KI-Agenten erklärt: Wenn die KI nicht nur antwortet, sondern Aufgaben erledigt

Du planst einen Wochenendausflug. Die KI schlägt dir Orte vor, erklärt die Anreise und schreibt eine schöne Packliste. Hilfreich, klar. Trotzdem sitzt du danach noch vor mehreren Tabs, vergleichst Öffnungszeiten und überträgst alles in deinen Kalender. Die eigentliche Arbeit ist noch nicht erledigt.

Genau an dieser Stelle werden KI-Agenten interessant. Sie können, mit den passenden Werkzeugen und Rechten, mehrere Arbeitsschritte übernehmen und ein nutzbares Ergebnis liefern. Etwa eine recherchierte Auswahl mit Quellen, eine bearbeitete Tabelle oder einen vorbereiteten Ablauf. Das ist ein spürbarer Unterschied im Alltag. Es ist aber auch ein Unterschied in der Verantwortung: Wer handeln darf, kann mehr verändern als jemand, der nur Vorschläge macht.

Wir finden: Der sinnvollste Einstieg ist eine kleine Aufgabe mit einem sichtbaren Ergebnis. «Organisiere mein ganzes Leben» klingt beeindruckend. «Vergleiche diese drei Möglichkeiten und erstelle einen Entscheidungsentwurf» lässt sich tatsächlich beurteilen. Dieser Beitrag erklärt, worauf es dabei ankommt. Die Beispiele sind bewusst hypothetisch; sie sind keine behaupteten Kundenerlebnisse.

Ein Chatbot beantwortet zunächst deine Nachricht. Ein Agent verfolgt ein Ziel über mehrere Schritte: Er wählt ein Werkzeug, arbeitet damit, prüft die Rückmeldung und entscheidet, was als Nächstes nötig ist. Das Sprachmodell liefert dabei die Interpretation und Entscheidungen. Die Werkzeuge ermöglichen den Zugriff auf Informationen oder die Bearbeitung einer Datei.

Anthropic unterscheidet in seiner technischen Erklärung zwischen fest vorgegebenen Workflows und Agenten, die den nächsten Schritt dynamisch bestimmen. In der Praxis sind die Grenzen fliessend. Ein Chatprodukt kann Werkzeuge und agentische Funktionen enthalten; ein Produkt mit «Agent» im Namen kann einem engen Ablauf folgen. Der Name auf der Verpackung beantwortet deshalb deine wichtigste Frage nicht: Welche Aufgabe erledigt das System unter welchen Bedingungen?

Stell dir eine Recherche vor. Ein einfacher Ablauf öffnet immer dieselben drei Quellen. Ein Agent kann bemerken, dass eine Quelle widersprüchlich ist, eine zusätzliche Primärquelle suchen und den Vergleich korrigieren. Das macht ihn flexibler. Es macht sein Verhalten gleichzeitig weniger vorhersehbar. Mehr Freiheit ist nur dann hilfreich, wenn sie ein besseres, überprüfbares Ergebnis bringt.

Anthropic: Building effective agents (19.12.2024)

Bei einer Reiseplanung könnte ein Chatbot erklären, wie du Hotels vergleichst. Ein fester Workflow könnte drei vorgegebene Hotelangebote nach Preis sortieren. Ein Agent könnte verfügbare Informationen recherchieren, deine Kriterien anwenden und bei unklaren Stornobedingungen nachprüfen. Eine Buchung bleibt ein gesonderter Schritt, der konkrete Unterstützung und deine Erlaubnis benötigt.

Im Unternehmen ist die Logik dieselbe. Eine KI kann erklären, wie eine Umsatzübersicht aufgebaut wird. Ein Werkzeug kann eine klar definierte Berechnung durchführen. Ein Agent könnte mehrere freigegebene Dateien zusammenführen, unterschiedliche Spalten erkennen und eine Übersicht mit dokumentierten Annahmen erstellen. Ob er dazu tatsächlich in der Lage ist, hängt von Dateiformaten, Integration und Berechtigungen ab.

Diese Unterschiede helfen, die passende Lösung auszuwählen. Für eine immer gleiche Berechnung ist eine gewöhnliche Formel oft die bessere Wahl. Für eine unübersichtliche Aufgabe mit wechselnden Informationen kann ein Agent nützlich sein. Eine zusätzliche KI-Schleife ist kein Qualitätsmerkmal an sich.

Zum Stand vom 9. Oktober 2026 beschreibt OpenAI ChatGPT Work als Agenten für längere Aufgaben und fertige Ergebnisse, etwa Recherche, Dokumente, Tabellen und Präsentationen. Der frühere ChatGPT-Agent-Modus wird in der aktuellen Hilfe als nicht mehr verfügbar bezeichnet. Die Produktnamen ändern sich; die praktische Idee bleibt: Die KI arbeitet an einem Ergebnis über mehrere Schritte. Verfügbarkeit und Werkzeuge hängen vom Abo, den Freigaben und der jeweiligen Umgebung ab.

