KI-Agenten erstellen: So gehen Sie Schritt für Schritt vor

Was ein KI-Agent ist, wann er sich lohnt und wie Sie KI-Agenten erstellen, mit und ohne Code.

Viele Agenten-Projekte scheitern nicht an der Technik, sondern an einer zu breit geschnittenen Aufgabe. Wer KI-Agenten erstellen möchte, trifft zudem auf einen Begriff, der alles und nichts bedeutet: Mal ist ein Chatbot mit Zusatzfunktion gemeint, mal ein System, das mehrstufige Aufgaben selbstständig abarbeitet. Nach diesem Beitrag wissen Sie, ob Ihr Fall einen Agenten braucht oder eine einfache Automatisierung reicht, ob Sie mit oder ohne Code starten, und welche Regeln teure Fehlstarts verhindern.

Die Beispiele in diesem Beitrag sind allgemeine Szenarien, keine Kundenprojekte.

Was ein KI-Agent ist, und was nicht

Ein Agent bekommt ein Ziel statt einer festen Schrittfolge, entscheidet selbst, welche Schritte nötig sind, und nutzt dazu Werkzeuge wie eine Suche, eine Datenbankabfrage oder eine Schnittstelle zu einem internen System. Nach jedem Schritt wertet er das Ergebnis aus und entscheidet, wie es weitergeht. Der Unterschied liegt nicht in der Intelligenz des Modells, sondern darin, dass das Modell handeln darf und den Verlauf mitentscheidet.

  • Chatbot: bekommt eine Frage und handelt nicht selbst. Beispiel: Er beantwortet Fragen zu Öffnungszeiten.
  • Feste Automatisierung: bekommt einen Auslöser und handelt selbst, aber immer gleich. Beispiel: Sie schickt bei jeder Mail mit dem Wort „Termin“ eine Standardantwort.
  • KI-Agent: bekommt ein Ziel und wählt die Schritte selbst. Beispiel: Er prüft freie Zeiten, schlägt zwei Termine vor und legt einen Entwurf zur Freigabe an.

Ein Beispiel: Ein Unternehmen möchte eingehende Terminanfragen per Mail bearbeiten. Die Automatisierung erkennt Schlüsselwörter und antwortet starr. Ein Agent liest die Anfrage, schaut in den Kalender und bereitet eine passende Antwort vor.

Wann Sie keinen Agenten brauchen: Folgt Ihre Aufgabe immer demselben Ablauf, reicht eine feste Automatisierung, gegebenenfalls mit einem einzelnen Modellaufruf für ein Textstück. Sie ist günstiger, berechenbarer und leichter zu testen.

KI-Agenten erstellen in vier Schritten

Unabhängig vom Weg bewährt sich eine Reihenfolge. Es ist meine Empfehlung, kein Standard.

  1. Aufgabe eng schneiden. Ein Agent, der „den Kundenservice übernimmt“, scheitert. Ein Agent, der Rechnungsanfragen einer bestimmten Art vorsortiert und eine Antwort entwirft, lässt sich bauen und bewerten.
  2. Minimale Rechte vergeben. Soll der Agent Daten lesen, bekommt er keinen Schreibzugriff. Soll er einen Entwurf anlegen, versendet er nichts selbst. Je enger die Rechte, desto kleiner der Schaden bei einem Fehler.
  3. Testfälle anlegen. Sammeln Sie echte oder realistisch nachgebildete Fälle, auch schwierige und absichtlich unklare. Prüfen Sie nach jeder Änderung an Prompt oder Werkzeugen, ob die Ergebnisse stabil bleiben.
  4. Mensch prüft kritische Schritte. Zahlungen, Löschungen, Außenkommunikation und alles, was sich schwer rückgängig machen lässt, gehört hinter eine Freigabe. Mit wachsendem Vertrauen in die Testergebnisse können Sie diese Grenze vorsichtig verschieben, aber nie ohne Messung.

