In diesem Artikel bekommst du die einfachste Erklärung für KI-Agenten, die ich kenne. Wir schauen uns drei Stufen an, die aufeinander aufbauen: KI-Assistenten, KI-Workflows und KI-Agenten. Zu jeder Stufe gibt es ein Beispiel aus dem Alltag, damit du am Ende genau weißt, was ein Agent ist und wo er sich von einer Automatisierung unterscheidet.
Stufe 1: KI-Assistenten wie ChatGPT, Claude und Gemini
KI-Assistenten kennst du bereits. Sie sind super, um Texte oder Bilder zu erstellen, zu überarbeiten oder Ideen zu sammeln. Du schickst eine Eingabe, deinen Prompt, und bekommst direkt eine Ausgabe zurück.
Ein Beispiel:
Optimiere mir diese E-Mail an einen Kunden.
Fertig ist die E-Mail, freundlicher, als ich sie je schreiben könnte.
Wichtig zu wissen: Assistenten warten immer auf dich. Sie handeln nie eigenständig und haben keinen automatischen Zugriff auf deine Daten. Fragst du „Welche Termine stehen heute an?“, meldet der Assistent, dass ihm der Zugriff auf deinen Kalender fehlt.
Integrationen: Zugriff nur mit Freigabe
Fast alle KI-Assistenten bieten inzwischen Integrationen zu anderen Tools an, zum Beispiel zu Google Kalender. Die aktivierst du im entsprechenden Menü. Ohne deine Freigabe bekommt der Assistent keinen Zugriff. Wenn du Integrationen ausprobierst, achte auf drei Dinge:
- Least-Privilege-Prinzip: Gib nur die Berechtigungen frei, die wirklich nötig sind.
- Zugriff widerrufen: Du kannst eine Freigabe jederzeit wieder zurückziehen.
- Firmenaccounts: Beachte die internen Richtlinien und sprich am besten direkt mit deiner IT.
Stufe 2: KI-Workflows
In einem KI-Workflow verknüpfen wir Tools und definieren einen klaren Ablauf: Wenn X passiert, dann mach Y und danach Z. Das läuft linear, Schritt für Schritt.
Der Unterschied zu einer klassischen Automatisierung: Mit KI-Modulen kann der Workflow aus den Eingabedaten individuelle Ausgaben erzeugen. Er versteht also zum Beispiel unstrukturierten Text und macht daraus strukturierte Daten.
Beispiel: Rechnungseingang automatisieren
- Auslöser: Eine neue E-Mail landet im Postfach „Rechnungen“.
- Der PDF-Anhang, also die Rechnung, wird heruntergeladen.
- Der Text wird aus dem Dokument extrahiert.
- Ein KI-Modul liest strukturiert die Felder aus: Rechnungsnummer, Betrag, Fälligkeitsdatum, Lieferant.
- Die Daten werden in Google Sheets oder einem anderen System deiner Wahl gespeichert.
- Zum Schluss geht eine Nachricht in einen Teams- oder Slack-Channel, etwa: „Neue Rechnung, fällig in 7 Tagen“.
Beispiel: Blogartikel zu LinkedIn-Posts recyclen
Solche Workflows kannst du mit n8n bauen, einem Tool aus Deutschland. Dort setzt du KI-Workflows auf einer visuellen Oberfläche zusammen, ohne eine einzige Zeile Code zu schreiben. Wir haben n8n bei Dutzenden KMU eingeführt, und es funktioniert auch im großen Stil.
Angenommen, dein Marketingteam will aus jedem veröffentlichten Blogartikel auch einen LinkedIn-Beitrag machen:
- Auslöser: Ein neuer Artikel wird veröffentlicht. n8n hat Integrationen zu allen wichtigen CMS-Plattformen.
- Der Artikel wird ausgelesen.
- Ein KI-Modul erstellt daraus den LinkedIn-Beitrag.
- Das Ergebnis wird in der Content-Datenbank gespeichert.
Für Schritt 3 braucht die KI eine genaue Aufgabenbeschreibung, den sogenannten Rollenprompt. Darin beschreibst du die konkrete Aufgabe, Stil und Tonalität der Beiträge und ein festes Ausgabeformat.
Stufe 3: KI-Agenten
Jetzt der entscheidende Unterschied: Ein KI-Agent kann auf Basis von Daten selbst Entscheidungen treffen. Er bekommt keinen festen Ablauf, sondern ein Ziel. Um das zu erreichen, überlegt er, was zu tun ist. Das nennt man Reasoning. Dann wählt er die passenden Werkzeuge und Schritte selbst aus.
Die Bausteine eines KI-Agenten
Ein Agent besteht immer aus drei Bestandteilen:
| Baustein | Funktion |
|---|---|
| Large Language Model (LLM) | Das Gehirn: versteht, plant und formuliert |
| Speicher | Das Gedächtnis: erinnert sich an frühere Gespräche und Interaktionen |
| Werkzeuge | Die Hände: führen Aktionen aus, etwa Daten abfragen oder E-Mails senden |
Alle drei kannst du beliebig konfigurieren. Im Kern steht auch hier ein Rollenprompt mit einer genauen Ziel- und Aufgabenbeschreibung.
