Blog

12 Beispiele für KI-Agenten, die zeigen, was sie tatsächlich tun

Markdown

Entdecken Sie 12 Beispiele für KI-Agenten – von Finanzdaten und Kundensupport bis hin zu Programmierung und Bildschirmautomatisierung – und erfahren Sie, wie sich Agenten von Chatbots und Workflows unterscheiden.

KI-Agenten kommen in einer Vielzahl von Produkten zum Einsatz, doch die Bezeichnung kann es schwierig machen, zu erkennen, was sie tun. Diese 12 Beispiele zeigen, wie Agenten in Unternehmen und auf privaten Computern funktionieren und wann sich ein Agent, ein Chatbot oder eine gewöhnliche Automatisierung für eine Aufgabe eignen kann.

Die wichtigsten Erkenntnisse

  • Ein KI-Agent erledigt Aufgaben, indem er mit den verfügbaren Tools einen Workflow entwirft. Das unterscheidet ihn von einem Chatbot, der nur mit Text antwortet.
  • Agenten können bestimmte Aufgaben übernehmen: Beispiele sind das Beantworten von Finanzfragen in Slack und das Eröffnen von Pull-Request-Entwürfen für Programmieraufgaben.
  • Ein verbreitetes Framework unterscheidet fünf Agententypen: einfache Reflexagenten, modellbasierte Reflexagenten, zielbasierte Agenten, nutzenbasierte Agenten und lernende Agenten. Diese Typen lassen sich in einem Multiagentensystem kombinieren.
  • Persönliche Agenten können bei Routineaufgaben wie dem Leeren eines Posteingangs oder dem Ablegen von Belegen helfen, ebenso wie bei Unternehmensaufgaben wie Analysen.

Was ist ein KI-Agent? In einem Satz

Ein KI-Agent ist ein System, das seine Umgebung wahrnimmt, entscheidet, was zu tun ist, und Tools oder APIs nutzt, um eine mehrstufige Aufgabe auszuführen. IBM beschreibt einen Agenten als System, das Aufgaben autonom erledigt, indem es Workflows mit verfügbaren Tools entwirft. Tools und die Fähigkeit zu handeln sind zentrale Merkmale des Konzepts.

Wie sich ein Agent von einem Chatbot unterscheidet

Ein Chatbot antwortet Ihnen; ein Agent kann handeln. Chatbots ohne Tools, Gedächtnis oder Schlussfolgerungsfähigkeit bleiben reaktiv, während ein Agent diese Fähigkeiten kombinieren kann, um zu handeln. Eine hilfreiche Unterscheidung ist, ob das System eine Aufgabe abschließen kann, ohne bei jedem Schritt zu Ihnen zurückzukehren. Wenn es nach jeder Antwort anhält und wartet, funktioniert es als Chatbot.

Die Bestandteile, die alle Agenten gemeinsam haben

Agenten bestehen typischerweise aus drei Teilen: Wahrnehmung, einer Entscheidungsschleife und Aktionen über Tools. Das System liest den aktuellen Zustand, wählt einen Schritt aus, führt ihn mit einem Tool aus, prüft das Ergebnis und wiederholt den Vorgang, bis die Aufgabe abgeschlossen ist. Diese Schleife findet sich bei allen Agententypen. Ohne Tools oder eine Entscheidungsschleife ähnelt ein System eher einem Chatbot.

Die wichtigsten KI-Agententypen (jeweils mit einem kurzen Beispiel)

Ein verbreitetes Framework unterscheidet fünf Typen: einfache Reflexagenten, modellbasierte Reflexagenten, zielbasierte Agenten, nutzenbasierte Agenten und lernende Agenten. Sie unterscheiden sich in ihrer Komplexität und lassen sich teilweise in einem Multiagentensystem kombinieren.

