Was ist Agentic AI? Ein praktischer Leitfaden für Entscheider.

Eine brauchbare Definition von Agentic AI

Agentic AI – auf Deutsch auch agentische KI – bezeichnet Softwaresysteme, die ein Ziel, einen Satz Werkzeuge und einen Auftrag erhalten und dieses Ziel über mehrere Schritte hinweg verfolgen. Statt eine Antwort auf eine Eingabe zu liefern, plant ein Agent sein Vorgehen, ruft Werkzeuge wie einen Suchindex, eine Datenbank, ein E-Mail-Postfach oder Ihr ERP auf, bewertet das Ergebnis und entscheidet über den nächsten Schritt. Er arbeitet weiter, bis die Aufgabe erledigt ist, er nicht weiterkommt oder an einen Menschen übergibt.

Der Kern ist in der Regel ein großes Sprachmodell. Zum Agenten wird das Modell erst durch alles, was darum herum gebaut ist: die Schleife, die es wiederholt handeln lässt, die Werkzeuge, die es nutzen darf, das Gedächtnis, das es behält, und die Grenzen, die Sie setzen. Autonomie ist damit eine Designentscheidung und keine Eigenschaft des Modells. Dasselbe Modell kann einen Assistenten antreiben, der nur Entwürfe schreibt, und einen Agenten, der Tickets eigenständig schließt.

Ein einfacher Test: Kann das System eine Aufgabe erledigen, die Sie sonst einer Kollegin oder einem Kollegen übertragen würden – inklusive des lästigen Mittelteils, in dem man in drei Systemen nachschauen muss –, dann ist es ein Agent. Antwortet es nur, ist es ein Chatbot. Hilft es Ihnen, während Sie selbst arbeiten, ist es ein Copilot.

Agent, Chatbot und Copilot im Vergleich

Anbieter verwenden die drei Begriffe nahezu austauschbar. Das erklärt, warum so viele Unternehmen überrascht sind, wenn ihr Chatbot am Ende nichts erledigen kann. Der Unterschied liegt darin, wer die Arbeit steuert und was zwischen Frage und Ergebnis passiert.

Chatbots und Copilots sind Oberflächen für ein Modell. Agenten sind Mitarbeiter mit Auftrag. Beides hat seinen Platz, und in der Praxis ist ein Chatfenster oft die Eingangstür zu einem Agenten, der dahinter echte Werkzeuge hat. Für Ihr Risiko und Ihren Business Case zählt nicht das Etikett, sondern die letzte Zeile der Tabelle: Wer handelt, und wer prüft.

Die sechs Bausteine eines KI-Agenten

Jeder produktive Agent besteht unabhängig von Framework oder Plattform aus denselben sechs Teilen. Wer sie kennt, stellt Anbietern und dem eigenen Team die richtigen Fragen.

• Modell. Das Sprachmodell, das liest, schlussfolgert und schreibt. Es ist der sichtbarste und zunehmend der am wenigsten unterscheidende Teil. Die Modellwahl entscheidet über Kosten, Antwortzeit, Sprachqualität im Deutschen und darüber, wo Ihre Daten verarbeitet werden.
• Werkzeuge und Schnittstellen. Was der Agent tun darf: eine Wissensdatenbank durchsuchen, ein Ticket lesen, das ERP abfragen, eine E-Mail senden, einen Datensatz anlegen. Über Werkzeuge trifft der Agent auf Ihre Systeme; Standards wie das Model Context Protocol machen diese Anbindung wiederverwendbar.
• Gedächtnis. Das Kurzzeitgedächtnis ist der Kontext der aktuellen Aufgabe. Das Langzeitgedächtnis hält fest, was der Agent über mehrere Durchläufe hinweg wissen soll, etwa Kundenpräferenzen oder frühere Entscheidungen. Für beides braucht es Regeln, was gespeichert werden darf und wie lange.
• Orchestrierung. Die Logik, die die Schleife betreibt: planen, handeln, beobachten, wiederholen. Sie kümmert sich um Wiederholungen bei Fehlern, zerlegt große Aufgaben in kleinere, delegiert an spezialisierte Teil-Agenten und entscheidet, wann Schluss ist oder eskaliert wird.
• Leitplanken. Berechtigungen, Ausgabenlimits, Freigabeschritte, verbotene Aktionen, Prüfungen von Ein- und Ausgaben. Leitplanken machen aus einem fähigen Modell ein System, dem Sie echte Zugänge anvertrauen können. Dazu haben wir einen eigenen Leitfaden zu Guardrails für KI-Agenten geschrieben.
• Evaluation. Testfälle, Qualitätskennzahlen, Protokolle und Monitoring. Ohne Evaluation wissen Sie nicht, ob eine Prompt-Änderung den Agenten besser oder schlechter gemacht hat, und Sie können einem Prüfer nicht zeigen, was der Agent getan hat und warum.

Wenn eine Demo beeindruckt und das Projekt trotzdem stockt, fehlen fast immer die letzten drei Teile. Genau deshalb beginnt unsere KI-Agenten-Entwicklung mit Orchestrierung, Leitplanken und Evaluation.

Vier Stufen der Autonomie

Die folgenreichste Entscheidung über einen Agenten ist nicht das Modell, sondern wie viel er tun darf, ohne zu fragen. Wir beschreiben das in vier Stufen und legen die Stufe je Aktion fest, nicht je Agent: Derselbe Agent darf frei entwerfen, mit Begründung vorschlagen und muss eine Freigabe einholen, bevor er etwas an einen Kunden sendet.

