Grundbegriffe: Was ist agentische KI?
Begriffe vorab
- Agent: nach dem Lehrbuch von Russell und Norvig alles, was seine Umgebung über Sensoren wahrnimmt und über Aktuatoren darauf einwirkt.
- Autonomie: die Fähigkeit, ohne ständiges Eingreifen eines Menschen zu handeln.
- Werkzeug (Tool): eine Funktion oder Schnittstelle, die ein Agent aufrufen kann, etwa Suche, Datenbank oder Code-Ausführung.
- Agentenschleife: der wiederholte Ablauf aus Wahrnehmen, Entscheiden und Handeln, bis das Ziel erreicht ist.
- Agentische KI: Sammelbegriff für KI-Systeme, die Ziele mehrschrittig und mit eigenen Entscheidungen über Werkzeugeinsätze verfolgen.
Der klassische Begriff
Der Begriff „Agent“ ist älter als moderne Sprachmodelle. Im Standardlehrbuch „Artificial Intelligence: A Modern Approach“ heißt es sinngemäß: Ein Agent ist alles, was seine Umgebung über Sensoren wahrnimmt und über Aktuatoren darauf einwirkt. Ein Thermostat erfüllt das, ein Roboter ebenso, und ein Softwareprogramm, das Eingaben liest und Aktionen ausführt, auch. Wooldridge und Jennings (1995) nannten vier Eigenschaften, die einen „intelligenten“ Agenten auszeichnen: Autonomie, soziale Fähigkeit (Interaktion mit anderen Agenten und Menschen), Reaktivität (Antwort auf Veränderungen der Umgebung) und Proaktivität (zielgerichtetes Verhalten).
Was heute gemeint ist
Mit „agentischer KI“ ist meist ein System gemeint, bei dem ein Sprachmodell die Entscheidungen trifft: Es bekommt ein Ziel, wählt Schritte, ruft Werkzeuge auf, wertet die Ergebnisse aus und entscheidet, ob es weitermacht oder fertig ist. OpenAI beschreibt in einem Leitfaden von April 2025 einen Agenten als System aus drei Kernbausteinen: einem Modell, Werkzeugen und Anweisungen. Entscheidend ist, dass das System mehrere Schritte selbstständig im Auftrag einer Person ausführt, statt nur eine einzelne Frage zu beantworten.
Die Agentenschleife als Pseudocode
aufgabe = "Fasse die offenen Support-Tickets der Woche zusammen"
verlauf = [aufgabe]
for schritt in range(MAX_SCHRITTE): # harte Obergrenze
antwort = modell(verlauf, werkzeuge) # Modell entscheidet
if antwort.ist_fertig:
return antwort.text
for aufruf in antwort.werkzeugaufrufe:
pruefen(aufruf) # Rechte, Freigabe, Grenzwerte
ergebnis = ausfuehren(aufruf)
verlauf.append(ergebnis) # Beobachtung zurück in den KontextDer Pseudocode zeigt das Wesentliche: Die Anwendung führt Werkzeugaufrufe aus und kontrolliert sie; das Modell entscheidet nur, welche es anfordert. Eine Obergrenze für Schritte und eine Prüfung vor jedem Aufruf gehören zu jedem ernsthaften Agenten.
Ein durchgespieltes Beispiel
Ein Support-Agent soll Tickets der Woche zusammenfassen. Er ruft ein Werkzeug „Tickets abrufen“ auf, liest 40 Einträge, ruft für unklare Fälle „Kundenhistorie“ ab, gruppiert die Ergebnisse und liefert eine Zusammenfassung. Wie viele Aufrufe nötig sind und in welcher Reihenfolge, entscheidet das Modell erst unterwegs – das unterscheidet ihn von einem festen Skript.
Faustregel: Je mehr Entscheidungsfreiheit ein System hat, desto wichtiger werden Grenzen, Protokolle und menschliche Kontrolle.
Zum Selbermachen
- Nenne drei Anwendungen, die du nutzt, und prüfe, ob sie nur antworten oder selbst mehrere Schritte planen und ausführen.
- Zeichne die Agentenschleife für eine Aufgabe aus deinem Alltag und markiere, wo ein Mensch zustimmen sollte.
Prüfstatus: Belegt (Stand 1. Oktober 2026): Titel, Autoren, Jahre, Konferenzen, Zahlen und Aussagen der genannten Quellen wurden gegen Primär- bzw. Verzeichnisquellen geprüft. Nicht einzeln belegt: erklärende Darstellung, die Beispiele (konstruiert) und die Einordnung in eigenen Worten. Der Pseudocode ist schematisch und kein lauffähiges Programm.
Quellen
- Stuart Russell, Peter Norvig – „Artificial Intelligence: A Modern Approach“, Kapitel „Intelligent Agents“ (Definition: Wahrnehmung über Sensoren, Handeln über Aktuatoren)
- Michael Wooldridge, Nicholas R. Jennings – „Intelligent Agents: Theory and Practice“ (The Knowledge Engineering Review, 10(2), 1995, S. 115–152)
- OpenAI – „A Practical Guide to Building Agents“ (April 2025)