Blog · KI-Agenten · 25.09.2026

Blog

KI-Agenten

Agentic AI:KI, die Aufgaben erledigt,verständlich erklärt

Agentic AI bekommt ein Ziel, plant den Weg dahin und erledigt die Schritte mit Werkzeugen selbst. Worin sich das vom Chatbot unterscheidet, was Analysten von Nutzen und Risiken halten und was die KI-Verordnung dazu sagt, steht hier.

Direkt zur Anfrage

Auf dieser Seite

Anfrage

Nikolai Schöbel und Jeremias Burger, Co-Founder Scalableloops

Sprechen wir über Ihr Projekt.

Erst prüfen wir, ob das Vorhaben zu Ihrem Geschäftsmodell passt. Dann folgt ein Vorschlag mit Phasen und Aufwand.

KI-Agenten für Ihren Betrieb besprechen oder anrufen: +49 151 1576 5566

Blog · KI-Agenten

Agentic AI, auf gut Deutsch agentische KI, sind KI-Systeme, denen man ein Ziel gibt und die dann ohne viel Aufsicht selbst loslegen. Sie planen die Schritte und schauen in Datenbanken, Programmen oder im Internet nach. Und dann machen sie etwas, statt nur zu antworten. Am besten sieht man das an einem Angebot. Einen Chatbot können Sie fragen, wie so ein Angebot aussehen könnte, und er schreibt es Ihnen hin. Ein KI-Agent sucht sich die Zahlen dagegen selbst zusammen, legt das Angebot im richtigen Programm an und schiebt es Ihnen zur Freigabe rüber. Genau dieser Schritt vom Text zur Tat macht das Ganze für Unternehmen spannend. Und genau deswegen treten Analysten auch ein bisschen auf die Bremse.

In Kürze

Generative KI macht vor allem Inhalte. Agentic AI verfolgt ein Ziel, plant Schritte, nutzt Werkzeuge und führt Handlungen aus.
Laut Bitkom arbeiten 11 Prozent der befragten Unternehmen in Deutschland schon mit KI-Agenten, 29 Prozent haben es vor.
Gartner rechnet damit, dass über 40 Prozent der Agentic-AI-Projekte bis Ende 2027 eingestellt werden, meist wegen Kosten, unklarem Nutzen oder fehlender Risikokontrolle.
Eine eigene Kategorie für Agenten kennt die KI-Verordnung nicht, sie laufen als KI-Systeme. Was große Tragweite hat, sollte ein Mensch freigeben.

Veröffentlicht 25.09.2026Nikolai Schöbel und Jeremias BurgerLesezeit 9 min

Nikolai Schöbel und Jeremias Burger

Co-Founder der Scalableloops GmbH. Nikolai Schöbel verantwortet Online-Marketing und KI-Strategie, Jeremias Burger die KI-Architektur. Beide bauen und schulen KI-Systeme im eigenen Agenturalltag.

Auf dieser Seite

Was ist Agentic AI?
Worin unterscheidet sich Agentic AI von generativer KI und Chatbots?
Wie weit sind Unternehmen mit Agentic AI?
Was erwarten Analysten von Agentic AI im Unternehmen?
Welche Risiken entstehen, wenn KI selbst handelt?
Warum bleibt die menschliche Freigabe bei Agentic AI wichtig?
Was sagt die KI-Verordnung zu Agentic AI?
Wie nutzen Unternehmen Agentic AI in der Praxis?
Häufige Fragen
So starten Sie mit Agentic AI
Woher die Angaben auf dieser Seite stammen

Begriff

Was ist Agentic AI?

IBM macht es sich einfach und sagt: KI, die ein Ziel mit begrenzter Aufsicht erreicht. Das MIT Sloan formuliert es etwas ausführlicher. Dort ist agentische KI Software, die wahrnimmt, abwägt und in digitalen Umgebungen handelt, um Ziele im Auftrag von Menschen zu erreichen. Die einzelnen Programme heißen dann KI-Agenten.

