Was ist ein KI-Agent?

Ein KI-Agent ist ein Sprachmodell, das eine Aufgabe mit Werkzeugen abarbeitet, bis sie erledigt ist. Er liest die Eingabe, wählt einen Schritt, ruft ein Werkzeug auf und sieht sich das Ergebnis an. Danach wählt er den nächsten Schritt. Ein Agent kann zum Beispiel eine Auftragsbestätigung aus einer E-Mail lesen und das Lieferdatum in den Kundendatensatz eines CRM eintragen.

Was einen KI-Agenten von einem Chatbot und einem LLM unterscheidet

Ein Sprachmodell (LLM) erzeugt Text aus Text. Ein Chatbot setzt dieses Modell hinter ein Chatfenster und beantwortet Fragen. Ein Agent nutzt dasselbe Modell und handelt in anderen Systemen.

Anthropic zieht in seinem Leitfaden Building effective agents eine zweite Grenze. Bei einem Workflow legt Code den Ablauf fest, und das Modell erledigt einzelne Schritte. Bei einem Agenten bestimmt das Modell seine Schritte und den Einsatz der Werkzeuge selbst.

Was ein KI-Agent kann und wann ein Skript genügt

Ein Agent ist dort nützlich, wo die Eingaben wechseln: bei E-Mails in freiem Text, bei Scans, bei PDFs in unterschiedlichen Layouts. Das sind Aufgaben, bei denen heute ein Mensch liest und entscheidet.

Viele Routineaufgaben brauchen keine KI. Ein Skript passt, wenn das Format gleich bleibt. Ein Workflow-Werkzeug passt, wenn ein fester Ablauf über mehrere Systeme läuft. Bevor sich ein Unternehmen entscheidet, vergleiche ich die drei Möglichkeiten nach Eingabe, Regel, Kosten pro Lauf und typischem Fehler.

Wie ein KI-Agent funktioniert

Ein Agent erreicht ein System über eine Schnittstelle, einen Export oder eine Datenbank, die er lesen darf. Das Model Context Protocol (MCP) ist ein offener Standard für diesen Zugriff. Ein MCP-Server gibt einem Agenten Zugriff auf eines Ihrer Systeme, mit den Rechten, die Sie ihm einräumen.

Um das Modell herum läuft ein Programm, der Agent Harness. Es übergibt dem Modell die Aufgabe, führt die Werkzeuge aus, die das Modell aufruft, und lädt die Regeldateien. Claude und Codex haben je einen eigenen Harness und lesen ihre Anweisungen aus verschiedenen Dateien.

Was Sie entscheiden, bevor ein Agent eine Aufgabe übernimmt

An eine schriftliche Regel hält sich ein Agent meistens. Ein festes Programm bricht bei einem unbekannten Format ab. Ein Agent arbeitet mit einer falschen Lesart weiter. Eine schriftliche Regel allein bindet ihn deshalb nicht. Vier Grenzen leisten das:

• Rechte im System. Die Datenbankrolle des Agenten darf lesen, aber nicht schreiben. Seine Schlüssel gehören zum Testsystem.
• Zuerst ein Testsystem. Der Agent erledigt die Aufgabe dort, während Ihre Mitarbeiter sie wie bisher erledigen.
• Eine Bestätigung vor einer Änderung an Live-Daten. Ein Mensch gibt sie außerhalb des Chats, und sie gilt für eine Änderung.
• Ein Skript mit reinem Lesezugriff, das das Ergebnis nachmisst. Widersprechen sich Skript und Agent, gilt die Zahl des Skripts, und der Agent läuft noch einmal.

Zwei Entscheidungen bleiben bei Ihnen. Sie benennen die Person, die Änderungen an Live-Daten bestätigt. Sie legen fest, welche Systeme der Agent lesen und welche er ändern darf.

Meine Arbeit mit KI-Agenten

Ich bin IT-Experte für Datenplattformen. Seit mehr als zwanzig Jahren verbinde ich Systeme, von den Zahlungsanbindungen von Onlineshops bis zu einem bestehenden CRM. Heute baue ich Datenplattformen mit KI-Agenten schneller auf und um.

Ich helfe einem Kunden, seine Plattform mit Claude und Codex als Coding-Agenten umzubauen. In diesem Projekt arbeiten die KI-Agenten unter denselben Regeln wie Menschen. Ich habe die Grenzen an der Ressource gesetzt und die blockierenden Prüfungen geschrieben und getestet.

Für denselben Kunden richte ich Agenten mit Rollen auf einer Control Plane ein. Meine Forschung zu virtuellen Organisationen autonomer Agenten fragt, wie ein Unternehmen arbeitet, wenn die meisten seiner Mitarbeiter Software-Agenten sind. Im Claude Hacker House unterrichte ich den Bau von MCP-Servern. Agentenprojekte übernehme ich als Freelancer oder in Festanstellung.