Assistent
Beantwortet Fragen und erstellt Texte. Jede Antwort braucht eine neue Anfrage, gehandelt wird nicht.
Wissen · KI
Agentic AI: Wenn KI nicht nur antwortet, sondern handelt
KI-Agenten planen Schritte, nutzen Werkzeuge und erledigen Aufgaben selbstständig. Das verspricht viel und scheitert oft an denselben Stellen: unklarer Nutzen, fehlende Schnittstellen, keine Regeln für Freigaben.
Von Michele Mangieri · Stand:
Kurz erklärt
Agentic AI bezeichnet KI-Agenten, die nicht nur antworten, sondern handeln: Sie bekommen ein Ziel statt einer Frage, planen die Schritte, rufen Systeme und Werkzeuge auf und prüfen Zwischenergebnisse selbst. Damit unterscheiden sie sich von Assistenten, die Fragen beantworten. Projekte scheitern oft an denselben Stellen: unklarer Nutzen, fehlende Schnittstellen, keine Regeln für Freigaben.
Vom Chatbot zum Agenten
Vier Stufen, die oft verwechselt werden.
Eingebetteter Assistent
Arbeitet direkt in einer Anwendung mit, etwa Microsoft 365 Copilot oder SAP Joule, und schlägt vor. Ob der Vorschlag umgesetzt wird, entscheidet der Mensch.
Agent
Bekommt ein Ziel statt einer Frage. Plant die Schritte, ruft Systeme und Werkzeuge auf und prüft Zwischenergebnisse selbst.
Multi-Agenten-System
Mehrere spezialisierte Agenten teilen sich eine Aufgabe. Eine Steuerung verteilt die Arbeit und führt die Ergebnisse zusammen.
Was Gartner erwartet
Großes Potenzial, hohe Abbruchquote.
33 %der Unternehmenssoftware enthält bis 2028 Agentic AI (2024: unter 1 %)
15 %der täglichen Arbeitsentscheidungen fallen bis 2028 autonom durch KI-Agenten (2024: 0 %)
über 40 %der Agentic-AI-Projekte werden bis Ende 2027 wieder eingestellt
Als Gründe für die Abbrüche nennt Gartner steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen. Dazu kommt „Agent Washing“: Anbieter benennen Chatbots und klassische Automatisierung in Agenten um. Von Tausenden Anbietern bieten laut Gartner nur rund 130 echte agentische Funktionen.
Quelle: Gartner, Prognosen zu Agentic AI, zuletzt in der Pressemitteilung vom 25. Juni 2025. Gartner ist eine eingetragene Marke von Gartner, Inc. und/oder ihrer Tochtergesellschaften.
Worauf es ankommt
Ein Agent ist so gut wie die Landschaft, in der er arbeitet.
- Ein messbarer Fall zuerst: ein Prozess mit klarem Ziel, bekanntem Aufwand und einer Kennzahl für den Erfolg.
- Schnittstellen statt Bildschirmklicks: Agenten brauchen stabile APIs und saubere Stammdaten. Standards wie das Model Context Protocol (MCP) und Agent2Agent (A2A) regeln, wie Agenten Werkzeuge und andere Agenten ansprechen.
- Eigene Identität, enge Rechte: Jeder Agent bekommt nur die Berechtigungen, die seine Aufgabe verlangt, und jede Aktion wird protokolliert.
- Freigaben nach Risiko: Was Geld, Verträge oder Kundendaten berührt, geht vor der Ausführung über einen Menschen.
- Im SAP-Umfeld bringt SAP mit Joule Agents eigene Agenten in die Prozesse. Wie gut sie arbeiten, entscheiden ein sauberer Kern und dokumentierte Schnittstellen.
Aus unserer Arbeit
Wir arbeiten AI First und setzen selbst verschiedene KI-Agenten ein, etwa mit Claude Code. Unsere Regel: Der Agent arbeitet zu, die Verantwortung bleibt beim Menschen. Welche Grundlagen Teams dafür brauchen, steht im Beitrag KI-Kompetenz. Wie Agenten in eine Gesamtarchitektur eingebettet werden, zeigt der Beitrag KI-Referenzarchitektur.
Sie überlegen, wo KI-Agenten bei Ihnen Nutzen stiften? Zum KI-Entscheidungscheck →
Häufige Fragen
Fragen zu Agentic AI
Was ist der Unterschied zwischen einem KI-Assistenten und einem KI-Agenten?
Ein Assistent beantwortet Fragen und erstellt Texte, gehandelt wird nicht. Ein Agent bekommt ein Ziel, plant die Schritte, ruft Systeme und Werkzeuge auf und prüft Zwischenergebnisse selbst. Dazwischen liegt der eingebettete Assistent, der in einer Anwendung Vorschläge macht.
Warum werden viele Agentic-AI-Projekte eingestellt?
Gartner nennt steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen. Gartner erwartet, dass über 40 % der Agentic-AI-Projekte bis Ende 2027 wieder eingestellt werden. Dazu kommt „Agent Washing“: Anbieter benennen Chatbots und klassische Automatisierung in Agenten um.
Was brauchen KI-Agenten, um im Unternehmen zu funktionieren?
Eine Landschaft, in der sie arbeiten können: einen messbaren Fall, stabile APIs und saubere Stammdaten, eine eigene Identität mit engen Rechten und protokollierten Aktionen sowie Freigaben nach Risiko für alles, was Geld, Verträge oder Kundendaten berührt.
Was sind MCP und A2A?
Standards, die regeln, wie Agenten Werkzeuge und andere Agenten ansprechen. MCP steht für Model Context Protocol, A2A für Agent2Agent. Agenten brauchen dafür Schnittstellen statt Bildschirmklicks, also stabile APIs, dazu saubere Stammdaten.
30 Minuten, danach wissen Sie, ob wir helfen können.
Sie schildern die Entscheidung, die ansteht. Wir sagen, welches Paket passt, oder dass keines passt.