Eine fertige Tabelle ist dabei leichter zu prüfen als das Versprechen, «alles organisiert» zu haben. Gute Ergebnisse enthalten die verwendeten Quellen, erkennbare Annahmen und eine Erklärung, was offen geblieben ist. Eine ausgefüllte Datei ohne Herkunft der Zahlen ist keine verlässliche Entscheidungsvorlage.

Auch Softwarearbeit kann agentisch erfolgen. Das behandeln wir ausführlicher in unserem bestehenden Codex-Beitrag. Für diesen Einstieg ist wichtiger: Agenten sind kein ausschliessliches Programmiererthema. Wer ein klares Ergebnis formulieren und dessen Qualität beurteilen kann, besitzt bereits zwei wichtige Voraussetzungen. Technische Integration wird dann relevant, wenn der Agent auf weitere Systeme zugreifen oder dort etwas verändern soll.

OpenAI: ChatGPT Work and Codex · OpenAI: ChatGPT agent · Codex und Subagenten

Bei der privaten Anschaffung eines Velos könnte dein Auftrag lauten: Vergleiche drei genannte Modelle nach Grösse, Ausstattung, Gesamtpreis und Lieferbedingungen. Nutze Herstellerangaben, zeige fehlende Informationen und bestelle nichts. Der Agent erstellt eine Entscheidungsgrundlage. Ob das Velo bequem ist, erfährst du weiterhin bei einer Probefahrt.

Im Büro könnte er eine Besprechung vorbereiten: Fasse diese freigegebenen Unterlagen zusammen, trenne beschlossene Punkte von offenen Fragen und erstelle eine Agenda. Wenn zwei Dokumente unterschiedliche Termine nennen, soll er den Widerspruch zeigen. Er soll ihn nicht durch eine plausible Erfindung verschwinden lassen. Das Ergebnis ist eine Vorbereitung, keine automatisch bestätigte Unternehmensentscheidung.

Ein drittes Beispiel ist eine kleine Veranstaltung. Du gibst Datum, Anzahl Personen, Budget und Anforderungen vor. Der Agent recherchiert passende Orte und erstellt eine Vergleichstabelle. Anschliessend kann er Anfrageentwürfe vorbereiten. Das Versenden braucht einen gesondert erlaubten Versandweg und korrekt geprüfte Empfänger. Aus einer recherchierten E-Mail-Adresse wird nicht automatisch die Erlaubnis, Kontakt aufzunehmen.

Alle drei Beispiele haben einen gemeinsamen Vorteil: Das Ergebnis lässt sich anschauen, bevor daraus eine Verpflichtung entsteht. So lernst du, wo die KI hilft und wo du nacharbeiten musst. Ein solches Lernfenster ist beim Einstieg wertvoller als möglichst grosse Autonomie.

Ein Agent hat keine magische Verbindung zu deinem Kalender, Postfach oder Firmenlaufwerk. Er braucht eine verfügbare Integration, eine Sitzung oder ausdrücklich bereitgestellte Dateien. Selbst dann sind Lesen, Bearbeiten und Versenden unterschiedliche Fähigkeiten. Prüfe sie einzeln statt pauschal «Zugriff auf Microsoft 365» freizugeben.

Für die erste Aufgabe reichen häufig ein paar ausgewählte Dateien. Das reduziert auch fachliche Verwirrung: Ein Agent mit fünf aktuellen Unterlagen hat einen klareren Auftrag als einer mit jahrelangen Archiven und widersprüchlichen Entwürfen. Lege fest, welche Version verbindlich ist und welche Informationen nur Hintergrund darstellen.

Unsere Empfehlung lautet, Schreibrechte schrittweise zu erweitern. Zuerst ein Ergebnis in einer separaten Arbeitsdatei erstellen lassen. Danach ausgewählte Änderungen mit Vorschau erlauben. Erst bei einem bewährten Ablauf über eng definierte automatische Aktionen nachdenken. Ein neues Werkzeug oder zusätzliches Postfach ist ein neuer Umfang und verdient eine neue Entscheidung.

Ein guter Agent braucht einen klaren Auftrag, passende Werkzeuge und eine erkennbare Grenze.

Wenn ein Agent einen Hotelpreis falsch liest, ist das ärgerlich. Wenn er auf dieser Grundlage eine nicht stornierbare Buchung auslöst, ist es eine andere Kategorie von Fehler. Deshalb sollten Budget, Empfänger, Datenumfang und verbindliche Aktionen vor Beginn geklärt sein. Ein Bestätigungspunkt ist besonders sinnvoll, wenn Geld, externe Kommunikation oder schwer rückgängig zu machende Änderungen betroffen sind.

