Agentic AI: was agentische KI ausmacht und wo ihre Grenzen liegen
Agentic AI steht für KI, die nicht nur antwortet, sondern selbstständig auf ein Ziel hinarbeitet. Dieser Ratgeber ordnet den Begriff ein: wie sich agentische KI von generativer KI unterscheidet, welche Autonomiestufen es gibt, wie solche Systeme aufgebaut sind und wo ihre Grenzen liegen.
Mit Fragen für die Governance im Unternehmen.
Das Wichtigste in Kürze
Agentic AI sind KI-Systeme, die ein Ziel über mehrere Schritte selbstständig verfolgen. Ein einzelnes solches System heißt meist KI-Agent.- Entscheidend ist der
Grad der Autonomie : vom Vorschlag über Handeln mit Freigabe bis zum Handeln in festen Grenzen. - Fehler
pflanzen sich über die Schritte fort . Kurze Abläufe, Wissen mit Quelle und Freigaben an kritischen Stellen machen agentische Systeme verlässlicher.
Was ist Agentic AI?
Agentic AI, auf Deutsch agentische KI, bezeichnet KI-Systeme, die eigenständig auf ein Ziel hinarbeiten. Sie zerlegen eine Aufgabe in Schritte, entscheiden über die Reihenfolge, nutzen Werkzeuge und reagieren auf Zwischenergebnisse. Ein Sprachmodell liefert dafür das Verständnis und die Entscheidungen, die Umgebung liefert Daten und Aktionen.
Deutschsprachige Einordnungen bieten unter anderem Fraunhofer IAIS und die Gesellschaft für Informatik. Wie ein einzelner Agent aufgebaut ist und wo er im Unternehmen hilft, erklärt der Leitfaden KI-Agenten.
Agentic AI vs. generative KI: der Unterschied.
Generative KI und agentische KI schließen sich nicht aus. Agentische Systeme nutzen generative Modelle als Baustein. Der Unterschied liegt darin, wer den nächsten Schritt bestimmt und ob die Software handelt oder nur Inhalte erzeugt.
| Merkmal | Generative KI | Agentic AI |
|---|---|---|
| Auslöser | eine Anfrage | ein Ziel |
| Ergebnis | Text, Bild, Code | erledigte Aufgabe, oft über mehrere Systeme |
| Nächster Schritt | bestimmt der Mensch | bestimmt das System, innerhalb seiner Grenzen |
| Werkzeuge | selten | zentral: Suche, Datenbanken, Schnittstellen |
| Typisches Risiko | falscher Inhalt | falsche Aktion mit Folgen |
| Wichtigste Kontrolle | Ergebnis prüfen | Rechte, Freigaben, Protokoll |
Fünf Autonomiestufen agentischer KI.
Wie selbstständig ein System sein darf, ist eine Entscheidung, keine Eigenschaft der Technik. Die folgende Einordnung hilft, diese Entscheidung bewusst zu treffen. Sie ist eine Arbeitshilfe von RAGSuite, kein Standard.
| Stufe | Was das System tut | Rolle des Menschen | Beispiel |
|---|---|---|---|
| 0 · Antwort | beantwortet Fragen mit Quelle | fragt und entscheidet | Assistent für Richtlinien |
| 1 · Vorschlag | schlägt einen Schritt oder Entwurf vor | übernimmt oder verwirft | Antwortentwurf im Kundenservice |
| 2 · Handeln mit Freigabe | bereitet Aktionen vor und führt sie nach Freigabe aus | gibt jede Aktion frei | Gutschrift nach Bestätigung |
| 3 · Handeln in Grenzen | handelt selbst in klar begrenzten Fällen | prüft Stichproben und Protokoll | Tickets einer Kategorie zuordnen |
| 4 · Ziele selbst setzen | legt Teilziele selbst fest und verfolgt sie | setzt den Rahmen | im Unternehmen selten sinnvoll |
Wie agentische Systeme aufgebaut sind.
Ein agentisches System besteht aus mehr als einem Modell. Eine Orchestrierung plant die Schritte und verteilt sie, bei größeren Systemen auf mehrere spezialisierte Agenten. Werkzeuge verbinden das System mit Ihrer IT, eine Wissensschicht liefert Fakten mit Quelle, und Leitplanken begrenzen, was passieren darf.
Für die Anbindung von Werkzeugen und Wissen hat sich das offene Model Context Protocol verbreitet. RAGSuite ist MCP-Server und MCP-Client: Agenten fragen darüber Ihr Wissen ab und bekommen Textstellen mit Quelle zurück.
Orchestrierung
Plant Schritte, verteilt sie und fasst Ergebnisse zusammen. Hier sitzen Obergrenzen für Schritte und Kosten.
Werkzeuge
Schnittstellen zu Systemen wie ERP, CRM oder Ticketsystem. Jedes Werkzeug mit eigenen, möglichst kleinen Rechten.
