Analysegespräch buchenWas Agentic AI bedeutet
Agentic AI ist ein Sammelbegriff für KI, die nicht nur antwortet, sondern handelt. Das Wort kommt vom englischen „agent“, also jemand, der im Auftrag eines anderen tätig wird. IBM beschreibt Agentic AI als KI-System, das ein bestimmtes Ziel mit begrenzter Aufsicht erreichen kann (IBM Think, What is agentic AI?, abgerufen am 29.09.2026).
Anthropic, der Anbieter der KI Claude, fasst unter „agentic systems“ alle Systeme zusammen, in denen ein Sprachmodell mehr oder weniger selbstständig arbeitet, und unterscheidet zwei Bauarten. Bei Workflows folgen Sprachmodell und Werkzeuge festgelegten Pfaden im Code. Bei Agenten steuert das Modell selbst, wie es vorgeht und welches Werkzeug es wann nutzt (Anthropic, Building effective agents, Dezember 2024). Für die Praxis ist diese Unterscheidung wichtiger als das Schlagwort selbst, dazu weiter unten mehr.
So arbeitet Agentic AI Schritt für Schritt
Im Kern steckt fast immer ein großes Sprachmodell. Um das Modell herum liegt ein Ablauf, der sich wiederholt, bis das Ziel erreicht ist oder eine vorher gesetzte Grenze greift:
- Ziel verstehen: Die Aufgabe kommt in normaler Sprache, etwa als Nachricht oder als Auftrag aus einem anderen System.
- Plan machen: Das System zerlegt die Aufgabe in Teilschritte.
- Werkzeug nutzen: Es sucht in Dokumenten, liest eine Tabelle, fragt ein ERP-System ab oder schreibt einen E-Mail-Entwurf. Die Anbindung läuft oft über Schnittstellen wie das Model Context Protocol.
- Ergebnis prüfen: Es bewertet, ob der Schritt geklappt hat, und wählt den nächsten.
- Abschließen oder nachfragen: Es legt ein Ergebnis vor oder holt an einer festgelegten Stelle die Freigabe eines Menschen ein.
Ein Beispiel, wie das aussehen kann: Im Einkauf bekommt das System den Auftrag, für ein Bauteil drei Angebote einzuholen. Es sucht passende Lieferanten aus der eigenen Liste, schreibt die Anfragen, liest die Antworten und legt einen Vergleich vor. Die Bestellung löst ein Mitarbeiter aus.
Agentic AI vs. generative KI: der Unterschied
Generative KI erzeugt auf eine Anfrage hin einen Inhalt, zum Beispiel einen Text, ein Bild oder Code. Danach wartet sie auf die nächste Eingabe. Agentic AI baut laut IBM auf generativer KI auf und nutzt große Sprachmodelle, um in wechselnden Umgebungen zu arbeiten (IBM Think, abgerufen am 29.09.2026). Oft steckt in beiden sogar dasselbe Modell. Der Unterschied liegt in dem, was um das Modell herum gebaut ist:
- Auslöser: Generative KI reagiert auf eine Frage. Agentic AI arbeitet auf ein Ziel hin und stellt sich die nächsten Fragen selbst.
- Ergebnis: Generative KI liefert einen Entwurf. Agentic AI erledigt eine Folge von Schritten, an deren Ende etwas getan ist.
- Zugriff: Generative KI sieht, was du ihr gibst. Agentic AI bekommt Zugriff auf Systeme und kann dort handeln. Deshalb braucht sie klare Rechte und Grenzen.
Agentic AI, KI-Agent und Agentic Coding: die Abgrenzung
Die drei Begriffe klingen ähnlich und werden oft durcheinander verwendet. So grenzt dieses Lexikon sie ab:
- Agentic AI ist der Oberbegriff für die Fähigkeit, selbstständig auf ein Ziel hinzuarbeiten, und für die ganze Gattung solcher Systeme.
- Ein KI-Agent ist ein einzelnes, konkretes System mit einer Aufgabe, etwa ein Agent, der Kundenanfragen vorsortiert. Mehrere Agenten können zusammenarbeiten.
- Agentic Coding ist eine Anwendung davon in der Softwareentwicklung: KI-Agenten schreiben und testen Code, ein Mensch gibt das Ziel vor und prüft das Ergebnis. Die lockere Variante, bei der niemand den Code prüft, heißt Vibe Coding.
