Agentic AI: Was KI-Agenten können

Ein Chatbot verhält sich zu einem KI-Agenten wie ein Taschenrechner zu einem Buchhalter.

Klassischer Chatbot (2023):
"Schreibe mir eine E-Mail an den Kunden"
→ Der Chatbot gibt Text zurück
→ Sie kopieren den Text
→ Sie öffnen Ihr E-Mail-Programm
→ Sie fügen den Text ein
→ Sie klicken auf Senden

Agentic AI (2026):
"Kontaktiere alle Kunden, die seit 30 Tagen nicht bestellt haben, mit einem personalisierten Angebot"
→ Der Agent analysiert die Kundendatenbank
→ Der Agent segmentiert nach Kaufhistorie
→ Der Agent schreibt personalisierte Texte pro Segment
→ Der Agent sendet über die CRM-Anbindung
→ Der Agent verfolgt Öffnungen und Antworten
→ Der Agent berichtet die Ergebnisse

Der entscheidende Unterschied: Ein Agent hat Zugriff auf Werkzeuge. Er führt Aktionen selbst aus. Damit automatisiert er ganze Arbeitsabläufe statt nur Text zu erzeugen.

Ein KI-Agent besteht aus vier Komponenten.

1. Das Sprachmodell (Gehirn)
Claude, GPT-4 oder Gemini übernehmen das Denken. Das Modell versteht Aufgaben. Es plant Schritte und interpretiert Ergebnisse.

2. Werkzeuge (Hände)
Der Agent ruft APIs und Funktionen auf:

• Datenbankabfragen
• API-Aufrufe
• Dateioperationen
• E-Mails senden
• Termine buchen
• Kontext der Unterhaltung

3. Gedächtnis
Der Agent nutzt ein Kurz- und ein Langzeitgedächtnis:

• Frühere Entscheidungen
• Gelernte Vorlieben
• Welcher Schritt kommt als Nächstes?

4. Orchestrierung
Eine Steuerlogik beantwortet vier Fragen:

• Welches Werkzeug passt?
• Wann ist die Aufgabe erledigt?
• Was passiert bei Fehlern?

Ein vereinfachter Ablauf:

User: "Buche mir einen Termin mit Max nächste Woche"

Agent denkt: Ich brauche
1. Max's Kalender-Verfügbarkeit
2. User's Kalender-Verfügbarkeit
3. Gemeinsamen freien Slot
4. Termin erstellen

Agent führt aus:
→ Tool: calendar.get_availability("max@company.com")
→ Tool: calendar.get_availability("user@company.com")
→ Analyse: Dienstag 14:00 passt beiden
→ Tool: calendar.create_event(...)

Agent: "Ich habe den Termin mit Max für Dienstag 14:00 eingetragen."

Unternehmen setzen Agentic AI heute in vier Bereichen ein.

1. Kundenservice
Der Agent greift zu auf:

• Wissensdatenbank
• CRM-System
• Ticketsystem
• E-Mail
• Fragen beantworten

Der Agent erledigt selbstständig:

• Tickets anlegen und aktualisieren
• Nachfassmails senden
• Fälle an Menschen übergeben
• CRM

2. Vertrieb
Der Agent greift zu auf:

• E-Mail
• Kalender
• Produktdatenbank
• Leads qualifizieren

Der Agent erledigt selbstständig:

• Nachfassmails senden
• Termine buchen
• Angebote erstellen
• HR-Systeme

3. Interne Prozesse
Der Agent greift zu auf:

• Finanzwerkzeuge
• Dokumentenablage
• Urlaubsanträge bearbeiten

Der Agent erledigt selbstständig:

• Reisekostenabrechnungen prüfen
• Onboarding-Unterlagen zusammenstellen
• Git-Repository

4. Entwicklung
Der Agent greift zu auf:

• CI/CD-Pipeline
• Ticketsystem
• Features implementieren

Der Agent erledigt selbstständig:

• Tests schreiben
• Pull Requests erstellen
• Bugs beheben

Agentic AI hat große Wirkung. Deshalb braucht sie klare Regeln.

Risiko 1: Halluzinationen
Der Agent erfindet Daten. Oder er tut Dinge, die er nicht tun soll.

