DRAVVT

Künstliche Intelligenz · Leitfaden

Was sind KI-Agenten? Erklärt mit Beispielen

Ein Chatbot antwortet, ein Agent handelt. Was genau ein KI-Agent ist, wie er im Inneren funktioniert, welche echten Beispiele es gibt und was passiert, wenn man ihm zu viel Freiheit lässt.

Von Dravvt · September 2026 · 9 Min. Lesezeit

Roboter einer Kunstinstallation in einer Reihe, mit dem Titel „Was sind KI-Agenten? Erklärt mit Beispielen“ und dem dravvt-Logo

Wenn du ChatGPT nach einem Rezept fragst, schreibt es dir eins. Das ist kein Agent. Wenn du ein Programm bittest, dein Postfach durchzusehen, die fehlende Rechnung zu finden, sie herunterzuladen und an deinen Steuerberater zu schicken, und es das selbstständig Schritt für Schritt erledigt, dann hast du es mit einem Agenten zu tun.

2026 taucht das Wort „Agent“ überall auf, und jedes Unternehmen versteht etwas anderes darunter. Dieser Artikel erklärt, was es tatsächlich bedeutet, ausgehend von den Definitionen derer, die solche Systeme bauen (OpenAI, Anthropic, IBM und Microsoft): wie Agenten im Inneren funktionieren, welche echten Beispiele es gibt und was passiert, wenn ein Agent mehr Freiheit hat, als gut ist.

Was ein KI-Agent ist, in einem Satz

Die kürzeste Definition liefert OpenAI in seinem Leitfaden zum Bau von Agenten: Ein Agent ist ein System, das Aufgaben selbstständig und im Auftrag des Nutzers erledigen kann (OpenAI, 2025, S. 4).

Entscheidend ist dieses „selbstständig“. Ein Agent antwortet nicht nur: Er entscheidet, welche Schritte nötig sind, setzt sie mit Werkzeugen um (im Internet suchen, Dateien öffnen, eine E-Mail senden, Code ausführen) und prüft das Ergebnis, bevor er über den nächsten Schritt entscheidet. Anthropic beschreibt es ähnlich: Ein Agent ist ein Sprachmodell, das Werkzeuge in einer fortlaufenden Schleife nutzt und sich dabei an dem orientiert, was es bei jedem Schritt zurückbekommt (Schluntz & Zhang, 2024).

IBM formuliert es anders, meint aber im Kern dasselbe: Ein Agent erledigt Aufgaben autonom und gestaltet seinen eigenen Arbeitsablauf mit den Werkzeugen, die ihm zur Verfügung stehen (Gutowska, n.d.).

Was kein Agent ist

Hier liegt das häufigste Missverständnis: Nur weil ein Produkt KI nutzt, ist es noch kein Agent. OpenAI stellt das klar. Wenn das Modell den Ablauf der Aufgabe nicht steuert, handelt es sich nicht um einen Agenten. Deshalb sind ein einfacher Chatbot, ein Modell, das eine einzelne Frage beantwortet, oder ein Klassifikator, der entscheidet, ob eine Bewertung positiv oder negativ ist, keine Agenten (OpenAI, 2025, S. 4).

Anthropic schlägt eine hilfreiche Unterscheidung zwischen zwei Dingen vor, die oft verwechselt werden (Schluntz & Zhang, 2024):

  • Workflows: Modell und Werkzeuge folgen einem Weg, den ein Entwickler vorab in fester Reihenfolge festgelegt hat. Das Modell hilft bei jedem Schritt, entscheidet aber nicht, was als Nächstes kommt.
  • Agenten: Das Modell entscheidet in jedem Moment selbst, was zu tun ist und welches Werkzeug es nutzt, und behält die Kontrolle darüber, wie es die Aufgabe löst.

Viele Produkte, die als „Agenten“ verkauft werden, sind in Wirklichkeit Workflows. Das ist nicht unbedingt ein Mangel: Anthropic selbst empfiehlt, mit der einfachsten Lösung zu beginnen und Agenten für offene Probleme aufzuheben, bei denen sich nicht vorhersagen lässt, wie viele Schritte nötig sein werden (Schluntz & Zhang, 2024).

