Einführung in Agentic AI und AI Agents

Künstliche Intelligenz hat in den letzten Jahren große Sprünge gemacht. Nach dem Hype um Generative KI steht jetzt die nächste Evolution bevor: AI Agents (z. Dt. KI-Agenten), oder auch Agentic AI genannt (in diesem Beitrag verwenden wir die Begriffe synonym). Im Gegensatz zu aktuellen KI-Systemen, die lediglich Befehle und Fragen beantwortet, arbeitet Agentic AI dynamischer. Sie reagiert nicht nur auf Befehle und Prompts mit einer Antwort – sie passt sich an, und kann echte Handlungen ausführen wie z. B. E-Mails verschicken, Meetings einstellen, Computer bedienen und Softwarecode ausführen. Diese Entwicklung eröffnet neue Möglichkeiten, z. B. für Unternehmen proaktive, personalisierte Services im großen Maßstab zu bieten, die quasi ganz von selbst laufen und Kosten einsparen (z. B. Verhandlungs-Agenten im Einkauf) oder Services und Produkte optimieren (z. B. Kundenservice-Agenten).

Aber was genau sind AI Agents? Dieser Blogbeitrag taucht ein in die Ursprünge, Entwicklung und Beispiele, um zu verstehen, warum Organisationen so stark in sie investieren und wie Institutionen diese innovative Technologie nutzen können. Er zeigt auf, wie genau sie sich von den bisherigen KI-Systemen unterscheiden und welche transformative Wirkung sie in verschiedenen Branchen haben. Außerdem beleuchtet der Beitrag, wo aktuell die Grenzen von KI-Agenten liegen, und gibt Best-Practice-Empfehlungen, damit umzugehen.

Darüber hinaus bieten wir einen Überblick über die verschiedenen Bezeichnungen und Terminologien, die zur Beschreibung von AI Agents, Agentic AI bzw. agentischer KI, KI-Assistenten und mehr verwendet werden. Unser Ziel ist es, diese Begriffe zu klären und ein umfassendes Verständnis dieser fortschreitenden Technologie zu vermitteln. Denn wir erleben derzeit die frühen Iterationen von Agentic AI in Tools wie ChatGPT und Task-Automatisierungssoftware. Und obwohl diese Systeme noch nicht über universelle Fähigkeiten verfügen, kündigen sie eine Zukunft an, in der Agentic AI in unserem Alltag eine immer größere Rolle spielen wird. Apple Intelligence, zum Beispiel, steht zwar gerade noch am Anfang (Stand: Dezember 2024), wird aber schon bald die Power von Agentic AI ausschöpfen, um Smartphones und andere Endgeräte komplett durch Sprachsteuerung zu steuern.

Was ist ein AI Agent?

Ein AI-Agent ist wie ein fortgeschrittener Chatbot, der auf großen Sprachmodellen basiert. Im Gegensatz zu einem normalen Chatbot plant er die Lösung von Aufgaben durch einen internen “Monolog”, in dem er mit sich selbst kommuniziert und sich selbst “kritisiert”. Dies führt dazu, dass er mehr Anfragen an das Sprachmodell stellt, ohne dass der Mensch es bemerkt. Dadurch ist der Agent in der Lage, eigenständig mit seiner Umgebung zu interagieren, Daten zu sammeln und Aufgaben mit minimalem menschlichem Eingriff auszuführen. KI-Agenten können Werkzeuge nutzen und im Hintergrund alltägliche Aufgaben erledigen, wie das Analysieren von Rechnungen und das Extrahieren von Daten, während sie sich an neue Informationen und dynamische Umgebungen anpassen.

