Entwicklung von KI-Agenten

Was ist ein KI-Agent, und worin unterscheidet er sich von Chatbot und Automatisierung?

Ein KI-Agent (englisch AI agent) ist eine Software, die ein großes Sprachmodell (LLM) als Entscheidungsinstanz nutzt und dafür Werkzeuge erhält. Einem Agenten wird nicht jeder Schritt einzeln vorgegeben, sondern ein Ziel. Der Agent erstellt einen Plan, um dieses Ziel zu erreichen, entscheidet, welches Werkzeug er in welcher Reihenfolge einsetzt, passt seinen Plan anhand der Ergebnisse jedes Schritts an und berichtet am Ende, was er getan hat. Der immer häufiger verwendete Begriff Agentic AI beschreibt genau diese Arbeitsweise.

Drei Eigenschaften unterscheiden einen Agenten von einem Chatbot und von klassischer Automatisierung: Er arbeitet zielbasiert, er nutzt Werkzeuge (er durchsucht ein System, liest Datensätze, erstellt Entwürfe) und er plant Schritt für Schritt. Die folgende Tabelle fasst den Unterschied zusammen:

Diese Unterscheidung ist in der Praxis wichtig: Für eine Aufgabe mit klaren Regeln einen Agenten zu bauen, bedeutet unnötige Kosten und Risiken. Für solche Aufgaben bietet KI-Automatisierung eine einfachere, besser vorhersehbare Lösung. Wenn es vor allem darum geht, Kundenfragen zu beantworten, ist unsere Seite zum KI-Chatbot der bessere Ausgangspunkt. Ein Agent lohnt sich dort, wo beides nicht ausreicht und sich die Schritte von Fall zu Fall ändern.

Wofür sind KI-Agenten sinnvoll?

Agenten schaffen den größten Nutzen bei Aufgaben, für die ein Mitarbeiter mehrere Systeme öffnet, Informationen sammelt, vergleicht und am Ende ein Ergebnis erstellt. Die Einsatzbereiche, die uns am häufigsten begegnen:

• Recherche und Vorqualifizierung von Leads: reichert eingehende Anfragen oder eine Zielfirmenliste mit öffentlichen Quellen und CRM-Daten an, priorisiert sie nach Ihren Kriterien und hinterlässt dem Vertrieb eine begründete Zusammenfassung.
• Reporting und Datenerhebung: holt Daten aus Werbeplattformen, Analysetools und Tabellen, bereitet Periodenvergleiche vor, markiert ungewöhnliche Veränderungen und überlässt die Bewertung einem Menschen.
• Bearbeitung von Supportanfragen: klassifiziert die eingehende Anfrage, liest Bestell- oder Kontodaten aus dem jeweiligen System, bereitet einen Lösungsvorschlag und einen Antwortentwurf vor und übergibt Fälle außerhalb seiner Befugnisse an Ihr Support-Team.
• Dokumentenerstellung in internen Prozessen: erstellt Entwürfe für Angebote, Vertragszusammenfassungen, Besprechungsnotizen oder technische Spezifikationen auf Basis freigegebener Vorlagen und Ihres Firmenwissens.
• Prüf- und Kontrollaufgaben: findet fehlende und widersprüchliche Einträge in Produktkatalog, Preisliste oder Content-Bestand und erstellt eine Korrekturliste.

Gemeinsam ist diesen Aufgaben, dass ein Mensch das Ergebnis prüfen kann und ein Fehler des Agenten keinen unumkehrbaren Schaden anrichtet. Für ein erstes Agentenprojekt empfehlen wir einen Prozess, der beide Bedingungen erfüllt.

Wann ist ein KI-Agent nicht die richtige Wahl?

Agenten sind leistungsfähig, passen aber nicht zu jeder Aufgabe. Ein Sprachmodell arbeitet probabilistisch; es liefert auf dieselbe Eingabe nicht immer exakt dieselbe Antwort und kann sich mit großer Überzeugung irren. Deshalb empfehlen wir in den folgenden Fällen, entweder ganz auf einen Agenten zu verzichten oder ihn nur in einer Rolle einzusetzen, die Vorschläge vorbereitet:

• Unumkehrbare Vorgänge wie Zahlungen, Erstattungen, das Löschen von Datensätzen oder die Freigabe von Verträgen.
• Aufgaben, die exakte Berechnungen erfordern, etwa Preise, Steuern, Bestände oder Abschlagszahlungen; dafür ist klassischer Code zuständig.
• Endgültige rechtliche, medizinische oder finanzielle Entscheidungen; der Agent kann nur eine Vorprüfung und einen Entwurf vorbereiten.
• Prozesse mit verstreuten, unvollständigen oder widersprüchlichen Daten; zuerst müssen die Daten geordnet werden.
• Seltene Aufgaben, die ein Mitarbeiter schnell erledigt; der Aufwand für Entwicklung und Überwachung übersteigt den Nutzen.

