Agentic AI: Vom Sprachmodell zum handlungsfähigen KI-Agenten

Der 26. Juni 2024 war für viele ein Ausnahmetag. Ein heftiges Unwetter mit Hagel zog über Europa. Wir waren beim Campen in den Dolomiten und unser Auto plötzlich unter einem Hagelsturm begraben. 

In den Tagen danach traf der nächste Sturm die Kfz-Versicherer, die sich vor Schadensmeldungen kaum mehr retten konnten. In solchen Momenten zeigen sich die Grenzen traditioneller Prozesse besonders deutlich, denn Kunden erwarten nach einem Schaden schnelle Hilfe, während sich zusätzliche Mitarbeiter nicht einfach innerhalb weniger Stunden bereitstellen lassen. Die Folge sind längere Wartezeiten.

Einfache Chat-Systeme, die lediglich Texte generieren oder statische FAQs ausgeben, greifen hier zu kurz. Die Lösung für den grassierenden Fachkräftemangel und die Bewältigung massiver Routine-Volumina liegt deshalb in Agentischer KI / Agentic AI. Doch der Übergang zum „digitalen Mitarbeiter“ ist weniger eine technologische Frage als vielmehr eine Managementdisziplin. Wer eine KI agieren lässt, muss sie wie einen menschlichen Mitarbeiter führen – mit klaren Prozessen statt blindem Vertrauen in die Technik. 

Agentic AI bezeichnet KI-Systeme, die nicht nur auf eine Anfrage reagieren, sondern auf ein definiertes Ziel hinarbeiten und dafür selbstständig Handlungsschritte ausführen können.

Ein Sprachmodell kann beispielsweise erklären, welche Informationen für eine Schadenmeldung fehlen. Ein KI-Agent kann darüber hinaus innerhalb seiner Berechtigungen prüfen, welche Unterlagen bereits vorhanden sind, fehlende Informationen identifizieren und den nächsten vorgesehenen Prozessschritt anstoßen.

Dafür benötigt ein Agent vier zentrale Fähigkeiten:

1. Selbstständige Wahrnehmung: Er sammelt und analysiert Informationen eigenständig aus seiner Umgebung.
2. Autonome Planung: Er legt die notwendigen Arbeitsschritte zur Zielerreichung fest, ohne dass ein Mensch jeden Klick vorprogrammieren muss.
3. Werkzeugnutzung: Der Agent greift gezielt auf interne Datenbanken, CRM-Systeme oder Taschenrechner zu, um Aufgaben abzuschließen. Er kann selbstverständlich auch andere Agenten aufrufen, die beispielsweise Spezialfähigkeiten haben. 
4. Adaptive Flexibilität: der KI Agent ist dabei immer adaptiv und flexibel und hat damit einen entscheidenden Vorteil gegenüber der klassischen Automatisierung. Beispielsweise plant ein KI-Agent, dem Kunden eine Mail für fehlende Fotos der Schadensmeldung zu schicken. Gehen diese Bilder jedoch genau in diesem Moment im Posteingang ein, erkennt der Agent die neue Informationslage, bricht den geplanten Versand ab und geht direkt zur Schadensbewertung über. Ähnlich wie es auch ein menschlicher Agent tun würde. 

Nehmen wir wieder die Schadenmeldung aus unserem Beispiel: Der Agent stellt fest, dass für die Bearbeitung noch Fotos fehlen, und plant eine entsprechende Anfrage an den Kunden. Gehen die Bilder jedoch ein, bevor die Nachricht versendet wurde, hat sich die Informationslage verändert. Der Agent kann den geplanten Schritt verwerfen und direkt mit der nächsten vorgesehenen Aufgabe fortfahren.

Während damit starre Programmierung bei jeder Prozessabweichung an ihre Grenzen kommt, ermöglicht die Flexibilität von agentischer KI eine flüssige, menschenähnliche Kundenerfahrung. 

Die Fähigkeit, selbstständig Entscheidungen über nächste Prozessschritte zu treffen, bringt auch eine neue Verantwortung mit sich.