Nehmen Sie mal eine ganz normale Kundenanfrage. Der Agent kriegt keine Frage gestellt, sondern einen Auftrag, so etwas wie „bereite die Antwort auf diese Kundenanfrage vor“. Den nimmt er auseinander, überlegt sich, was er zuerst braucht, und arbeitet sich dann durch. Dafür benutzt er Werkzeuge, laut IBM zum Beispiel die Suche im Internet, Schnittstellen anderer Programme oder Abfragen in Datenbanken. Und wenn er durch ist, liegt da eben kein Text, mit dem noch jemand weiterarbeiten muss. Die Sache ist erledigt.

IBM hat dazu ein Beispiel, das man sich gut merken kann. Ein generatives Modell sagt Ihnen, wann man am besten auf Bergtour geht, ein agentisches System bucht Ihnen dann auch noch Flug und Hotel. Für den eigenen Betrieb heißt das: Spannend wird es überall da, wo heute jemand Infos aus drei, vier Programmen zusammenklaubt und hinterher etwas damit macht.

Abgrenzung

Worin unterscheidet sich Agentic AI von generativer KI und Chatbots?

Etwas zugespitzt könnte man sagen, generative KI macht Inhalte und Agentic AI macht Arbeit. Das MIT Sloan drückt es so aus: Generative KI automatisiert das Erstellen von Texten, Bildern und Videos. KI-Agenten gehen weiter. Sie führen mehrstufige Pläne aus, nutzen externe Werkzeuge und handeln in digitalen Umgebungen. Unter der Haube ist es oft dasselbe, weil viele Agenten mit einem Sprachmodell verstehen und planen.

Wo die Grenze genau verläuft, darüber kann man lange streiten, und manche Anbieter machen sich das zunutze. Gartner hat dafür den Begriff „Agent Washing“. Gemeint ist, dass bestehende Assistenten, Chatbots oder klassische Automatisierung als agentische KI verkauft werden, obwohl sie das gar nicht draufhaben. Mit der Übersicht unten lässt sich das ganz gut auseinandersortieren.

Merkmal	Chatbot und generative KI	Agentic AI
Auslöser	Eine Frage oder ein Auftrag im Chat	Ein Ziel, das über mehrere Schritte erreicht werden soll
Ergebnis	Text, Bild oder Vorschlag	Ein erledigter Arbeitsschritt, etwa ein angelegter Datensatz oder ein vorbereiteter Entwurf im Zielprogramm
Werkzeuge	Meist keine oder nur Websuche	Zugriff auf Programme, Datenbanken und Schnittstellen
Ablauf	Eine Antwort je Anfrage	Planen, ausführen, Ergebnis prüfen, nächsten Schritt wählen
Risiko	Falsche oder erfundene Aussagen	Zusätzlich falsche Handlungen mit Wirkung nach außen
Kontrolle	Der Mensch liest und entscheidet selbst	Freigaben, Berechtigungen und Grenzen müssen vorher festgelegt werden

Verbreitung

Wie weit sind Unternehmen mit Agentic AI?

Die meisten stehen noch ziemlich am Anfang. Der Digitalverband Bitkom hat für seine Pressemitteilung vom 14. September 2026 insgesamt 603 Unternehmen ab 20 Beschäftigten in Deutschland befragt. 57 Prozent davon setzen KI ein, ein Jahr vorher waren es noch 36 Prozent. Interessant wird es bei den Firmen, die KI nutzen, den Einsatz planen oder zumindest darüber reden. Von ihnen arbeiten 11 Prozent schon mit KI-Agenten. 29 Prozent haben es vor, 31 Prozent diskutieren noch darüber.

Bei McKinsey, also mit Blick über Deutschland hinaus, kommt ungefähr dasselbe heraus. Im Bericht „The State of AI in 2025“ geben 62 Prozent der Befragten an, dass ihre Organisation zumindest mit KI-Agenten herumexperimentiert. Bei 23 Prozent laufen agentische Systeme schon skaliert in mindestens einem Unternehmensbereich. Zwischen Ausprobieren und festem Betrieb ist also noch eine ordentliche Lücke.

