Was ist ein Agenten-State (State Management bei KI-Agenten)? Zustandsverwaltung erklärt

Ein Agenten-State ist die strukturierte Momentaufnahme dessen, was ein KI-Agent über seine aktuelle Aufgabe weiß: welches Problem er löst, welche Zwischenergebnisse vorliegen, welche Bedingungen gelten und welcher Schritt als Nächstes ansteht. Ohne diesen Zustand würde ein Agent bei jeder neuen Information von vorne beginnen. State Management (Zustandsverwaltung) ist die Technik, mit der ein Agent diesen Zustand über mehrere Schritte und Sitzungen hinweg festhält, aktualisiert und wieder verwendet.

Große Sprachmodelle (LLMs) sind von Natur aus zustandslos: Sie erzeugen aus einer Eingabe eine Ausgabe und „erinnern" sich danach an nichts. Ein KI-Agent wird erst dadurch handlungsfähig, dass er dieses Modell mit einer Verwaltungsschicht umgibt – und der Agenten-State ist der Kern dieser Schicht. Er sorgt dafür, dass eine mehrstufige Aufgabe nicht auseinanderfällt, sobald sie über mehr als eine Antwort läuft.

Was der Agenten-State genau enthält

Der State ist die Sammlung aller Informationen, die bestimmen, was der Agent als Nächstes tun soll. Dazu gehören typischerweise:

• Die aktuelle Aufgabe und ihr Ziel – etwa „einen eingegangenen Lead qualifizieren".
• Zwischenergebnisse – bereits abgerufene Daten, getroffene Teilentscheidungen, Ergebnisse von Werkzeugaufrufen.
• Randbedingungen – Regeln, Berechtigungen und Einschränkungen, die für den aktuellen Vorgang gelten.
• Fortschritt – welcher Teilschritt abgeschlossen ist und welcher offen bleibt.

Ein einfaches Beispiel: Bittet ein Nutzer einen Lernassistenten um einen Übungsplan und erwähnt, dass er in Mathematik schwach ist, dann markiert der State „Mathematik" als schwaches Fach und passt die Aufteilung der Aufgaben entsprechend an. Der Kontext hält fest, was gerade gesagt wurde; der State hält fest, welches Problem gelöst wird und welche Bedingungen dabei zählen.

State, Kontext und Gedächtnis – drei verschiedene Dinge

Diese drei Begriffe werden oft verwechselt, meinen aber Unterschiedliches:

• Kontext ist das, was gerade im Kontextfenster des Modells sichtbar ist – der jüngste Ausschnitt eines Gesprächs oder einer Aufgabe. Er ist ein temporärer Puffer, keine dauerhafte Speicherung.
• State ist der strukturierte Arbeitszustand der laufenden Aufgabe: das Problem, die Zwischenstände und die geltenden Regeln.
• Gedächtnis (Memory) ist die dauerhafte Ablage, die über einzelne Aufgaben hinaus bestehen bleibt und Personalisierung sowie Kontinuität ermöglicht.

Kontext beantwortet „Was wurde zuletzt gesagt?", State beantwortet „Welches Problem löse ich gerade und unter welchen Bedingungen?", und Gedächtnis beantwortet „Was weiß ich über frühere Vorgänge?". Wie das langfristige Erinnern jenseits einer einzelnen Aufgabe funktioniert, behandelt der Artikel zum Agenten-Gedächtnis.

Wo der State lebt – und warum das eine bewusste Entscheidung ist

Der eigentliche Zustand eines Agenten liegt nicht im Modell selbst, sondern außerhalb: in einer Datenstruktur, die der umgebende Programmcode verwaltet. Microsoft ordnet die „Kontext- und Zustandsverwaltung" als eigenes Entwurfsmuster für Agentensysteme ein und weist darauf hin, dass Sie bei einer Umsetzung im Code – etwa mit einem Agenten-Framework – deutlich mehr Kontrolle über dieses Verhalten haben als in einer reinen No-Code-Umgebung (Microsoft Learn).

Praktisch heißt das: Bei jedem Schritt liest der Agent den aktuellen State, entscheidet auf dieser Basis über die nächste Aktion, führt sie aus und schreibt das Ergebnis zurück in den State. Frameworks wie LangGraph modellieren diesen Ablauf ausdrücklich als Zustandsgraphen, bei dem ein gemeinsames State-Objekt von Schritt zu Schritt weitergereicht und verändert wird.