Agentic AI existiert in zwei Formen: Software-Agenten und Embodied Agents (verkörperte Agenten bzw. vereinfacht gesagt: Roboter). Beide Formen basieren auf den Fortschritten der großen Sprachmodelle (LLM), die es möglich machen, dass Systeme komplexe Aufgaben autonom ausführen. Während Software-Agenten Aufgaben wie Büroarbeit auf digitalen Plattformen automatisieren, erwecken Embodied Agents KI in 3D-Umgebungen und der Robotik zum Leben. Sie können z. B. das Gaming-Erlebnis noch realistischer machen (Virtual & Augmented Reality), ganze Jobs übernehmen (siehe z. B. https://www.figure.ai/, deren humanoide Roboter bei BMW im Karosseriebau “arbeiten”) oder als denkende, lernende und interagierende Humanoide die Arbeitswelt komplett revolutionieren.

Wie funktioniert ein AI Agent?
‍
Wahrnehmen & Informationsbeschaffung:
AI Agents verarbeiten Daten aus verschiedenen Quellen, wie Sensoren Datenbanken und dem Internet, um bedeutungsvolle Merkmale zu extrahieren und relevante Informationen zur Ausführung geplanter Aufgaben zu beschaffen. Das Besondere dabei: Sie können selbst entscheiden, welche Tools sie für welche Aufgabe benötigen. Genau wie ein neuer Mitarbeiter Zugänge zur internen Unternehmenssoftware benötigt, um produktiv zu arbeiten, braucht auch ein AI Agent Zugänge zu den relevanten Schnittstellen. Und genau so, wie man einer neuen Mitarbeiterin die Intranetseiten für das HR-Tool und all die anderen Softwares zeigen würde mit dem Hinweis: “Lies es dir in Ruhe durch und melde dich bei Fragen”, gibt man auch dem AI Agent die Dokumente einfach zum “Durchlesen”.
‍
Planung, Zielsetzung, Handlung:
Der AI Agent erhält ein definiertes Ziel, plant die notwendigen Aufgaben, um das Ergebnis relevant und nützlich zu machen, und teilt das Ziel in ausführbare Teilaufgaben auf. Das bedeutet konkret: Ein Sprachmodell koordiniert verschiedene Tools, die Lösungen generieren und Aufgaben basierend auf den Plänen autonom ausführen. Schutzmaßnahmen stellen sicher, dass Aufgaben korrekt durchgeführt werden.
‍
Lernen & Adaption:
Der kontinuierliche Feedback-Loop ermöglicht es dem KI-Agenten, aus den Daten, die aus Interaktionen gewonnen werden, zu lernen. Dies führt zu einer verbesserten Problemlösungsfähigkeit, einer höheren Genauigkeit bei der Entscheidungsfindung und einer gesteigerten Effizienz bei der Ausführung von Aufgaben.

Ein wesentliches Merkmal von Agentic AI ist die Nutzung von Feedback-Mechanismen, wie der Interaktion mit anderen AI Agents und menschlichen Eingriffen („human in the loop“, HITL). Diese Mechanismen sorgen für eine iterative Optimierung des AI Agents, weil sich durch Kommunikation, also konstruktiver Kritik und Expertenmeinungen anpassen und verbessern können – wie bei uns Menschen. In diesem Sinne agieren KI-Agenten wie rationale Wesen. Sie ermitteln den effektivsten Weg zur Erreichung eines festgelegten Ziels, indem sie alles, was ihnen zur Verfügung steht (Daten, Menschen, Software etc.) als Tool benutzen. Dabei kann es auch vorkommen, dass ein AI Agents sich an einen Menschen wendet, wenn er eine bestimmte Information benötigt, um eine neue Handlung auszulösen. Auch ist es möglich, dass ein AI Agents eine Aufgabe an einen Menschen zurückdelegiert, wenn er sie nicht selbstständig ausführen kann. Das heißt, die Autonomie von Agentic AI äußert sich in ihrer Fähigkeit, mit der Umwelt zu interagieren, also durch den Einsatz ihrer Sensoren und Aktuatoren zu denken, zu planen und Aktionen auszuführen. Damit AI Agents nicht, wie in manchen Hollywood-Produktionen suggeriert, beginnen, sich den Instruktionen zu widersetzen und ein Eigenleben zu führen, sind AI Safety und AI Alignment entscheidend. Viele Unternehmen und Wissenschaftler:innen pochen darauf, dass OpenAI und Co. Sicherheit und Alignment bei der Entwicklung mitdenken.

