Wer sich mit Agentic AI beschäftigt, stösst schnell auf Begriffe wie «Reasoning», «Human-in-the-Loop» oder «Model Context Protocol». Dieses Glossar erklärt die wichtigsten Konzepte in wenigen Minuten.
Generative KI-Systeme wie ChatGPT erzeugen Texte, Bilder, Zusammenfassungen oder Code. Sie reagieren auf Anfragen und generieren Inhalte. Agentic AI verfolgt hingegen ein Ziel, handelt selbständig, plant die notwendigen Schritte und kann über angebundene Systeme selbst Aktionen auslösen.
Ein Agent kann beispielsweise Informationen aus verschiedenen Systemen zusammentragen, Supportanfragen priorisieren, eine Offerte vorbereiten oder einen Kundentermin koordinieren. Statt jeden Schritt einzeln anzustossen, arbeitet das System auf ein definiertes Ziel hin und braucht nicht zwingend eine Anfrage, sondern kann auf seine Umgebung reagieren.
Generative KI und Agentic AI im Vergleich
| Generative KI | Agentic AI |
|---|---|
| beantwortet Fragen | verfolgt Ziele |
| reagiert auf Prompts | handelt innerhalb definierter Vorgaben |
| erzeugt Inhalte | führt Aktionen aus |
| einzelne Interaktionen | mehrstufige Prozesse |
Agentische KI unterstützt also bei der Erledigung von Aufgaben. Grundlage dafür sind Systeme, die sich Informationen und Zwischenschritte merken können, ein Ziel verfolgen und hierfür auf Anwendungen, Datenquellen oder weitere Werkzeuge zugreifen. Dadurch können sie mehrere Arbeitsschritte miteinander verknüpfen, statt nur auf einzelne Anfragen zu reagieren. Bei Agentic AI handelt es sich daher um zustandsbehaftete KI-Systeme – ein erster wichtiger Begriff:
Zustandsbehaftet (stateful): Ein KI-System arbeitet mit Kontext
Zustandsbehaftete Systeme können relevante Informationen aus früheren Schritten berücksichtigen. Dazu speichern sie beispielsweise den aktuellen Stand von Aufgaben, Entscheidungen, Ergebnisse oder weitere Kontextinformationen und beziehen diese in die nächsten Aktionen ein. So lassen sich auch mehrstufige Prozesse über längere Zeit hinweg bearbeiten.
Beispiel: Ein Agent merkt sich, welche Lieferanten bereits kontaktiert wurden, welche Antworten eingegangen sind und welche nächsten Schritte noch offen sind.
Zustandslos (stateless): Ein KI-System arbeitet ohne gespeicherten Kontext
Ein zustandsloses System behandelt jede Anfrage weitgehend für sich. Es weiss nicht automatisch, welche Schritte zuvor bereits ausgeführt wurden oder welches Ziel über mehrere Arbeitsschritte hinweg verfolgt wird.
Beispiel: Sie bitten ein KI-System, eine Zusammenfassung zu schreiben. Bei der nächsten Anfrage muss der benötigte Kontext erneut mitgegeben werden.
Autonomie: Wie selbstständig kann ein KI-Agent handeln?
Während Generative KI vor allem Informationen verarbeitet und Inhalte erzeugt, können agentische Systeme auf Basis dieser Informationen eigenständig planen, entscheiden und handeln. Wie weit diese Selbstständigkeit reicht, beschreibt der Begriff der Autonomie.
Je höher die Autonomie, desto mehr Aufgaben lassen sich ohne direkte menschliche Eingriffe bearbeiten. Gleichzeitig steigt der Bedarf an klaren Leitplanken und an Kontrolle.
Autonomie-Spektrum: verschiedene Stufen der Selbstständigkeit
Agentische KI gibt es in unterschiedlichen Ausprägungen. Manche Systeme unterstützen einzelne Aufgaben, andere können ganze Prozessschritte weitgehend selbstständig ausführen. Zwischen einfacher Automatisierung und weitgehend autonomer Orchestrierung gibt es vier verschiedene Stufen: reaktive Automation, aufgabenspezifische Agenten, konditionale Agenten und autonome Orchestrierung.
Mehr zu den vier Autonomie-Stufen erfahren Sie im Whitepaper «Von generativer zu agentischer KI».
