Agenten,
Tools & Sicherheit.
Ein Agent ist ein Arbeitssystem, kein smarter Chatbot.
Die Qualität eines Agentensystems entsteht nicht durch das Modell allein, sondern durch Kontext, Tools, Speicher, Planning und Feedback zusammen.
Viele stellen sich Agenten als besonders kluge Chatbots vor. Das ist irreführend. Ein Agent ist ein Arbeitssystem, das Ziele verfolgt, Werkzeuge nutzt und iterativ vorgeht, mit allem, was dazugehört.
Was ist ein Agent?
Ein Agent ist ein KI-System, das nicht nur antwortet, sondern eigenständig Schritte ausführen kann, um ein Ziel zu erreichen.
- 01Sprachmodell allein.
Ein Modell ist wie ein Gehirn ohne Hände, Augen oder Gedächtnis. Es kann denken, formulieren und analysieren, aber nicht handeln, nachschauen oder speichern.
- 02Agent = Modell + System.
Ein Agent ist dieses Gehirn plus Werkzeuge, Gedächtnis, Arbeitsprozesse und Zugriff auf die Umgebung. Erst das System macht aus dem Modell einen handlungsfähigen Mitarbeiter.
Chatbot, Workflow, Agent. Drei Profile.
- Frage rein, Antwort raus
- reaktiv
- keine Zwischenschritte
- kein langfristiges Ziel
- kaum Tool-Nutzung
- produziert Antworten
- feste, deterministische Regeln
- klar definierte Abläufe
- keine echte Entscheidungslogik
- Wenn Mail → PDF → Slack → Ticket
- skaliert Prozesse
- löst keine offenen Probleme
- verfolgt Ziele
- zerlegt Aufgaben
- interpretiert Situationen
- entscheidet dynamisch
- arbeitet mit Unsicherheit
- bearbeitet Aufgaben, nicht Fragen
Automation = feste Schritte. Agent = dynamische Problemlösung.
Warum gerade jetzt?
- 01Modelle werden besser.
Längerer Kontext, stabileres Reasoning, bessere Planung und zuverlässigere Tool-Nutzung machen Agenten erst praktisch einsetzbar.
- 02Tool-Use wird Standard.
Modelle können heute Dateien lesen, Webseiten durchsuchen, APIs aufrufen, Code ausführen und Systeme steuern. Nicht nur Text erzeugen.
- 03Kontext wird verfügbar.
Unternehmen haben Dokumente, Wissensdatenbanken, Prozesse und historische Daten. Die Herausforderung ist, dieses Wissen für Agenten nutzbar zu machen.
- 04Wissensarbeit wird modularisierbar.
Analysieren, strukturieren, vergleichen, zusammenfassen, formulieren. Viele Kernaufgaben der Wissensarbeit passen sehr gut zu agentischen Systemen.
Wann lohnt sich ein Agent?
- mehrstufigen Aufgaben
- vielen Dateien und Quellen
- wiederkehrenden Prozessen
- Tool-Integration
- komplexem Kontext
- iterativer Arbeit
- einzelne Fragen
- kleine, abgeschlossene Aufgaben
- schnelle Ideen und Entwürfe
- einfache Textproduktion
Nicht: „Schreib mir eine Zusammenfassung.“ Sondern: „Analysiere diese Workshop-Unterlagen, extrahiere die wichtigsten Learnings, strukturiere sie nach Themenclustern und erstelle daraus: - eine Case Study - 5 LinkedIn-Post-Ideen - ein Executive Summary - offene Folgefragen“
Woraus ein Agentensystem besteht.
Sieben Bausteine. Das Modell ist nur einer davon. Die anderen entscheiden, ob ein Agent gut arbeitet.
Modell
Das Gehirn. Zuständig für Reasoning, Sprache, Planung und Analyse.
Kontext
Die Arbeitsgrundlage. Dateien, Regeln, Projektwissen, Beispiele und Historie.
Speicher
Das Gedächtnis. Kurzfristiger Kontext, langfristige Informationen, Verläufe und Zustände.
Tools
Die Hände. Web, Kalender, Drive, APIs, Datenbanken und lokale Dateien.
Skills
Wiederverwendbare Fähigkeiten. Recherche, Angebotsstruktur, Workshopdesign, Case-Study-Erstellung.
Planning
Die Steuerung. Ziel prüfen, Schritte planen, Ergebnisse bewerten, nächste Aktion bestimmen.
Feedback
Die Qualitätssicherung. Self-Review, Human-in-the-loop, Regeln, Freigaben und Evaluation.
Kontext, Wissen, Speicher.
Modelle allein sind oft erstaunlich „leer“. Der eigentliche Wert entsteht durch Kontext, Beispiele und strukturiertes Arbeitswissen. In drei Ebenen.
- aktuelle Aufgabe
- aktueller Chat-Verlauf
- hochgeladene Dateien
- Projekte und Präferenzen
- Arbeitsweise und Stil
- historische Informationen
- Wissensdatenbanken
- Templates und Skill-Ordner
- Regeln und Beispiele
- agent.md
Nicht möglichst viele Daten, sondern relevante, strukturierte, auffindbare.
Der Agenten-Loop.
- Ziel verstehen
- Informationen sammeln
- Plan erstellen
- Tool auswählen
- Aktion ausführen
- Ergebnis bewerten
- nächsten Schritt bestimmen
- stoppen oder weitermachen
Ohne Hände kein Handeln.
- 01Modell ohne Tools.
Ein Modell kann ausschließlich Text erzeugen. Keine Aktion, kein Zugriff, keine Wirkung in der Welt.
- 02Modell mit Tools.
Ein Agent mit Tools liest Dateien, durchsucht Webseiten, ruft Daten ab, prüft Kalender, bereitet Mails vor und steuert Systeme.
MCPs (Model Context Protocol) standardisieren, wie Agenten auf Tools zugreifen, wie Daten bereitgestellt werden und wie Systeme miteinander verbunden werden. Die Zukunft liegt wahrscheinlich nicht im einzelnen Supermodell, sondern in vernetzten Systemen mit Zugriff auf echte Arbeitsumgebungen.
Beispiele aus der Praxis:
Wo Agenten heute scheitern.
Agenten wirken oft intelligenter als sie sind. Zwei Problemgruppen treten besonders häufig auf.
- Schlechter Kontext → falsche Entscheidungen
- Zu offene Ziele → Endlosschleifen
- Fehlende Qualitätskontrolle → Fehler propagieren sich
- Zu viel Autonomie → unvorhersehbares Verhalten
- Tool-Fehler → falsche Aktionen
- Halluzinationen → plausible Unsicherheit
- Lange Agent-Loops sind teuer
- Geschwindigkeit vs. Qualität
Agenten sind keine magischen Mitarbeiter, eher sehr schnelle, sehr flexible, gut briefbare Junioren mit enormer Arbeitsgeschwindigkeit und begrenztem Verständnis.