KI Agenten: Was sie können und wo sie noch scheitern
KI Agenten planen mehrere Schritte selbst, statt auf eine Frage zu antworten. Was das im Büroalltag bedeutet, ein Beispiel und die Grenze, die bleibt.
Ein KI Agent ist kein neues Modell und keine neue App — es ist eine andere Art, ein Sprachmodell einzusetzen. Statt eine Frage zu stellen und eine Antwort zu bekommen, gibst du ein Ziel vor, und das Modell entscheidet selbst, welcher Schritt als Nächstes kommt: welche Information es zuerst sucht, welches Werkzeug es aufruft, wann die Aufgabe fertig ist. Dieser eine Unterschied — selbst planen statt einmal antworten — erklärt sowohl den Nutzen als auch das Risiko.
Agent, Chatbot, Custom GPT: der Unterschied in einem Satz
- Ein Chatbot beantwortet eine Nachricht nach der anderen; die Reihenfolge der Schritte bestimmst du, indem du jede Frage einzeln stellst.
- Ein Custom GPT beantwortet eine Anfrage ebenfalls in einem Schritt, allerdings mit festem Wissen und festen Anweisungen, die du einmal hinterlegt hast.
- Ein Agent bekommt ein Ziel statt einer einzelnen Frage und reiht selbst mehrere Schritte aneinander, bis er entscheidet, dass das Ziel erreicht ist.
Genau an dieser Stelle entstehen Fehler, die eine einzelne Antwort nie hätte: Wählt der Agent im zweiten Schritt die falsche Quelle, baut er den dritten und vierten Schritt trotzdem darauf auf — ohne dass jemand zwischendurch hinschaut, wenn niemand die Zwischenschritte liest.
Wofür sich das im Büroalltag eignet
- Eine Recherche über mehrere Quellen, bei der sich die Suchbegriffe je nach Zwischenergebnis ändern müssen, statt mit einer einzigen Suche erledigt zu sein.
- Eine Aufgabe, die Informationen aus zwei getrennten Systemen zusammenführt, etwa eine Kundenübersicht aus dem CRM und aus der Rechnungssoftware.
- Ein wiederkehrender Check mit mehreren Bedingungen — prüfen, ob ein Lagerbestand unter einen Grenzwert fällt, und wenn ja, einen Bestellentwurf vorbereiten, aber nicht automatisch abschicken.
Ein Beispiel von Anfang bis Ende
Ziel: eine kurze Wettbewerbsübersicht zu drei Anbietern für ein internes Meeting. Ohne Agent würdest du selbst drei Websites öffnen, Preise und Funktionen heraussuchen und das Ergebnis in eine Tabelle schreiben — eine halbe Stunde für eine Aufgabe, bei der jeder einzelne Schritt simpel ist, aber viele sind.
Der Auftrag an den Agenten: „Suche zu den Anbietern X, Y und Z jeweils den aktuellen Preis und die drei wichtigsten Funktionen. Trag das Ergebnis in eine Tabelle mit Spalten Anbieter, Preis, Funktionen ein. Nenn zu jeder Zeile die Quelle, aus der die Angabe stammt.“ Der Agent sucht selbst, entscheidet, welche Treffer brauchbar sind, und baut die Tabelle zusammen — mehrere Schritte, ohne dass du nach jedem einzelnen eingreifst.
Das Ergebnis ist ein brauchbarer erster Entwurf, keine fertige Tabelle. Typischer Fehler: Der Agent übernimmt einen veralteten Preis von einer alten Pressemitteilung statt von der aktuellen Preisseite, weil beide Seiten denselben Suchbegriff treffen. Ohne die Quellenangabe in jeder Zeile würdest du das nicht bemerken — mit ihr prüfst du gezielt die eine Zeile nach, die unplausibel wirkt, statt die gesamte Tabelle neu zu recherchieren.
