KI-Agent: was er kann, ohne dass du etwas programmierst

Diese Seite erklärt KI-Agenten aus der Anwenderperspektive: was du damit erledigen kannst, ohne eine Zeile Code zu schreiben. Wie man Agenten selbst entwickelt, steht im Beitrag zu LangChain-Agents, und den Aufbau agentischer Workflows behandelt ein eigener Beitrag.

Ein KI-Agent ist kein neues, intelligenteres Modell. Er ist ein System, das ein Sprachmodell mit externen Werkzeugen verbindet und damit selbstständig auf ein Ziel hinarbeitet, das du vorgibst. Ein Chatbot beantwortet eine Eingabe und ist fertig; ein Agent arbeitet zielgerichtet weiter, plant Schritte, nutzt Werkzeuge und prüft seine Ergebnisse.

Die Agent-Schleife: Planen, Handeln, Prüfen

1. Planen: Der Agent zerlegt dein Ziel in Schritte und entscheidet, was als Nächstes zu tun ist.

2. Handeln: Er führt den Schritt aus, etwa eine Suche, einen Werkzeug-Aufruf oder eine Eingabe in einem Programm.

3. Prüfen: Er bewertet das Ergebnis und passt den Plan an, bis das Ziel erreicht ist oder er dich fragt.

Diese Schleife ist keine Marketing-Erfindung, sondern hat eine Forschungsgrundlage: Das ReAct-Framework verschränkt bei Sprachmodellen explizites Nachdenken mit Handeln durch Werkzeugnutzung, und das Toolformer-Verfahren zeigte, dass Modelle sich selbst beibringen können, wann und wie sie externe Werkzeuge aufrufen. Gemessen wird so etwas inzwischen an realen Aufgaben: Der SWE-bench-Benchmark testet, ob Modelle echte GitHub-Issues in bestehenden Codebasen selbstständig lösen.

Was das praktisch heißt: drei Beispiele

• OpenAI hat mit dem ChatGPT-Agent einen Modus eingeführt, in dem ChatGPT Aufgaben im Web selbst ausführt: Es wechselt zwischen Nachdenken und Handeln und nutzt dafür einen visuellen Browser und ein Terminal.

• Anthropic hat mit „computer use“ eine Fähigkeit veröffentlicht, mit der Claude mehrstufige Aufgaben in laufenden Anwendungen so ausführt, wie es ein Mensch an Tastatur und Maus täte.

• Googles Project Mariner arbeitet im Browser: Der Prototyp liest den Bildschirm, erledigt darüber Aufgaben und holt vor sensiblen Aktionen deine Bestätigung ein.

Wofür sich Agenten eignen und wofür nicht

Agenten eignen sich besonders für regelmäßig wiederkehrende, datenintensive Aufgaben, die heute manuell zwischen mehreren Systemen erledigt werden. Für starre Abläufe brauchst du keinen Agenten: Eine klassische Automatisierung folgt vordefinierten Wenn-Dann-Pfaden und ist dort billiger und verlässlicher. Die Wahl hängt von der Aufgabe ab: sprachlich (Modell reicht), regelbasiert (Automatisierung reicht) oder dynamisch mit Entscheidungen unterwegs (Agent).

Kontrolle behalten

Dass Project Mariner vor sensiblen Aktionen eine Bestätigung einholt, zeigt das Prinzip: Der Agent handelt, die Verantwortung bleibt bei dir. Prüfe Agenten-Ergebnisse wie jede andere KI-Ausgabe, das Vorgehen dafür steht im Beitrag Wie prüfe ich, ob eine KI-Antwort stimmt?.

Quellen: Yao et al., „ReAct: Synergizing Reasoning and Acting in Language Models“ (arXiv 2210.03629, 2022); Schick et al., „Toolformer: Language Models Can Teach Themselves to Use Tools“ (arXiv 2302.04761, 2023); Jimenez et al., „SWE-bench: Can Language Models Resolve Real-World GitHub Issues?“ (arXiv 2310.06770, 2023); OpenAI, „Introducing ChatGPT agent“; Anthropic, „Introducing computer use“; Google DeepMind, „Project Mariner“.