Einfache und modellbasierte Reflexagenten

Ein einfacher Reflexagent folgt festen Wenn-dann-Regeln und hat kein Gedächtnis. Ein Thermostat ist ein klassisches Beispiel: Sinkt die Temperatur unter den eingestellten Wert, wird die Heizung eingeschaltet. Ein modellbasierter Reflexagent ergänzt ein internes Bild der Welt, sodass er Veränderungen seit dem vorherigen Schritt verfolgen kann. Der Unterschied besteht zwischen Agenten, die ausschließlich Regeln folgen, und solchen, die einen Zustand speichern.

Zielbasierte, nutzenbasierte und lernende Agenten

Diese Agenten planen, statt nur zu reagieren. Ein zielbasierter Agent plant rückwärts von einem Ziel aus, um Schritte auszuwählen, wie eine GPS-App beim Berechnen einer Route. Ein nutzenbasierter Agent wägt Kompromisse ab, um zwischen Optionen zu wählen, statt irgendeine Option auszuwählen, die zum Ziel führt. Ein lernender Agent verbessert sich im Laufe der Zeit durch Rückmeldungen. Diese drei gehören zum Framework der fünf Agententypen.

Multiagentensysteme

Ein Multiagentensystem besteht aus mehreren Agenten, die gemeinsam eine Aufgabe erledigen. Oft teilt ein leitender Agent die Arbeit an Unteragenten auf. Anthropics Research-Funktion, die weiter unten beschrieben wird, ist ein Beispiel für dieses Muster.

Beispiele für KI-Agenten aus Unternehmen

Diese Beispiele zeigen Agenten, die mit Tools bestimmte Aufgaben erledigen. Jedes veranschaulicht eine andere Arbeitsweise eines Agenten.

Ubers Finanzdaten-Agent Finch

Finch ist ein interner Uber-Agent in Slack, der Fragen in Alltagssprache in Abfragen von Finanzdaten umwandelt. Ubers Engineering-Team beschreibt Finch als System, das natürlichsprachliche Fragen in strukturierte Datenabfragen umwandelt und sichere Finanzantworten in Echtzeit liefert. Statt SQL-Abfragen über mehrere Systeme hinweg zu schreiben, kann ein Finanzanalyst einfach eine Frage stellen.

Anthropics Multiagentenfunktion für Recherche

Anthropics Research-Funktion setzt einen leitenden Agenten ein, der mehrere Unteragenten startet, um parallel zu suchen. Anthropic gibt an, dass der leitende Agent 3 bis 5 Unteragenten parallel ausführen kann und dass dieses Design die Recherchezeit bei komplexen Anfragen in der internen Evaluierung um bis zu 90% verkürzt hat. Dies sind von Anthropic berichtete Ergebnisse, keine unabhängige Vergleichsstudie; die Architektur ist ein Beispiel für ein Multiagentensystem.

Agent für die Produktwissensdatenbank von Delivery Hero

Delivery Hero entwickelte eine agentengesteuerte Pipeline zur Organisation seines Produktkatalogs. Das Tech-Team beschreibt ein System, das die Extraktion von Produkteigenschaften und die Standardisierung von Titeln mithilfe agentischer KI und Sprachmodellen automatisiert. Ein Agent extrahiert strukturierte Eigenschaften, ein anderer formuliert standardisierte Titel. So wird Katalogarbeit automatisiert, die zuvor manuell erledigt wurde.

Intersom Fin für Support und Sprache

Fin ist der Kundensupport-Agent von Intercom und funktioniert über Chat, E-Mail und Sprache hinweg. Intercom berichtet über Ergebnisse bei der autonomen Lösung von Anfragen, darunter eine Fallstudie mit einem Kunden, die eine Lösungsquote von 50% nennt. Diese Zahl stammt vom Anbieter und ist kein geprüfter Branchendurchschnitt; das Beispiel zeigt einen Agenten, der Kundengespräche ohne menschliches Eingreifen löst.

