Was ist ein KI-Agent? Unterschied zu Automatisierung und Chatbot

Was ist ein KI-Agent? Einfach erklärt

Ein KI-Agent bekommt ein Ziel statt einer festen Schrittfolge. Ein Sprachmodell prüft den Zwischenstand, wählt das nächste Werkzeug, wertet das Ergebnis aus und macht weiter, bis die Aufgabe erledigt ist oder eine Grenze erreicht wird. OpenAI beschreibt Agenten als Systeme, die Aufgaben eigenständig in deinem Auftrag erledigen. Anthropic formuliert es technischer: Im Kern sind es Sprachmodelle, die in einer Schleife Werkzeuge nutzen und auf die Rückmeldungen ihrer Umgebung reagieren.

Technisch besteht ein Agent laut OpenAI aus drei Bausteinen: dem Modell, das entscheidet, den Werkzeugen, mit denen er Daten abruft oder Aktionen auslöst, und den Anweisungen samt ihren Grenzen. Dazu gehört eine Stoppbedingung; Anthropic nennt als Beispiel eine Höchstzahl an Durchläufen, damit der Ablauf kontrollierbar bleibt. Eigenständig heißt dabei nicht unbeaufsichtigt: Bei heiklen oder unumkehrbaren Aktionen wie Zahlungen empfiehlt OpenAI menschliche Aufsicht, bis sich der Agent als verlässlich erwiesen hat.

Kein Agent ist dagegen eine Anwendung, die ein Sprachmodell nur einmal antworten lässt; OpenAI nennt einfache Chatbots und einzelne Modellantworten ausdrücklich als Gegenbeispiele. Im Büro passt ein Agent vor allem zu Arbeit, bei der die nächste Quelle vom Zwischenergebnis abhängt. Drei fiktive Beispiele:

• Eine Kundenanfrage zuordnen, wenn erst die Suche im Kundensystem zeigt, welches Angebot gemeint ist. Diesen Fall spielen wir unten mit allen drei Wegen durch.
• Eine Eingangsrechnung mit Bestellung und Lieferschein abgleichen und bei einer Abweichung erst nach Teillieferung oder Gutschrift suchen, bevor eine Rückfrage entsteht.
• Vor einem Kundentermin Mails, Notizen und offene Angebote zu einer kurzen Gesprächsvorbereitung zusammenstellen, abhängig davon, was zu diesem Kunden vorliegt.

Belege: OpenAI: A practical guide to building agents ↗ · Anthropic: Building effective agents: Workflows und Agenten unterscheiden ↗

Zuerst festlegen, was am Ende vorliegen soll

Wie sich Regel, KI-Schritt und Agent unterscheiden, zeigt eine fiktive Beispielanfrage: „Hallo, wir möchten unser Angebot um zwei Unterseiten ergänzen. Bleibt der Preis gleich? Start wäre gern nächste Woche. Viele Grüße, Mira.“ Im Betrieb existieren mehrere Angebotsversionen. Die Zuständigkeit steht im Kundensystem, die Planung in einem weiteren Werkzeug.

Das gewünschte Ergebnis ist eine korrekt zugeordnete Anfrage mit Antwortentwurf. Ein Preis und ein Starttermin dürfen darin erst bestätigt werden, wenn die zuständige Person beides geprüft hat. Eine freundliche Mail allein erfüllt den Auftrag also noch nicht. Ebenso wenig reicht es, die Nachricht kommentarlos zu verschieben.

Diese Abgrenzung hilft beim Vergleich: Welche Informationen bringt die jeweilige Lösung zusammen, welche bleiben offen und welchen Teil übernimmt weiterhin ein Mensch? Bewerte die vollständige Arbeit bis zur prüfbaren Antwort.

Weg 1: Klassische Automatisierung mit einer festen Regel

Die einfachste Variante erkennt eine bekannte Absenderadresse oder einen vereinbarten Betreff und legt die Nachricht im passenden Ordner ab. Microsoft dokumentiert solche bedingten Aktionen für Outlook. Welche Regeln verfügbar sind, hängt von der Outlook-Version und dem eingebundenen Konto ab.

Ein festes Betreffschema „Angebotsänderung“ würde die Zuordnung vereinfachen, aber nur bei Kundinnen und Kunden, die es tatsächlich verwenden. Anschließend prüft eine Mitarbeiterin die Nachricht und verwendet eine Vorlage. Der vorgeschlagene Antwortkern wäre: „Danke für die Ergänzung. Welche zwei Unterseiten sind gemeint? Wir prüfen anschließend Umfang, Preis und Startmöglichkeit.“

Der Vorteil ist ein überschaubarer Ablauf mit klaren Bedingungen. Die Regel müsste die freie Formulierung unserer ursprünglichen Nachricht aber erst einmal erfassen. Wenn Anfragen sehr unterschiedlich geschrieben werden oder auf frühere Gespräche verweisen, wächst die Liste der Sonderbedingungen. Trotzdem kann dieser Weg reichen, wenn der größte Aufwand heute im Sortieren liegt und die fachliche Prüfung ohnehin kurz ist.

