Agentische KI ist KI, die ein Ziel bekommt und den Weg dorthin selbst geht: Sie plant Schritte, bedient Werkzeuge wie Postfach, Dateien oder Websuche, prüft ihre Zwischenergebnisse und liefert am Ende ein Arbeitsstück statt einer Antwort. Generative KI ist derselbe Motor mit einem anderen Getriebe: Du gibst eine Anfrage ein, sie erzeugt Text, Bild oder Code, und alles zwischen zwei Anfragen steuerst du selbst. Der Unterschied liegt also nicht im Modell, sondern in der Schleife, die um das Modell herum gebaut ist. Was agentische KI nicht ist: kein neues Modell, keine Automatisierung mit festem Ablauf, und keine KI, die ohne Aufsicht entscheidet. Bei mir kommt noch eine Stufe dazu, der KI-Mitarbeiter, und die hat mit Führung zu tun, nicht mit Autonomie.
Ich betreibe mein Business mit vierzehn KI-Mitarbeitern, jeder ein Ordner mit Personalakte, Regeln und Freigabe-Grenzen, und alle arbeiten agentisch. Was ein einzelner KI-Agent technisch ist und wie sein Kreislauf aus Planen, Handeln und Prüfen läuft, steht in Was ist ein KI-Agent? Einfach erklärt, das wiederhole ich hier nicht. Hier geht es um den Oberbegriff, um die Abgrenzung zu generativer KI und um die Frage, wo die Werkzeuge sitzen, mit denen du so etwas baust. Alles zum Thema sammle ich auf der Seite KI-Agenten.
Agentische KI Definition: die Schleife um das Modell
Eine verbindliche Definition kenne ich nicht; die Anbieter fassen den Begriff unterschiedlich weit. Was hier steht, ist meine Arbeitsdefinition, und sie orientiert sich an der Grenze, die Anthropic in Building effective agents zieht: Ein Workflow folgt vorher festgelegten Pfaden, ein Agent steuert seinen Ablauf und seine Werkzeugnutzung selbst.
Agentisch heißt für mich, dass drei Dinge zusammenkommen. Erstens ein Ziel statt einer Frage: „Sortiere den Posteingang nach meinen Regeln“ statt „Wie sollte ich diese Mail einordnen?“. Zweitens Werkzeuge, die das System selbst auswählt: Es entscheidet, ob es jetzt eine Datei öffnet, etwas nachschlägt oder einen Entwurf schreibt. Drittens eine Prüfung unterwegs: Das Zwischenergebnis wird angesehen, und wenn es nicht passt, wird ein anderer Weg probiert. Fehlt eines der drei, ist es für mich noch generativ oder ein Workflow.
Der Begriff „agentisch“ beschreibt dabei eine Bauweise, nicht ein Produkt. Dieselbe Chat-App kann in einem Fenster generativ arbeiten und im nächsten agentisch, sobald Werkzeuge aktiv sind und das System selbst entscheidet, wann es sie einsetzt.
Agentische KI vs generative KI: derselbe Motor, anderes Getriebe
Die Frage „agentische KI vs generative KI“ wird oft so beantwortet, als seien es zwei Technologien. Das stimmt nicht: Unter jedem agentischen System, das ich kenne, arbeitet ein generatives Sprachmodell. Was sich unterscheidet, ist, wer die Arbeit zwischen deiner Eingabe und dem fertigen Ergebnis macht.
Ein Beispiel, das den Unterschied ohne Technik zeigt: Ich kann die Regeln aus Posteingang sortieren: das Stapel-System in ein Chat-Fenster kopieren und eine Mail nach der anderen einfügen. Das ist generativ: Ich liefere den Ablauf, die KI liefert je Mail eine Einordnung. Oder ich gebe dieselben Regeln einer Rolle, die das Postfach selbst liest, jede Mail einem Stapel zuordnet, für den Heute-Stapel Entwürfe anlegt und mir am Ende einen Bericht hinlegt. Das ist agentisch. Die Regeln sind in beiden Fällen dieselben, die Schleife ist eine andere.
Die Begriffsleiter: Chat, Assistent, Agent, Mitarbeiter
Für die feine Abgrenzung zwischen Chatbot, Assistent, Agent und Workflow habe ich in KI-Agent, Chatbot oder Assistent? eine Tabelle mit fünf Merkmalen gebaut. Hier reicht die Leiter mit einer einzigen Frage je Sprosse: Was hält das System zwischen zwei Aufträgen fest?
- Chat: nichts über das laufende Gespräch hinaus, jedenfalls in dem Modell, mit dem ich Angebote auseinanderhalte. Du fragst, es antwortet.
- Assistent: eine Rolle und angehängtes Wissen, etwa ein Claude-Projekt. Es antwortet in einem festen Rahmen, bleibt aber bei Text.
- Agent: ein Ziel und die Werkzeuge dafür. Er plant, handelt und prüft, aber was er über deinen Betrieb weiß, bringst du ihm je Auftrag mit.
