Was ist Agentic AI?

Agentic AI (agentenbasierte KI) bezeichnet KI-Systeme, die ein vorgegebenes Ziel mit begrenzter menschlicher Aufsicht eigenständig erreichen. Anders als ein Chatbot, der auf einzelne Eingaben antwortet, kann ein solches System eine Aufgabe in Teilschritte zerlegen, einen Plan aufstellen, Werkzeuge und Datenquellen nutzen und seine Schritte anhand von Zwischenergebnissen anpassen, bis das Ziel erreicht ist.

Der Begriff leitet sich vom englischen agency ab – der Fähigkeit, aus eigenem Antrieb zu handeln. Gemeint ist also nicht ein einzelnes Modell, das Text erzeugt, sondern ein System, das ein Ziel verfolgt und dafür selbst entscheidet, welche Schritte nötig sind.

Wie Agentic AI funktioniert

Im Kern arbeiten agentenbasierte Systeme in einem wiederkehrenden Ablauf, der vier Schritte verbindet:

• Planen: Das System leitet aus dem Ziel ab, welche Teilaufgaben in welcher Reihenfolge zu erledigen sind.
• Handeln: Es führt einen Schritt aus – etwa eine Datenbank abfragen, eine Berechnung anstoßen oder eine E-Mail entwerfen.
• Beobachten: Es prüft das Ergebnis des Schritts: Hat die Aktion funktioniert? Stimmt das Zwischenergebnis?
• Anpassen: Auf Basis dieser Beobachtung korrigiert es den Plan, wiederholt einen Schritt oder geht zum nächsten über.

Diese Schleife läuft so lange, bis das Ziel erreicht oder ein Abbruchkriterium erfüllt ist. Damit das funktioniert, braucht ein Agentic-System mehr als ein Sprachmodell. Üblich sind drei zusätzliche Bausteine: ein Gedächtnis (Memory), um Zwischenstände und frühere Schritte festzuhalten; Werkzeuge (Tools), über die das System auf externe Software, APIs oder Datenquellen zugreift; und eine Steuerung (Orchestrierung), die den Ablauf koordiniert. Für den Werkzeugzugriff hat sich ein offener Standard etabliert, das Model Context Protocol (MCP). Für den Zugriff auf aktuelle, firmeneigene Daten kommt häufig Retrieval-Augmented Generation (RAG) zum Einsatz.

Abgrenzung: klassische KI, generative KI, Agentic AI

Die drei Begriffe werden oft vermischt, beschreiben aber unterschiedliche Fähigkeiten:

• Klassische (regelbasierte) KI liefert ein bestimmtes Ergebnis auf eine bestimmte Eingabe – etwa eine Klassifizierung oder eine Vorhersage. Sie arbeitet innerhalb fest gesetzter Grenzen und braucht für jede Aufgabe klare Anweisungen.
• Generative KI erzeugt Inhalte – Text, Bilder, Code – als Antwort auf eine Eingabe. Der Wert entsteht durch das, was das Modell ausgibt; das System wartet aber auf die nächste Eingabe.
• Agentic AI baut auf generativen Modellen auf, geht aber einen Schritt weiter: Sie reagiert nicht nur, sondern verfolgt ein Ziel über mehrere Schritte hinweg, trifft dabei Entscheidungen und führt Aktionen aus.

Ein anschaulicher Unterschied: Ein generatives System beantwortet die Frage „Welche Interessenten passen zu unserem Angebot?". Ein agentenbasiertes System bekommt das Ziel „Finde und qualifiziere passende Interessenten" – und recherchiert, gleicht Daten ab, bewertet und liefert eine sortierte Liste, ohne dass jeder Zwischenschritt einzeln angestoßen werden muss. Mehr zu den ausführenden Einheiten in solchen Systemen finden Sie unter Was sind KI-Agenten?.

Einzelne Agenten und Multi-Agenten-Systeme

Eine Aufgabe muss nicht von einem einzelnen Agenten erledigt werden. Bei komplexeren Zielen übernimmt jeder Agent eine Teilaufgabe, und eine übergeordnete Steuerung koordiniert ihre Arbeit. Solche Multi-Agenten-Systeme verteilen ein großes Ziel auf spezialisierte Rollen – ähnlich wie ein Team aus Fachleuten, das sich abstimmt. Diese Bauweise ist robuster, weil sich Zuständigkeiten klar trennen und einzelne Schritte gezielt prüfen lassen.

Grenzen und Verantwortung

Mehr Eigenständigkeit bedeutet auch mehr Aufmerksamkeit für Kontrolle. Agentic-Systeme können Fehler aus Zwischenschritten weitertragen, und ihre Entscheidungen sind nur so gut wie die Daten und Werkzeuge, auf die sie zugreifen. In der Praxis gehören deshalb klare Grenzen, nachvollziehbare Protokolle und ein menschlicher Freigabepunkt an kritischen Stellen dazu. „Begrenzte Aufsicht" heißt nicht „keine Aufsicht": Wer ein Ziel definiert, legt auch fest, was das System tun darf und wo es zur Rückfrage anhalten soll. Für Unternehmen im DACH-Raum kommen Anforderungen aus dem Datenschutz hinzu – etwa wo Daten verarbeitet und gespeichert werden.

Agentic AI bei AI-Mitarbeitern

Wenn ein agentenbasiertes System dauerhaft eine klar umrissene Rolle in einem Unternehmen übernimmt, sprechen wir bei scoreprise.AI von einem AI-Mitarbeiter. Der Unterschied liegt in der Einbettung: Ein AI-Mitarbeiter ist nicht ein offenes „macht irgendetwas autonom", sondern eine festgelegte Aufgabe mit Namen, Zuständigkeit und Tonalität. So übernimmt etwa Carl als Sales Assistant die Lead-Qualifizierung: Er verfolgt das Ziel, passende Interessenten zu finden und einzuordnen, und führt die dafür nötigen Schritte selbst aus – innerhalb der Grenzen, die das Unternehmen vorgibt.

Agentic AI ist also weniger eine einzelne Technik als ein Bauprinzip: Aus einem Modell, das antworten kann, wird ein System, das ein Ziel verfolgen und dabei handeln kann. Eine Einordnung in den breiteren Zusammenhang bietet der Überblick KI-Grundlagen für Entscheider.