Belege: Microsoft Support: E-Mail-Nachrichten mit Regeln in Outlook verwalten ↗

Weg 2: Ein KI-Schritt bereitet den Inhalt vor

Beim zweiten Weg steht die Reihenfolge fest: Nachricht lesen, Anliegen erfassen, offene Angaben markieren, Entwurf erzeugen, dem Team vorlegen. Das Sprachmodell hilft innerhalb dieses vorgegebenen Ablaufs. Es soll nicht selbst entscheiden, beliebige weitere Systeme zu durchsuchen.

Ein geeigneter Arbeitsauftrag lautet: „Fasse die gewünschte Änderung zusammen. Liste fehlende Angaben auf. Formuliere eine Rückfrage, ohne einen Preis oder Termin zu bestätigen. Verwende ausschließlich die Nachricht und die bereitgestellte Vorlage.“ Für den Beispielfall sollen damit zwei zusätzliche Unterseiten, ein ungeklärter Preis und der gewünschte Start nächste Woche sichtbar werden.

Das Ergebnis muss trotzdem geprüft werden. Ein plausibler Entwurf kann den Wunsch nach nächster Woche versehentlich in eine Zusage verwandeln. Sinnvoll ist deshalb eine getrennte Darstellung von Kundenwunsch, belegtem Sachstand und vorgeschlagener Antwort. So muss die prüfende Person die Herleitung nicht aus einem langen Fließtext rekonstruieren. Ein KI-Schritt kann auch in vorhandener Software stecken; eine zusätzliche Plattform ist nicht automatisch nötig.

Weg 3: Ein KI-Agent wählt die nächsten Schritte selbst

Ein Agent wird interessant, wenn sich erst während der Bearbeitung zeigt, welche Informationen fehlen. Er könnte zunächst den Kunden zuordnen, dann die zugehörigen Angebote abrufen und bei widersprüchlichen Versionen eine Klärung verlangen. Erst wenn der Umfang eindeutig ist, wäre ein Blick auf die Planung sinnvoll.

Darin liegt der Unterschied zwischen KI-Agent und Workflow: Anthropic nennt Workflows Systeme, in denen Modell und Werkzeuge über vorab festgelegte Codepfade gesteuert werden. Bei Agenten steuert das Modell Ablauf und Werkzeugnutzung selbst. Mehrere Schritte allein machen einen Prozess noch nicht zu einem Agenten: Auch ein fester Workflow kann Daten aus verschiedenen Systemen zusammenführen.

Für unseren Fall wären nur lesende Zugriffe auf den betreffenden Kunden, seine Angebote und die relevante Planung vorgesehen. Der Agent soll verwendete Angebotsversionen nennen und Widersprüche sichtbar lassen. Preisänderung, verbindliche Zusage und Versand bleiben separate Freigaben. Wenn die Kundenzuordnung scheitert, ist eine Übergabe an das Team ein brauchbares Ergebnis. Weiterzusuchen, bis irgendeine passende Antwort entsteht, wäre keines.

Belege: Anthropic: Building effective agents: Workflows und Agenten unterscheiden ↗

KI-Agent, Chatbot oder KI-Assistent: Was ist der Unterschied?

Ein Chatbot beschreibt zunächst die Gesprächsoberfläche. Ob dahinter nur eine Antwort erzeugt, ein fester Ablauf gestartet oder ein Agent mit Werkzeugen aktiv wird, ist eine andere Frage. Ein Chatfenster allein sagt deshalb wenig über die Arbeit aus, die das System tatsächlich erledigt.

Beim KI-Assistenten überschneiden sich die Begriffe. Microsoft beschreibt einen Agenten in Copilot Studio selbst als KI-Assistenten, der Gespräche führt und Aufgaben erledigt. Hilfreicher als der Name ist deshalb die Frage, ob das System nur auf deine Eingabe antwortet oder selbst Werkzeuge wählt und Schritte ausführt. Erst im zweiten Fall ist es ein Agent im Sinn dieses Artikels.

Für eine Auskunft zu Öffnungszeiten reicht möglicherweise eine hinterlegte Antwort. Für eine Rückrufanfrage kann ein Formular mit festem Ablauf genügen. Erst wenn das System abhängig vom Zwischenstand unterschiedliche Quellen und Werkzeuge auswählen muss, wird ein Agent zum Kandidaten. Mehr Handlungsspielraum verlangt auch mehr Tests und nachvollziehbare Grenzen.