Programmieragenten, die Pull Requests eröffnen

Programmieragenten können eine Aufgabe übernehmen und einen Pull Request eröffnen. GitHubs Copilot coding agent wurde im September 2025 allgemein verfügbar. GitHub zufolge können Nutzer eine Aufgabe delegieren, während Copilot im Hintergrund in einer eigenen Umgebung arbeitet und einen Pull-Request-Entwurf eröffnet. Ein Mensch prüft und übernimmt die Änderung weiterhin.

Beispiele für KI-Agenten im Alltag und zur privaten Nutzung

Persönliche Agenten können wiederkehrende Aufgaben auf einem Computer erledigen. Einige interagieren mit Apps, indem sie klicken, tippen und auf dem Bildschirm navigieren, statt Abfragen an ein Data Warehouse zu senden.

Agenten zur Bildschirmautomatisierung auf dem Desktop

Agenten zur Bildschirmautomatisierung bedienen einen Computer, indem sie den Cursor steuern, auf Schaltflächen klicken und Texte eingeben. Anthropic führte Computer Use im Oktober 2024 als experimentelle Funktion zur Nutzung von Standardtools und für Menschen entwickelter Software ein. OpenAI führte Operator ein, einen Browser-Agenten, dessen Funktionen inzwischen in den Agentenmodus von ChatGPT integriert sind.

KI-Agenten im Vergleich zur Workflow-Automatisierung: Wo eignet sich was am besten?

Workflow-Automatisierung folgt einem festen Skript, während ein Agent seine Schritte während der Ausführung festlegen kann. Klassische Automatisierung, etwa mit Zapier oder macOS Shortcuts, kann schnell, kostengünstig und zuverlässig sein, wenn eine App eine API bereitstellt und die Schritte stabil bleiben. Sie eignet sich möglicherweise schlecht, wenn ein Workflow eine App ohne Integration oder ein sich änderndes Bildschirmlayout umfasst. TechTarget zieht eine ähnliche Unterscheidung: Chatbots und feste Regeln tauschen Informationen aus, während ein KI-Agent ohne menschliche Aufforderung komplexe Aktionen über mehrere Schritte hinweg ausführen kann.

Die Wahl hängt von der Aufgabe ab. Verwenden Sie skriptbasierte Automatisierung für eine stabile, API-freundliche Aufgabe, die jedes Mal gleich abläuft. Ziehen Sie einen Agenten in Betracht, wenn eine Aufgabe verschiedene Apps umfasst, Urteilsvermögen erfordert oder sich so häufig ändert, dass ein festes Makro schwer zu warten wäre.

Fazit

KI-Agenten reichen von Thermostaten, die Wenn-dann-Regeln befolgen, bis hin zu Multiagenten-Recherchesystemen, die Unteragenten starten. Konkrete Beispiele sind Finch in Slack, Fin, das Support-Chats löst, Copilot, der Pull Requests eröffnet, und Bildschirm-Agenten, die durch Apps navigieren. Wählen Sie das einfachste Tool, das zur Aufgabe passt: skriptbasierte Automatisierung für stabile Aufgaben und Agenten für Aufgaben, die Tools, Urteilsvermögen oder mehrere Schritte erfordern.

Häufig gestellte Fragen

Was sind konkrete Beispiele für KI-Agenten?

Beispiele aus der Praxis sind:

  • Anthropics Research-Funktion koordiniert Unteragenten, die parallel suchen, und führt ihre Ergebnisse zusammen.
  • Die Pipeline von Delivery Hero liest Produktdaten und erstellt standardisierte Katalogtitel.
  • Intersom Fin bearbeitet Kundengespräche über Chat, E-Mail und Sprache hinweg.
  • Agenten zur Bildschirmautomatisierung klicken und tippen sich durch Apps auf einem Computer, auch durch Apps ohne API.

Jeder dieser Agenten erledigt mit Tools eine bestimmte Aufgabe. Das unterscheidet ihn von einem Chatbot, der nur antwortet.