Die Bausteine eines Agenten

Ein Agent besteht aus vier Teilen, egal wie Sie ihn bauen:

  • Sprachmodell: die Denkschicht. Es versteht die Aufgabe, plant das Vorgehen und formuliert Ergebnisse. Für Sie heißt das: Die Qualität des Modells bestimmt, wie zuverlässig der Agent entscheidet. Testen Sie mit Ihren eigenen Fällen, nicht mit Werbebeispielen.
  • Werkzeuge: die Hände des Agenten. Technisch sind es Tool- oder Funktionsaufrufe: Das Modell entscheidet, ob und mit welchen Werten es eine Funktion aufruft, ausgeführt wird sie von Ihrer Anwendung. Für Sie heißt das: Jedes Werkzeug ist eine Berechtigung, die Sie bewusst vergeben.
  • Gedächtnis: der Kontext. Kurzfristig ist das der Verlauf der Aufgabe, langfristig eine Wissensbasis, aus der Informationen nachgeladen werden, wie im Beitrag RAG vs. Fine-Tuning beschrieben. Für Sie heißt das: Entscheiden Sie, welches Wissen der Agent wirklich braucht, mehr Kontext macht ihn nicht automatisch besser.
  • Schleife: planen, handeln, prüfen. Der Agent überlegt den nächsten Schritt, führt ihn aus, bewertet das Ergebnis und entscheidet, ob er weitermacht, korrigiert oder die Aufgabe als erledigt meldet. Für Sie heißt das: Ohne diese Schleife haben Sie nur ein Modell mit angehängter Funktion.

KI-Agenten erstellen ohne Code

Für einen ersten Versuch müssen Sie nicht programmieren. Zwei Arten von Angeboten eignen sich:

  • Assistenten-Baukästen der Modellanbieter: Sie geben Anweisungen vor, hinterlegen Dokumente als Wissensquelle und aktivieren vorgefertigte Funktionen. Das Ergebnis handelt innerhalb enger Grenzen.
  • No-Code- und Low-Code-Plattformen für Abläufe: Sie ziehen Bausteine in einen Editor, verbinden Auslöser, Modellaufrufe und bestehende Dienste und legen fest, wo das Modell entscheiden darf. Das passt, wenn die Aufgabe einem erkennbaren Ablauf folgt und nur einzelne Schritte Sprachverständnis brauchen.

Der Vorteil ist das Tempo: Nach kurzer Zeit sehen Sie, ob die Idee trägt. Eigene Werkzeuge, feine Rechte, lückenlose Protokolle: Daran stoßen Plattformen zuerst an Grenzen. Für einen Prototyp ist das vertretbar. Für den Dauerbetrieb prüfen Sie vorab, ob die Plattform diese Punkte abdeckt.

KI-Agenten erstellen mit Code

Wer mehr Kontrolle braucht, baut selbst. Der Kern: Sie rufen die Programmierschnittstelle eines Sprachmodells auf und übergeben neben der Aufgabe Werkzeugdefinitionen. Wünscht das Modell einen Werkzeugaufruf, führt Ihr Code ihn aus, hängt das Ergebnis an den Verlauf an und ruft das Modell erneut auf, bis eine Endantwort vorliegt oder Ihr Code abbricht. Wie ein einzelner Aufruf aussieht, zeigt der Beitrag ChatGPT API: Erste Schritte für Entwickler.

Für Ihr Entwicklerteam

Agenten-Frameworks bringen Schleife, Verlaufsverwaltung und Werkzeuganbindung mit. Das spart Aufwand, bringt aber eigene Abstraktionen mit. Für einen ersten Agenten ist die Schleife in wenigen Dutzend Zeilen oft verständlicher als ein Framework, das Sie nicht durchschauen. Arbeitet Ihr Team ohnehin mit KI-Unterstützung, helfen die Hinweise aus 5 Wege, wie KI Ihre Entwicklung beschleunigt auch beim Bau der Agenten.

Plattform, eigener Code oder bauen lassen?

  • Plattform: Eigene Entwickler sind nicht nötig. Werkzeuge gibt es nur, soweit die Plattform sie anbindet, Rechte und Protokollierung nur im vorgesehenen Rahmen. Für den Dauerbetrieb prüfen Sie, ob diese Grenzen reichen.
  • Eigener Code: Sie brauchen eigene Entwickler mit Zeit für die Pflege. Dafür wählen Sie Werkzeuge frei und haben volle Kontrolle über Rechte und Protokollierung. Die Pflege tragen Sie selbst.
  • Bauen lassen: Eigene Entwickler sind nicht nötig, Werkzeuge frei wählbar, Rechte und Protokollierung wie vereinbart. Die Pflege klären Sie vertraglich.

