Warum ein KI-Agent kein KI-Chatbot ist – eine Begriffsklärung
Kaum ein Begriff wird im Zusammenhang mit «Agentic AI» so inflationär verwendet wie «KI-Agent» (Englisch: «AI Agent»). Unternehmen werben mit ihrem KI-Agenten, Medien berichten darüber und in Gesprächen wird er oft synonym zu «KI-Chatbot» verwendet. Dabei bezeichnen die Begriffe technisch unterschiedliche Dinge. Erfahre hier, wo diese Unterschiede liegen.
Nicht jeder KI-Chatbot ist ein KI-Agent, und nicht jeder KI-Agent ist ein KI-Chatbot. Wer die beiden Konzepte sauber trennen kann, versteht besser, welche Erwartungen an ein konkretes KI-Produkt überhaupt realistisch sind.
KI-Chatbot: reaktiv und passiv
Ein generatives Sprachmodell ist grundsätzlich zustandslos: Für jede Eingabe erzeugt es eine Ausgabe und vergisst das Gesagte danach sofort wieder. Damit ein KI-Chatbot dennoch ein Gespräch führen kann, wird bei jeder Anfrage die gesamte bisherige Konversation mitgeschickt, das sogenannte Kurzzeitgedächtnis. Wird der Verlauf zu lange, braucht es Komprimierungsstrategien. Der Verlauf wird zu einem persistenten Langzeitgedächtnis extrahiert, ein bis heute nur teilweise gelöstes Forschungsproblem. Entscheidend ist: Ein Chatbot bleibt dabei passiv. Von sich aus unternimmt er nichts, wenn er nicht dazu aufgefordert wird.
Häufig erhalten Chatbots zusätzliche Funktionen wie eine Internetsuche, einen Taschenrechner oder Zugriff auf externe Wissensquellen (siehe dazu meinen Blogbeitrag zu Retrieval Augmented Generation). Damit entscheidet der Chatbot zwar bereits, ob und mit welchen Parametern ein Werkzeug aufgerufen wird, mehr aber nicht. Werkzeuge und Wissensquellen taugen deshalb nicht als scharfes Unterscheidungskriterium zum Agenten. Ein grosser Chatbot mit riesigen Datenmengen kann komplizierter sein als ein kleiner, eng umrissener Agent.
Ein Chatbot kann zudem «assoziativ denken». Er verknüpft verschiedene Konzepte aus den Trainingsdaten, um auch Fragen zu beantworten, deren Antwort nicht exakt formuliert abgelegt wurde. Nicht jede plausibel klingende Assoziation ist dabei aber faktisch korrekt, was die bekannte Gefahr von Halluzinationen begründet.
KI-Agent: proaktiv planen und handeln
Agentic AI ist der Oberbegriff für Systeme, die mit Hilfe eines oder mehrerer KI-Agenten eigenständig planen und handeln. Sie reagieren nicht bloss auf einzelne Anfragen. Ein KI-Agent legt sich für eine Aufgabe zunächst einen Plan zurecht und führt diesen anschliessend selbständig aus. Er «agiert», im lateinischen Wortsinn von «agere». Dazu nutzt er eine Architektur, die oft «Agentenschlaufe» (Englisch: «Agent Loop») genannt wird:
- Der Agent erhält von einem Nutzenden einen Auftrag samt Zieldefinition sowie optionalen Rahmen- und Abbruchbedingungen.
- Er erstellt eigenständig einen Ausführungsplan.
- Er setzt den Plan um und beobachtet dabei fortlaufend den Fortschritt.
- Nach wesentlichen Schritten misst er die Zielerfüllung und leitet bei Bedarf Korrekturen ein.
- Schritte drei und vier wiederholen sich, bis das Ziel erreicht ist oder eine Abbruchbedingung eintritt.
Während des Prozesses kann einiges schiefgehen: Ein Plan kann sich als nicht ausführbar erweisen. Auch kann sich der Agent in einer Endlosschlaufe verfangen, wenn er nicht zuverlässig feststellen kann, ob er sein Ziel erreicht hat.