Warum State Management über die Zuverlässigkeit entscheidet

Fehlt eine saubere Zustandsverwaltung, verhält sich ein Agent wie ein Ermittler mit Gedächtnisverlust: Er fängt bei jedem neuen Hinweis von vorne an, stellt bereits geklärte Fragen erneut und verliert bei mehrstufigen Aufgaben den Faden (Michael Brenndoerfer). Erst der State erlaubt es, Aufgaben zu bearbeiten, die sich über Zeit entfalten, ohne den Überblick zu verlieren.

Weil ein LLM allein keinen Zustand hält, muss diese Kontinuität durch Infrastruktur ergänzt werden – ein Agent ist „stateful", weil er das Modell mit Zustands- und Speicherlogik umgibt, nicht weil das Modell sich etwas merkt (TechAhead). Für die Praxis ergeben sich daraus einige wiederkehrende Anforderungen:

• Konsistenz: Der State muss den tatsächlichen Fortschritt korrekt widerspiegeln, sonst trifft der Agent Entscheidungen auf veralteter Grundlage.
• Übergaben: Reicht ein Agent eine Aufgabe an einen anderen weiter, muss der Zustand mitgegeben werden – siehe Agenten-Handoff.
• Nachvollziehbarkeit: Wer verstehen will, warum ein Agent so gehandelt hat, braucht Einblick in die Zustandsübergänge – Thema des Agenten-Trace.

Agenten-State bei AI-Mitarbeitern

Bei einem AI-Mitarbeiter, der eine feste Rolle dauerhaft übernimmt, ist der State die Voraussetzung dafür, dass eine Aufgabe von Anfang bis Ende zusammenhält. Nimmt etwa unser Sales Assistant Carl einen neuen Lead auf, hält der State fest, welche Daten bereits angereichert wurden, welche Qualifizierungskriterien erfüllt sind und welcher Schritt der Lead-Qualifizierung noch aussteht. So bleibt jeder Vorgang konsistent – auch wenn er über mehrere Schritte und Werkzeugaufrufe läuft.

State, Kontext und Gedächtnis greifen dabei ineinander: Der Kontext liefert das jüngste Gesprächsstück, der State ordnet den aktuellen Vorgang, und das Gedächtnis sorgt dafür, dass wiederkehrende Kunden nicht bei null anfangen. Zusammen ergeben sie einen Agenten, der Aufgaben verlässlich und nachvollziehbar bearbeitet, statt bei jedem Schritt neu zu raten.

Häufige Fragen

Was ist der Unterschied zwischen State und Kontextfenster?

Das Kontextfenster ist der Textbereich, den das Sprachmodell bei einer einzelnen Anfrage tatsächlich „sieht" – ein temporärer Puffer mit begrenzter Größe. Der State ist der strukturierte Arbeitszustand der Aufgabe, der außerhalb des Modells verwaltet wird und deshalb über einzelne Anfragen hinaus bestehen bleibt. Vereinfacht: Das Kontextfenster zeigt, was zuletzt gesagt wurde, der State beschreibt, welches Problem gerade gelöst wird.

Braucht jeder KI-Agent ein State Management?

Für einfache Frage-Antwort-Aufgaben, die in einem Schritt erledigt sind, reicht oft der reine Kontext. Sobald eine Aufgabe aber mehrere Schritte umfasst, Werkzeuge aufruft oder sich über mehrere Nutzerbeiträge erstreckt, ist eine Zustandsverwaltung praktisch unverzichtbar – ohne sie verliert der Agent den Faden. Der Unterschied zwischen einer festen Abfolge und einem selbst entscheidenden Ablauf wird im Artikel KI-Agent vs. Workflow erklärt.

Wo wird der State eines Agenten gespeichert?

Nicht im Sprachmodell selbst, sondern in der umgebenden Software – etwa in einer Datenstruktur, die ein Agenten-Framework verwaltet, oder in einer Datenbank für Vorgänge, die über eine Sitzung hinausreichen. Der Agent liest diesen Zustand bei jedem Schritt, aktualisiert ihn und legt ihn wieder ab. Wie viel Kontrolle Sie über dieses Verhalten haben, hängt stark davon ab, ob der Agent im Code oder in einer No-Code-Umgebung umgesetzt ist.

Wie hängen State und Gedächtnis zusammen?

Der State beschreibt den aktuellen Arbeitszustand einer laufenden Aufgabe, das Gedächtnis dagegen bewahrt Informationen über einzelne Aufgaben hinaus. Ein Agent kann beispielsweise im State festhalten, dass ein Vorgang halb abgeschlossen ist, und zugleich im Gedächtnis speichern, dass ein bestimmter Kunde bevorzugt per E-Mail kontaktiert wird. Beide Ebenen arbeiten zusammen: Der State sorgt für Kontinuität innerhalb einer Aufgabe, das Gedächtnis für Kontinuität zwischen Aufgaben.