Wo Agentic AI in deutschen Unternehmen steht
Laut Bitkom nutzen 57 Prozent der Unternehmen ab 20 Beschäftigten KI, im Vorjahr waren es 36 Prozent. Von den Unternehmen, die KI nutzen oder den Einsatz planen oder diskutieren, setzen 11 Prozent schon KI-Agenten ein, 29 Prozent planen den Einsatz und 31 Prozent diskutieren ihn. Für 24 Prozent ist das derzeit kein Thema. Befragt wurden 603 Unternehmen im Juli und August 2026. Bitkom ordnet ein, KI-Agenten stünden heute etwa dort, wo KI insgesamt vor drei Jahren stand (Bitkom, Erstmals nutzt die Mehrheit der Unternehmen KI, 14.09.2026).
Ein Punkt, den viele unterschätzen, sind die laufenden Kosten. Gartner erwartet, dass die Rechenkosten je agentischem Ablauf bis 2028 auf mehr als das Fünffache steigen. Der Grund: Ein Agent denkt über mehrere Runden nach und verbraucht dabei deutlich mehr Tokens als ein einfacher Chatbot. Laut Gartner kostet eine Aufgabe, die an ein agentisches Modell geht, beim Anbieter mindestens fünfmal so viel Rechenleistung wie eine einfache Chatbot-Antwort (Gartner, Pressemitteilung zu Inferenzkosten agentischer Abläufe, 17.08.2026).
Was Agentic AI für dein Unternehmen bedeutet
Für kleine und mittlere Unternehmen ist die wichtigste Frage nicht, ob ein System „agentisch“ ist, sondern ob es eine Aufgabe zuverlässig erledigt. Anthropic rät, mit einfachen Lösungen anzufangen und mehrstufige agentische Systeme erst dann einzusetzen, wenn einfachere Lösungen nicht reichen (Anthropic, Dezember 2024). Oft genügt ein fester Ablauf mit einem einzelnen KI-Schritt. Er ist günstiger im Betrieb und leichter zu prüfen. Den Unterschied erklärt der Artikel KI vs. Automatisierung.
Wo ein Agent sinnvoll ist, gehören drei Dinge dazu: eine Freigabe durch einen Menschen an den Stellen, an denen Geld fließt oder Kunden etwas bekommen (Human-in-the-Loop), eng gefasste Zugriffsrechte (Zugangskontrolle bei KI) und schriftliche Regeln im Team, etwa in einer KI-Richtlinie. gerlinger.ai baut solche Abläufe als Automationen mit festen Freigabepunkten. Wie ein Agent Schritt für Schritt entsteht, zeigt der Artikel KI-Agent erstellen.
Beispiele aus der Praxis
So kann Agentic AI in einem kleinen oder mittleren Unternehmen aussehen:
- Postfach: Eingehende Anfragen lesen, Kundendaten nachschlagen und eine Antwort zur Freigabe vorbereiten
- Einkauf: Preise bei bekannten Lieferanten vergleichen und Bestellvorschläge ausarbeiten
- Belege: Rechnungen auslesen, mit Bestellungen abgleichen und Abweichungen melden
- Berichte: Zahlen aus mehreren Systemen zusammentragen und einen Wochenbericht entwerfen
- Software: Programmieraufgaben planen, Code schreiben und Tests ausführen (Agentic Coding)
Vorteile und Grenzen
Das spricht dafür
- Übernimmt Abläufe mit mehreren Schritten, nicht nur einzelne Antworten
- Kommt mit Fällen zurecht, die nicht exakt einer festen Regel folgen
- Verbindet Informationen aus mehreren Systemen, die sonst jemand von Hand zusammensucht
- Entlastet Mitarbeiter bei Routine, die bisher zu unregelmäßig für klassische Automatisierung war
Das solltest du einplanen
- Höhere laufende Kosten als ein einfacher Chatbot oder ein fester Ablauf
- Fehler können sich über mehrere Schritte fortsetzen, bevor sie jemand bemerkt
- Zugriff auf echte Systeme verlangt eng gefasste Rechte und Protokolle
- Nicht jedes Produkt mit „Agent“ im Namen handelt tatsächlich selbstständig