Vielmehr ist Agentic AI darauf ausgelegt, sich an die Erwartungen der Benutzer:innen anzupassen und personalisierte Erlebnisse sowie umfassende Antworten und Handlungen zu bieten. Sie kann komplexe Aufgaben erledigen, indem sie diese eigenständig in Unteraufgaben aufteilt, diese verwaltet uns bei Bedarf selbst korrigiert und aktualisiert. Im Gegensatz zu nicht-agentischen Chatbots demonstriert Agentic AI ein hohes Maß an Anpassungsfähigkeit, indem sie ihre Werkzeuge bewertet und verfügbare Ressourcen effektiv nutzt, um Informationslücken zu überbrücken.

Überblick über die Terminologien

Rund um das Thema AI Agents schwirren verschiedene Begriffe durch den öffentlichen Diskurs. Das Konzept Agentic AI hat seinen Ursprung im psychologischen Prinzip der Handlungsfähigkeit. Der Psychologe Albert Bandura rückte die menschliche Handlungsfähigkeit ins Rampenlicht, indem er untersuchte, wie Individuen ihre Handlungen bewusst gestalten und ihre Umwelt beeinflussen können. Diese Forschung legte die Grundlage für die Entwicklung von KI-Systemen, die diese menschenähnlichen Fähigkeiten nachahmen sollen. Mit Agentic AI verfügen wir nun erstmals über eine Technologie, die in der Lage ist, zu denken, zu lernen und zu handeln. Sie kann proaktive Schritte unternehmen, um komplexe, mehrstufige Aufgaben zu bewältigen, und sich kontinuierlich durch Erfahrung verbessern. Dies unterscheidet sich fundamental von herkömmlichen KI-Systemen und KI-Assistenten.

• AI Agents / Agentic AI: Autonome, lernende Systeme, die in der Lage sind, Aufgaben unabhängig durch Wahrnehmung der Umwelt, Denken und Handeln zu erfüllen, um spezifische Ziele zu erreichen. Verwandte Begriffe, die (mehr oder weniger) einen Teilaspekt davon erfassen, sind:

• Autonome Agenten: Agenten, die unabhängig, ohne menschliches Eingreifen, agieren und Entscheidungen basierend auf ihren Wahrnehmungen und Zielen treffen können.  

• Virtuelle Agenten: Softwarebasierte Agenten, die in virtuellen Umgebungen wie Videospielen oder Online-Plattformen existieren, um Aufgaben zu erfüllen oder mit Benutzer:innen zu interagieren.  

• Embodied AI: KI-Systeme, die eine physische Präsenz haben und ihre Umwelt durch Sensoren wahrnehmen und durch Aktuatoren darauf reagieren bzw. mit ihr interagieren, wie z.B. Roboter.  

• KI-Zusammenarbeit & -Co-Working / Mensch-KI-Kollaboration: Diese Begriffe beschreiben die kollaborative Integration von KI-Lösungen mit menschlichen Teams zur Verbesserung von Kreativität, Produktivität und Problemlösungsfähigkeiten. Ziel ist hier, eine symbiotische Beziehung herzustellen, in der KI-Systeme und Menschen zusammenarbeiten und gegenseitig ihre Stärken nutzen, um überlegene Ergebnisse zu erzielen. Diese Zusammenarbeit kann mit KI-Agenten stattfinden (z. B. cursor.ai), sie kann aber auch mit (derzeit) nicht-agentischen KI-Tools wie ChatGPT erfolgen.

