Ein KI-Agent ist ein KI-System, das vorgegebene Ziele eigenständig verfolgt: Er plant mehrstufig, trifft Entscheidungen und führt Handlungen aus. Dabei interagiert der KI-Agent über externe Schnittstellen und andere Werkzeuge mit seiner Umgebung. Ein anderer Name dafür ist agentische KI (Agentic AI).
Funktionsweise
Generative KI-Systeme erzeugen Inhalte vor allem reaktiv. KI-Agenten agieren dagegen proaktiv. Sie zerlegen Aufgaben in einzelne Schritte und passen ihr Vorgehen anhand der Rückmeldungen aus der Umgebung an (Reasoning). Bei einer Aufgabe wie „Reise buchen“ fragt der KI-Agent Verfügbarkeiten ab, vergleicht Optionen und bucht selbst einen passenden Flug. Die technische Grundlage bilden überwiegend große Sprachmodelle und Verfahren des maschinellen Lernens.
Fachglossare zerlegen den agentischen Regelkreis in vier Phasen: Beobachten, Schlussfolgern, Handeln und Rückkoppeln. Für das Handeln braucht der KI-Agent Werkzeuge. Das KI-Modell ist dazu in eine Softwarearchitektur eingebettet, die externe Werkzeuge einbindet (Werkzeugnutzung). Typische Schnittstellen sind APIs, Code-Interpreter und Datenbanken. So nutzt der Agent Echtzeitinformationen, führt Programmcode aus oder bezieht dynamische Datenumgebungen ein. Der Schwerpunkt verschiebt sich damit von der einzelnen Modellantwort hin zur Steuerung ganzer Handlungsabläufe.
Ein KI-Agent kann außerdem ein Gedächtnis führen. Das Verfahren Reflexion unterscheidet ein Kurzzeitgedächtnis für den bisherigen Verlauf und ein Langzeitgedächtnis für die Ergebnisse der Selbstreflexion. Das Verfahren LATS (Language Agent Tree Search) verbindet Sprachmodelle mit einer Monte-Carlo-Baumsuche, Bewertungsfunktionen und Selbstreflexion.
Autonomie und menschliche Kontrolle
Der EU AI Act definiert ein KI-System als maschinengestütztes System, das mit unterschiedlichen Graden an Autonomie arbeitet. Je höher der Automatisierungsgrad eines Systems, desto weniger Überwachung und Kontrolle durch den Menschen ist nötig. Fachglossare unterscheiden ferngesteuerte Systeme, Assistenzsysteme, automatisierte Systeme und autonome Systeme. Für die Aufsicht beschreiben Fachtaxonomien zwei Überwachungsmodelle. Bei Human-in-the-Loop genehmigt der Mensch jede Entscheidung aktiv. Bei Human-on-the-Loop überwacht der Mensch das System und darf eingreifen oder abbrechen. Artikel 14 des AI Act trägt die Überschrift „Human Oversight“ (menschliche Aufsicht) und gehört zu den Anforderungen an Hochrisiko-KI-Systeme.
Risiken
KI-Agenten steigern die Automatisierung. Gleichzeitig wachsen die Risiken, wenn jemand sie missbraucht. Ein Agent kann zudem halluzinieren oder ineffizient planen. In einer Testumgebung verharrte ein Agent ohne Selbstreflexion bei einer Halluzinationsrate von 22 Prozent. Manche Werkzeugaufrufe sind für Menschen schwer nachvollziehbar. In solchen Fällen lassen sich die Selbstreflexionen des Agenten überwachen. So lässt sich die richtige Absicht prüfen, bevor der Agent das Werkzeug nutzt.
Einstieg in die Praxis
Für den ersten Einsatz genügt ein kleiner Rahmen: ein einziger Ordner, nur Leserechte und eine klare erste Frage. Während der Agent arbeitet, werden aus unbekannten Teilen konkrete Fragen. Danach bekommt der Agent schrittweise mehr zugetraut.
Abgrenzung
Ein Assistenzsystem unterstützt den Menschen in bestimmten Situationen. Der Mensch aktiviert das Assistenzsystem und kann es übersteuern. Ein KI-Agent verfolgt Ziele dagegen eigenständig. Den Einsatz im SAP-Business-One-Umfeld behandelt der Eintrag AI-Agent für SAP B1. Verwandte Einträge: KI-Assistent; AI-Agent für SAP B1; Human-in-the-Loop (KI); Reflexion (KI); Gedächtnis (KI); Large Language Model (LLM).
KI im Arbeitsalltag: So finden Sie den richtigen Start
KI-Assistent trifft SAP Business One: Zwei Wege aus dem Versino KI-Shop
Sprint und Swirl: Wie ein KI-Agent Arbeit aufteilt und aus Probeläufen lernt
LATS: Mehrere Wege gleichzeitig durchdenkt mit KI — und die Verfügbarkeitsprüfung in SAP B1
ReAct und RLEF: Wie Künstliche Intelligenz aus echten Fehlern lernt — und was der automatische Bankabgleich in SAP Business One damit zu tun hat
