Datenbanken, Kalender. Das macht aus einem reinen Textgenerator ein handlungsfähiges System.

Passende Fragen

• Ist mehr Autonomie bei KI-Agenten immer besser?
  Nein. Zu viel Autonomie zerstört Vertrauen. Wenn ein Agent eigenständig Dinge tut, deren Ergebnisse der Mensch nicht mehr nachvollziehen kann, leidet das Vertrauen ins System. Start konservativ, steigere schrittweise.
• Reicht ein guter Prompt für einen guten KI-Agenten?
  Nein. Der Prompt (die Rolle) ist nur eine von sechs Agent-Dimensionen. Ohne Gedächtnis, Tools, Governance, Ziel-Definition und Abbruchbedingungen bleibt der Agent unzuverlässig, egal wie gut der Prompt ist.
• Sind KI-Agenten nur bessere Chatbots?
  Nein. Der Unterschied liegt in Gedächtnis, Tools, Autonomie und Governance, nicht in besseren Antworten. Ein Chatbot antwortet. Ein Agent plant, handelt, entscheidet und iteriert, bis ein Ziel erreicht ist.
• Wann brauche ich Multi-Agent-Systeme?
  Seltener als gedacht. Die meisten Aufgaben sind mit einem gut konfigurierten einzelnen Agenten besser gelöst. Multi-Agent lohnt sich nur bei nachweislich parallel laufenden Teilprozessen mit klar abgegrenzten Verantwortungen.