Was ist Agentic AI?

Agentic AI (agentische KI) bezeichnet KI-Systeme, die ein Ziel entgegennehmen, den Weg dorthin selbst in Arbeitsschritte zerlegen und dafür Werkzeuge wie Datenbanken, Postfach oder Fachsoftware aufrufen. Ein Chatbot beantwortet eine Frage, ein agentisches System arbeitet eine Aufgabe ab und prüft unterwegs, ob es noch auf Kurs ist.

Der Begriff taucht heute in vielen Produktankündigungen auf. Dahinter steckt ein nüchterner Gedanke: Ein Sprachmodell schreibt Text, es kann aber ebenso entscheiden, welcher Arbeitsschritt als Nächstes sinnvoll ist. Für Unternehmen ist vor allem die Frage wichtig, wie viel Handlungsspielraum man einer solchen Software gibt.

Agentic AI und KI-Agent — Ansatz und Einheit

Die beiden Begriffe werden oft gleich verwendet, meinen aber unterschiedliche Dinge. Ein KI-Agent ist eine konkrete Einheit: ein Programm mit Auftrag, Werkzeugen und Grenzen, etwa ein Agent, der Eingangsrechnungen vorprüft. Agentic AI beschreibt dagegen die Bauweise und die Eigenschaft dahinter — dass Software selbst plant, handelt und ihr Ergebnis bewertet.

Man kann es mit einem Betrieb vergleichen: Der KI-Agent ist der Mitarbeiter, Agentic AI ist die Art, wie dieser Mitarbeiter arbeitet — eigenständig statt nur auf Zuruf. Ein System kann aus einem einzigen Agenten bestehen oder aus mehreren, die sich Aufgaben zuspielen. Beides fällt unter Agentic AI.

Den Kern bildet fast immer ein Large Language Model. Es versteht die Aufgabe, formuliert den Plan und entscheidet, welches Werkzeug es als Nächstes braucht. Die Werkzeuge selbst sind klassische Software: Kalender, CRM, Buchhaltung, Suche.

Wie Agentic AI arbeitet

Agentische Systeme arbeiten in einer Schleife. Jeder Durchlauf besteht aus denselben Bausteinen:

• Ziel: Ein Mensch oder ein Ereignis gibt den Auftrag vor, zum Beispiel „Beantworte diese Anfrage mit einem Terminvorschlag“.
• Plan: Das Modell zerlegt das Ziel in Schritte: Anfrage lesen, freie Termine suchen, Preis nachschlagen, Antwort entwerfen.
• Werkzeugaufruf: Für jeden Schritt ruft das System eine Schnittstelle auf und liest das Ergebnis.
• Prüfung: Passt das Ergebnis zum Ziel? Wenn nicht, plant das System um oder bricht ab.
• Übergabe: Am Ende steht ein Ergebnis, ein Entwurf oder eine Rückfrage an einen Menschen.

Damit ein Modell Werkzeuge überhaupt erreichen kann, braucht es Anbindungen. Ein offener Standard dafür ist das Model Context Protocol, über das sich Datenquellen und Programme einheitlich anschließen lassen.

Stufen der Autonomie

„Agentisch“ heißt nicht automatisch „vollständig selbstständig“. In der Praxis bewährt sich ein Stufenmodell, bei dem jede Aufgabe ihre eigene Stufe bekommt:

Die meisten Aufgaben mit Außenwirkung gehören auf Stufe 2. Interne, gut umrissene Routine kann auf Stufe 3 wandern, sobald die Ergebnisse über Wochen stimmen.

Beispiele aus dem Mittelstand

Angebotsanfrage im Handwerksbetrieb: Eine Anfrage kommt per Formular. Das System liest sie, erkennt Leistung und Ort, prüft die Auslastung der nächsten Wochen, schlägt einen Besichtigungstermin vor und legt der Inhaberin einen Antwortentwurf hin. Sie ändert zwei Sätze und schickt ihn ab.

Eingangsrechnung im Großhandel: Der Agent liest die Rechnung, sucht die passende Bestellung, vergleicht Menge und Preis und markiert nur die Abweichungen. Die Buchhaltung arbeitet die Ausnahmen ab statt jede Rechnung.

