Was ist ein KI-Agent? Einfach erklärt, mit Praxisbeispiel

Was ist ein KI-Agent?

Ein KI-Agent ist ein System, in dem ein Sprachmodell eine Aufgabe in mehreren Schritten selbst bearbeitet: Es entscheidet, welche Informationen es braucht, ruft dafür Werkzeuge auf, bewertet die Zwischenergebnisse und plant den nächsten Schritt. Werkzeuge sind dabei Funktionen, mit denen das Modell zum Beispiel ein Postfach durchsucht, eine Datei liest oder einen Datensatz anlegt.

Anthropic, Anbieter der Claude-Modelle, unterscheidet in seinem Leitfaden „Building effective agents“ zwei Arten von Systemen:

• Workflows: Sprachmodell und Werkzeuge laufen auf vorab festgelegten Wegen.
• Agenten: Das Sprachmodell steuert seinen Ablauf und den Einsatz der Werkzeuge dynamisch selbst.

Diese Unterscheidung ist hilfreich, weil im Alltag beides „Agent“ genannt wird. Für Unternehmen ist der Unterschied wichtig: Ein Workflow ist vorhersehbarer, ein Agent flexibler.

Die Bausteine eines KI-Agenten

Was ist der Unterschied zu Chatbot und fester Automatisierung?

Ein Chatbot antwortet, ein KI-Agent handelt. Eine feste Automatisierung führt immer dieselben Schritte aus, ein Agent wählt seine Schritte je nach Fall selbst.

Feste Automatisierung ist oft die bessere Wahl, wenn ein Ablauf immer gleich ist. Anthropic empfiehlt im genannten Leitfaden ausdrücklich, die einfachste funktionierende Lösung zu suchen und Komplexität nur dann zu erhöhen, wenn sie das Ergebnis nachweisbar verbessert. Agentensysteme tauschen laut diesem Leitfaden oft Antwortzeit und Kosten gegen bessere Ergebnisse bei offenen Aufgaben. Wann sich welcher Weg lohnt, vertieft der Ratgeber KI-Agenten oder feste Automatisierung.

Was kann ein KI-Agent im Unternehmen leisten?

Ein KI-Agent kann Vorgänge bearbeiten, bei denen Informationen aus mehreren Quellen zusammengeführt und je nach Fall unterschiedlich behandelt werden müssen. Typisch ist, dass er vorbereitet und ein Mensch freigibt.

Beispiele für geeignete Aufgaben:

• Posteingang: eingehende Mails lesen, Anhänge auswerten, dem richtigen Vorgang zuordnen und eine Antwort vorbereiten.
• Belege: Rechnungen und Kontoauszüge auslesen, mit vorhandenen Buchungen abgleichen und fehlende Belege finden.
• Recherche im eigenen Bestand: Fragen beantworten, indem der Agent Ablage, Datenbank und Mails durchsucht und die Fundstellen nennt.
• Vorgänge vorbereiten: Daten in Fachsoftware eintragen, aber noch nicht endgültig festschreiben.

Weniger geeignet sind Aufgaben, bei denen ein einzelner Fehler hohe Folgen hat und nicht mehr geprüft werden kann, zum Beispiel endgültige Zahlungen oder rechtsverbindliche Erklärungen ohne Freigabe.

Wie sieht ein KI-Agent in der Praxis aus?

Ein Beispiel aus einer Steuerkanzlei, für die SaracAI arbeitet: Dort ist ein KI-Modell über einen eigenen Server, den SaracAI-Connector, an die Systeme der Kanzlei angebunden. Der Connector stellt rund 35 Werkzeuge bereit, die das Modell je nach Aufgabe kombiniert.

Was die Werkzeuge abdecken:

• Mail und Anhänge: Postfächer der Kanzlei lesen, Anhänge wie Excel, PDF und CSV als Text auswerten, auch gescannte PDFs und Bilddateien.
• Mandantenakte: Dateien in der Ablage suchen und lesen.
• DATEV lesen: Summen- und Saldenliste, Kontobuchungen, offene Posten und Sachkonten über ein Gateway abrufen.
• Vorbereiten und buchen: Konto-Vorschläge aus der Buchungshistorie, Abgleich von Bankzeilen mit Belegen, Buchungen in noch nicht festgeschriebene Stapel, Belege in die DATEV-Ablage legen.

Zwei Grenzen sind bewusst eingebaut: Gebucht wird nur in Stapel, die noch nicht festgeschrieben sind, und die Ergebnisse prüft die Kanzlei. Die Verbindung zwischen Modell und Werkzeugen läuft über das Model Context Protocol (MCP), einen offenen Standard, mit dem KI-Anwendungen an Datenquellen und Werkzeuge angebunden werden. Die MCP-Dokumentation vergleicht ihn mit einem USB-C-Anschluss für KI-Anwendungen. Mehr zum Projekt finden Sie unter Referenz Kanzlei-Automatisierung.

Welche Risiken haben KI-Agenten?

Die Hauptrisiken sind falsche Ergebnisse, zu weit gefasste Zugriffsrechte und Manipulation über Eingaben. Weil ein Agent selbst handelt, wirken sich Fehler stärker aus als bei einem Chatbot, der nur antwortet. Anthropic weist im genannten Leitfaden darauf hin, dass die Eigenständigkeit von Agenten zu höheren Kosten und sich aufsummierenden Fehlern führen kann.

Die wichtigsten Risiken

• Halluzinationen: Sprachmodelle können falsche Angaben überzeugend formulieren. Bei einem Agenten können daraus falsche Aktionen werden.
• Prompt Injection: Ein Angreifer versteckt Anweisungen in einer Mail, Webseite oder Datei, die der Agent liest. Die OWASP-Liste der Risiken für Sprachmodell-Anwendungen führt das als erstes Risiko.
• Zu viele Rechte: Darf ein Agent alles, was ein Administrator darf, kann ein einziger Fehler großen Schaden anrichten.
• Datenschutz: Agenten verarbeiten oft personenbezogene Daten. Es gelten die DSGVO und Verträge zur Auftragsverarbeitung mit den eingesetzten Diensten.

Was dagegen hilft

Für den rechtlichen Rahmen gilt neben der DSGVO die EU-KI-Verordnung (Verordnung (EU) 2024/1689). Ob und welche Pflichten daraus für einen bestimmten Agenten folgen, hängt vom Einsatzzweck ab. Dieser Artikel ist keine Rechtsberatung.

Brauche ich einen KI-Agenten?

Einen KI-Agenten brauchen Sie, wenn eine Aufgabe häufig anfällt, Informationen aus mehreren Systemen erfordert und von Fall zu Fall anders abläuft. Wenn ein Ablauf immer gleich ist, genügt meist eine feste Automatisierung, und für reine Textarbeit reicht ein Chat-Assistent.

Drei Prüffragen helfen bei der Entscheidung:

1. Wechselt der Ablauf je nach Fall? Wenn nein, reicht eine feste Automatisierung.
2. Braucht die Aufgabe Zugriff auf mehrere Systeme? Wenn nein, reicht oft ein Chat-Assistent.
3. Lässt sich das Ergebnis vor der Wirkung prüfen? Wenn nein, sollte der Agent nur vorbereiten, nicht ausführen.

Welche Werkzeuge es neben Agenten gibt, zeigt der Ratgeber Welche KI passt zu meinem Unternehmen?. Mit welchen Kostenposten Sie bei einem Agenten rechnen müssen, beschreibt Was kostet KI im Unternehmen?.