Warum ein Agent trotzdem eine Stopp-Regel braucht
Der größte Unterschied zu einem einzelnen Prompt: Ein Agent läuft weiter, auch wenn ein Zwischenschritt bereits falsch war, weil niemand zwischendurch liest, was er gerade tut. Ein falscher einzelner Prompt fällt sofort auf. Ein Agent, der im zweiten von fünf Schritten eine falsche Annahme trifft, baut die Schritte drei bis fünf trotzdem darauf auf — mit demselben selbstbewussten Ton wie bei einem richtigen Ergebnis.
Ein Agent, der fünf Schritte plant, hat fünf Stellen, an denen etwas schiefgehen kann. Die Frage ist nicht, ob er je einen Fehler macht, sondern ob du ihn siehst, bevor das Ergebnis weitergeht.
Eine wirksame menschliche Aufsicht nennen die OECD-Leitlinien zu KI deshalb ausdrücklich als Voraussetzung für einen verantwortungsvollen Einsatz — bei einem Agenten heißt das konkret: eine klare Grenze, bei welchen Schritten er stoppt und auf eine Bestätigung wartet, statt bis zum Ende selbstständig durchzulaufen. Eine Bestellung abschicken oder eine E-Mail an eine Kundin verschicken gehört in diese Kategorie; eine Tabelle befüllen oder einen Entwurf vorbereiten nicht.
Wie schnell sich solche mehrstufigen Systeme verbessern, verfolgt der Stanford AI Index systematisch Jahr für Jahr — der Fortschritt ist real, aber er schließt die Lücke zwischen „klingt erledigt“ und „ist tatsächlich richtig“ langsamer, als Produktankündigungen es nahelegen. Welche Aufgaben sich technisch grundsätzlich mehrstufig automatisieren lassen und welche weiterhin eine Person zur Prüfung brauchen, untersucht laufend das IAB.
Wie verbreitet solche mehrstufigen Werkzeuge in deutschen Unternehmen bereits sind, erhebt der Bitkom regelmäßig. Und dass genau die Fähigkeit, ein Zwischenergebnis zu prüfen statt es einfach weiterzureichen, sich finanziell lohnt, zeigt der PwC AI Jobs Barometer mit einem deutlichen Gehaltsaufschlag für Menschen mit diesen Kenntnissen.
Was du am Montag ausprobierst
- Wähl eine Aufgabe mit mehreren simplen Schritten, nicht einen einzelnen komplizierten Schritt — genau dort hilft ein Agent am meisten.
- Formuliere das Ziel und verlang die Quelle zu jeder Teilangabe, nicht nur das Endergebnis.
- Leg vorher fest, bei welchem Schritt der Agent stoppt und auf deine Bestätigung wartet — vor dem Versenden, nicht danach.
- Prüf beim ersten Durchlauf jede Zeile gegen die genannte Quelle, bevor du dem Ergebnis beim zweiten Durchlauf mehr vertraust.
Willst du einen eigenen Agenten tatsächlich bauen statt das Prinzip nur zu verstehen, zeigt KI Agent erstellen die technischen Bausteine dafür und wo genau die Stopp-Regel hingehört. Geht es nicht um mehrere Schritte, sondern darum, einen einzelnen wiederkehrenden Schritt zuverlässig zu automatisieren, zeigt Workflow-Automatisierung denselben Prüfgedanken an einem engeren Beispiel. Reicht für deine Aufgabe ein fester Wissensstand ohne eigene Schritte, ist ein Custom GPT oft die einfachere Lösung. Steht am Anfang jeder dieser Varianten ohnehin ein einzelner, gut formulierter Prompt, zeigt ChatGPT-Prompts dessen vier Bausteine. Geht es bei der Quellenprüfung speziell um Linkangaben, zeigt KI mit Quellen, wann ein genannter Link echt ist und wann er nur so aussieht.
Genau diese Fähigkeit — ein Ziel klar formulieren und das Ergebnis Schritt für Schritt prüfen, statt dem Agenten blind zu vertrauen — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen, die zu einer echten Büroaufgabe passen. Mehr zu diesem Ansatz steht über Coursium.