AI Agent

Ein AI Agent ist ein Programm, das ein großes Sprachmodell (Large Language Model, LLM, die KI-Technik hinter ChatGPT und Claude) als Denk-Kern nutzt, eine Aufgabe eigenständig in Teilschritte zerlegt, dafür Werkzeuge (etwa eine Websuche oder einen Datenbank-Zugriff) aufruft und aus den Zwischenergebnissen selbst entscheidet, was als Nächstes zu tun ist. Der Begriff bezeichnet den handelnden Baustein einer KI-Anwendung mit eigener Entscheidungsfreiheit und grenzt solche Systeme von reinen Chat-Antworten ab.

Was ist ein AI Agent?

Ein AI Agent ist der handelnde Teil einer KI-Anwendung. Er bekommt ein Ziel vorgegeben, wählt aus einer Liste verfügbarer Werkzeuge (Tools, also aufrufbare Funktionen wie Suche, Rechner oder API-Zugriff) das passende aus, wertet dessen Ausgabe aus und entscheidet, welcher Schritt als Nächstes fällt oder ob das Ziel erreicht ist. Der zentrale Unterschied zu klassischer Software liegt im Kontrollfluss (also darin, wer die Reihenfolge der Schritte festlegt): Bei einem AI Agent bestimmt das Sprachmodell den nächsten Schritt zur Laufzeit selbst, während ein klassischer Workflow (fest programmierter Ablauf) denselben Weg vorab im Code festhält.

Vier funktionale Bausteine tragen den Begriff. Erstens ein Sprachmodell als Reasoning-Kern, das Kontext interpretiert, Optionen bewertet und Aktionen ableitet. Zweitens eine Werkzeug-Schicht (Function Calling, [Model Context Protocol](https://modelcontextprotocol.io/) (MCP), API-Aufrufe, Datenbank-Zugriffe), über die der Agent mit Systemen außerhalb des Prompts interagiert. Drittens ein Zustands- oder Speicher-Modell, das Zwischenergebnisse, Historie und geteilten Kontext hält, in einfachen Fällen als Nachrichtenliste, in komplexeren Fällen als Kurzzeit- und Langzeit-Gedächtnis. Viertens der Kontrollfluss-Loop, in dem das Modell nach jedem Werkzeug-Aufruf neu über den Fortgang entscheidet.

Der begriffliche Rahmen hat zwei Wurzeln. In der klassischen KI-Literatur (Russell/Norvig) beschreibt „Agent" jedes System, das seine Umwelt wahrnimmt und darauf handelt. Die heutige LLM-Prägung geht auf die [ReAct-Arbeit](https://arxiv.org/abs/2210.03629) von Yao et al. (2022) zurück, die zeigt, wie ein Sprachmodell Reasoning-Schritte und Werkzeug-Aufrufe im selben Prompt-Loop verkettet. Anthropic hat den Begriff in [„Building Effective Agents"](https://www.anthropic.com/research/building-effective-agents) (Dezember 2024) gegen Workflows abgegrenzt und die heute gebräuchliche Trennung geprägt: Agenten planen ihre Schritte zur Laufzeit selbst, Workflows folgen einem vom Entwickler festgelegten Graphen. Das Berkeley AI Research Lab ordnet den Begriff 2024 in den [Compound-AI-Systems-Rahmen](https://bair.berkeley.edu/blog/2024/02/18/compound-ai-systems/) ein: Eine agentische Anwendung ist eine Komposition aus Modellen, Werkzeugen und Programmen, und der AI Agent ist eines ihrer möglichen Elemente.

Der Autonomie-Grad bewegt sich auf einer Skala. Ein einzelner Task-Agent löst eine abgegrenzte Aufgabe mit wenigen Werkzeugen; ein Multi-Agent-System koordiniert mehrere Agenten mit Rollen und Handoff-Regeln; ein autonomer Agent handelt ohne menschlichen Zwischenschritt. Alle drei fallen unter den Begriff, weil sie das Kontrollfluss-Kriterium teilen.