Beispiel: ein Support-Agent
Ein Support-Agent soll ein Postfach überwachen und eingehende Anfragen selbstständig lösen. Kann er ein Problem nicht lösen, leitet er es an eine:n Mitarbeiter:in weiter. In n8n gibt es dafür eine eigene Agenten-Komponente. Das Setup sieht so aus:
Auslöser: Eine neue E-Mail kommt ins Support-Postfach, und der Agent liest sie komplett aus.
Gehirn: Als Sprachmodell kannst du aus allen bekannten Anbietern wählen, etwa OpenAI oder Anthropic.
Gedächtnis: Der Agent bekommt Zugriff auf eine Datenbank, in der er die gesamte Historie speichert. Gab es mit der Person schon einmal Kontakt, kennt er sofort alle Hintergründe.
Werkzeuge: Um Anfragen zu lösen, braucht der Agent Zugriff auf Unternehmenswissen. Das können einzelne Dokumente sein. Bei großen Mengen, etwa einem ganzen Handbuch, eignet sich eine Vektordatenbank besser. Darin werden Dokumente wie PDFs, Word-Dateien oder E-Mails in kleine Textbausteine zerlegt, damit der Agent sie schnell und effizient durchsuchen kann.
Zusätzlich kannst du ihm Zugriff auf weitere Systeme geben, etwa auf das CRM für Kundendaten oder das Shopsystem, um Bestellungen nachzuschlagen. Auch hier gilt: nur den wirklich nötigen Zugriff.
Was ist RAG?
Das Prinzip hinter der Vektordatenbank heißt RAG, Retrieval Augmented Generation. Das bedeutet nichts anderes, als dass der Agent:
- zuerst die passenden Infos aus der Datenbank nachschlägt (Retrieval),
- seine Antwort mit genau diesen Infos anreichert (Augmented),
- und sie dann erzeugt (Generation).
Scoring: Der Agent prüft sich selbst
Damit die Antwort das Problem wirklich löst, kann der Agent mit einem Scoring arbeiten. Er hinterfragt seine eigene Antwort kritisch und vergibt einen Wert zwischen 0 und 100. Je höher der Wert, desto sicherer ist er, dass die Antwort das Problem löst.
Daran hängst du eine Abzweigung:
- Über 80: Die Antwort geht direkt per E-Mail an die Kundin oder den Kunden.
- 80 oder weniger: Die Antwort wird nur als Entwurf angelegt und von einem Menschen geprüft.
So bleibt der Mensch genau dort in der Schleife, wo der Agent unsicher ist.
Zusammenfassung: Assistent, Workflow und Agent im Vergleich
| KI-Assistent | KI-Workflow | KI-Agent | |
|---|---|---|---|
| Arbeitsweise | Reaktiv | Deterministisch | Zielorientiert |
| Ablauf | Du fragst, die KI antwortet | Fester Ablauf, Schritt für Schritt | KI plant, handelt und iteriert bis zum Ziel |
| Entscheidungen | Keine eigenen | Nach festen Regeln, die du definierst | Wählt Werkzeuge und Schritte selbst |
| Zugriff auf Daten | Nur über freigegebene Integrationen | Über die verknüpften Tools | Über Werkzeuge, Gedächtnis und Datenbanken |
| Beispiel | E-Mail umformulieren | Rechnungseingang verarbeiten | Supportanfragen selbstständig lösen |
Ein KI-Assistent arbeitet reaktiv. Er trifft keine eigenen Entscheidungen und hat nicht automatisch Zugriff auf Tools oder Daten.
Ein KI-Workflow arbeitet deterministisch, also nach einem vordefinierten Ablauf, der Schritt für Schritt durchlaufen wird. KI-Module erzeugen darin individuelle Ausgaben aus den Eingabedaten.
Ein KI-Agent arbeitet zielorientiert. Er besteht aus einem LLM als Gehirn, einem Speicher als Gedächtnis, Werkzeugen und einem zentralen Rollenprompt. Innerhalb der Leitplanken, die du ihm setzt, wählt er selbst die passenden Werkzeuge und Schritte, um sein Ziel zu erreichen.
Einordnung: Agenten gibt es nicht nur im Support
Das gleiche Prinzip steckt auch in Coding Agents wie Claude Code. Du gibst ein Ziel vor, etwa ein neues Feature, und der Agent plant selbst, welche Dateien er liest, welchen Code er schreibt und welche Befehle er ausführt. Wie du damit ohne Programmierkenntnisse eine eigene App entwickelst, zeige ich dir in meiner Anleitung Claude Code für Einsteiger.
Egal ob Support-Agent oder Coding Agent: Je mehr ein Agent selbst entscheidet, desto wichtiger werden klare Ziele, eng gesetzte Berechtigungen und ein Mensch, der an den kritischen Stellen prüft.