• KI-Assistent: Virtuelle Werkzeuge, die entwickelt wurden, um Nutzer:innen bei der Durchführung spezifischer Aufgaben zu unterstützen, oft unter Verwendung von natürlicher Sprachverarbeitung für die Interaktion. Wenn von KI-Assistenten die Rede ist, handelt und entscheidet federführend der Mensch; die KI bleibt ein Werkzeug ohne bzw. mit begrenzter Autonomie.

Die 3 Komponenten eines AI Agents  

Architektur:
Die Architektur bildet die Grundlage, von der aus der Agent arbeitet. Sie kann eine physische Struktur, ein Softwareprogramm oder eine Kombination davon sein. Zum Beispiel besteht ein robotischer AI Agents aus Aktuatoren, Sensoren, Motoren und Roboterarmen. Während eine Architektur, die einen KI-Software-Agenten hostet, einen Text-Prompt, API, LLMs und Datenbanken verwendet, um autonome Operationen zu ermöglichen.

Agentenfunktion:
Die Agentenfunktion beschreibt, wie die gesammelten Daten in Aktionen übersetzt werden, die das Ziel des Agenten unterstützen. Bei der Gestaltung der Agentenfunktion berücksichtigen Entwickler:innen den Informationstyp, die KI-Fähigkeiten, die Wissensbasis, den Feedback-Mechanismus und andere erforderliche Technologien. Hierzu ist es neben der Bereitstellung von Zugängen lediglich notwendig den Agenten mit nötigen Dokumentationen auszustatten wie Werkzeuge verwendet werden können.

Agentenprogramm:
Ein Agentenprogramm implementiert die Agentenfunktion. Es umfasst die Entwicklung, das Training und den Einsatz des AI Agents auf der spezifizierten Architektur. Das Agentenprogramm stimmt die Handlungslogik, die technischen Anforderungen und die Leistungselemente des Agenten ab. Kurz um hier wird der Agent spezifiziert und mit den nötigen Agentenfunktionen ausgestattet.

Herausforderungen und Best Practices im Umgang mit Agentic AI

Die Entwicklung und Nutzung von AI Agents bringen spezifische Herausforderungen mit sich, die von Datenschutz bis zu technischen Limitationen reichen. Um diesen Herausforderungen zu begegnen, sind bestimmte Best Practices empfehlenswert.

‍

Generell gilt: Eine schrittweise Implementierung von AI Agents ist empfehlenswert, beginnend mit Pilotprojekten in kontrollierten Umgebungen, um die Integration zu testen, bevor sie umfassend eingesetzt wird. Ein robustes Monitoring sollte eingerichtet werden, um die Entscheidungen der KI-Systeme kontinuierlich zu überwachen und so Transparenz und Verantwortlichkeit zu gewährleisten. Eine mehrschichtige Sicherheitsstrategie ist entscheidend, um Agentic-AI-Systeme vor potenziellen Bedrohungen zu schützen. Diese Strategie sollte traditionelle Cybersicherheitsmaßnahmen sowie spezielle Schutzvorkehrungen für KI umfassen, wie richtlinienbasierte Zugangskontrollen, Inhaltsüberwachung und Echtzeit-Warnungen bei verdächtigen Aktivitäten. Die Zusammenarbeit mit KI- und Cybersicherheitsexperten ist ebenfalls wichtig, um Integrationsstrategien zu entwickeln und zu verfeinern. Dabei sollten Best Practices eingehalten und ein Governance-Rahmen geschaffen werden.

Vorteile gegenüber anderen KI-Systemen

AI Agents besitzen ein enormes Potenzial, das bereits bedeutende Veränderungen in verschiedenen Sektoren durch Automatisierung und verbesserte Entscheidungsfindung bewirkt. Branchenübergreifend transformieren sie Organisationen, indem sie große Datenmengen in umsetzbares Wissen umwandeln und die Effizienz der Mitarbeiter steigern. Laut McKinsey könnte generative KI bis zu 70 % der weltweiten Arbeitsstunden automatisieren und Unternehmensgewinne um 2,6 bis 4,4 Billionen Dollar jährlich steigern. Dieser Wandel erlaubt es menschlichen Arbeitskräften, sich auf strategischere Aufgaben zu konzentrieren und die Produktivität zu erhöhen.