Neben ihrer Autonomie zeichnen sich Agenten zusätzlich durch ihre Funktionsweise aus. Sie analysieren Informationen, planen die nächsten Schritte, nutzen externe Werkzeuge und arbeiten je nach Anwendungsfall mit anderen Agenten oder Menschen zusammen. Die folgenden Konzepte beschreiben vereinfachend die Funktionsweise agentischer Systeme.
PRAF: Perception-Reasoning-Action-Feedback: der Arbeitszyklus eines Agenten
Viele agentische Systeme arbeiten nach einem wiederkehrenden Zyklus:
- Informationen wahrnehmen (Perception)
- Nachdenken und planen (Reasoning)
- Handeln (Action)
- Ergebnis überprüfen (Feedback)
Dieser Kreislauf ermöglicht es Agenten, auf neue Informationen zu reagieren und ihr Vorgehen anzupassen.
Kommunikation mit externen Systemen und anderen Agenten: APIs, MCP und A2A
KI-Agenten arbeiten typischerweise nicht isoliert. Über Application Programming Interfaces (APIs) oder das Model Context Protocol (MCP) können sie auf externe Anwendungen, Datenquellen und Tools zugreifen.
APIs ermöglichen die gezielte Anbindung an einzelne Systeme, während MCP einen einheitlichen Rahmen für den Zugriff darauf schafft. Bildlich gesprochen funktioniert MCP wie ein universeller Adapter: Es sorgt dafür, dass KI-Agenten und Unternehmensanwendungen dieselbe Sprache sprechen und Informationen austauschen können.
So kann ein KI-Agent beispielsweise Informationen aus einem CRM abrufen, einen Termin im Kalender prüfen oder einen Eintrag in einem Ticketsystem erstellen. Dadurch beschränkt sich Agentic AI nicht auf die Verarbeitung von Informationen, sondern kann auch Aktionen in bestehenden Unternehmensanwendungen auslösen.
Mit der Agent-to-Agent-Kommunikation (A2A) ist der Informationsaustausch und die Koordination von Aufgaben zwischen Agenten gemeint. Arbeiten mehrere spezialisierte Agenten zusammen, spricht man von einem Multi-Agent-System. Beispielsweise recherchiert ein Agent Informationen, ein weiterer erstellt die Analyse und ein dritter übernimmt die Dokumentation. Weitere Muster, wie Agenten gebaut werden können, hat unter anderem Anthropic beschrieben.
Human-in-the-Loop (HITL): der Mensch behält die Kontrolle
Bei diesem Ansatz bleibt der Mensch Teil des Prozesses. Kritische oder irreversible Entscheidungen werden erst ausgeführt, nachdem sie von einer Person geprüft und freigegeben wurden. Wichtig ist zu definieren, wann genau zu einer Person eskaliert werden muss oder welcher Prozessschritt immer bei einer Person bleiben müssen.
Beispiel: Ein Agent erstellt einen Vertragsentwurf, die Freigabe erteilt eine Fachperson.
Was Agentic AI heute kann und wo die Grenzen liegen
Rund um Agentic AI entstehen derzeit viele Erwartungen. Deshalb lohnt sich ein realistischer Blick auf deren Fähigkeiten. Agentische KI kann Informationen analysieren, Aufgaben planen, verschiedene Systeme miteinander verbinden und definierte Prozesse teilweise selbstständig ausführen.
Gleichzeitig handelt es sich nicht um eine Technologie mit eigenem Bewusstsein oder menschlichem Urteilsvermögen. Aktuelle Systeme können Fehler machen und benötigen klare Regeln, geeignete Daten sowie – je nach Grad der Automatisierung – oftmals noch menschliche Aufsicht.
Für Unternehmen bedeutet das: Agentische KI ersetzt weder Fachwissen noch Verantwortung. Ihren grössten Nutzen entfaltet sie dort, wo Menschen und KI ihre jeweiligen Stärken kombinieren. Menschliche Kontrolle, klare Leitplanken und transparente Prozesse bleiben dabei zentrale Erfolgsfaktoren.
Mehr erfahren im Whitepaper
Dieses Glossar bietet einen ersten Überblick über die wichtigsten Begriffe und Konzepte. Wenn Sie tiefer verstehen möchten, wie agentische KI technisch funktioniert, welche Sicherheits-, Governance- und Datenschutzaspekte zu berücksichtigen sind und wie Unternehmen den produktiven Einsatz planen können, lohnt sich ein Blick in das Whitepaper «Von generativer zu agentischer KI».