Wer im Mittelstand noch nicht angefangen hat, muss sich deshalb keine Sorgen machen. Mit einem sauber abgegrenzten Anwendungsfall ist man jetzt nicht zu spät dran. Viel wichtiger als Tempo ist, dass Ihr Team versteht, was so ein Agent eigentlich macht und wo er an seine Grenzen kommt. Darum geht es auch in unserer KI-Schulung.

11 %

der befragten Unternehmen in Deutschland, die KI nutzen oder planen, setzen bereits KI-Agenten ein.

Bitkom, September 2026

Analysten

Was erwarten Analysten von Agentic AI im Unternehmen?

Die Analysten sind da ein bisschen zwiegespalten. Auf der einen Seite viel Potenzial, auf der anderen jede Menge Fehlstarts. Gartner rechnet damit, dass bis 2028 mindestens 15 Prozent der alltäglichen Arbeitsentscheidungen autonom von agentischer KI getroffen werden, 2024 waren es noch null Prozent. Und bis 2028 sollen rund 33 Prozent der Unternehmenssoftware agentische KI enthalten, 2024 lag das bei unter einem Prozent.

In derselben Pressemitteilung vom 25. Juni 2025 steht dann aber auch der Dämpfer: Über 40 Prozent der Agentic-AI-Projekte werden laut Gartner bis Ende 2027 wieder eingestellt. Die Gründe sind steigende Kosten, unklarer Geschäftsnutzen und unzureichende Risikokontrollen. Und dann ist da noch das Agent Washing von vorhin. Von den Tausenden Anbietern, die agentische Lösungen versprechen, liefern laut Gartner nur rund 130 wirklich echte agentische Funktionen.

Was heißt das für die Geschäftsführung? Ob es klappt, hängt weniger an der Technik als daran, welche Aufgabe man dem Agenten überhaupt gibt. Lohnen tut sich das bei Abläufen, die immer wiederkommen und klar beschrieben sind. Außerdem sollte man den Nutzen messen können, und Fehler sollten früh auffallen.

40 %

der Agentic-AI-Projekte werden nach Gartner-Prognose bis Ende 2027 eingestellt.

Gartner, Juni 2025

Risiken

Welche Risiken entstehen, wenn KI selbst handelt?

Eine falsche Antwort kann man einfach überlesen. Eine falsche Handlung ist dagegen schon passiert, und da liegt das eigentliche Risiko. Das MIT Sloan zählt einiges auf. Bei wichtigen Entscheidungen sind Agenten mal zuverlässig und mal nicht. Weil sie auf viele Datenbestände zugreifen, entstehen Sicherheitslücken. Und wenn etwas schiefläuft, ist unklar, wer die Verantwortung trägt. IBM gibt zu bedenken, dass gerade die Selbstständigkeit ernste Folgen haben kann, wenn so ein System aus dem Ruder läuft.

Die Sicherheitsorganisation OWASP hat dafür einen eigenen Namen, „Excessive Agency“, also zu viel Handlungsspielraum. Drei Ursachen nennt OWASP dafür, und die kann man ganz gut als Prüfliste nehmen, bevor man einen Agenten loslässt.

01
01
Zu viele Funktionen
Der Agent hat Werkzeuge an der Hand, die er für seine Aufgabe gar nicht braucht. Und jede Funktion, die zu viel ist, ist eine Gelegenheit mehr, etwas falsch zu machen.
02
02
Zu weite Berechtigungen
Die Werkzeuge laufen mit mehr Rechten als nötig, zum Beispiel über ein Konto, das Daten löschen darf, obwohl der Agent sie nur lesen müsste. Da gilt dasselbe wie bei Mitarbeitenden: so viel Zugriff wie nötig, so wenig wie möglich.
03
03
Zu viel Selbstständigkeit
Folgenreiche Handlungen laufen, ohne dass ein Mensch sie bestätigt. OWASP nennt als Beispiele ein Werkzeug, das Beiträge in sozialen Netzwerken veröffentlicht, und eine Erweiterung, die Dokumente löschen kann.

Freigabe

Warum bleibt die menschliche Freigabe bei Agentic AI wichtig?

