Was ist ein KI-Agent?
Ein KI-Agent ist ein KI-System, das nicht nur antwortet – sondern selbstständig Ziele verfolgt, Pläne erstellt, Aktionen ausführt und das Ergebnis bewertet.
Agent = KI + Werkzeuge + Entscheidungslogik + Feedback-Schleife
- Zielgerichtet: Ein Agent bekommt ein Ziel, nicht nur eine Frage
- Autonom: Er entscheidet selbst, welche Schritte nötig sind
- Werkzeugnutzend: Er kann Programme ausführen, Dateien lesen, APIs aufrufen
- Selbstkorrigierend: Er prüft sein Ergebnis und passt den Plan an, wenn nötig
- Iterativ: Mehrere Schritte hintereinander – nicht nur eine Antwort
Chatbot vs. Agent – der Unterschied
Chatbot
Frage → Antwort
Reagiert auf eine Eingabe und gibt eine Antwort zurück.
Kein Gedächtnis zwischen Gesprächen (ohne spezielle Konfiguration).
Führt keine Aktionen aus – gibt nur Text zurück.
Beispiel: „Erkläre mir RAID 5." → Erklärung.
Agent
Ziel → Plan → Ausführung
Bekommt ein Ziel und arbeitet es eigenständig ab.
Kann Werkzeuge nutzen: Dateien lesen, Code ausführen, APIs abfragen.
Prüft Zwischenergebnisse und korrigiert den Plan.
Beispiel: „Analysiere alle Fehlereinträge im Log vom letzten Montag."
Wie ein Agent arbeitet
1. Ziel empfangen
Was soll erreicht werden?
Der Agent bekommt ein Ziel: „Erstelle einen Bericht über alle fehlgeschlagenen Logins der letzten 7 Tage."
2. Plan erstellen
Welche Schritte sind nötig?
Agent zerlegt das Ziel in Teilschritte: Log-Datei lesen → Fehler filtern → Zählen → Formatieren → Ausgeben.
3. Werkzeuge auswählen
Was wird gebraucht?
Bash-Befehl zum Log-Lesen, Python zum Auswerten, Datei-Tool zum Schreiben des Berichts.
4. Ausführen
Aktionen starten
Agent führt die Schritte der Reihe nach aus – und beobachtet die Ergebnisse jedes Schritts.
5. Prüfen
Ergebnis bewerten
Hat der Schritt das erwartete Ergebnis gebracht? Wenn nicht: Plan anpassen, Schritt wiederholen oder Fehler melden.
6. Abschließen
Ziel erreicht?
Wenn alle Schritte erfolgreich: Endergebnis zurückgeben. Wenn nicht möglich: Begründung und Teilergebnis.
Welche Tools nutzen Agenten?
Code-Ausführung
Python, Bash, PowerShell
Agent schreibt und führt Code aus – zum Auswerten von Daten, Automatisieren von Aufgaben, Berechnen von Ergebnissen
Dateisystem
Lesen, Schreiben, Suchen
Dateien öffnen, Inhalte extrahieren, neue Dokumente erstellen, Verzeichnisse durchsuchen
Web-Suche
Aktuelle Informationen
Informationen aus dem Internet abrufen – aktuelle Nachrichten, Dokumentationen, CVE-Datenbanken
APIs
Externe Dienste
REST-APIs aufrufen: Ticketsysteme, Monitoring-Tools, Cloud-Plattformen, Datenbanken
Browser
Webseiten bedienen
Weboberflächen navigieren, Formulare ausfüllen, Screenshots erstellen – wie ein Mensch am Browser
Speicher
Kontext merken
Zwischenergebnisse speichern, frühere Aufgaben abrufen, langfristiges Wissen aufbauen
Praxisbeispiel: Log-Analyse-Agent
Aufgabe: „Analysiere den nginx-Access-Log vom gestrigen Tag. Identifiziere die Top-10 IPs nach Anfragen und markiere auffällige Muster."
