Ein KI-Agent ist ein Softwaresystem, das eine vorgegebene Aufgabe in mehreren Schritten selbstständig bearbeitet. Es zerlegt das Ziel in Teilaufgaben, ruft dafür Werkzeuge wie Suchmaschinen oder Fachprogramme auf und überprüft seine Zwischenergebnisse. Daraus entsteht ein Verhalten, das näher an einer tätigen Mitarbeitenden liegt als an einem reinen Antwortgeber.
Der Begriff wird in Produktbeschreibungen und Fachartikeln sehr unterschiedlich verwendet. Dieser Beitrag erklärt, woraus ein KI-Agent besteht, wie er sich von einem Chatbot und von regelbasierter Automatisierung unterscheidet, welche Arten es gibt, welche Vorteile und Risiken auftreten und wie der europäische Rechtsrahmen die neuen Systeme einordnet.
Fünf Bausteine machen eine Software zum Agenten
Im Kern eines KI-Agenten steht meist ein großes Sprachmodell, das Anweisungen in natürlicher Sprache versteht und daraus Entscheidungen ableitet. Zu einem handelnden Agenten wird die Software erst durch fünf Bausteine:
Ziel: Der Agent erhält einen Auftrag mit einem erkennbaren Endzustand, etwa einen fertigen Bericht oder einen abgeschlossenen Vorgang.
Planung: Er zerlegt den Auftrag in Teilschritte und legt fest, in welcher Reihenfolge er sie angeht.
Werkzeugzugriff: Über Schnittstellen nutzt er Suchmaschinen, Datenbanken, Kalender oder Warenwirtschaftssysteme.
Handeln in Schritten: Er führt einen Schritt aus, bewertet das Ergebnis und entscheidet dann über den nächsten.
Gedächtnis: Ein Kurzzeitspeicher hält den Stand der laufenden Aufgabe fest, während ein Langzeitspeicher Wissen aus früheren Vorgängen bewahrt.
Fehlt einer dieser Bausteine, sprechen Fachleute eher von einem Assistenten oder einem Skript.
Der Begriff stammt aus der Forschung zu lernenden Maschinen
Lehrbücher zur künstlichen Intelligenz bezeichnen seit Jahrzehnten jedes System als Agenten, das seine Umgebung wahrnimmt und auf sie einwirkt, um ein Ziel zu erreichen. Ein Thermostat erfüllt diese Definition ebenso wie ein Flugbuchungs-Assistent oder ein Roboter in einer Lagerhalle.
Wie ein solches Training mit Daten aus Simulationen und Videoaufnahmen abläuft, zeigt das Beispiel lernender Industrieroboter aus der Fabrikautomatisierung. Neu ist der Umstand, dass heutige Sprachmodelle Pläne in natürlicher Sprache formulieren und auf diesem Weg flexibel auf verschiedene Werkzeuge zugreifen können. Dadurch rücken Agentenanwendungen vom Forschungslabor in Arbeitsabläufe und Geschäftsmodelle.
Auf unerwartete Zwischenergebnisse reagiert ein Agent mit einem neuen Plan
Technisch gesehen erfasst ein Agent die Ausgangslage, plant den nächsten Schritt, führt ihn mit einem Werkzeug aus und prüft das Ergebnis. Diesen Kreislauf wiederholt er, bis das Ziel erreicht ist oder er feststellt, dass er nicht weiterkommt. Erst dieser Rhythmus unterscheidet ihn von einer einzelnen Modellabfrage.
Soll ein Agent etwa für eine Arbeitsgruppe einen Besprechungstermin finden, liest er zunächst die Kalender der Beteiligten aus. Danach sucht er ein gemeinsames Zeitfenster, trägt den Termin ein und verschickt Einladungen. Taucht ein Konflikt auf, prüft er Ausweichzeiten, bevor er den Vorschlag erneut vorlegt. Jeder Schritt bleibt überprüfbar.