Wissen
Ihre Dokumente als abfragbare Quelle. Antworten kommen mit Fundstelle, damit sich jede Aussage prüfen lässt.
Gedächtnis
Was in der aktuellen Aufgabe schon passiert ist. Langfristiges Gedächtnis braucht klare Lösch- und Zugriffsregeln.
Leitplanken
Rechte, Freigaben, Filter für Eingaben und Ausgaben. Sie greifen bei jedem Schritt, nicht nur am Ende.
Bewertung
Testfälle, Protokolle und Kennzahlen. Ohne Messung lässt sich nicht entscheiden, ob mehr Autonomie vertretbar ist.
Wo agentische KI an Grenzen stößt.
Das wichtigste Argument für kurze Abläufe ist eine einfache Rechnung. Gelingt jeder einzelne Schritt mit 95 Prozent Wahrscheinlichkeit, gelingen zehn Schritte hintereinander nur in rund 60 Prozent der Fälle. Bei 20 Schritten sind es rund 36 Prozent. Je länger die Kette, desto wichtiger sind Prüfpunkte dazwischen.
Dazu kommt die Frage der Rechte. Die OWASP Top 10 für LLM-Anwendungen 2025 nennt „Excessive Agency“ als eigenes Risiko: Systeme haben mehr Funktionen, Rechte oder Selbstständigkeit als nötig. Für die Risikoeinstufung nach der KI-Verordnung zählt vor allem der Einsatzzweck, weniger die Technik. Dieser Text ist keine Rechtsberatung.
| Schritte in Folge | je Schritt 99 % | je Schritt 95 % | je Schritt 90 % |
|---|---|---|---|
| 3 | 97 % | 86 % | 73 % |
| 5 | 95 % | 77 % | 59 % |
| 10 | 90 % | 60 % | 35 % |
| 20 | 82 % | 36 % | 12 % |
Rechenbeispiel: Wahrscheinlichkeit, dass alle Schritte gelingen, wenn jeder unabhängig mit der angegebenen Quote gelingt (gerundet). Echte Systeme können Fehler auch erkennen und korrigieren.
Fragen, bevor agentische KI mehr Autonomie bekommt.
Haken Sie ab, was erledigt ist. Nichts wird gespeichert.
Fragen zu Agentic AI.
Was ist Agentic AI einfach erklärt?
Agentic AI beschreibt KI-Systeme, die ein Ziel über mehrere Schritte selbstständig verfolgen. Sie planen, nutzen Werkzeuge, prüfen Zwischenergebnisse und passen ihr Vorgehen an. Der deutsche Begriff ist agentische KI. Ein einzelnes solches System nennt man meist KI-Agent, mehrere zusammen ein agentisches System.
Was ist der Unterschied zwischen Agentic AI und generativer KI?
Generative KI erzeugt Inhalte auf eine Anfrage hin, etwa einen Text oder ein Bild, und wartet dann auf die nächste Anfrage. Agentic AI nutzt generative Modelle als Baustein, handelt aber über mehrere Schritte: Sie entscheidet, was als Nächstes passiert, ruft Werkzeuge auf und arbeitet auf ein Ziel hin.
Was ist der Unterschied zwischen Agentic AI und KI-Agenten?
Die Begriffe werden oft gleich verwendet. Genauer ist: Agentic AI ist die Eigenschaft oder der Ansatz, Software selbstständig handeln zu lassen. Ein KI-Agent ist ein konkretes System, das so arbeitet, etwa ein Agent für Reklamationen. Ein agentisches System kann aus mehreren Agenten bestehen.
Wie zuverlässig ist Agentic AI?
Das hängt stark von der Zahl der Schritte ab. Fehler pflanzen sich über die Schritte fort: Gelingt jeder Schritt mit 95 Prozent Wahrscheinlichkeit, gelingen zehn Schritte hintereinander nur noch in rund 60 Prozent der Fälle. Kurze Abläufe, verlässliches Wissen mit Quelle und Freigaben an kritischen Stellen machen agentische Systeme belastbar.
Gilt die KI-Verordnung auch für Agentic AI?
Ja, aber nicht als eigene Kategorie. Die KI-Verordnung ordnet KI-Systeme nach ihrem Einsatzzweck und Risiko ein. Ein agentisches System im Personalwesen kann daher anders eingestuft werden als eines, das Rechnungen sortiert. Für Systeme, die direkt mit Menschen interagieren, müssen Anbieter nach Art. 50 Abs. 1 dafür sorgen, dass Menschen erfahren, dass sie mit einer KI sprechen, sofern das nicht offensichtlich ist. Dieser Text ist keine Rechtsberatung.
Agentische KI mit klaren Grenzen.
Stefan klärt mit Ihnen, welche Autonomiestufe für Ihren Einsatz passt und welche Regeln dafür gelten.