In der Praxis wird oft von KI-Agenten gesprochen, obwohl eigentlich Chatbots gemeint sind. Einem Chatbot fehlt aber genau dieser Planungsschritt und die autonome Ausführung. Erschwerend kommt hinzu, dass auch Agenten meist über eine gewöhnliche Chatoberfläche angestossen werden.
Arten und Beispiele von KI-Agenten
Agenten lassen sich grob nach Einsatzgebiet unterscheiden, etwa:
- Coding-Agenten wie Claude Code oder der GitHub Copilot Agent Mode, die Softwareänderungen eigenständig über mehrere Schritte hinweg implementieren
- Deep-Research-Agenten, die selbständig zahlreiche Quellen durchsuchen und zu einem Bericht verdichten
- Browser-Use-Agenten, die Formulare ausfüllen oder Termine buchen
- Kundenservice-Agenten, die Anfragen lösen, indem sie eigenständig auf Bestell- oder Ticketsysteme zugreifen
Weiter unterscheidet man nach Architektur. Ein Single-Agent löst eine Aufgabe allein. Bei Multi-Agenten-Systemen arbeiten mehrere spezialisierte Agenten zusammen, entweder über einen zentralen Orchestrierungsagenten oder dezentral als gleichberechtigte Peers. Solche Mehragentensysteme sind in der Theorie mächtiger, aber deutlich schwieriger zu entwerfen und zu steuern als Einzelagentensysteme.
Wie erstelle ich einen KI-Agenten?
Um einen KI-Agenten zu erstellen, benötigst du ein leistungsfähiges Sprachmodell als «Gehirn», eine klare Aufgaben- und Zieldefinition, eine Reihe von Werkzeugen oder Schnittstellen für die eigentliche Handlung sowie eine Implementierung der Agentenschlaufe. Die Agentenschlaufe kann über ein Framework wie das Claude Agent SDK oder LangGraph erfolgen. Ebenso wichtig sind Leitplanken wie klare Abbruchbedingungen, Kostenkontrollen und eine Möglichkeit für Menschen, kritische Schritte vor der Ausführung zu prüfen. Für einfache Anwendungsfälle genügen inzwischen No-Code-Plattformen, für anspruchsvollere Aufgaben braucht es Entwicklungserfahrung und iteratives Testen.
Wichtig ist ausserdem eine saubere Evaluation. Ohne wiederholbare Testfälle lässt sich kaum beurteilen, ob ein Agent zuverlässig funktioniert oder nur in Einzelfällen zufällig das richtige Ergebnis liefert. Gerade beim Übergang von einem Prototyp zu einem produktiv eingesetzten Agenten lohnt es sich, diesen Testaufwand nicht zu unterschätzen.
KI-Agent vs. KI-Chatbot im Vergleich
| Merkmal | KI-Agent | KI-Chatbot |
| Verhalten | proaktiv, plant und handelt selbständig | reaktiv, antwortet auf Anfragen |
| Wissensbasis | wie Chatbot, plus Werkzeuge zur aktiven Nutzung | Trainingsdaten, optional externe Dokumente (RAG) |
| Handlungsfähigkeit | führt mehrstufige Pläne eigenständig aus | keine eigenständige Ausführung mehrstufiger Aufgaben |
| Ziel | Aufgaben eigenständig erledigen | präzise, faktenbasierte Antworten liefern |
Mehr zur Wissensanbindung von Chatbots liefert mein Beitrag «Was RAG eigentlich ist – einfach erklärt?».
Fazit
Mit Agentic AI steigt die Mächtigkeit einer Software, gleichzeitig aber auch ihr Entwurfs-, Betriebs- und Kontrollaufwand. Deshalb gilt es für Unternehmen zuerst zu klären, ob sich ein KI-Agent oder ein KI-Chatbot für ein künftiges Projekt eignet, bevor Budget und Erwartungen geschärft werden.
Ob sich KI-Agenten ausserhalb enger Problemfelder wie der Softwareentwicklung langfristig durchsetzen, muss sich erst noch zeigen. KI-Chatbots hingegen wurden bereits fester Bestandteil unseres Alltags und das in historischem Rekordtempo.