1. Was ist ein KI-Agent eigentlich?

Ein herkömmliches LLM ist wie ein Berater: Du stellst eine Frage, und er gibt dir eine Antwort. Er kann aber nichts tun. Ein KI-Agent ist wie ein Projektmanager: Er erhält ein Ziel, plant die notwendigen Schritte, nutzt Werkzeuge und arbeitet so lange iterativ, bis das Ziel erreicht ist.

Die Kernformel eines Agenten:
KI-Agent = LLM (Gehirn) + Planung+Werkzeuge (Tools) + Speicher

Der entscheidende Unterschied: Die Agenten-Schleife

Während ein Chatbot linear antwortet (Input → Output), arbeitet ein Agent in einem Loop (Schleife):

1. Beobachten (Observe): Was ist das Ziel? Was ist der aktuelle Stand?
2. Planen (Plan): Welche Schritte muss ich unternehmen? Welches Werkzeug brauche ich zuerst?
3. Handeln (Act): Ausführung der Aktion (z.B. eine API aufrufen, eine Datei lesen, eine Suche starten).
4. Prüfen (Evaluate): Hat die Aktion funktioniert? Bin ich dem Ziel nähergekommen? Wenn nein → Plan anpassen und zurück zu Schritt 2.

2. Wie richtet man einen KI-Agenten ein?

Die Einrichtung eines Agenten ist komplexer als ein einfacher Prompt, da man eine „Infrastruktur“ schaffen muss.

Schritt-für-Schritt-Anleitung:

1. Zieldefinition: Formuliere ein klares, messbares Endziel (z.B. nicht „Hilf mir bei der Recherche“, sondern „Erstelle eine Tabelle mit den Top 5 Konkurrenten von Firma X inklusive deren Preisen“).
2. Werkzeug-Bereitstellung (Tooling): Ein Agent ohne Tools ist nur ein Chatbot. Du musst ihm Zugang geben zu:
   • Web-Suche (für aktuelle Daten).
   • Code-Interpreter / Python (für bspw. Berechnungen).
   • Dateisystem (zum Lesen/Schreiben von Dokumenten).
   • APIs (um z.B. E-Mails zu senden oder Wetterdaten zu holen).
3. Kontext- und Speicher-Setup: Der Agent benötigt ein „Kurzzeitgedächtnis“ (den Chat-Verlauf) und oft ein „Langzeitgedächtnis“ (eine Datenbank, in der er wichtige Erkenntnisse aus früheren Schritten speichert).
4. Sicherheitsleitplanken (Guardrails): Da Agenten autonom handeln, musst du Grenzen setzen:
   • Maximale Loop-Zyklen: „Höre nach 10 Versuchen auf, wenn du keine Lösung findest“ (verhindert Endlosschleifen).
   • Bestätigungszwang: „Frage den Nutzer um Erlaubnis, bevor du eine E-Mail sendest“.

3. Die ideale Agenten-Prompt-Struktur

Ein Agenten-Prompt ist kein einfacher Satz, sondern ein Framework. Er muss dem LLM beibringen, wie es denken und handeln soll. Eine bewährte Struktur besteht aus fünf Bausteinen:

Baustein	Inhalt	Zweck
1. Persona	Du bist ein autonomer Recherche-Agent mit Expertise in Marktanalyse.	Legt den Tonfall und die fachliche Herangehensweise fest.
2. Mission (Ziel)	Dein Ziel ist es, eine Liste der 3 günstigsten Flüge von Berlin nach Tokyo für März zu finden.	Definiert das Erfolgskriterium (Wann ist der Agent fertig?).
3. Werkzeug-Katalog	Dir stehen folgende Tools zur Verfügung: [GoogleSearch], [FlightAPI], [Calculator]. Nutze sie im Format: tool_name(argument).	Sagt dem Agenten, welche „Hände“ er hat, um in der Welt zu agieren.
4. Denk-Protokoll	Bevor du handelst, schreibe immer: „Gedanke: [Warum mache ich das?] ➡️ Aktion: [Tool‑Aufruf] ➡️ Beobachtung: [Ergebnis]“.	Zwingt die KI zu einer logischen Planung (Chain-of-Thought), was die Fehlerquote massiv senkt.
5. Output-Format	Präsentiere das finale Ergebnis als Markdown-Tabelle. Gib erst die Antwort aus, wenn alle Daten verifiziert sind.	Stellt sicher, dass das Ergebnis nutzbar ist.

Beispiel für einen kompakten Agenten-Prompt:

„Du bist ein Coding-Agent. Dein Ziel ist es, den Bug in der Datei main.py zu finden und zu beheben. Werkzeuge: read_file(), run_test(), write_file(). Regeln:

1. Lies zuerst die Datei und die Fehlermeldung.
2. Formuliere eine Hypothese über den Fehler.
3. Teste die Hypothese mit einem kleinen Skript.
4. Fixe den Code erst, wenn der Test den Fehler reproduziert.
5. Beende den Prozess mit ‚ZIEL ERREICHT‘, sobald alle Tests grün sind.“

💡 Die Analogy: Der Chef und der Mitarbeiter

Um den Unterschied zwischen LLM und Agent zu verstehen, nutzen wir die Analogie eines Büros:

• Das LLM (Chatbot) ist wie ein extrem belesenes Lexikon. Du fragst es: „Wie schreibt man eine professionelle E-Mail?“ und es gibt dir die perfekte Vorlage. Aber es schreibt die Mail nicht für dich und schickt sie auch nicht ab.
• Der KI-Agent ist wie ein kompetenter Mitarbeiter. Du sagst ihm: „Organisiere mir ein Meeting mit dem Kunden für nächste Woche.“
  • Der Mitarbeiter plant (Wer muss dabei sein? Wann haben alle Zeit?).
  • Er nutzt Werkzeuge (Er schaut in den Kalender, schreibt E-Mails).
  • Er reflektiert (Der Kunde hat abgesagt → ich muss einen neuen Termin vorschlagen).
  • Er meldet sich erst zurück, wenn das Meeting im Kalender steht.

📚 Zusammenfassung

Feature	LLM / Chatbot	KI-Agent
Kernfunktion	Textgenerierung → Antwort	Zielerreichung → Ergebnis
Arbeitsweise	Linear (Einmalig)	Iterativ (Loop / Schleife)
Fähigkeiten	Wissen abrufen, Texte schreiben	Werkzeuge nutzen, Planen, Korrigieren
Steuerung	Einfacher Prompt	Framework aus Persona, Ziel, Tools & Regeln
Ergebnis	Eine Antwort	Eine erledigte Aufgabe

Alle Antworten sind von der KI erstellt. Sie wurden von mir nochmal durchgelesen und nach meinem Wissensstand kontrolliert.
Zur Hauptseite: Wie funktionieren eigentlich LLMs?
Vorherige Seite: 🧹 Chat-Hygiene – Strategien für maximale Genauigkeit
Nächste Seite: ⚙️ Die Infrastruktur von Agenten – MCP & Frameworks