• Produktivitäts- und Effizienzsteigerung: Agentic AI automatisiert repetitive und komplexe Aufgaben, was menschliche Arbeitskräfte entlastet, Fehler minimiert und Betriebskosten reduziert. Durch die Fähigkeit, große Datenmengen schnell zu verarbeiten und Entscheidungen schneller als menschliche Kollegen zu treffen, werden erhebliche Zeitersparnisse und eine gesteigerte betriebliche Effizienz erzielt.

• Skalierbarkeit: Die Systeme können zahlreiche Aufgaben gleichzeitig bewältigen, was sie ideal für die Skalierung von Operationen macht, ohne den Bedarf an zusätzlichen menschlichen Ressourcen zu erhöhen.

• Verbesserte Entscheidungsfindung und Leistung: Mit maschinellem Lernen und Echtzeit-Datenverarbeitung bieten AI Agents fundierte Analysen und umsetzbare Erkenntnisse. Multi-Agenten-Frameworks fördern die Zusammenarbeit und den Wissensaustausch, was die Entscheidungsfindung und die Gesamtleistung verbessert.

• Personalisierte Interaktionen und qualitativ hochwertige Antworten: Durch Echtzeit-Datenanalyse schafft Agentic AI maßgeschneiderte Kundenerlebnisse und liefert genaue, qualitativ hochwertige Antworten, die das Kundenerlebnis und die Zufriedenheit verbessern.

• Anpassungsfähigkeit: Agentic AI kann sich an sich ändernde Bedingungen anpassen und aus neuen Daten lernen, was eine kontinuierliche Verbesserung und Relevanz in sich entwickelnden Szenarien sicherstellt.

• Proaktive Sicherheit: Im Bereich der Cybersicherheit kann Agentic AI Bedrohungen proaktiv identifizieren und abschwächen, was die Reaktionszeiten verkürzt und potenzielle Schäden minimiert.

‍Auswirkungen auf verschiedene Branchen

AI Agents werden aufgrund ihrer Fähigkeiten, Aufgaben effizient zu automatisieren und personalisierte Dienstleistungen anzubieten, nahezu alle Branchen und Industrien massiv beeinflussen. Laut LangChains State of AI Agents Report nimmt die Einführung von AI Agents in allen Branchen zu: 51 % der Befragten (über 1.300 Fachkräfte von Ingenieur:innen und Produktmanager:innen bis hin zu Geschäftsführer:innen und Führungskräften) nutzen sie bereits, 78 % planen, sie bald zu implementieren. Was die Art der Aufgaben betrifft, werden AI Agents hauptsächlich für Research und Zusammenfassungen (58 %), persönliche Produktivität (53,5 %) und Kundenservice (45,8 %) eingesetzt.

Hinderlich bei der Einführung sind Schwierigkeiten für Entwickler:innen, die Fähigkeiten und Verhaltensweisen von Agents verschiedenen Stakeholdern im Unternehmen zu erklären. Komplexe KI-Systeme sind Blackboxen und ihre Handlungen nicht immer erklärbar. Deshalb gehen Unternehmen vorsichtig vor und stellen sicher, dass robuste Kontrollen vorhanden sind, um das Verhalten von Agents effektiv zu regulieren. Doch schon heute liefern AI Agents in einigen Branchen bedeutende Vorteile:

Im Kundendienst bearbeiten sie automatisch Anfragen, bieten sofortige Lösungen und personalisierte Empfehlungen, was das Gesamterlebnis verbessert und eine 24/7-Unterstützung ermöglicht. Einzelhändler nutzen AI Agents für personalisierte Einkaufserlebnisse und zur Optimierung von Inventar und Logistik. Besonders hervorzuheben ist das Interesse an „Digital Humans“, die Marken verkörpern und bei hohem Anrufaufkommen lebensechte Interaktionen bieten.