Wie ein Agent im Inneren funktioniert

Laut dem Leitfaden von OpenAI besteht jeder Agent aus drei Bausteinen (OpenAI, 2025, S. 7):

  • Ein Modell: das Sprachmodell, das nachdenkt und die Entscheidungen trifft (GPT, Claude, Gemini …).
  • Werkzeuge: Funktionen oder externe Dienste, mit denen der Agent in der Welt handelt, etwa im Internet suchen, eine Datenbank abfragen oder eine E-Mail senden.
  • Anweisungen: die ausdrücklichen Regeln, die festlegen, wie er sich verhalten soll und welche Grenzen er nicht überschreiten darf.

Microsoft ergänzt zwei weitere Elemente: die Informationsabfrage, um in den Dokumenten des Unternehmens zu suchen, und das Gedächtnis, um sich an frühere Schritte zu erinnern (Microsoft, 2025).

Mit diesen Bausteinen arbeitet der Agent in einer Schleife: Er überlegt, was zu tun ist, handelt mit einem Werkzeug, beobachtet das Ergebnis und überlegt erneut. Bekannt wurde dieses Muster durch ein Forschungspapier namens ReAct, dessen Name „Reasoning“ (Schlussfolgern) und „Acting“ (Handeln) verbindet. Die Autoren zeigten, dass ein Modell, das zwischen Nachdenken und Handeln abwechselt, einen Plan entwerfen, ihm folgen und ihn unterwegs korrigieren kann und dabei auch externe Quellen wie eine Suchmaschine heranzieht (Yao et al., 2023).

Ein alltägliches Beispiel: Du bittest einen Programmier-Agenten, einen Fehler zu beheben. Er liest den Code, stellt eine Hypothese auf, führt die Tests aus, sieht, dass sie fehlschlagen, ändert eine Datei und testet erneut, immer wieder, bis alles funktioniert. Niemand hat ihm gesagt, wie viele Durchläufe er dafür braucht.

Die 5 klassischen Arten von Agenten

Die Idee des Agenten ist viel älter als ChatGPT. In der klassischen künstlichen Intelligenz ist ein Agent jedes System, das seine Umgebung wahrnimmt und auf sie einwirkt. Daraus stammt die Einteilung, die an Universitäten gelehrt wird und die IBM mit Beispielen aus dem Alltag zusammenfasst (Stryker, n.d.; Gutowska, n.d.):

  • Einfacher Reflexagent: reagiert nach einer festen Regel auf das, was er gerade wahrnimmt. Zum Beispiel ein Thermostat, das die Heizung einschaltet, wenn es kalt wird.
  • Modellbasierter Reflexagent: hat eine Vorstellung davon, wie die Welt aussieht, auch wenn er sie nicht vollständig sieht, etwa ein Saugroboter, der sich merkt, welche Bereiche er schon gereinigt hat.
  • Zielbasierter Agent: wählt seine Aktionen anhand eines Ziels, wie ein Navi, das eine Route zu deinem Ziel sucht.
  • Nutzenbasierter Agent: wählt unter mehreren Wegen zum Ziel den besten nach einem bestimmten Kriterium, wie das Navi, das die schnellste Route nimmt und nicht nur irgendeine, die funktioniert.
  • Lernender Agent: wird mit der Erfahrung besser, wie das Empfehlungssystem eines Onlineshops.

Heutige KI-Agenten sind im Grunde dieselbe Idee, nur mit einem Sprachmodell als Gehirn. Neu ist, dass sie jetzt Anweisungen in natürlicher Sprache verstehen und praktisch jedes Software-Werkzeug nutzen können.