Lösung:

• Strikte Definitionen der Werkzeuge
• Prüfung aller Ergebnisse
• Ein Mensch gibt kritische Aktionen frei

Risiko 2: Fehlinterpretation
Der Agent versteht die Aufgabe falsch. Dann führt er ungewollte Aktionen aus.

Lösung:

• Grenzen ausdrücklich festlegen
• Bestätigung vor zerstörenden Aktionen
• Klare Rollen definieren

Risiko 3: Sicherheit
Der Agent hat Zugriff auf sensible Systeme.

Lösung:

• Nur die nötigen Berechtigungen vergeben
• Alle Aktionen im Audit-Log festhalten
• Rate-Limiting
• Auffälligkeiten automatisch erkennen

Risiko 4: Kosten
Unkontrollierte API-Aufrufe werden teuer.

Lösung:

• Budgetgrenzen
• Monitoring
• Caching, wo es möglich ist

Empfehlung: Klein anfangen
Beginnen Sie mit Aufgaben mit geringem Risiko. Erweitern Sie den Agenten dann schrittweise. Ein Agent, der E-Mails nur entwirft, birgt weniger Risiko als ein Agent, der sie versendet.

Sie wollen einen Agenten für Ihr Unternehmen? Drei Wege stehen Ihnen offen:

Option 1: No-Code-Plattformen

• Zapier mit ChatGPT
• Make.com mit KI-Anbindung
• Levity

Geeignet für: einfache Abläufe und schnelle Prototypen
Ungeeignet für: komplexe Logik und individuelle Anbindungen

Option 2: Agent-Frameworks

• LangChain (Python/JS)
• CrewAI (Python)
• AutoGen (Microsoft)

Geeignet für: flexible Agenten und eigene Werkzeuge
Ungeeignet für: Teams ohne Entwickler

Option 3: Individuelle Entwicklung
Eine eigene Orchestrierung auf Basis von LLM-APIs

Geeignet für: volle Kontrolle und spezielle Anforderungen
Ungeeignet für: knappe Budgets, denn der Aufwand für Sonderfälle ist hoch

Unser Ansatz bei datadice:
Wir starten meist mit einem Framework wie LangChain oder CrewAI. Für die konkreten Anbindungen bauen wir eigene Werkzeuge. So bleiben wir flexibel. Gleichzeitig müssen wir nicht alles neu bauen.

Der Aufwand:
Der Aufwand hängt von der Zahl der Aufgaben und Werkzeuge ab. Ein Agent für eine Aufgabe mit zwei bis drei Werkzeugen ist überschaubar. Autonome Abläufe mit vielen Anbindungen brauchen deutlich mehr Zeit. Den Rahmen klären wir im Erstgespräch.

Agentic AI steht noch am Anfang. Für die nächsten Jahre erwarten wir vier Entwicklungen.

Multi-Agent-Systeme
Mehrere Agenten arbeiten als Team zusammen. Ein Agent recherchiert, einer schreibt, einer prüft. Sie stimmen sich selbstständig ab.

Längere Autonomie
Heute brauchen Agenten oft Kontrollpunkte durch Menschen. Künftig bearbeiten sie längere Aufgaben selbstständig. Dabei helfen bessere Fehlerbehandlung und Selbstkorrektur.

Bessere Integration
Werkzeuge für Agenten bekommen standardisierte Schnittstellen. Viele SaaS-Anwendungen bieten dann Schnittstellen für Agenten an. Das Prinzip ähnelt OAuth bei der Anmeldung.

Spezialisierte Agenten
Branchenspezifische Agenten lösen allgemeine Agenten ab. Ein Agent spezialisiert sich auf Recht, einer auf Finanzen, einer auf das Gesundheitswesen.

Die große Frage:
Wie viel Autonomie geben wir Agenten? Die Technik wächst schneller als die Regeln für Governance und Kontrolle. Diese Lücke zu schließen ist die zentrale Aufgabe der nächsten Jahre.

Unsere Einschätzung:
Größere Unternehmen werden Agenten für wiederkehrende Abläufe nutzen. Entscheidend ist dann die Qualität der Umsetzung.