Abgrenzung zu Agentic AI, Workflows, Chatbots und RPA

Der Begriff wird im Markt oft synonym mit angrenzenden Konzepten verwendet. Die relevanten Trennlinien:

Agentic AI und AI Agent werden häufig austauschbar benutzt. Die Trennlinie liegt in der Perspektive: Agentic AI beschreibt das gesamte System aus Zielen, Agenten und Werkzeugen, AI Agent beschreibt das einzelne, handelnde Element darin. Wer über die Architektur eines Systems spricht, meint meist Agentic AI; wer über einen bestimmten Prompt, ein Toolset und einen Loop spricht, meint einen AI Agent.

Die Abgrenzung gegen den Agentic Workflow ist die begrifflich wichtigste. Anthropic zieht die Linie am Kontrollfluss: Ein Workflow enthält alle möglichen Schritte im Code, das Modell füllt Inhalte in vorgegebene Knoten. Ein Agent lässt das Modell entscheiden, welcher Schritt als Nächstes fällt und wann der Loop endet. Beide Formen nutzen Werkzeuge, beide erzeugen agentisches Verhalten. Der Unterschied liegt in Vorhersagbarkeit, Debug-Aufwand und Kosten-Profil.

Ein Chatbot ohne Werkzeug-Anbindung ist kein AI Agent, weil er nur Text erzeugt. Sobald derselbe Chatbot in einem Loop Werkzeuge aufruft, Zwischenergebnisse auswertet und den nächsten Schritt daraus ableitet, wird er zum Agenten. Klassische Software-Agenten und RPA-Bots erfüllen das Handlungs-Kriterium, es fehlt ihnen jedoch der probabilistische Reasoning-Kern; sie folgen deterministischen Regeln oder Skripten. Ein Multi-Agent-System ist ein Verband aus mehreren AI Agents mit Rollen, Handoff-Regeln und geteiltem Zustand; der Begriff AI Agent bezeichnet das einzelne Element im Verband.

Beispiel: Research-Agent mit Werkzeug-Schleife

Ein Research-Agent zeigt die vier Bausteine im schmalen Zuschnitt. Aufgabe: Zu einer offenen Fachfrage ein strukturiertes Briefing erzeugen und mit Quellen belegen.

Ablauf des Agenten: Der Loop startet mit der Frage im Prompt. Das Sprachmodell zerlegt sie in Sub-Fragen (Reasoning-Schritt) und ruft ein Websuche-Werkzeug auf (Aktions-Schritt). Aus den Treffern wählt das Modell die zwei bis drei relevantesten Quellen aus und ruft ein Lese-Werkzeug für den Volltext auf. Der gelesene Inhalt landet als Zwischenergebnis im Zustand. Das Modell prüft, ob die Sub-Frage beantwortet ist, und entscheidet: neue Sub-Frage, tiefere Recherche zur bestehenden Frage oder Übergang zur Synthese. Nach maximal einer festgelegten Zahl an Iterationen erzeugt das Modell das Briefing mit Zitaten und beendet den Loop.

Die vier Bausteine sind konkret: ein Sprachmodell (Claude, GPT oder ein anderes Reasoning-fähiges Modell) als Reasoning-Kern, eine Tool-Registry mit Websuche und Volltext-Lesen (typischerweise über [Model Context Protocol](https://modelcontextprotocol.io/) oder Function Calling), ein Kurzzeit-State mit gesammelten Quellen und offenen Sub-Fragen, ein einfacher Loop mit Iterations-Grenze. Der Agent entscheidet pro Fall neu, wie viele Iterationen er braucht. Ein deterministischer Workflow würde stattdessen einen festen Graphen durchlaufen (etwa: Suche → Lesen → Zusammenfassen), unabhängig davon, ob das Ergebnis die Frage schon trägt.

Typische Erweiterungen zeigen die Skalierungs-Achse: ein Langzeit-Gedächtnis über mehrere Sitzungen hinweg, ein Evaluator-Agent, der die Antwort vor der Ausgabe bewertet, ein Handoff an einen spezialisierten Agenten für formale Zitationen. Der Kern der Definition bleibt gleich, weil das Modell den Kontrollfluss weiterhin selbst bestimmt.