Ganz einfach: Ein Mensch kann Verantwortung übernehmen, ein Agent nicht. OWASP empfiehlt ausdrücklich, dass ein Mensch Handlungen mit großer Tragweite genehmigt, bevor sie ausgeführt werden. Gemeint ist alles, was nach außen geht oder sich schlecht rückgängig machen lässt. Also die Mail an den Kunden, die Bestellung, die Preisänderung im Shop oder der Eingriff in die Stammdaten.

Im Gesetz steht das übrigens auch, allerdings nur für Hochrisiko-Systeme. Artikel 14 der KI-Verordnung verlangt, dass solche Systeme von Menschen wirksam beaufsichtigt werden können. Die zuständigen Leute müssen eine Ausgabe außer Acht lassen, übergehen oder rückgängig machen können und den Betrieb über eine „Stopptaste“ oder etwas Vergleichbares anhalten können.

Für den Alltag im Mittelstand reicht meistens eine ganz simple Faustregel. Recherchieren, sortieren, zusammenfassen und Entwürfe vorbereiten darf der Agent. Alles, was das Haus verlässt oder Geld bewegt, gibt ein Mensch frei. So haben Sie die gesparte Zeit und trotzdem das Steuer in der Hand.

Rechtslage

Was sagt die KI-Verordnung zu Agentic AI?

Eine eigene Kategorie für KI-Agenten gibt es in der KI-Verordnung gar nicht. Der AI Act Service Desk der EU-Kommission stellt klar, dass zwei Definitionen reichen, um Agenten zu erfassen: die des KI-Systems in Artikel 3 Nummer 1 und die des KI-Modells mit allgemeinem Verwendungszweck in Artikel 3 Nummer 63. Nach Artikel 3 Nummer 1 ist ein KI-System ein System, das mit unterschiedlichem Grad an Autonomie arbeitet und Ausgaben wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erzeugt, die physische oder virtuelle Umgebungen beeinflussen können.

Welche Pflichten auf Sie zukommen, hängt davon ab, wofür der Agent da ist. Redet er mit Menschen oder erzeugt er Inhalte, gelten seit dem 2. August 2026 die Transparenzpflichten nach Artikel 50. Was das für Chatbots und Kundendialoge heißt, steht im Beitrag zur KI-Kennzeichnungspflicht nach Artikel 50.

Bei Hochrisiko-Anwendungen hat sich der Zeitplan verschoben. Die Digital-Omnibus-Verordnung (EU) 2026/1744 ist seit dem 27. Juli 2026 in Kraft, und seitdem gelten die Regeln für Hochrisiko-Systeme nach Anhang III ab dem 2. Dezember 2027, für Systeme nach Anhang I ab dem 2. August 2028. Ab dann müssen auch Hochrisiko-Agenten die zusätzlichen Anforderungen aus Kapitel III erfüllen.

Schon seit dem 2. Februar 2025 gilt dagegen Artikel 4 zur KI-Kompetenz. In der Fassung des Omnibus sollen Anbieter und Betreiber die Entwicklung der KI-Kompetenz ihres Personals unterstützen. Was das praktisch bedeutet, erklären wir im Beitrag zur KI-Schulungspflicht nach Artikel 4. Eine Rechtsberatung ersetzt das hier natürlich nicht.

Praxis

Wie nutzen Unternehmen Agentic AI in der Praxis?

Am besten mit einem Agenten, der Ihren Betrieb kennt und da mitarbeitet, wo sowieso schon gearbeitet wird. Das meiste, wobei Agentic AI hilft, ist ehrlich gesagt ziemlich unspektakulär. Anfragen vorsortieren, Infos aus mehreren Programmen zusammentragen, Entwürfe für Antworten, Angebote oder Berichte vorbereiten. Das nimmt Ihren Fachleuten Arbeit ab, entscheiden tun sie aber immer noch selbst.

Wie das im Alltag aussehen kann, zeigt unser KI-Agentensystem. Das läuft auf Ihrem eigenen Server und hängt an keinem einzelnen KI-Anbieter. Es kennt Ihren Betrieb und arbeitet mit den Programmen, die Sie eh schon haben. Und was nach draußen geht, gibt vorher jemand aus Ihrem Team frei.