Menschliche Kontrolle funktioniert nur, wenn du die Entscheidung verstehen kannst. «Fortfahren?» ist wenig hilfreich. Eine brauchbare Vorschau zeigt, was gesendet oder verändert wird, für wen und mit welchen Folgen. Prüfe an dieser Stelle den Inhalt wirklich. Eine Freigabe ohne Blick auf das Ergebnis ist nur ein zusätzlicher Klick.

Zu den Risiken gehört Prompt Injection: Eine Webseite oder ein Dokument kann Anweisungen enthalten, die den Agenten vom eigentlichen Auftrag abbringen sollen. Anthropic beschreibt diesen Konflikt in seiner Forschung zu vertrauenswürdigen Agenten. Unsere praktische Konsequenz: Fremde Inhalte sind Informationsquellen und keine Erlaubnis, neue Aufgaben auszuführen. Unerwartete Forderungen nach zusätzlichen Daten oder Rechten gehören gestoppt und geprüft.

Anthropic: Trustworthy agents in practice

Du musst kein Prompt-Profi sein. Sag, was am Ende vorliegen soll, welche Informationen genutzt werden dürfen und woran du ein gutes Ergebnis erkennst. Ergänze, wann der Agent aufhören oder nachfragen soll. Diese vier Angaben sind meist wertvoller als ein langer Text voller Rollenbeschreibungen.

Ein Beispiel: «Erstelle aus den drei angehängten Angeboten eine Vergleichstabelle. Vergleiche einmalige und laufende Kosten getrennt. Verwende nur belegte Angaben. Markiere fehlende Leistungen und unklare Vertragsfristen. Erstelle einen Entwurf mit Quellenverweisen; kontaktiere niemanden und löse keine Bestellung aus.» Damit gibst du Ziel, Material, Qualitätskriterien und Grenzen vor.

Bei längeren Aufgaben lohnt sich ein Zwischenstand nach der ersten Sichtung. Hat der Agent die Aufgabe richtig verstanden? Fehlt eine wichtige Quelle? Eine frühe Korrektur verhindert, dass er eine halbe Stunde lang sauber am falschen Problem arbeitet. Es ist völlig vernünftig, den Auftrag unterwegs präziser zu machen.

Nimm für deinen ersten Versuch eine Aufgabe, die du selbst gut beurteilen kannst und regelmässig erledigst. Verwende unkritische Beispieldaten und einen kleinen Umfang. Vergleiche danach nicht nur die Bearbeitungszeit der KI, sondern deinen gesamten Aufwand: Vorbereitung, Warten, Prüfung und Korrektur gehören dazu.

Ein hypothetisches Beispiel: Eine Recherche dauert normalerweise 45 Minuten. Du benötigst mit dem Agenten 10 Minuten für den Auftrag und 15 Minuten für die Prüfung. Das wären 20 Minuten weniger eigener Aufwand, sofern das Ergebnis brauchbar ist. Daraus folgt keine allgemeine Einsparquote. Beim nächsten Fall können fehlende Zugriffe oder schlechte Quelldaten den Vorteil wieder aufbrauchen.

Prüfe ausserdem, ob der Ablauf bei einem schwierigen Fall funktioniert. Was passiert bei einer fehlenden Datei, einer widersprüchlichen Zahl oder einer blockierten Webseite? Ein nützlicher Agent meldet die Lücke. Er erklärt nicht einfach Erfolg, weil er einen schön formatierten Text erstellt hat. Genau diese Unterscheidung sollte Teil deiner Bewertung sein.

In einem Team gehören Zuständigkeit und Ablage dazu: Wer prüft das Ergebnis, wo liegt die gültige Version und wer beendet Zugriffe nach dem Versuch? Halte den Ablauf kurz schriftlich fest. So wird aus einer interessanten Demo ein wiederholbarer Arbeitsschritt.

Unsere Haltung ist einfach: Lass Agenten vorbereiten, ordnen und nachvollziehbar bearbeiten. Gib ihnen zusätzliche Verantwortung dort, wo du den Ablauf verstanden und überprüft hast. Vollständige Autonomie ist kein notwendiges Ziel. Oft liegt der grösste Nutzen darin, schneller zu einer guten menschlichen Entscheidung zu kommen.

Für Privatpersonen bedeutet das mehr Ruhe bei einer Recherche oder Planung. Für Unternehmen kann es weniger Übertragungsarbeit und eine bessere Vorbereitung bedeuten. Beides hängt davon ab, ob die Aufgabe sauber begrenzt ist und das Ergebnis stimmt. Ein Agent kann Verantwortung unterstützen; er übernimmt sie nicht allein dadurch, dass er selbstständig klickt.

Probier diese Woche eine kleine, konkrete Aufgabe aus. Lass dir eine Arbeitsdatei oder einen belegten Vergleich liefern. Prüfe danach ehrlich, was besser geworden ist. Wenn du dabei herausfindest, dass eine einfache Vorlage genügt, ist auch das ein gutes Ergebnis.