- Mitarbeiter: ein Agent mit Personalakte, Regeln und Freigabe-Grenzen, die zwischen den Aufträgen bestehen bleiben und mit jedem Feedback wachsen.
Die ersten drei Sprossen beschreiben Technik. Die vierte beschreibt Organisation. Das ist der Grund, warum ich „Mitarbeiter“ sage und nicht „autonomer Agent“: Der Unterschied zwischen Sprosse drei und vier ist keine Funktion, die ein Werkzeug hat oder nicht hat, sondern eine Akte, die jemand schreibt und pflegt. Wie so eine Akte bei Frieda wörtlich aussieht, steht in CLAUDE.md: das Gedächtnis von Claude Code.
Wo die Werkzeuge auf der Leiter sitzen
Jedes Werkzeug, mit dem du agentische KI bauen kannst, sitzt auf einer dieser Sprossen, und die meisten lassen sich eine Sprosse höher schieben, wenn du etwas dazugibst. Die Zuordnung ist meine Einschätzung aus der Doku der Anbieter und aus dem, was ich selbst betrieben habe; sie bewertet nicht, welches Werkzeug besser ist.
Die letzte Zeile ist mein Weg, und er ist nicht der einzige. Wie sich die sechs Bauweisen im Betrieb unterscheiden, mit denselben fünf Prüfsteinen für jede, steht in KI-Mitarbeiter bauen: sechs Wege im Vergleich. Ich habe zwei davon selbst betrieben: n8n lief lange in meinem eigenen Cluster, Langdock habe ich ausprobiert. Was mich zum Ordner gebracht hat, war die vierte Sprosse: Ich wollte die Akte lesen können, nicht nur den Agenten bedienen.
Agentische KI Beispiele aus meinem Betrieb: Frieda und Kai
Zwei Beispiele, die zeigen, wie unterschiedlich agentische Arbeit aussehen kann, obwohl beide nach demselben Prinzip laufen.
Frieda sortiert bei mir den Posteingang. Sie liest die Metadaten jeder Mail, ordnet sie einem von vier Stapeln zu, legt für den Heute-Stapel Antworten als Entwurf an und stellt alles, was ihre Regeln nicht eindeutig treffen, auf einen fünften Stapel für meine Einschätzung. Das ist agentisch im vollen Sinn: Ziel, eigene Schrittfolge, Werkzeuge, Prüfung unterwegs. Und trotzdem versendet sie nie selbst. Was sie tut und was sie nicht anfasst, steht auf Frieda, meiner Büro-Assistenz für den Posteingang.
Kai ist meine Führungskraft für die Belegschaft. Er sichtet, was im Betrieb passiert, in Git, in Berichten, in Sitzungen, verdichtet das zu Vorgängen und legt mir vor, worüber ich entscheiden muss. Auch das ist agentisch: Er entscheidet selbst, wo er hinsieht und was zusammengehört. Aber er entscheidet nichts in der Sache und gibt nichts frei, das ist ausdrücklich nicht sein Job. Wie diese Rolle arbeitet, steht auf Kai, meiner Führungskraft für die KI-Belegschaft.
Beide sind nicht „autonomer“ als ein Agent auf einer Plattform. Sie sind geführter. Der Unterschied liegt in der Akte, nicht in der Technik.
Warum „Mitarbeiter“ bei mir Führung heißt, nicht Autonomie
Wenn über agentische KI gesprochen wird, fällt schnell das Wort Autonomie: Systeme, die eigenständig handeln. Ich halte das für die falsche Achse. Autonomie ist bei mir keine Eigenschaft, die ein System hat oder nicht hat, sondern ein Regler, den ich je Rolle einstelle und aufschreibe. Frieda darf intern alles sortieren und ablegen, nach außen geht nichts ohne mein Wort. Kai darf alles lesen und verdichten, aber nichts anweisen.
Das ist das Freigabe-Gate, und es ist der Grund, warum die vierte Sprosse „Mitarbeiter“ heißt: Mitarbeiter führt man. Man schreibt auf, was sie allein tun dürfen, was sie vorlegen und was sie nie anfassen. Welche Stufen sich dafür bewährt haben, von „feststellen“ über „vorschlagen“ bis „ausführen“, steht in Was darf KI entscheiden?. Ab wann so eine Führung eine eigene Rolle braucht wie Kai, klärt Braucht dein Betrieb eine KI-Führungsrolle?.
Ein Nebeneffekt, der mir wichtig ist: Weil die Grenzen in einer Datei stehen, kann ich sie lesen, und jeder, dem ich die Datei gebe, kann es auch.
Was agentische KI nicht ist
Vier Missverständnisse, die mir in Gesprächen immer wieder begegnen.
Kein neues Modell. Agentische KI ist kein anderes Sprachmodell als generative KI. Das Modell ist dasselbe, die Schleife darum ist neu. Wer ein „agentisches Modell“ kauft, kauft ein Modell plus eine Laufzeit, die Werkzeuge anbindet.