Wenn Sie nicht sicher sind, welcher Prozess sich für einen Agenten eignet, ist der Einstieg über KI-Beratung sinnvoller: Wir prüfen Ihre Prozesse gemeinsam und vergleichen Agent, Automatisierung und klassische Software nebeneinander.

Werkzeuge und Rechte: Wie wird das Prinzip der minimalen Rechte umgesetzt?

Was ein Agent tun kann, bestimmen die Werkzeuge, die Sie ihm geben. Ein Werkzeug ist eine klar definierte und begrenzte Funktion, die ein System durchsucht, einen Datensatz liest, einen Entwurf erstellt oder ein Feld aktualisiert. Die wichtigste Entscheidung im Agentendesign lautet: Auf welches Werkzeug darf mit welchem Recht zugegriffen werden? Wir wenden dabei das Prinzip der minimalen Rechte an: Der Agent arbeitet mit dem engsten Recht, das seine Aufgabe erfordert; wo Lesen genügt, gibt es keine Schreibrechte.

Für den Agenten wird ein eigenes Dienstkonto angelegt; persönliche Konten und weitreichende Administratorschlüssel werden nicht verwendet. Jeder Werkzeugaufruf wird mit Eingabe und Ergebnis protokolliert. Für die Anbindung der Werkzeuge an Ihre Systeme kommen eine direkte API-Integration oder offene Verbindungsstandards wie das Model Context Protocol (MCP) infrage; die Wahl treffen wir gemeinsam anhand Ihrer bestehenden Infrastruktur, Ihrer Sicherheitsanforderungen und des Wartungsaufwands.

An welchen Stellen kommt die menschliche Freigabe ins Spiel?

Ein gut entworfener Agent versucht nicht, alles selbst zu erledigen; er weiß, wann er anhalten und einen Menschen fragen muss. Freigabepunkte sind keine nachträglich ergänzte Sicherheitsschicht, sondern werden von Anfang an als Teil des Ablaufs entworfen. Typische Freigabepunkte sind:

• Alle Inhalte, die das Unternehmen verlassen: Nachrichten und Dokumente an Kunden, Lieferanten oder die Öffentlichkeit.
• Vorgänge, die Datensätze ändern: vor allem Aktualisierungen, die mehrere Datensätze gleichzeitig betreffen.
• Unsicherheit: Sind die vorliegenden Informationen widersprüchlich oder unzureichend, stellt der Agent eine Frage, statt zu raten.
• Überschreiten von Grenzen: Braucht eine Aufgabe mehr Schritte, Zeit oder Budget als erwartet, wird die Arbeit angehalten und gemeldet.

Die Freigabeansicht sollte schlicht sein: Der Agent zeigt auf einen Blick, was er tun möchte, warum und auf welche Quellen er sich stützt; die Person gibt frei, korrigiert oder lehnt ab. Auch diese Entscheidungen werden protokolliert und helfen festzulegen, wo der Agent weniger Freigaben braucht. Der Freigabeumfang wird erst verringert, wenn die Protokolle zeigen, dass der Agent bei dieser Aufgabe konsistent arbeitet, und nur auf Ihre Entscheidung hin.

Wie wird ein KI-Agent getestet und überwacht?

Agenten lassen sich nicht wie klassische Software allein mit Unit-Tests prüfen; dieselbe Aufgabe kann auf verschiedenen Wegen gelöst werden. Deshalb bewerten wir mit Szenarien aus echten Arbeitsbeispielen:

1. 1.Aus echten Beispielen des Prozesses wird ein Szenario-Set mit einfachen, typischen und schwierigen Fällen erstellt; für jedes Szenario wird das erwartete Ergebnis festgehalten.
2. 2.Szenarien mit absichtlich fehlenden Informationen, widersprüchlichen Datensätzen und bösartigen Inhalten werden ergänzt.
3. 3.Der Agent durchläuft in jeder Version das gesamte Set; die Ergebnisse werden sowohl automatisch als auch durch menschliche Prüfung bewertet.
4. 4.Jedes fehlgeschlagene Szenario wird fester Bestandteil des Sets; so lässt sich verfolgen, dass eine Korrektur in späteren Versionen nicht wieder bricht.

Nach dem Start werden die Schritte jeder Aufgabe, die genutzten Werkzeuge, die Freigabeentscheidungen und die Kosten protokolliert. Im Überwachungs-Dashboard sehen Sie erledigte Aufgaben, den Anteil der Aufgaben mit menschlichem Eingriff, Fehlerarten, Zeit und Kosten pro Aufgabe sowie die für Ihr Team eingesparte Zeit im Zusammenhang. Diese Messebene bauen wir nach demselben Ansatz wie unsere Arbeit in CRO und Analytics auf; die Wirkung des Agenten wird anhand von Protokollen beurteilt, nicht anhand von Schätzungen.