Im Gesundheitswesen unterstützen AI Agents die Echtzeit-Überwachung von Patienten, liefern kritische Daten bei chirurgischen Eingriffen, planen Behandlungen und verteilen Ressourcen effizient, was die Patientenversorgung und betriebliche Effizienz steigert.

In der Finanzbranche optimieren AI Agents Handels-, Betrugserkennungs-, Kreditinkasso- und Risikomanagementprozesse, wodurch Finanzdienstleistungen schneller und genauer werden. Sie fungieren auch als virtuelle Finanzberater, die individuelle Anlagevorschläge basierend auf der finanziellen Historie und den Zielen eines Kunden bieten. Zudem erkennen sie eigenständig Cross-Selling- und Upselling-Möglichkeiten, antizipieren Kundenbedürfnisse und bieten proaktiv relevante Informationen. Ihre Fähigkeit zur autonomen Betrugserkennung ermöglicht es ihnen, Transaktionsmuster zu analysieren, verdächtiges Verhalten zu kennzeichnen und sofort zu reagieren.

Im Transport verbessern AI Agents Verkehrsmanagementsysteme und optimieren Routen für autonome Fahrzeuge, was zu sichereren und effizienteren Verkehrsnetzen führt.

In der Cybersicherheit können AI Agents zur automatisierten Bedrohungserkennung und -reaktion eingesetzt werden, indem sie Bedrohungen in Echtzeit identifiziert und darauf reagiert. Beispielsweise kann ein KI-gesteuertes Sicherheitssystem ungewöhnliche Netzwerkaktivitäten erkennen und betroffene Geräte autonom isolieren, um Sicherheitsvorfälle zu verhindern, ohne dass menschliches Eingreifen erforderlich ist. Zudem kann Agentic AI zur Netzwerkoptimierung eingesetzt werden, indem sie den Netzwerkverkehr effizient verwaltet und sicherstellt, dass kritische Anwendungen die benötigten Ressourcen erhalten, während sie gleichzeitig Engpässe und potenzielle Sicherheitsrisiken minimiert.

‍Beispiele für AI Agents

Spezialisierte Softwareagenten

Allgemeine Agentenarchitekturen

Fazit & Ausblick

Agentic AI hat das Potenzial, nicht nur Effizienzgewinne zu realisieren, sondern auch die Arbeitsweise von Unternehmen grundlegend zu verändern. Mitarbeitende können sich auf strategische Aufgaben konzentrieren, während repetitive Tätigkeiten von KI übernommen werden. AI Agents arbeiten autonom und sind hochgradig lernfähig. Dadurch können sie komplexe Aufgaben selbstständig ausführen und sich flexibel an neue Informationen anpassen. Diese Entwicklung markiert den nächsten großen Schritt hin zu einer vollautomatisierten und intelligenten Unternehmenswelt.

In der Zukunft könnten daraus spezialisierte AI Agents entstehen, die auf branchenspezifische Bedürfnisse eingehen und in Multi-Agenten-Systemen zusammenarbeiten, ähnlich wie menschliche Teams. Außerdem könnte AI as a Service (AIAaaS) Unternehmen den Zugang zu fortschrittlicher KI erleichtern.

Wohin die Reise geht, wird maßgeblich von den großen Playern im Silicon Valley abhängen. Aber Unternehmen können jetzt schon tätig werden, Strategien zur Implementierung entwickeln, ihre Mitarbeitenden schulen und Prototypen entwickeln.  

Wie man strategisch von rigiden RPA Prozesse KI-Agenten nutzbar macht über Workshops für Führungskräfte und Entwickler:innen bis hin zu eigenen AI Agent Prototypes bietet statworx ein umfassendes Gesamtangebot für Unternehmen.