Ein Agent erledigt selbst, was ein Chatbot nur erklärt
Ein klassischer Chatbot reagiert auf eine Eingabe mit einer Ausgabe. Er beantwortet Fragen oder erklärt Abläufe und überlässt die Umsetzung dem Menschen. Wer eine Reise plant, bekommt zwar Hinweise, muss den Flug aber selbst buchen. Ein Agent dagegen verfolgt ein Ziel, trifft Entscheidungen über die nötigen Schritte und erledigt sie weitgehend selbst.
Dafür braucht ein Agent Zugriff auf Konten, Dateien und Programme, und jeder zusätzliche Zugriff erhöht das Risiko von Fehlern und Missbrauch. Auch die Rolle des Menschen verändert sich: Statt jedes Werkzeug selbst zu bedienen, legt er Rahmen fest, prüft Zwischenergebnisse und entscheidet, wo der Agent eigenständig weiterarbeiten darf.
Regelbasierte Automatisierung kennt nur vorher festgelegte Wege
Lange vor den KI-Agenten haben Unternehmen Abläufe mit Wenn-dann-Regeln automatisiert. Geht eine Rechnung ein, verschiebt das System sie in einen bestimmten Ordner, prüft Beträge auf Freigabegrenzen und leitet sie an eine Prüfinstanz weiter. Diese Automatisierung läuft zuverlässig, solange die Realität den vorhergesehenen Fällen entspricht.
Schwierig wird es bei Situationen, die beim Einrichten niemand vorhergesehen hat. Eine Regel greift dann nicht, und der Vorgang landet bei einem Menschen. Ein KI-Agent kann hingegen auf unerwartete Fälle reagieren, weil er den Zusammenhang eines Dokuments erfasst und bei Bedarf einen eigenen Lösungsweg entwirft. Dafür handelt er sich eine schwerer vorhersagbare Qualität ein.
KI-Agenten lassen sich nach Arbeitsweise und Selbstständigkeit einteilen
Die Fachliteratur unterscheidet Agenten nach ihrer Arbeitsweise. Einfache reaktive Agenten handeln auf feste Reize hin, ähnlich einem Thermostat, das bei Kälte einschaltet. Zielorientierte Agenten verfolgen eine konkrete Vorgabe, nutzenorientierte wägen zwischen Alternativen ab, und lernende Agenten passen ihr Verhalten im Lauf der Zeit an.
Bei aktuellen Anwendungen kommt der Grad der Selbstständigkeit hinzu. Assistierende Agenten bereiten Entscheidungen vor und warten auf eine Freigabe. Autonome Agenten führen abgegrenzte Vorgänge selbst zu Ende, etwa die Rückerstattung eines Online-Einkaufs. In Projekten mit mehreren Agenten übernimmt ein koordinierender Agent die Verteilung der Aufgaben.
In Büros, Entwicklungsabteilungen und Onlineshops sind Agenten bereits im Einsatz
Verbreitet sind KI-Agenten dort, wo Aufgaben digital vorliegen und aus wiederkehrenden Schritten bestehen. In der Softwareentwicklung schreiben und testen sie Programmteile, in der Datenanalyse bauen sie Übersichten aus Dateien und Datenbanken, in der Verwaltung legen sie Dokumente ab, erzeugen Formulare oder verfolgen Rechnungen. In Fabriken übernehmen Agenten die Steuerung mehrerer Roboter in einer Montagezelle.
Ein typisches Einsatzfeld ist der Kundenservice von Onlineshops. Viele Anfragen drehen sich dort um wenige Themen wie den Stand einer Lieferung, Rücksendungen, Reklamationen oder einen falschen Lieferschein. Ein KI-Agent kann dafür Kundendaten, Bestellstatus und Logistikdaten verknüpfen, auf dieser Grundlage antworten und direkt Rückerstattungen anstoßen.
Auf solche Fälle sind unter anderem die KI-Agenten von Chatarmin ausgelegt. Sie rufen Bestellstatus und Sendungsdaten live ab und werten auch das Foto eines beschädigten Pakets aus, um daraus eine passende Antwort und eine Erstattung abzuleiten.
Welche Vorteile bieten KI-Agenten?