Was sind die 5 Arten von KI-Agenten?

Die fünf Arten sind einfache Reflexagenten, modellbasierte Reflexagenten, zielbasierte Agenten, nutzenbasierte Agenten und lernende Agenten. Reflexagenten reagieren auf die aktuelle Situation; modellbasierte Agenten verfolgen den Zustand; zielbasierte und nutzenbasierte Agenten planen und wägen Kompromisse ab; lernende Agenten verbessern sich durch Rückmeldungen. Wählen Sie einen Typ, der zur Aufgabe passt: Eine feste Regel kann gut funktionieren, wenn sich eine Aufgabe nie ändert.

Ist ChatGPT ein KI-Agent?

Nicht standardmäßig. Das normale ChatGPT ist ein Chatbot, der auf Eingaben antwortet. Mit Tools kann es agentenähnlich handeln. Der Agentenmodus von ChatGPT von OpenAI kann im Internet recherchieren, Formulare ausfüllen und mehrstufige Aufgaben auf einem virtuellen Computer erledigen. Eine einfache Unterscheidung: Ein Chatbot antwortet, ein Agent nutzt Tools und eine Schleife, um zu handeln.

Ist Copilot ein KI-Agent?

Das hängt davon ab, welches Copilot-Produkt Sie meinen. Microsoft beschreibt die Copilot-Oberfläche als KI-Assistenten und Agenten als spezialisierte Tools für Prozesse. In dieser Einordnung ist Copilot die Oberfläche und die Agenten sind die Apps. Mit Copilot Studio erstellte Copilot-Agenten können Daten abrufen, Aktionen ausführen und Geschäftsprozesse abwickeln. Damit entsprechen sie der Beschreibung eines Agenten.

Was ist ein Beispiel für einen KI-Agenten zur privaten Nutzung?

Ein Agent zur Bildschirmautomatisierung kann wiederkehrende Aufgaben auf einem privaten Computer erledigen, etwa einen Posteingang vorsortieren oder Belege ablegen. Er nutzt die auf dem Bildschirm geöffneten Apps und kann an Kontrollpunkten pausieren, bevor er eine Aktion wie das Senden von etwas ausführt. Verfügbarkeit, Preise und Plattformunterstützung unterscheiden sich je nach Produkt.

Entdecken Sie die API für Embeddings von Ailoot. Ein von Ailoot ausgestellter API-Schlüssel öffnet den Zugang zu 1.284 Modellen und Varianten in 15 Kategorien. Damit gehört Ailoot nach Zahl der Modelle zu den größten KI-Routern der Welt. Kombinieren Sie GPT-6.2 Astra oder Qwen4 Max zum Programmieren mit Nano Banana für Fotos, Veo für Videos, Scribe für Transkriptionen, Suno für Musik und Tripo3D für 3D-Objekte. Dieselbe API unterstützt Embeddings und Reranking.

Für Ihr Projekt mit einer Websuch-API für KI-Agenten erstellt Ailoot eine Zusammenfassung mit Quellen aus den datierten Suchergebnissen, die Sie von Ihrem Suchdatenanbieter bereitstellen. Ordnen Sie die Ergebnisse nach Thema oder Sprache und behalten Sie die URLs bei, anhand derer Ihr Team die einzelnen Aussagen prüfen kann.

Ergänzen Sie die Suche in den von Ihnen gepflegten Sammlungen mit BGE-Embeddings und Cohere Rerank über Ailoot. Ihre Anwendung kann die relevantesten Quellen sortieren und verständliche Antworten über dasselbe Guthaben erzeugen.

Neue Flaggschiffmodelle stehen bei Ailoot ab ihrer Veröffentlichung bereit. Ein Abo deckt den gesamten Katalog ab. Mit Abos und Rabattcodes sparen Sie bis zu 50 % gegenüber den offiziellen API-Preisen der Modellanbieter. Ihre aktuellen Angebote finden Sie unter https://ailoot.ai/.