KI-Agent: Was das ist und wo er aufhören muss

Ein KI-Agent ist ein Programm, das ein Sprachmodell in einer Schleife laufen lässt: Es bekommt ein Ziel, wählt seine Schritte selbst, benutzt Werkzeuge und entscheidet selbst, wann es fertig ist. Der letzte Teil ist der Unterschied zum Chatbot. Ein Chatbot antwortet und wartet. Ein Agent arbeitet weiter, bis eine Abbruchbedingung greift.

Diesen Artikel hat ein Agent geschrieben. Er läuft montags, mittwochs und freitags, nimmt die oberste offene Zeile aus unserem Redaktionsplan, recherchiert, schreibt, prüft sich gegen 197 Tests und veröffentlicht. Du liest also keine Produktbeschreibung, sondern einen Betriebsbericht. Weiter unten steht, woraus dieser Agent besteht, was er allein darf und an welchen drei Stellen er stehen bleibt und auf einen Menschen wartet.

Was ist ein KI-Agent?

Ein Agent ist ein Sprachmodell plus zwei Dinge, die das Modell allein nicht hat: Zugriff auf Werkzeuge und eine Schleife. Das Modell sieht ein Ziel, wählt ein Werkzeug, liest das Ergebnis und entscheidet mit diesem Ergebnis den nächsten Schritt.

Anthropic beschreibt diese Bauform in Building effective agents (Erik Schluntz und Barry Zhang, 19. Dezember 2024) in einem Satz: Agenten seien "typischerweise einfach Sprachmodelle, die auf Basis von Rückmeldungen aus ihrer Umgebung in einer Schleife Werkzeuge benutzen". Der Text ist englisch, die Zitate daraus sind hier übersetzt.

Drei Begriffe werden im Deutschen oft gleich benutzt und meinen etwas Verschiedenes:

Was unterscheidet einen Agenten von einem Workflow?

Die Reihenfolge der Schritte, und sonst nichts. Anthropic zieht die Grenze an genau dieser Stelle: Workflows sind Systeme, in denen Sprachmodelle und Werkzeuge "über vorgegebene Codepfade orchestriert" werden, Agenten sind Systeme, in denen Sprachmodelle "ihre eigenen Abläufe und ihren Werkzeugeinsatz dynamisch steuern".

Das ist keine Wortklauberei, sondern die Frage, wer haftet, wenn etwas schiefgeht. In einem Workflow hat ein Mensch jeden Schritt aufgeschrieben, und ein falscher Schritt ist ein Bug. In einem Agenten hat ein Mensch nur das Ziel und die Grenzen aufgeschrieben, und ein falscher Schritt ist eine Entscheidung des Modells innerhalb dieser Grenzen. Wer die Grenzen nicht aufschreibt, hat keine.

Daraus folgt die praktische Regel: Wenn du die Schritte vorher aufschreiben kannst, schreib sie auf. Ein Workflow ist billiger, schneller und nachvollziehbar. Anthropic sagt dazu, man solle Komplexität "nur dann" hinzufügen, wenn sie das Ergebnis nachweisbar verbessert, denn Autonomie bedeute höhere Kosten und die Möglichkeit, dass sich Fehler aufschaukeln.

Woraus besteht ein KI-Agent?

Aus drei Teilen. Jeder Agent, der im Betrieb überlebt, hat alle drei, und die meisten Projekte, die wieder eingestellt werden, haben den dritten nicht.

Der Auslöser ist der langweiligste Teil und der, der aus einem Chat ein System macht. Bei uns ist es ein Zeitplan: montags, mittwochs, freitags. Es könnte auch eine eingehende E-Mail sein, eine neue Zeile in einer Datenbank oder ein Commit.

Die Werkzeuge sind der Teil, über den alle reden. Interessanter als die Liste ist die Grenze: Darf der Agent nur lesen, darf er schreiben, oder darf er etwas tun, das nach außen sichtbar ist. Diese drei Stufen sind der eigentliche Risikoschnitt, nicht die Anzahl der Werkzeuge.

Die Abbruchbedingung ist der Teil, der im Demo-Lauf nie gebraucht wird und im Betrieb alles entscheidet. Sie besteht aus zwei Sätzen: Woran erkennt der Agent, dass er fertig ist, und woran erkennt er, dass er nicht weiterkommt und abgeben muss.

Wie sieht ein KI-Agent im Betrieb wirklich aus?

So, und das ist der Agent, der diesen Text geschrieben hat. Wir nennen die drei Teile, weil sie bei jedem Agenten dieselben sind.

Auslöser: ein Zeitplan, montags, mittwochs und freitags morgens. Kein Mensch startet ihn.

Werkzeuge: die Warteschlange in unserem Redaktionsplan, der Git-Checkout dieser Website, eine Websuche, die Testsuite und die Freigabe zum Veröffentlichen. Er darf lesen, schreiben und veröffentlichen, also die höchste der drei Stufen von oben. Genau deshalb hängt vor dem Veröffentlichen ein Tor.