Der wichtigste Vorteil liegt in der Entlastung bei Routinearbeit, die ein Agent ohne Ermüdung und zu jeder Tageszeit erledigt. Kunden erhalten auch nachts oder am Wochenende Antworten, Teams werden von sich wiederholenden Vorgängen entlastet und können sich auf anspruchsvollere Aufgaben konzentrieren.
Hinzu kommt die Fähigkeit, Informationen aus mehreren Systemen zusammenzuführen. Ein Mensch wechselt dafür oft zwischen verschiedenen Programmen, während ein Agent die Verknüpfung in einem Vorgang abbildet. Auch bei schwankendem Arbeitsanfall bleiben Reaktionszeiten gleich, weil der Agent mehrere Aufträge parallel bearbeiten kann.
Fehler, Manipulation und zu weite Zugriffsrechte sind die größten Risiken
Je mehr ein Agent selbst entscheidet, desto stärker wirken sich seine Schwächen aus.
Falsche Annahmen: Sprachmodelle können plausibel klingende, aber unzutreffende Aussagen erzeugen. Handelt ein Agent auf dieser Grundlage, wird aus einem Irrtum eine Buchung oder Löschung.
Manipulation: Bei der sogenannten Prompt Injection verstecken Angreifer Befehle in Webseiten, Dokumenten oder E-Mails, die der Agent als echte Anweisung behandelt.
Kontrollverlust: Laufen viele Schritte ohne Rückfrage ab, lässt sich schwer nachvollziehen, wie ein Ergebnis zustande kam.
Das Bundesamt für Sicherheit in der Informationstechnik rät deshalb in seinen Hinweisen zu KI-Agenten, Agenten nur die Rechte einzuräumen, die sie für ihre Aufgaben wirklich brauchen, und ihre Entscheidungen regelmäßig stichprobenartig zu überprüfen.
Wie wirksam menschliche Kontrolle ist, hängt auch davon ab, ob Menschen dazulernen können. Eine Neuauswertung von 74 Studien unter Leitung von Forschenden des Max-Planck-Instituts für Bildungsforschung zeigt, dass die Qualität des Lernens über alle Bevölkerungsgruppen hinweg abnimmt – was auch die Fähigkeit beeinflusst, KI-Werkzeuge souverän einzusetzen.
Die EU-KI-Verordnung verlangt vor allem Transparenz
Eine eigene Definition für KI-Agenten enthält die KI-Verordnung (EU) 2024/1689 nicht. Sie erfasst Agenten über die Begriffsbestimmung in Artikel 3, die ein KI-System als Software beschreibt, die auf Grundlage von Daten Entscheidungen trifft, die ihre Umgebung beeinflussen. Daraus folgt vor allem eine Transparenzpflicht: Nutzer sollen erkennen können, dass sie mit einer KI interagieren und wofür sie zuständig ist.
Strengere Auflagen sieht die Verordnung für Hochrisiko-Systeme vor, etwa in der Personalauswahl oder bei der Prüfung der Kreditwürdigkeit. Mit der Digital-Omnibus-Novelle vom November 2026 hat die EU-Kommission einige Dokumentationspflichten reduziert, Transparenz- und Kennzeichnungsregeln bleiben jedoch bestehen.
Daneben gilt die Datenschutz-Grundverordnung. Setzt ein Unternehmen den Agenten eines externen Anbieters ein, der dabei in seinem Auftrag personenbezogene Daten verarbeitet, braucht es einen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO.
Fazit: Agenten übernehmen Vorgänge, Menschen setzen den Rahmen
Ein KI-Agent verfolgt ein Ziel, plant die nötigen Schritte, nutzt dafür Werkzeuge und merkt sich, was er bereits erledigt hat. Damit schließt er Vorgänge ab, für die ein klassischer Chatbot nur Hinweise liefert und eine regelbasierte Automatisierung an ihre Grenzen stößt. Er entlastet Routinearbeit, bringt zugleich aber neue Risiken bei Zugriffsrechten, Manipulationen und Kontrolle. Der sinnvolle Einsatz hängt davon ab, wie klar sein Auftrag umrissen ist, welche Rechte er bekommt und welche menschliche Freigabe vorgeschrieben bleibt.