Vorbereitung eines Vertriebstermins: Vor dem Gespräch trägt das System zusammen, was im CRM zum Kunden steht, welche Angebote offen sind und was in der letzten E-Mail zugesagt wurde. Der Vertrieb bekommt eine Seite statt zehn Fenster.

Nutzen und Risiken

Der Nutzen liegt in Aufgaben, die aus vielen kleinen Schritten bestehen, aber wenig echte Entscheidung brauchen:

• Routine läuft auch, wenn gerade niemand Zeit hat.
• Informationen aus mehreren Systemen landen an einer Stelle.
• Mitarbeitende prüfen und entscheiden, statt zu suchen und abzutippen.

Die Risiken sind ebenso konkret:

• Fehler setzen sich fort: Ein falsch gelesener Wert im ersten Schritt verfälscht alle weiteren.
• Zu weite Rechte: Ein Agent, der Zahlungen auslösen darf, sollte das nur in klaren Grenzen tun.
• Nachvollziehbarkeit: Ohne Protokoll weiß später niemand, warum das System so gehandelt hat.
• Datenschutz: Wohin die Daten fließen und wo sie verarbeitet werden, muss vor dem Start feststehen.

Warum der Mensch im Ablauf bleibt

„Mensch im Loop“ heißt: An festgelegten Stellen entscheidet ein Mensch, bevor es weitergeht. Das ist kein Misstrauensvotum gegen die Technik, sondern Arbeitsteilung. Die KI erledigt Vorarbeit schnell und gleichmäßig, der Mensch kennt Kunden, Kontext und Ausnahmen.

Drei Stellen sollten fast immer eine Freigabe haben: alles, was ein Kunde zu sehen bekommt, alles, was Geld bewegt, und alles, was sich nicht rückgängig machen lässt. Jede Korrektur ist zugleich eine Rückmeldung, aus der das System besser wird.

In der Praxis: agentische KI mit festen Befugnissen

SEODACH setzt agentische KI als KI-Mitarbeiter um: mit Stellenbeschreibung, einem messbaren Hauptergebnis und schriftlich festgelegten Befugnissen in drei Stufen. Wie viel ohne Rückfrage passiert, entscheiden Sie. In einem Kundenprojekt lag in den letzten 30 Tagen für 76 % der eingehenden Anfragen ein fertiger Antwortentwurf bereit; das Team liest, passt an und sendet.

Nicht jede Aufgabe braucht einen Agenten. Wo der Ablauf feststeht und keine Einschätzung nötig ist, reicht eine regelbasierte Prozessautomatisierung — sie ist günstiger und leichter zu prüfen. Welche Variante passt, klären wir im ersten Gespräch; das erste Ergebnis sehen Sie nach etwa 14 Tagen.

Häufige Fragen

Ist Agentic AI dasselbe wie ein KI-Agent?

Nein. Der KI-Agent ist die konkrete Software mit Auftrag und Werkzeugen. Agentic AI beschreibt den Ansatz, nach dem solche Agenten arbeiten: planen, handeln, prüfen.

Braucht ein Unternehmen dafür ein eigenes KI-Modell?

In aller Regel nicht. Agentische Systeme nutzen vorhandene Sprachmodelle. Der Aufwand liegt in der Anbindung an Ihre Systeme, in klaren Regeln und in sauberen Daten.

Lässt sich Agentic AI datenschutzkonform einsetzen?

Ja, wenn vorher feststeht, welche Daten das System sieht, wo sie verarbeitet werden und wer welche Aktion freigibt. Ein Protokoll jeder Handlung gehört dazu.

Zusammenfassung

Agentic AI ist KI, die Aufgaben in Schritte zerlegt, Werkzeuge nutzt und ihr Ergebnis prüft. Im Unternehmen entscheidet die Autonomiestufe über Nutzen und Risiko: Die KI bereitet vor, der Mensch gibt dort frei, wo Kunden, Geld oder Unumkehrbares betroffen sind.