Sicherheit von KI-Agenten: Prompt Injection und externe Inhalte

Agenten lesen Inhalte von außen: E-Mails, Webseiten, hochgeladene Dokumente, Supportanfragen. Der Versuch, einen Agenten über in solchen Inhalten versteckte Anweisungen zu steuern, heißt Prompt Injection. So kann ein in einer E-Mail platzierter Satz den Agenten auffordern, frühere Anweisungen zu ignorieren und Datensätze nach außen zu senden. Dieses Risiko lässt sich heute nicht vollständig beseitigen; deshalb stützen wir die Sicherheit auf die Architektur statt auf das Wohlverhalten des Modells:

• Externe Inhalte werden immer als Daten behandelt, nie als Anweisungen; die Aufgabe des Agenten bestimmen allein die von Ihnen definierten Systemanweisungen.
• Ein Agent, der nicht vertrauenswürdige Inhalte liest, erhält keine Werkzeuge, die Datensätze ändern oder Daten nach außen senden.
• Sensible Werkzeugaufrufe durchlaufen unabhängig vom Inhalt eine menschliche Freigabe.
• Personenbezogene Daten werden bei Bedarf maskiert; der Agent sieht nur die Daten, die seine Aufgabe erfordert.
• Szenarien mit bösartigen Inhalten sind fester Bestandteil des Test-Sets.

Bei Agenten, die personenbezogene Daten verarbeiten, klären wir vor der Einrichtung Datenfluss, Aufbewahrungsdauer, den Vertrag mit dem Modellanbieter und die Bedingungen für Übermittlungen ins Ausland nach Datenschutzregeln wie DSGVO und KVKK. Technische Details zu Modellwahl, Hosting und Datenschutz finden Sie auf unserer Seite KI-Integration und LLM-Lösungen.

Wie werden die Kosten eines Agenten im Griff behalten?

Die Kosten eines Agenten wachsen mit der Anzahl und Länge der Modellaufrufe pro Aufgabe. Ein Agent, der plant und sein eigenes Ergebnis prüft, ruft das Modell öfter auf als ein Bot, der eine einzelne Frage beantwortet. Um die Kosten von Anfang an zu steuern, nutzen wir folgende Methoden:

• Grenzen für Schritte, Zeit und Budget pro Aufgabe; wird eine Grenze erreicht, hält der Agent an und meldet sich.
• Kleinere, wirtschaftlichere Modelle für einfache Teilaufgaben und stärkere Modelle für anspruchsvolles Schlussfolgern.
• Caching für wiederkehrende Informationen und kurze Anweisungen ohne unnötigen Kontext.
• Kosten pro Aufgabe im Überwachungs-Dashboard, direkt neben der eingesparten Zeit.

Als Modelloptionen kommen Anbieter geschlossener Modelle wie OpenAI, Anthropic oder Google ebenso infrage wie offene Modelle auf Ihrer eigenen Infrastruktur. Wir bauen die Architektur so, dass das Modell ein austauschbarer Baustein ist; erscheint eine passendere Option, muss der Agent nicht neu geschrieben werden.

Ein einzelner Agent oder ein Multi-Agenten-System?

In Multi-Agenten-Systemen werden Aufgaben auf getrennte Rollen verteilt, etwa auf Agenten, die recherchieren, schreiben und prüfen. Diese Struktur kann komplexe Arbeit ordnen, doch jeder zusätzliche Agent erhöht Kosten, Latenz und den Aufwand bei der Fehlersuche. Auch die zwischen Agenten weitergegebenen Informationen schaffen eine neue Angriffs- und Fehlerfläche.

Deshalb empfehlen wir in den meisten Projekten, mit einem einzelnen Agenten mit gut definierten Werkzeugen zu beginnen. Erfordert die Aufgabe tatsächlich voneinander unabhängige Fachgebiete oder verbessert die Prüfung durch einen zweiten Agenten die Qualität messbar, wechseln wir nach einem Vergleich mit Szenariotests zu einer Multi-Agenten-Struktur. Entschieden wird anhand der Bewertungsergebnisse, nicht danach, wie reizvoll eine Architektur wirkt.

Warum UNIT İstanbul für die Entwicklung von KI-Agenten?

UNIT İstanbul ist eine Agentur mit Sitz in Istanbul, die seit 2009 Performance-Marketing- und Growth-Projekte betreut; Software- und KI-Projekte setzt sie unter der Marke Unit Software mit demselben Team um. Wegen unserer Wurzeln im Marketing beginnen wir jedes Agentenprojekt mit derselben Frage: Welche Arbeit soll dieser Agent beschleunigen, und wie messen wir das? Wir schreiben nicht nur den Agenten, sondern liefern Werkzeuge, Rechte, Freigabepunkte, Test-Set und Überwachungs-Dashboard gemeinsam aus.

Die CRM-, Werbe-, Analyse- und E-Commerce-Systeme, an die ein Agent angebunden wird, nutzen wir ohnehin in unserer täglichen Arbeit; das erleichtert es, den Prozess in derselben Sprache wie Ihr Team zu gestalten. Wenn Sie einen Prozess haben, der sich für einen Agenten eignen könnte, schreiben Sie uns über unsere Kontaktseite für eine kostenlose Ersteinschätzung; gemeinsam prüfen wir, ob ein Agent passt oder eine einfachere Lösung genügt.