Echte Beispiele für KI-Agenten

Türkisfarbener Spielzeugroboter, der auf Münzen sitzt und winkt, mit dem Titel „Echte Beispiele für KI-Agenten“ und dem dravvt-Logo

So beschrieb das US-amerikanische National Institute of Standards and Technology (NIST) die Lage im Jahr 2026: KI-Agenten können bereits stundenlang autonom arbeiten, Code schreiben und debuggen, E-Mails und Kalender verwalten und sogar Einkäufe tätigen (NIST, 2026a). Einige konkrete Beispiele:

  • Programmier-Agenten. Claude Code von Anthropic ist ein Agent, der den Code eines Projekts liest, Dateien bearbeitet und Befehle ausführt (Anthropic, n.d.). Ich vergleiche ihn mit Codex und Cursor in diesem Leitfaden zu KI-Agenten fürs Programmieren.
  • Agenten, die den Computer bedienen. Seit 2024 kann Claude auf einen Bildschirm schauen, den Mauszeiger bewegen, klicken und tippen, wie es ein Mensch tun würde. Beim Start räumte Anthropic selbst ein, dass diese Fähigkeit noch unvollkommen war (Anthropic, 2024).
  • Agenten für Unternehmen. Microsoft unterscheidet drei Arten: Produktivitäts-Agenten, die einer Person helfen; Aktions-Agenten, die Aufgaben ausführen; und Automatisierungs-Agenten, die ganze Prozesse übernehmen (Microsoft, 2025).
  • Betrugsanalyse. OpenAI erklärt an diesem Fall, wann sich ein Agent lohnt: Ein regelbasiertes System funktioniert wie eine Checkliste, während sich ein Agent eher wie ein erfahrener Ermittler verhält, der den Spuren nachgeht (OpenAI, 2025, S. 5).

Die großen Unternehmen verkaufen bereits eigene Agenten und Plattformen, um welche zu bauen. Was jedes davon bietet, vergleiche ich in Die KI-Agenten von OpenAI, Google, Microsoft und Anthropic. Und wenn du deine Daten lieber nicht in die Cloud schicken willst, erkläre ich in Lokale KI-Agenten, wie du sie auf deinem eigenen Rechner nutzt.

KI-Agenten vs. agentische KI

Eine weitere Quelle der Verwirrung: „KI-Agenten“ und „agentische KI“ bedeuten nicht genau dasselbe, auch wenn viele Unternehmen die Begriffe synonym verwenden. Ein wissenschaftlicher Artikel von 2025 schlägt folgende Unterscheidung vor (Sapkota et al., 2025):

  • KI-Agenten: modulare Systeme, die eine bestimmte Aufgabe automatisieren.
  • Agentische KI: umfassendere Systeme, in denen mehrere Agenten zusammenarbeiten, die Aufgabe laufend in kleinere Teile zerlegen, ein Langzeitgedächtnis behalten und ihre Autonomie koordinieren.

IBM wiederum verwendet „agentische KI“ in einem allgemeineren Sinn: eine KI, die Ziele verfolgt, indem sie plant, Entscheidungen trifft und mehrstufige Prozesse ausführt, mit unterschiedlich viel Autonomie (Downie et al., n.d.). Da die Begriffe nicht standardisiert sind, schaust du am besten darauf, was ein System tut, und nicht darauf, wie es heißt.

Wie viel Autonomie ein Agent hat

Nicht alle Agenten haben dieselbe Freiheit. Eine Gruppe von Forscherinnen schlug 2025 eine fünfstufige Skala vor, von wenig bis viel Autonomie (Mitchell et al., 2025):

  • Stufe 1, einfacher Prozessor: Das Modell hat keinen Einfluss darauf, was das Programm tut.
  • Stufe 2, Router: Das Modell wählt zwischen vorbereiteten Wegen.
  • Stufe 3, Werkzeugnutzung: Das Modell entscheidet, welches Werkzeug es mit welchen Daten nutzt.
  • Stufe 4, mehrstufiger Agent: Das Modell entscheidet, welcher Schritt als Nächstes kommt und wann es aufhört.
  • Stufe 5, vollständig autonom: Das Modell schreibt und führt eigenständig neuen Code aus, ohne vorab festgelegte Grenzen.

Ihr Fazit ist eindeutig: Je mehr Kontrolle der Nutzer an einen Agenten abgibt, desto größer sind die Risiken für Menschen (Mitchell et al., 2025).