Abbruchbedingung: Er muss die Testsuite bestehen und die Website muss sich bauen lassen. Am 2. Oktober 2026, vor diesem Artikel, waren das 197 Tests in 8 Dateien, gemessen mit npx vitest run im Projektverzeichnis.

Der zweite Teil der Abbruchbedingung ist der, der uns wichtiger ist: Ein leerer Lauf ist ein erlaubtes Ergebnis. Findet der Agent für eine Zahl keine Quelle, oder ist die oberste Zeile der Warteschlange gesperrt, dann veröffentlicht er nichts, schreibt auf, woran es lag, und hört auf. Diese eine Zeile ist der Unterschied zwischen einem Agenten, den man laufen lassen kann, und einem, der jeden Mittwoch Unsinn ins Netz stellt.

Was dabei herauskommt, kann man an der Warteschlange ablesen. Der Redaktionsplan hatte an diesem Morgen 30 Zeilen:

Die drei gesperrten Zeilen sind der ehrlichste Teil dieser Grafik. Eine ist eine Geschäftsentscheidung, die zwei Menschen getroffen haben und die der Agent nicht treffen darf. Zwei hängen an einem Gesetzestext, den wir im amtlichen Original bisher nicht abrufen konnten, und der Agent darf eine Rechtsnorm nicht aus dem Englischen zurückübersetzen. Er überspringt diese Zeilen und nimmt die nächste. Er löst sie nicht auf, und er erfindet nichts.

Welche Arten von KI-Agenten gibt es?

Die nützlichste Einteilung ist nicht die nach Branche, sondern die danach, was der Agent anfassen darf. Sie entscheidet, wie viel Prüfung davor gehört.

Zwischen Stufe zwei und drei liegt der ganze Unterschied. Ein Agent, der in einem eigenen Branch arbeitet, kostet dich im schlimmsten Fall eine verworfene Änderung. Ein Agent, der senden darf, kostet dich im schlimmsten Fall eine Mail an Kunden, die du nicht zurückholen kannst.

Welche Beispiele für KI-Agenten gibt es?

Die nützlichen Beispiele sind klein und langweilig. Jedes der folgenden lässt sich auf die drei Teile zurückführen, und genau daran erkennst du, ob etwas wirklich ein Agent ist.

Was in dieser Tabelle auffällt: In drei von vier Fällen ist die Abbruchbedingung ein Zählwert oder ein Testergebnis, also etwas Messbares. Eine Abbruchbedingung, die "wenn es gut genug ist" lautet, ist keine.

Nicht in die Tabelle gehören die Fälle, die am häufigsten als Agent verkauft werden: ein Chatbot auf der eigenen Dokumentation, eine Textzusammenfassung auf Knopfdruck, ein Formular, das eine Mail auslöst. Alle drei sind nützlich. Keiner wählt seine Schritte selbst.

Was kostet ein KI-Agent im Betrieb?

Mehr als dasselbe Ergebnis in einem Workflow, und das ist kein Nachteil, sondern der Preis der Autonomie. Anthropic benennt es direkt: Autonomie bedeutet höhere Kosten und die Möglichkeit, dass sich Fehler aufschaukeln.

Die Kostenstruktur hat drei Posten, und nur der erste ist offensichtlich:

1. Die Modellkosten pro Lauf. Sie schwanken, weil die Anzahl der Schritte schwankt. Ein Agent, der beim ersten Versuch fertig ist, kostet einen Bruchteil von einem, der sich siebenmal korrigiert. Deshalb ist ein Budget pro Lauf eine sinnvolle zweite Abbruchbedingung. Für Claude Code haben wir die Preisstruktur in Claude Code Kosten auseinandergenommen, und der Kostenrechner rechnet deinen Fall durch.
2. Die Prüfzeit eines Menschen. Sie fällt nur einmal weg, wenn das Tor vor der Handlung automatisch prüft. Ein Agent, dessen Ergebnis jemand jedes Mal von Hand durchsieht, spart die Arbeit nicht, sondern verschiebt sie.
3. Die Wartung der Werkzeuge. Jedes angebundene System ändert irgendwann seine Schnittstelle, und dann steht der Agent. Das ist der Posten, den Demos nie zeigen und der bestimmt, ob ein Agent im zweiten Quartal noch läuft.

Woran erkennst du, dass dein Agent noch gesund ist?

An drei Zahlen, die du mitschreiben musst, weil sie sich sonst nicht rekonstruieren lassen: wie oft er durchlief, wie oft er abbrach, und wie oft ein Mensch sein Ergebnis nachbessern musste.

Die dritte ist die wichtige und die, die fast niemand führt. Ein Agent, der nie abbricht, sieht in einer Statistik perfekt aus und kann trotzdem jede Woche Arbeit erzeugen, die jemand hinterher gerade zieht. Steigt die Nachbesserungsquote, ist meistens nicht das Modell schlechter geworden, sondern eine Annahme in der Anweisung stimmt nicht mehr.