Belege: Anthropic: Building effective agents: Workflows und Agenten unterscheiden ↗ · Microsoft Learn: Was ist Copilot Studio? Agenten und Workflows ↗

Wie viel Freiheit braucht der Agent wirklich?

Für die Angebotsfrage begrenzen wir den Suchraum auf Kundenkennung, Angebotsversion und Planung. Fehlt die eindeutige Kundenkennung, wird der Vorgang mit einer Rückfrage übergeben. Zusätzliche Recherche in fremden oder nur ähnlich benannten Vorgängen wäre keine brauchbare Lösung.

Die Entscheidung kann auch innerhalb desselben Vorgangs wechseln: feste Regeln übernehmen bekannte Felder, ein KI-Schritt versteht die freie Anfrage, ein Agent untersucht nur die verbleibende Ausnahme. Dadurch müssen nicht alle Routinefälle den aufwendigsten Weg durchlaufen.

Definiere vor dem Versuch, wann zusätzliche Suche keinen Nutzen mehr bringt. Das kann eine nicht erreichbare Pflichtquelle, ein ausgeschöpftes Laufbudget oder ein ungeklärter Widerspruch sein. Die Übergabe nennt dann bereits geprüfte Quellen und den fehlenden Entscheidungsbaustein. Für das Team ist diese Ausgabe wertvoller als eine weitere selbstsichere Zusammenfassung derselben Lücke.

KI-Agent oder Automatisierung: Den passenden Weg mit eigenen Fällen wählen

Vergleiche die fachlich passenden Wege einschließlich technischer Nutzung, verbleibender Prüfung und Betreuung. Wenn eine feste Regel die Aufgabe bereits löst, muss ein zusätzlicher Agent einen konkreten Mehrwert zeigen, etwa eine bisher nötige Quellensuche übernehmen. Ein leistungsfähigeres Modell ändert nichts an fehlenden Quellen oder einer unklaren Freigabe.

Die Hersteller raten selbst zur Zurückhaltung. Anthropic empfiehlt, mit der einfachsten Lösung zu beginnen und die Komplexität nur bei Bedarf zu erhöhen. OpenAI sieht Agenten vor allem bei Abläufen mit vielen Ausnahmen, schwer wartbaren Regelwerken oder viel unstrukturiertem Text; sonst könne eine feste, regelbasierte Lösung genügen.

Nimm für einen ersten Vergleich echte Aufgabentypen, aber bereite die Eingaben ohne vertrauliche Kundendaten vor. Ergänze neben Routinefällen mindestens eine widersprüchliche Angebotsversion, einen unbekannten Absender und eine Nachricht ohne eindeutiges Anliegen. Lege die erwartete Bearbeitung vor dem Versuch fest.

Notiere danach die aktive menschliche Bearbeitungszeit, nötige Korrekturen und fehlende Informationen. Trenne einen technisch durchgelaufenen Vorgang von einem fachlich brauchbaren Ergebnis. Ein einzelner schöner Entwurf entscheidet den Vergleich nicht.

• Wähle eine Regel, wenn klare Bedingungen den eigentlichen Engpass beseitigen.
• Ergänze einen KI-Schritt, wenn variable Sprache verarbeitet werden muss, der Arbeitsweg aber feststeht.
• Prüfe einen Agenten, wenn unterschiedliche Informationswege nötig sind und seine Entscheidungen überprüfbar bleiben.

Belege: Anthropic: Building effective agents: Workflows und Agenten unterscheiden ↗ · OpenAI: A practical guide to building agents ↗

Weiterlesen: OpenClaw vs. Hermes Agent: Vergleich mit Grok Bot fürs Unternehmen →

Weiterlesen: n8n oder Claude Code: Abläufe automatisieren oder Software bauen? →

Weiterlesen: Was kostet KI-Automatisierung? Kosten berechnen, Angebote vergleichen →

Häufige Fragen zu KI-Agenten

Belege: Anthropic: Building effective agents: Workflows und Agenten unterscheiden ↗ · OpenAI: A practical guide to building agents ↗ · Anthropic: Agent Skills im Überblick ↗ · Microsoft Learn: Was ist Copilot Studio? Agenten und Workflows ↗ · OpenAI: ChatGPT-Glossar mit Agent, Skill und ChatGPT Work ↗ · OpenAI: Dots, dauerhaft laufende Agenten in ChatGPT ↗ · Anthropic Hilfe: Erste Schritte mit Claude Cowork ↗

Weiterlesen: Claude Skills erstellen: Anleitung auf Deutsch mit Vorlage →

Weiterlesen: Claude Cowork auf Deutsch: Anleitung und 5 Aufgaben fürs Büro →

Weiterlesen: Was kostet KI-Automatisierung? Kosten berechnen, Angebote vergleichen →