Agentische KI (englisch Agentic AI) ist KI, die auf ein Ziel hinarbeitet, statt eine einzelne Frage zu beantworten. Sie sagen, was erledigt werden soll. Die KI sucht sich die nötigen Informationen, legt die Schritte fest, nutzt Ihre Tools (E-Mail, Dokumente, CRM), prüft ihre eigene Arbeit und macht weiter, bis die Aufgabe erledigt ist oder sie Sie braucht.
Ein Chat-Assistent antwortet und wartet. Ein agentisches System geht den nächsten Schritt von selbst.
Eines verrät das Wort nicht: ob die Arbeit stimmt und worauf das System zugreifen darf. Das sind eigene Fragen. Wer sie vermischt, sorgt für den Großteil der Verwirrung rund um Agentic AI, deshalb hält dieser Leitfaden sie auseinander.
Ein konkretes System macht das breitere Verhalten greifbar: Der Leitfaden zu KI-Agenten folgt einer Aufgabe vom Ziel über den Werkzeugeinsatz bis zum Ergebnis. Der Vergleich der beiden Begriffe erklärt danach ihre Überschneidungen. Er hilft Ihnen, sie weder als aufeinanderfolgende Produktgenerationen zu lesen noch agentische KI zwingend mit mehreren Agenten gleichzusetzen.
Was „agentisch“ bedeutet
„Agentic“ kommt von agency, also der Fähigkeit, selbstständig zu handeln, um ein Ziel zu erreichen. Merriam-Webster führt den Begriff inzwischen als Trendwort mit der Bedeutung "able to accomplish results with autonomy, used especially in reference to artificial intelligence" (sinngemäß: fähig, Ergebnisse autonom zu erreichen, vor allem in Bezug auf künstliche Intelligenz), wie AP im November 2025 berichtete.
Am hilfreichsten ist diese Sichtweise: Agentisch ist eine Skala, kein Ja-oder-Nein-Etikett. Ein OpenAI-Paper von 2023, Practices for Governing Agentic AI Systems, beschreibt es als das Maß, in dem ein System ein schwieriges Ziel in einer unübersichtlichen Umgebung erreichen kann, ohne dass jemand jeden Schritt überwacht. Manche Tools sind ein wenig agentisch. Sie wählen ein Tool, wenn man sie darum bittet. Andere sind sehr agentisch. Sie können eine lange Aufgabe mit vielen Schritten und nur wenigen Rückfragen erledigen.
Wenn sich ein Produkt also „agentisch“ nennt, lautet die eigentliche Frage: Wie viel der Aufgabe erledigt es tatsächlich selbst?
Wie Agentic AI funktioniert
Die meisten agentischen Systeme laufen auf derselben Art von KI-Modell wie ein Chatbot. Der Unterschied liegt im Aufbau drumherum. Statt einer einzigen Antwort arbeitet das Modell in einer Schleife.
Andrew Ng, der den Begriff mit bekannt gemacht hat, erklärte den Unterschied in einem Vortrag 2024. Einen Chatbot auf die übliche Weise zu nutzen ist so, als würde man jemanden bitten, einen Aufsatz in einem Zug zu schreiben, vom Anfang bis zum Ende, ohne je die Rücktaste zu drücken. Ein agentischer Aufbau lässt die KI gliedern, recherchieren, einen Entwurf schreiben, ihn noch einmal lesen und verbessern. So schreiben auch Menschen.
Die agentische Schleife prüft die Berechtigung, bevor sie handelt. Nach jeder Aktion gibt sie fertige Arbeit zurück, plant in einer neuen Runde den nächsten Schritt oder pausiert, um Hilfe zu holen.
So sieht die Schleife in einfachen Worten aus:
- Sie legen das Ziel fest. Sagen Sie, was Sie wollen und wie „fertig“ aussieht. „Bereite mich auf das Verlängerungsgespräch am Donnerstag vor“ ist ein Ziel. „Schau dir diesen Account an“ ist keins.
- Die KI sammelt Kontext. Sie liest, wovon die Aufgabe abhängt: aktuelle E-Mails, Meeting-Notizen, den CRM-Eintrag. Dieser Schritt entscheidet über den Großteil der Qualität. Ein guter Plan auf Basis falscher Informationen bleibt falsch.
- Die KI plant. Sie zerlegt das Ziel in kleinere Schritte.
- Die KI handelt. Sie nutzt die Tools, auf die sie Zugriff hat: Sie durchsucht den Posteingang, öffnet das Dokument, entwirft die E-Mail.
- Die KI prüft. Sie schaut, was tatsächlich passiert ist, nicht, was sie erwartet hat. Wenn das CRM keine Gesprächsnotizen enthält, sucht sie stattdessen im gemeinsamen Laufwerk.
- Die KI gibt die Arbeit zurück oder hält an und fragt nach. Entweder bekommen Sie etwas zur Prüfung, oder sie pausiert, weil ein Zugriff fehlt, das Ziel unklar ist oder der nächste Schritt Ihr OK braucht.