Die meisten produktiven Agenten arbeiten auf Stufe 2 oder 3 – das ist kein Kompromiss, sondern das Design. Stufe 4 wird Aktion für Aktion verdient, wenn die Evaluationsdaten zeigen, dass die Fehlerquote des Agenten bei diesem Schritt unter den Kosten einer Prüfung liegt. Für manche Einsätze schreibt der EU AI Act ohnehin eine wirksame menschliche Aufsicht vor; welche das sind, erklärt unser verständlicher Leitfaden zum EU AI Act.

Was Agenten in der Praxis tun – Abteilung für Abteilung

Das Muster wiederholt sich in allen Funktionen: unstrukturierte Eingaben, Regeln, die etwas Urteilsvermögen brauchen, mehrere Systeme und ein Mensch, der heute die Verbindungsarbeit leistet. Die folgenden Beispiele sind typische Szenarien, kein Katalog.

• Marketing. Ein Agent macht aus einem Produkt-Briefing kanalspezifische Entwürfe, prüft sie gegen Marken- und Rechtsvorgaben und legt die Kampagne in Ihren Tools zur Freigabe an. Mehr unter KI-Agenten im Marketing.
• Vertrieb. Eingehende Leads werden recherchiert, nach Ihren Kriterien qualifiziert, im CRM angereichert und mit einem Vorschlag für die erste Antwort an die richtige Person geleitet. Mehr unter KI-Agenten im Vertrieb.
• Kundenservice. Tickets werden klassifiziert, die passenden Auftrags- und Vertragsdaten zusammengetragen, eine Antwort entworfen, und einfache Fälle wie Adressänderungen werden nach Freigabe ausgeführt. Mehr unter Kundenservice.
• Operations. Aufträge, die als PDF oder E-Mail eintreffen, werden gelesen, gegen Preislisten und Bestände geprüft und ins ERP übernommen; Abweichungen gehen an einen Menschen. Mehr unter Operations.
• Finanzen. Eingangsrechnungen werden mit Bestellungen und Wareneingängen abgeglichen, Abweichungen erklärt und Buchungen zur Freigabe durch die Buchhaltung vorgeschlagen. Mehr unter Finanzen.
• HR. Ein Assistent beantwortet Fragen zu Richtlinien aus dem Handbuch, bereitet Onboarding-Checklisten vor und entwirft Dokumente, während jede Entscheidung über Menschen bei Menschen bleibt. Mehr unter HR.
• Recht und Compliance. Verträge werden gegen Ihr Playbook geprüft, Abweichungen mit Klausel und Begründung markiert, Standardverträge vorausgefüllt. Mehr unter Recht und Compliance.
• IT und Engineering. Störungen werden mit Logs und Historie angereichert, Runbook-Schritte nach Freigabe ausgeführt und interne Anfragen ohne Ticket-Warteschlange gelöst. Mehr unter IT und Engineering.

Wann Sie keinen Agenten einsetzen sollten

Falsch eingesetzt sind Agenten teuer. In vier Situationen raten wir – zumindest vorerst – davon ab.

• Der Prozess ist vollständig deterministisch und stabil. Sind die Eingaben strukturiert und brauchen die Regeln nie Urteilsvermögen, sind ein Skript, eine Integration oder RPA günstiger und zuverlässiger. Unser Vergleich von KI-Agenten, RPA und Chatbots geht ins Detail.
• Eine falsche Aktion ist unumkehrbar, und es gibt keinen Prüfschritt. Zahlungen, Kündigungen, öffentliche Aussagen. Entweder Sie ergänzen eine Freigabe auf Stufe 3, oder der Agent bleibt auf Stufe 2.
• Die Entscheidung ist rechtlich heikel. Personalauswahl, Kreditvergabe, Zugang zu wesentlichen Leistungen und ähnliche Einsätze gelten nach dem EU AI Act als Hochrisiko. Agenten dürfen dort unterstützen, aber Design, Dokumentation und Aufsicht folgen anderen Regeln.
• Es gibt weder Ausgangsbasis noch Volumen. Wenn niemand sagen kann, wie lange der Prozess heute dauert oder wie oft er läuft, können Sie nicht zeigen, dass der Agent geholfen hat – und ein Prozess, der zweimal im Monat läuft, rechtfertigt den Aufwand selten.

Wie Sie anfangen

Beginnen Sie mit einer Diagnose, nicht mit einer Demo. Ein KI-Readiness-Assessment zeigt Ihnen in zwei bis drei Wochen, wo Sie bei Daten, Systemen, Kompetenzen und Governance stehen und welche zwei, drei Use Cases realistisch sind. Dann wählen Sie einen davon bewusst aus: Unser Leitfaden zur Auswahl des ersten Use Case für einen KI-Agenten enthält das Bewertungsraster, das wir selbst verwenden.

Ein anschließender Pilot von in der Regel sechs bis acht Wochen sollte mit einem produktionsreifen Agenten für einen Workflow enden, mit einem gemessenen Ergebnis gegenüber der Ausgangsbasis und mit der Governance, die Sie für den Betrieb brauchen. Nicht mit einem Foliensatz darüber, was ein Agent könnte.