Agent-Ablauf automatisch:
1. Log-Datei lesen (Dateisystem-Tool)
2. Zeilen filtern auf gestriges Datum (Code-Ausführung)
3. IPs extrahieren und zählen (Python)
4. Top-10 sortieren, Muster erkennen (Analyse)
5. Bericht als Markdown-Tabelle ausgeben
- Ohne Agent: 20–30 Minuten manuelle Arbeit mit grep, awk, sort
- Mit Agent: 2–3 Minuten – Ziel formulieren, Ergebnis prüfen
- Agent erkennt auch: ungewöhnlich hohe Fehlerrate, Bot-Muster, geografische Auffälligkeiten
Praxisbeispiel: Ticket-Routing-Agent
Aufgabe: Eingehende IT-Support-Tickets automatisch klassifizieren und dem richtigen Team zuweisen.
Agent-Logik
Automatisches Routing
Neues Ticket kommt herein → Agent liest Titel und Beschreibung.
Klassifiziert: Netzwerk / Hardware / Software / Zugang / Sicherheit.
Weist Priorität zu: Kritisch / Hoch / Normal / Niedrig.
Leitet an das zuständige Team weiter (API-Aufruf ans Ticketsystem).
Ergebnis
Was sich verändert
Kein manuelles Sortieren mehr für L1-Support.
Kritische Tickets erreichen sofort das richtige Team.
Konsistente Klassifizierung – kein subjektives Einschätzen.
Messbar: Routing-Zeit von 15 Min auf unter 1 Min.
Claude Code als Coding-Agent
Claude Code ist ein vollwertiger Coding-Agent: Er liest Codebases, schreibt Code, führt Tests aus und korrigiert Fehler – alles autonom im Terminal.
Befehl: claude "Füge eine Paginierung zur Benutzerliste hinzu. Tests müssen danach grün sein."
- Lesen: Agent analysiert alle relevanten Dateien der Codebase
- Planen: Entscheidet, welche Dateien geändert werden müssen
- Schreiben: Implementiert die Änderung direkt in den Dateien
- Testen: Führt die Test-Suite aus und prüft das Ergebnis
- Korrigieren: Bei Fehlern: analysiert, passt an, testet erneut
- Abschließen: Meldet Erfolg oder Grenzen der Aufgabe
Claude Code macht aus einem Ziel eine fertige Änderung – ohne manuelles Eingreifen bei jedem Schritt.
Risiken und Kontrollmechanismen
Risiken
Was schiefgehen kann
Unkontrollierte Aktionen: Agent löscht Dateien, die er nicht löschen sollte.
Endlosschleifen: Agent korrigiert sich selbst in eine Sackgasse.
Eskalation: Kleine Fehler können zu großen Folgefehlern führen.
Datenleck: Agent sendet sensible Daten an externe APIs.
Kontrollmechanismen
Was schützt
Human-in-the-Loop: Kritische Schritte brauchen Bestätigung.
Berechtigungsgrenzen: Agent hat nur Zugriff auf definierte Ressourcen.
Schritt-Limit: Maximale Anzahl an Aktionen pro Aufgabe.
Audit-Log: Jeder Schritt wird protokolliert und ist nachvollziehbar.
Wann Agenten einsetzen?
Agenten lohnen sich bei: wiederholbaren, mehrstufigen Aufgaben mit klarem Ziel.
- Ja: Log-Analyse, Report-Erstellung, Ticket-Routing, Monitoring-Auswertung
- Ja: Code-Reviews, automatische Tests, Dokumentationserstellung
- Ja: Daten sammeln, verarbeiten, strukturiert ausgeben
- Nein: Aufgaben mit vielen unklaren Anforderungen – erst Ziel schärfen
- Nein: Direkte Produktionseingriffe ohne Rollback-Möglichkeit
- Nein: Wenn ein einfacher Prompt genügt – kein Agent nötig
Agenten sind kein Allheilmittel – sie lösen Prozesse, keine schlecht definierten Ideen.
Zusammenfassung
- KI-Agenten verfolgen Ziele autonom: planen, handeln, prüfen, korrigieren
- Unterschied zum Chatbot: Agenten führen Aktionen aus statt nur zu antworten
- Werkzeuge: Code-Ausführung, Dateisystem, APIs, Web-Suche, Browser
- Praxis: Log-Analyse, Ticket-Routing, Coding-Assistenz – messbare Zeitersparnis
- Risiken: unkontrollierte Aktionen, Datenleck – durch Berechtigungen und Human-in-the-Loop begrenzen
- Einsetzen bei klar definierten, mehrstufigen, wiederholbaren Aufgaben
Ein KI-Agent ist kein Chatbot auf Steroiden – er ist ein autonomes System mit Werkzeugen und Verantwortung.