Kleiner Nachtrag noch: Bevor so ein Agent irgendwas tun kann, muss man ihn ja erst mal finden und verstehen, und das gilt auch für andere KI-Systeme. Wie Ihr Unternehmen in KI-Antworten auftaucht, steht im Beitrag zu KI-SEO.

Häufige Fragen

Was ist der Unterschied zwischen Agentic AI und KI-Agenten?

Im Alltag kein großer. Agentic AI ist eher der Oberbegriff für KI, die Ziele verfolgt, plant, Werkzeuge benutzt und handelt. Die KI-Agenten sind halt die Programme, die das dann tatsächlich tun. Im Gespräch gehen die beiden Wörter ständig durcheinander, und das ist auch nicht weiter schlimm.

Ist ChatGPT Agentic AI?

Jein. Wenn Sie ChatGPT eine Frage stellen und eine Antwort lesen, ist das ganz normale generative KI. Agentisch wird es erst dann, wenn das System über mehrere Schritte an einem Ziel dranbleibt, dabei Programme oder Datenbanken benutzt und am Ende selbst was ausführt. Da die Anbieter so etwas gerade überall einbauen, lohnt sich ein zweiter Blick, was genau das jeweilige Werkzeug eigentlich macht.

Welche Beispiele für Agentic AI gibt es?

Das Beispiel von IBM ist die Bergtour: Der Agent sucht die beste Reisezeit raus und bucht dann gleich noch Flug und Hotel. Im Betrieb geht es meistens um weniger Aufregendes, zum Beispiel Anfragen vorsortieren, Infos aus mehreren Programmen zusammensuchen oder Entwürfe schreiben, die dann jemand absegnet.

Ist Agentic AI nach der KI-Verordnung erlaubt?

Ja, klar. Für die KI-Verordnung ist so ein Agent erst mal einfach ein KI-System wie jedes andere. Was an Pflichten dazukommt, hängt vom Einsatz ab. Die Transparenzpflichten nach Artikel 50 gelten seit dem 2. August 2026, die Hochrisiko-Anforderungen nach Anhang III kommen ab dem 2. Dezember 2027.

Warum scheitern so viele Agentic-AI-Projekte?

Gartner führt es auf steigende Kosten, unklaren Geschäftsnutzen und unzureichende Risikokontrollen zurück und geht davon aus, dass über 40 Prozent der Projekte bis Ende 2027 eingestellt werden. Unser Rat deshalb: lieber mit einem kleinen Fall anfangen, bei dem man den Nutzen hinterher auch wirklich messen kann, statt gleich alles auf einmal zu wollen.

Braucht Agentic AI eine menschliche Freigabe?

Bei allem, wo viel dranhängt: unbedingt. OWASP empfiehlt das für Handlungen mit großer Tragweite ausdrücklich, und bei Hochrisiko-Systemen ist es über Artikel 14 der KI-Verordnung sogar Pflicht. Menschen müssen solche Systeme wirksam beaufsichtigen und notfalls stoppen können.

Was jetzt

So starten Sie mit Agentic AI

01
Aufgabe auswählen
Suchen Sie sich einen Ablauf, der ständig wiederkommt. Typisch ist einer, bei dem jemand Infos aus mehreren Programmen zusammensucht und daraus einen Entwurf baut.
02
Grenzen festlegen
Klären Sie vorher, welche Programme der Agent benutzen darf und mit welchen Rechten. Und legen Sie fest, an welcher Stelle ein Mensch draufschaut und freigibt.
03
Team befähigen
Alle, die damit arbeiten, sollten wissen, wie der Agent tickt und wo er danebenliegen kann. Das zahlt nebenbei auch auf die KI-Kompetenz nach Artikel 4 ein.
04
Nutzen messen
Überlegen Sie sich vorab, woran Sie merken, dass es funktioniert, zum Beispiel an gesparter Zeit pro Vorgang oder an schnelleren Antworten. Nach ein paar Wochen schauen Sie dann nach, ob das eingetreten ist.

Mit Agentic AI geht es nicht mehr so sehr darum, was die KI schreiben kann, sondern darum, was sie tun darf. Wer diese Grenze bewusst zieht, spart sich viel Arbeit und behält die Verantwortung trotzdem bei sich.