Schritt 6 enthält eine Entscheidung, die oft übersehen wird: in welcher Form das Ergebnis kommt. Dieselbe Recherche kann eine zweizeilige Nachricht sein, ein Dokument, das andere kommentieren können, oder ein kurzes Deck für ein Meeting. Eine richtige Antwort im falschen Format bedeutet trotzdem, dass jemand anderes die Arbeit noch einmal machen muss.
Agentic AI vs. generative KI vs. Automatisierung
Diese drei werden oft verwechselt, deshalb hier die Kurzfassung:
- Generative KI erstellt Inhalte, wenn Sie darum bitten: Text, Bilder, Code. Dann hört sie auf.
- Regelbasierte Automatisierung folgt Schritten, die jemand vorab festgelegt hat: „Wenn ein Formular eingeht, füge eine Zeile hinzu und sende eine E-Mail.“ Schnell und vorhersehbar. Sie scheitert, sobald etwas nicht zur Regel passt.
- Agentic AI nutzt generative KI innerhalb einer Schleife. Sie entscheidet den nächsten Schritt selbst, nutzt Tools und prüft das Ergebnis.
Am einfachsten unterscheiden Sie die drei mit der Frage, wer den nächsten Schritt entscheidet. Bei Automatisierung hat jemand jeden Schritt vorab festgelegt. Bei einem Chat-Assistenten entscheiden Sie nach jeder Antwort. Bei Agentic AI entscheidet das System, ausgerichtet auf Ihr Ziel und innerhalb der Grenzen, die Sie setzen.
Wenn Sie lieber ein Video schauen: Dieser kurze Erklärfilm zeigt dieselbe Unterscheidung gut:
YouTube · IBM Technology
Generative vs Agentic AI: Shaping the Future of AI Collaboration · 21. April 2025
Ein siebenminütiger Erklärfilm von Martin Keen darüber, warum generative KI auf Ihren Prompt wartet, während Agentic AI weiter auf ein Ziel hinarbeitet.
Für dieselbe Idee hören Sie auch den Begriff „KI-Agent“ (AI agent). Grob gesagt: Ein KI-Agent ist das, was die Arbeit erledigt, und „agentisch“ beschreibt, wie er arbeitet.
Drei getrennte Fragen: Eigenständigkeit, Zuverlässigkeit, Berechtigung
Wenn Menschen „agentischer“ hören, verstehen sie oft „besser“ oder „automatischer“. Es ist weder das eine noch das andere. In dem Wort stecken drei verschiedene Fragen:
- Eigenständigkeit (Agency): Wie viel entscheidet das System selbst?
- Zuverlässigkeit: Wie oft ist das Ergebnis richtig?
- Berechtigung: Worauf darf es zugreifen?
„Agentisch“ beschreibt nur die erste Frage.
Mehr Eigenständigkeit bedeutet nicht mehr Zuverlässigkeit. Jeder Schritt baut auf dem vorherigen auf. Eine falsche Annahme am Anfang kann in einem polierten, selbstsicheren und falschen Bericht enden. Selbst Leute, die solche Systeme beruflich bauen, sagen, dass genau dieser Teil schwierig ist:
YouTube · LangChain
The Future of AI Agents with Andrew Ng | Interrupt 26 · 17. Juni 2026
Ng: "building agentic workflows is hard." Er erklärt, dass es echtes Wissen über das Geschäft und kontinuierliches Testen braucht, um sie zuverlässig zu machen.
Sinngemäß: Agentische Workflows zu bauen ist schwer.
Mehr Eigenständigkeit braucht nicht mehr Berechtigungen. Eine KI kann viel Arbeit selbstständig erledigen (lesen, vergleichen, entwerfen) und dabei nur sehr wenig dürfen, was über das Team hinaus wirkt. Im selben Vortrag weist Ng darauf hin, dass die meisten Berechtigungen in Unternehmen für Menschen eingerichtet wurden, nicht für KI (28:50). Es lohnt sich also, das bewusst zu entscheiden. Erfahrene Nutzer halten das oft eng:
X · Simon Willison / @simonw · 23. Oktober 2026
"I don't let my agents have production access to modify deployed services"
Sinngemäß: Ich gebe meinen Agenten keinen Produktionszugriff, mit dem sie laufende Dienste verändern könnten.
Willison ist ein bekannter Softwareentwickler, und er sprach in einem Antwort-Thread über Coding-Agenten. Für Unternehmen gilt dieselbe Idee: Lassen Sie die KI frei lesen und entwerfen, und lassen Sie „senden“, „bezahlen“, „veröffentlichen“ und „löschen“ bei einer Person, bis Sie der KI bei genau dieser Aufgabe vertrauen.
Ein durchgespieltes Beispiel: Vorbereitung auf ein Verlängerungsgespräch
So sieht das bei einer realistischen Aufgabe aus. Account, Personen und Details unten sind erfunden, um zu zeigen, wie die Schritte zusammenpassen. Es handelt sich nicht um ein Kundenergebnis.