Meine Empfehlung: Starten Sie mit einer Plattform, wenn Sie nur herausfinden wollen, ob die Idee trägt. Setzen Sie auf eigenen Code, wenn Sie Entwickler haben und feine Kontrolle brauchen. Lassen Sie bauen, wenn beides fehlt oder der Agent geschäftskritisch wird.

Grenzen und Risiken

Fehlerketten: Agenten sind anfälliger als einzelne Modellaufrufe, weil sich Fehler fortpflanzen. Liefert ein früher Schritt ein falsches Zwischenergebnis, baut jeder weitere darauf auf. Je länger die Kette, desto eher steht am Ende etwas Plausibles, aber Falsches.

Erfundene Werte: Das Modell kann Parameter erfinden oder ein Ergebnis behaupten, das ein Werkzeug nie geliefert hat. Eine Validierung der Parameter vor dem Aufruf fängt vieles davon ab.

Prompt-Injection: Besonders ernst sind Anweisungen, die über Werkzeugdaten hereinkommen. Liest ein Agent E-Mails, Webseiten oder Dokumente, können darin Anweisungen stehen, die sich als Teil der Aufgabe ausgeben, und das Modell unterscheidet nicht zuverlässig zwischen Ihrer Anweisung und fremdem Inhalt. Behandeln Sie Inhalte aus Werkzeugen deshalb als Daten, nicht als Befehle.

Endlosschleifen: Eine Schleife, die sich im Fehlerfall immer weiterdreht, verbraucht Aufrufe ohne Ergebnis. Begrenzen Sie die Zahl der Durchläufe, setzen Sie Zeitlimits und protokollieren Sie jeden Schritt.

Was ein Agent kostet

Konkrete Beträge hängen von Modell, Anbieter und Einsatz ab und ändern sich laufend, deshalb nenne ich keine. Vier Posten bestimmen die Kosten:

  • Modellaufrufe: Jeder Schritt der Schleife ist ein Aufruf, und mit wachsendem Verlauf wird jeder Aufruf größer.
  • Durchläufe je Aufgabe: Bei schwierigen Fällen liegen sie deutlich über dem Durchschnitt.
  • Werkzeugkosten: etwa für Suchdienste oder kostenpflichtige Schnittstellen.
  • Entwicklung, Tests und Pflege: Das ist bei Agenten oft der größte Anteil, weil sich Modelle, Schnittstellen und Anforderungen ändern.

Fragen Sie Anbieter nach Kosten je erledigter Aufgabe, nicht je Aufruf. Nur so lassen sich Angebote vergleichen.

Datenschutz von Anfang an mitdenken

Verarbeitet ein Agent personenbezogene Daten, gehört der Datenschutz von Anfang an dazu. Klären Sie früh, welche Daten an welchen Anbieter fließen, ob mit ihm eine Vereinbarung zur Auftragsverarbeitung vorliegt und wo die Verarbeitung stattfindet. Jedes Werkzeug ist ein weiterer Datenfluss: Was der Agent an eine Suche oder einen externen Dienst übergibt, verlässt unter Umständen Ihre Umgebung. Je weniger personenbezogene Daten im Kontext landen, desto einfacher die Absicherung.

Fazit

Einen KI-Agenten zu erstellen ist weniger eine Frage der Technik als der Aufgabenschneidung. Ihr nächster Schritt: Wählen Sie eine einzige, enge Aufgabe und schreiben Sie fünf realistische Testfälle dafür auf, bevor Sie irgendetwas bauen. Wer den Agenten später nutzt, sollte außerdem wissen, wo seine Grenzen liegen; wie Sie das im Team aufbauen, beschreibt der Beitrag KI-Kompetenz-Schulung: Was Artikel 4 der KI-Verordnung heute verlangt.

Wenn Sie prüfen möchten, ob und wie ein Agent in Ihrem Unternehmen sinnvoll ist, sprechen wir gerne über Ihre konkrete Situation. Kontakt.

Zurück zur Übersicht

Kontakt