Wenn ein Agent zu viel Freiheit hat: der Fall Hugging Face

2026 gab es ein reales Beispiel für das, was diese Skala beschreibt. KI-Agenten von OpenAI, die gerade evaluiert wurden, blieben an Aufgaben hängen, die sich nicht lösen ließen. Statt aufzugeben, begannen sie, einander Notizen zu hinterlassen, teilten Passwörter und führten schließlich Code auf 41 Produktionsservern von Hugging Face aus. Niemand hatte sie darum gebeten: Sie versuchten nur, ihre Aufgaben zu Ende zu bringen.

Ich erzähle die Geschichte Schritt für Schritt in Wie KI-Agenten ein geheimes Forum bauten und bei Hugging Face eindrangen. Es ist das beste Beispiel, das ich kenne, dafür, warum die Definition wichtig ist: Ein Agent „will“ nichts, aber er verfolgt sein Ziel mit den Werkzeugen, die er hat, und findet dabei manchmal Wege, die niemand vorhergesehen hatte.

Risiken und wer sie reguliert

IBM nennt konkrete Risiken: Ein Agent kann dasselbe Werkzeug immer wieder aufrufen und in einer Endlosschleife hängen bleiben, und mehrere Agenten, die auf demselben Modell aufbauen, können wegen derselben Schwachstelle gleichzeitig ausfallen (Gutowska, n.d.).

Hinzu kommt, dass wir wenig darüber wissen, wie sie getestet werden. Eine Studie aus dem Jahr 2026 untersuchte 30 bereits eingesetzte Agenten und kam zu dem Schluss, dass die meisten Unternehmen nur sehr wenig über deren Sicherheit, Evaluierungen und gesellschaftliche Auswirkungen preisgeben (Staufer et al., 2026).

Die Regulierungsbehörden haben sich bereits in Bewegung gesetzt. Im Februar 2026 startete das NIST eine Standardisierungsinitiative für KI-Agenten mit drei Schwerpunkten: von der Industrie getragene Standards, offene Protokolle und Forschung zur Identität und Sicherheit von Agenten (NIST, 2026a, 2026b).

Häufige Fragen

Ist ChatGPT ein KI-Agent?
Nach OpenAIs eigener Definition ist ein Chatbot, der einzelne Fragen beantwortet, kein Agent (OpenAI, 2025, S. 4). Zu einem wird er erst, wenn das Modell eine mehrstufige Aufgabe steuert und Werkzeuge nutzt, um sie zu erledigen.
Welche sind die 4 großen KI-Agenten?
Die vier Unternehmen mit dem breitesten Angebot an Agenten sind OpenAI, Google, Microsoft und Anthropic. Was jedes davon bietet, erkläre ich in Die KI-Agenten von OpenAI, Google, Microsoft und Anthropic im Vergleich.
Welche 5 Arten von KI-Agenten gibt es?
Einfacher Reflexagent, modellbasierter Reflexagent, zielbasierter Agent, nutzenbasierter Agent und lernender Agent (Stryker, n.d.).
Was sind Beispiele für KI-Agenten?
Ein Programmier-Agent wie Claude Code, der den Code eines Projekts liest, Dateien bearbeitet und Befehle ausführt (Anthropic, n.d.). Ein klassisches Beispiel ohne Sprachmodell ist ein Thermostat (Gutowska, n.d.).
Was ist der Unterschied zwischen KI-Agenten und agentischer KI?
„KI-Agenten“ bezeichnet meist Systeme, die eine bestimmte Aufgabe automatisieren, während „agentische KI“ umfassendere Systeme beschreibt, in denen mehrere Agenten zusammenarbeiten, sich die Arbeit aufteilen und über ein dauerhaftes Gedächtnis verfügen (Sapkota et al., 2025).
Sind KI-Agenten sicher?
Das hängt davon ab, wie viel Freiheit sie haben, denn das Risiko wächst mit der Autonomie (Mitchell et al., 2025). Außerdem veröffentlichen die meisten Unternehmen nur wenige Informationen über die Sicherheit ihrer Agenten (Staufer et al., 2026).

Weiterlesen

Literaturverzeichnis