Keine Automatisierung mit festem Ablauf. Ein Workflow, der bei jeder neuen Mail dieselben drei Schritte ausführt, ist Automatisierung. Er wird nicht agentisch, weil ein KI-Baustein darin sitzt. Agentisch wird er, wenn das System selbst entscheidet, welche Schritte es geht. Für Fließband-Aufgaben ist der feste Ablauf oft die bessere Wahl, das habe ich in n8n, Make oder Claude: was wofür? ausführlich begründet.
Keine Aufsichtsfreiheit. Dass ein System mehrere Schritte allein geht, heißt nicht, dass es das ohne Grenzen tun sollte. Je mehr Werkzeuge ein Agent hat, desto wichtiger ist die Regel, was er vorlegt, bevor es nach außen wirkt.
Kein Ersatz für Regeln. Ein agentisches System ohne aufgeschriebene Regeln ist ein Agent, der jedes Mal neu rät, was du willst. Die Regeln machen aus der Technik einen Mitarbeiter, nicht die Technik selbst. Deshalb liegt bei mir mehr Arbeit im Schreiben der Akte als im Einrichten des Werkzeugs.
Häufige Fragen
Was ist agentische KI, einfach erklärt?
KI, die ein Ziel bekommt und den Weg selbst geht: Sie plant Schritte, nutzt Werkzeuge wie Dateien, Postfach oder Websuche und prüft unterwegs, ob sie noch richtig liegt. Am Ende steht ein fertiges Arbeitsstück, keine Antwort, die du selbst weiterverarbeiten musst. Der Kreislauf dahinter ist in Was ist ein KI-Agent? beschrieben.
Agentische KI vs generative KI: was ist der Unterschied?
Generative KI erzeugt auf eine Anfrage eine Ausgabe, agentische KI erledigt auf ein Ziel hin mehrere Schritte mit Werkzeugen. Unter beiden arbeitet dasselbe Sprachmodell. Der Unterschied ist, wer den Ablauf zwischen Eingabe und Ergebnis steuert: bei generativer KI du, bei agentischer KI das System, innerhalb der Grenzen, die du ihm gibst.
Was sind agentische KI-Systeme und Beispiele dafür?
Alles, was ein Ziel selbstständig in Schritte zerlegt und Werkzeuge dafür bedient. Bei mir sind das Frieda, die den Posteingang sortiert und Entwürfe anlegt, und Kai, der den Betrieb sichtet und mir Entscheidungen vorlegt. Andere Beispiele: Agenten in Workflow-Tools, die selbst wählen, welches Werkzeug sie aufrufen, oder Coding-Agenten, die Dateien lesen, ändern und testen.
KI-Assistent vs KI-Agent: wo ist die Grenze?
Ein Assistent arbeitet in einem festen Rahmen aus Rolle und Wissen und bleibt bei Text, den du weiterverwendest. Ein Agent wählt selbst Werkzeuge, prüft Zwischenergebnisse und liefert ein Arbeitsstück. Die Grenze ist fließend: Sobald dein Assistent selbst entscheidet, wann er eine Datei öffnet oder etwas nachschlägt, ist er auf dem Weg zum Agenten. Die ausführliche Abgrenzung steht in KI-Agent, Chatbot oder Assistent?.
Ist ChatGPT oder Claude agentische KI?
Beide sind zuerst generativ und werden agentisch, sobald Werkzeuge aktiv sind und das System selbst entscheidet, wann es sie einsetzt. Bei Claude ist Claude Code die Form, in der das im Terminal auf deinen Dateien läuft. Die Bezeichnung hängt weniger vom Produkt ab als davon, welche Werkzeuge gerade angebunden sind und wer über ihren Einsatz entscheidet.
Brauche ich als Selbstständiger agentische KI?
Nur für Aufgaben, die Kontext und Urteil brauchen und deren Schritte je nach Fall anders sind: Posteingang, Angebote, Recherche, Kundenkommunikation. Für eine Aufgabe, die immer gleich abläuft, reicht ein fester Workflow und ist meist günstiger. Ob deine Aufgabe das eine oder das andere ist, klärt Welche Aufgaben du an KI abgeben kannst.
Wie du weitermachst
Wenn du verstanden hast, dass der Unterschied in der Schleife und in der Akte liegt, ist der nächste Schritt eine Akte. Wie die bei mir als Datei aussieht und warum ich sie in Klartext halte, sodass auch andere Werkzeuge sie lesen können, steht in CLAUDE.md vs AGENTS.md: was überlebt. Welche Bauweise zu deiner Betriebsgröße passt, klärt KI-Mitarbeiter bauen: sechs Wege im Vergleich.
Und wenn du lieber am Beispiel lernst: In den Calls meiner Community bauen wir Frieda in dem Werkzeug nach, das du schon hast, und dann in einem Ordner. Den Unterschied zwischen Agent und Mitarbeiter siehst du dabei selbst, statt ihn zu lesen: Claude Practitioners.