Ein kritischer Faktor, den Entscheider oft unterschätzen, ist die Fehlerfrequenz. Während ein menschlicher Fehler isoliert auftritt, repliziert ein falsch konfigurierter Agent seinen Fehler mit 100-prozentiger Frequenz und hoher Geschwindigkeit, bis er gestoppt wird. Deshalb erfordert Agentic AI hohe Präzision in der Prozessarchitektur. Ein Agent darf nicht „wild“ agieren; er muss innerhalb der Leitplanken der Organisation bleiben, genau wie ein neuer Mitarbeiter in der Einarbeitung.

Agentic AI ist keine vollständig neue Form von KI, die losgelöst von bisherigen Technologien funktioniert. Vielmehr verbindet sie verschiedene Fähigkeiten und ergänzt insbesondere generative KI um eine entscheidende Ebene: Handlungsfähigkeit.

Klassische KI ist vor allem auf Mustererkennung, Auswertung und Prognosen ausgerichtet. Generative KI erzeugt Inhalte wie Texte, Bilder oder Code und ermöglicht dialogbasierte Interaktion. Sie allein neigt zur Halluzination, weil sie auf statistischen Wahrscheinlichkeiten beruht. Agentic AI minimiert dieses Risiko durch konsequentes Grounding in Unternehmensdaten.

Gerade dieser Schritt von der Antwort zur Handlung verändert das Risikoprofil. Sobald eine KI nicht mehr nur Informationen erzeugt, sondern auf deren Basis Aktionen ausführt, steigen die Anforderungen an die Verlässlichkeit des Systems.

Ein Sprachmodell kann nur die Informationen berücksichtigen, die ihm für die aktuelle Aufgabe zur Verfügung stehen. Wie viele Informationen grundsätzlich verarbeitet werden können, wird durch das sogenannte Kontextfenster begrenzt.

Ein großes Kontextfenster führt jedoch nicht automatisch zu besseren Ergebnissen.

Man kann es mit einem Schreibtisch vergleichen: Auf einem größeren Schreibtisch lassen sich zwar mehr Dokumente ablegen. Dadurch findet man aber nicht automatisch schneller das Dokument, das man gerade benötigt.

Für einen gut konzipierten KI-Agenten gilt deshalb dasselbe Prinzip. Er sollte nicht bei jedem Arbeitsschritt sämtliche verfügbaren AGB, Verträge und Prozessbeschreibungen erhalten. Stattdessen benötigt er gezielt die Informationen, die für seine aktuelle Aufgabe relevant sind.

Entscheidend sind also nicht nur die Menge der verfügbaren Informationen, sondern vor allem deren Relevanz, Aktualität und Struktur.

Der wirtschaftliche Nutzen von Agentic AI entsteht insbesondere dort, wo Unternehmen große Mengen wiederkehrender Vorgänge bearbeiten und gleichzeitig flexibel auf unterschiedliche Situationen reagieren müssen.

Das zeigt sich auch am Versicherungsbeispiel vom Anfang. Nach einem großen Unwetter müssen nicht sämtliche Schadenfälle sofort vollständig autonom durch einen Agenten entschieden werden. Vielmehr können unterschiedliche Aufgaben unterschiedlich stark automatisiert werden.

Die entscheidende Frage lautet deshalb nicht: Wo können wir Menschen vollständig durch KI ersetzen?

Sinnvoller ist die Frage: Welche Arbeitsschritte kann ein Agent zuverlässig übernehmen und an welchen Stellen brauchen wir weiterhin menschliche Entscheidungskompetenz?

Damit können menschliche Experten von monotonen Routineaufgaben entlastet werden und sich stärker auf Situationen konzentrieren, in denen Erfahrung, Empathie oder Ermessensspielraum erforderlich sind.

Agentic AI ist keine Zauberei. Der Nutzen entsteht durch klar definierte Aufgaben, verlässliche Daten und wirksame Kontrollen. Gerade die Skalierbarkeit ist Chance und Risiko zugleich: Ein Agent kann große Mengen an Routineaufgaben schnell bearbeiten, aber auch Fehler in kurzer Zeit auf viele Vorgänge übertragen.

Deshalb braucht Agentic AI abgestufte Berechtigungen, Qualitätsprüfungen, Protokollierung und klare Übergabepunkte an Menschen. Den größten Vorsprung erzielen Unternehmen nicht mit möglichst autonomen Agenten. Entscheidend sind Agenten, die die Geschwindigkeit und Skalierbarkeit von Software nutzen und innerhalb sinnvoller Grenzen verlässlich arbeiten.