Agentic AI

Agentic AI bezeichnet KI-Systeme, die ein vorgegebenes Ziel eigenständig über mehrere Arbeitsschritte hinweg verfolgen. Statt nur auf eine einzelne Eingabe zu reagieren, planen sie Teilschritte, setzen gezielt Werkzeuge ein und passen ihr Vorgehen an Zwischenergebnisse an. Im Deutschen haben sich dafür auch die Begriffe agentische KI oder KI-Agenten etabliert.

Ein Blick in die Praxis zeigt, wie das aussieht: Wenn in der Buchhaltung eine Rechnung abgelehnt wurde, durchsucht ein solches System relevante Daten, prüft den Vorgang, gleicht Informationen ab und ermittelt selbstständig die wahrscheinliche Ursache.

Damit eignet sich Agentic AI besonders für komplexe Prozesse, bei denen verschiedene Informationsquellen und situative Entscheidungen zusammenkommen.

Ein herkömmlicher Chatbot beantwortet eine Frage und wartet auf die nächste Eingabe. Agentische KI kann eine Aufgabe dagegen selbstständig weiterverfolgen: Sie ruft Daten ab, wertet die Ergebnisse aus, erkennt fehlende Informationen und wählt den nächsten passenden Schritt.

Dafür greift das System auf zwei zentrale Bausteine zurück:

• Large Language Models: Sie analysieren die Aufgabe, planen mögliche Schritte und bewerten die Zwischenergebnisse.
• Schnittstellen und Werkzeuge: Sie ermöglichen konkrete Aktionen wie Datenbankabfragen, das Auslesen von Dateien oder die Interaktion mit anderen Programmen.

Wie eigenständig ein System agiert, hängt von den freigegebenen Werkzeugen, den zugewiesenen Rechten und den technischen Leitplanken ab.

So arbeitet ein KI-Agent Schritt für Schritt.

Am Anfang steht ein Ziel in natürlicher Sprache. Das System leitet daraus einen Bearbeitungsplan ab und startet die Ausführung. Der Ablauf wiederholt sich dabei in einer Schleife:

• Planen: Den nächsten sinnvollen Schritt festlegen.
• Handeln: Eine Aktion wie eine Datenabfrage oder Dateibearbeitung ausführen.
• Prüfen: Das Ergebnis auswerten.
• Anpassen: Das weitere Vorgehen anhand des Ergebnisses festlegen.

Ein Speicher kann dabei Informationen über bereits ausgeführte Schritte und Ergebnisse bereithalten. So kann der KI-Agent frühere Aktionen bei der weiteren Bearbeitung berücksichtigen. In Unternehmen eignen sich solche Abläufe beispielsweise für Recherchen, Datenaufbereitung oder die automatisierte Bearbeitung wiederkehrender Anfragen. Wie sich solche Prozesse praxisnah aufbauen lassen, vermittelt beispielsweise die Weiterbildung AI Agents und Automations.

Beim Unternehmenseinsatz braucht Agentic AI klare Grenzen.

Je eigenständiger ein KI-Agent handelt, desto wichtiger sind klare Regeln. Fehler in einem frühen Teilschritt können sich auf nachfolgende Ergebnisse auswirken. Deshalb sollten Unternehmen vor dem Einsatz einige Punkte festlegen:

• Auf welche Datenquellen und Systeme darf das Modell zugreifen?
• Welche Aktionen darf es selbstständig ausführen?
• An welchen Stellen ist eine menschliche Freigabe erforderlich?
• Wie lassen sich ausgeführte Schritte und Ergebnisse nachvollziehen?

Bei einer internen Recherche sind die möglichen Folgen eines Fehlers meist geringer als bei geschäftskritischen Vorgängen wie Zahlungen oder Freigaben. Entsprechend müssen Berechtigungen und Kontrollmechanismen zum jeweiligen Anwendungsfall passen.

Für Beschäftigte entstehen damit neue Aufgaben bei der Steuerung, Überwachung und Qualitätssicherung solcher Systeme. Welche Rolle KI bereits in verschiedenen Tätigkeitsfeldern spielt, zeigt auch der Beitrag zu KI im Job.

Ist jedes System mit mehreren Arbeitsschritten schon agentisch?

Nein. Entscheidend ist, ob das System den Weg zur Zielerreichung innerhalb vorgegebener Grenzen eigenständig auswählt. Bei einer klassischen Automatisierung sind die einzelnen Schritte dagegen im Voraus festgelegt, auch wenn ein Sprachmodell Teil des Prozesses ist.

Wie viel menschliche Aufsicht ist notwendig?

Das hängt vom Risiko und den möglichen Folgen einer Aktion ab. Bei internen Textentwürfen oder Recherchen kann eine nachträgliche Kontrolle ausreichen. Bei Prozessen mit finanziellen, rechtlichen oder anderen weitreichenden Folgen sind klar definierte Freigabeschritte besonders wichtig.

Welche Datenvoraussetzungen müssen erfüllt sein?

Das System benötigt Zugriff auf die für seine Aufgabe relevanten Datenquellen sowie klar definierte Zugriffsrechte. Auch die Qualität und Aktualität der Daten beeinflussen die Ergebnisse. Datenpflege und geeignete Schnittstellen sind deshalb wichtige Voraussetzungen für den Einsatz.

Lässt sich Agentic AI ohne Programmierkenntnisse einsetzen?

Für einfache Abläufe gibt es Low-Code- und No-Code-Werkzeuge, mit denen sich KI-Agenten mit wenigen oder keinen Programmierkenntnissen erstellen lassen. Bei der Anbindung unternehmenseigener Systeme, der Vergabe von Zugriffsrechten oder komplexen Ausnahmefällen ist technisches Know-how gefragt.

Was sollte vor dem ersten Projekt geklärt sein?

Ein klarer Anwendungsfall, messbare Erfolgskriterien und eindeutige Verantwortlichkeiten. Außerdem sollte feststehen, welche Aktionen das System ausführen darf und wann ein Mensch eingreifen oder eine Entscheidung freigeben muss.