Deshalb gilt die Regel: Die Abbruchquote ist kein Fehler, sondern ein Messwert. Ein Agent mit null leeren Läufen ist entweder perfekt oder er prüft sich nicht. Bei uns sind leere Läufe ausdrücklich erlaubt und werden gemeldet wie ein veröffentlichter Artikel.

Warum werden so viele Agenten-Projekte wieder eingestellt?

Weil sie als Demo gebaut werden und nicht als Betrieb. Gartner sagt voraus, dass bis Ende 2027 über 40 Prozent der Agenten-Projekte eingestellt werden, und nennt als Gründe steigende Kosten, unklaren geschäftlichen Nutzen und unzureichende Risikokontrolle (Pressemitteilung vom 25. Juni 2025).

Anushree Verma, Senior Director Analyst bei Gartner, ordnet es so ein: Die meisten Agenten-Projekte seien derzeit frühe Experimente oder Machbarkeitsnachweise, die überwiegend vom Hype getrieben und oft falsch angewendet würden. Im englischen Original: "mostly driven by hype and are often misapplied".

Dazu kommt ein Problem beim Einkauf, das Gartner "Agent Washing" nennt: Anbieter benennen bestehende Assistenten, Prozessautomatisierung und Chatbots in Agenten um, ohne dass sich an der Bauart etwas ändert. Von den tausenden Anbietern, die mit dem Wort werben, schätzt Gartner, dass rund 130 tatsächlich agentische Fähigkeiten anbieten.

Die Prüffrage beim Einkauf ist deshalb dieselbe wie beim Selberbauen, und sie lässt sich in einem Satz stellen: Wer legt die Reihenfolge der Schritte fest, und was passiert, wenn das Ding nicht weiterkommt? Wer darauf keine klare Antwort bekommt, kauft einen Workflow zum Preis eines Agenten.

Wie baust du einen KI-Agenten?

Du schreibst die drei Teile auf, bevor du Code anfasst. In dieser Reihenfolge, weil die Reihenfolge die Fehler verhindert.

1. Den Auslöser. Wann genau fängt er an, und wie oft. Ein Zeitplan ist der einfachste und fast immer der richtige für den ersten Agenten.
2. Die Abbruchbedingung, vor den Werkzeugen. Woran erkennt er, dass er fertig ist. Woran erkennt er, dass er abgeben muss. Schreib den zweiten Satz wirklich auf, auch wenn er im ersten Lauf nie greift.
3. Die Werkzeuge, so wenige wie möglich. Jedes Werkzeug ist eine Entscheidung mehr, die das Modell treffen kann, und damit eine Stelle mehr, an der es danebengreifen kann.
4. Die Anweisung. Sie ist kein Prompt im Chat-Sinn, sondern ein Betriebshandbuch: Ziel, Grenzen, was bei Zweifel passiert. Unser Prompt-Generator schreibt dieselbe Vier-Block-Struktur, die wir dafür benutzen.

Der häufigste Fehler ist, bei Punkt 3 anzufangen. Werkzeuge sind sichtbar und machen im Demo Eindruck, die Abbruchbedingung ist unsichtbar und entscheidet, ob du den Agenten nach vier Wochen noch laufen lässt.

Wiederkehrende Arbeitsweisen gehören dabei nicht in die Anweisung, sondern in eigene, versionierte Dateien. Wo bei uns die Grenze zwischen beidem verläuft, steht in Claude Code Skills.

Wann solltest du keinen Agenten bauen?

Wenn du die Schritte kennst, wenn der Fehler teuer ist, oder wenn niemand die Ergebnisse liest. Diese drei Fälle decken fast alle Projekte ab, die später eingestellt werden.

• Du kennst die Schritte. Dann ist es ein Skript. Ein Skript ist billiger, schneller und man kann es lesen.
• Ein Fehlgriff ist teuer und nicht zurückholbar. Geld, Kundenkommunikation, Löschungen. Hier gehört ein Mensch vor die Handlung, und dann ist es ein Assistent und kein Agent.
• Niemand liest, was herauskommt. Ein Agent ohne Leser produziert Arbeit, die niemand prüft, und genau das wird nach vier Wochen abgeschaltet.

Bleibt es dabei, dass ein Agent passt, fang klein an: lesend, ein Werkzeug, eine Abbruchbedingung, und ein Lauf pro Tag. Wie weit man damit ohne Programmierkenntnisse kommt und wo diese Grenze liegt, steht in Vibe Coding auf Deutsch. Was der laufende Betrieb an Modellkosten wirklich verursacht, rechnen wir in Claude Code Kosten nach.

Wenn du die drei Teile einmal an einem echten Agenten gebaut haben willst, statt sie zu lesen: genau das ist der praktische Teil im Claude Code System.