Was ist ein KI-Agent? Ein LLM, das handeln kann – nicht nur Fragen beantwortet

Die kurze Antwort

Ein KI-Agent ist ein LLM, das mit Werkzeugen verknüpft ist, damit es in der echten Welt handeln kann – nicht nur Text produzieren. Ein normaler Chatbot liest deine Nachricht und schreibt eine Antwort. Ein Agent liest deine Nachricht, entscheidet, welches Werkzeug er aufruft (eine Datenbankabfrage, eine Kalenderbuchung, einen E-Mail-Entwurf, einen Workflow-Trigger), ruft es auf, schaut sich das Ergebnis an und unternimmt dann entweder eine weitere Aktion oder antwortet. Die zwei klarsten Beispiele, die wir ausgeliefert haben, sind eine führende Spendenplattform-E-Mail-Agent (klassifiziert eingehende Mails und entwirft Antworten zur menschlichen Prüfung) und der Mother-Earth-AI-Voice-Agent (eine Echtzeit-Sprachschnittstelle, die an jedes Backend-Tool angeschlossen werden kann).

Was ein KI-Agent tatsächlich tut, in drei Schritten

1. Lesen – Der Agent erhält einen Input: eine E-Mail, eine gesprochene Frage, eine Chat-Nachricht, ein auslösendes Event.

2. Entscheiden und handeln – Das LLM entscheidet mit einer Liste verfügbarer Werkzeuge, welches Werkzeug es aufruft. Werkzeuge sind Funktionen: „Schlage diese:n Kund:in nach", „Entwirf diese Antwort", „Erstelle einen Kalendereintrag", „Poste in diesen Slack-Kanal", „Triggere diesen n8n-Workflow". Der Agent ruft das Werkzeug auf, liest das Ergebnis und kann eine weitere Aktion verketten.

3. Antworten oder weitergeben – Der Agent antwortet entweder direkt der nutzenden Person oder übergibt das Ergebnis einem Menschen zur Prüfung. Für alles, was an Kund:innen, Mitglieder oder Empfänger:innen geht, bauen wir verpflichtende menschliche Prüfung in den Workflow ein.

Wann du einen Agenten einsetzt (und wann nicht)

Setze einen Agenten ein, wenn die Aufgabe Handeln umfasst, nicht nur Nachschlagen. Antworten entwerfen, eingehende Anfragen weiterleiten, Anrufe buchen, Workflows triggern, mehrere Systeme abfragen und die Ergebnisse kombinieren – alles Agenten-Territorium. Eine führende Spendenplattform und Mother Earth AI sind die klarsten Praxisbeispiele.

Setze keinen Agenten ein, wenn ein einfacheres Werkzeug passt. Wenn die Antwort „schlage diesen Fakt in unserer Wissensbasis nach" ist, ist ein RAG-Chatbot schneller, günstiger und vorhersehbarer. Wenn die Aktion „mache immer X, wenn Y passiert" ist, ist ein deterministischer n8n-Workflow ohne LLM im Entscheidungspfad zuverlässiger.

Fehlervermeidung per Design. Ein Agent, der autonom handelt, ist ein Agent, der autonom das Falsche tun kann. Verpflichtende menschliche Prüfung bei ausgehender Kommunikation, Audit-Trails als Standard und verankerte Daten statt Freitext-Raten.

Warum N3XTCODER

Wir bringen ein Jahrzehnt Impact-Tech-Erfahrung und über 160 KI-Projekte seit 2019 mit. Über unseren kostenlosen Kurs AI for Impact haben über 100.000 Menschen gelernt, KI für das Gemeinwohl einzusetzen. Unser Standard-Stack: n8n in Berlin, Qdrant in der EU, Azure OpenAI via Microsoft EU Sovereignty.