Der Auftrag. Eine Account Managerin sagt zu Okou, dem KI-Teammitglied, das wir entwickeln: „Bereite mich auf das Verlängerungsgespräch mit Northwind am Donnerstag vor und entwirf das Follow-up, das ich danach schicke.“ Okou kann ihr Gmail, das gemeinsame Laufwerk und das CRM lesen und Gmail-Entwürfe erstellen. Okou kann keine E-Mails senden und keine CRM-Einträge ändern.
Der Kontext ändert den Plan. Laut CRM ist der Account gesund, und es ist eine Upsell-Chance eingetragen. Doch im E-Mail-Verlauf findet Okou eine Nachricht von vor drei Wochen: Die Ops-Leitung des Kunden schreibt, dass eine zugesagte Integration verspätet ist, und bittet um einen neuen Termin. Niemand hat geantwortet. Diese eine E-Mail verändert das Gespräch. Das Briefing beginnt jetzt mit dem nicht eingehaltenen Versprechen, nicht mit dem Upsell.
Genau darauf weisen gerade viele Leute in der Branche immer wieder hin:
X · Aaron Levie / @levie · 6. November 2026
"Every AI agent deployment comes down to how successfully they can get access to the critical context to make a decision"
Sinngemäß: Jeder Einsatz von KI-Agenten hängt davon ab, wie gut sie an den entscheidenden Kontext kommen, um eine Entscheidung zu treffen.
Levie leitet Box, ein Unternehmen, das Geschäftsdokumente speichert, er hat also ein Eigeninteresse an dieser Sicht. Das Verlängerungsbeispiel zeigt aber, warum sie stimmt: Die KI konnte das Problem nur erkennen, weil sie die E-Mail lesen konnte.
Was zurückkommt, in der passenden Form für jede Person.
- Für die Account Managerin: ein einseitiges Briefing zum Lesen vor dem Gespräch (was vereinbart wurde, was sich geändert hat, drei Fragen, die zu klären sind).
- Für den Kunden: noch nichts, nur ein Gmail-Entwurf, der auf Prüfung wartet.
- Für das Team: eine kurze vorgeschlagene CRM-Notiz, die auf die Freigabe durch eine Person wartet.
So sieht ein Entwurf, der auf Prüfung wartet, in Okou aus (ein anderes erfundenes Beispiel):
Ein echter Okou-Entwurf, der auf Prüfung wartet: Auf der Gmail-Karte steht Draft, und den Send-Button drückt die Person selbst. Empfängerin und Inhalt sind fiktive Demodaten. Screenshot in voller Größe öffnen.
Die Person entscheidet, dann nutzt das Team es wieder. Die Account Managerin bittet im selben Chat darum, den Einstieg abzuschwächen und eine Zeile zu den Preisen zu streichen. Okou kennt das vorherige Gespräch noch und überarbeitet den Entwurf, ohne neu gebrieft zu werden. Sie schickt die E-Mail selbst und gibt die CRM-Notiz frei.
Danach speichert das Team die Methode als gemeinsamen Workflow (eine gespeicherte, wiederverwendbare Art, eine Aufgabe zu erledigen): welche Quellen geprüft werden, wie das Briefing aussieht und die Regel, dass Follow-ups Entwürfe bleiben. Wer als Nächstes einen Account betreut, führt den Workflow für die eigenen Accounts aus, mit dem eigenen Zugriff. Soll er jeden Montag für anstehende Verlängerungen laufen, kommt eine Automatisierung dazu (ein Zeitplan oder Auslöser, der den Workflow startet).
Zwei Dinge sind gut zu wissen. Ein neuer Chat sieht einen alten Chat nicht automatisch; Sie verweisen darauf, wenn er wichtig ist. Und wer einen Workflow teilt, teilt die Methode, nicht den Posteingang oder Login einer Person. Die Okou-Dokumentation erklärt beides: wie Chat-Kontext funktioniert und was ein Team teilt.
Wann Agentic AI hilft und wann nicht
Agentic AI passt zu Arbeit wie dem Verlängerungsgespräch: mehrere Schritte, mehr als ein Tool, etwas Urteilsvermögen zwischendurch und ein Ergebnis, das jemand prüfen kann. Zum Beispiel:
- Ops: „Sammle, was jedes Team diese Woche ausgeliefert hat, markiere alles, was blockiert ist, und poste jeden Montag eine Zusammenfassung.“
- Marketing: „Vergleiche die Kampagnenergebnisse des letzten Monats mit dem Briefing und entwirf nächste Schritte zur Prüfung.“
- Vertrieb: „Bewerte die eingehenden Leads dieser Woche anhand unseres idealen Kundenprofils und sag mir mit Begründung, wen ich anrufen soll.“
- Customer Success: „Gruppiere die Tickets dieses Monats nach Ursache und entwirf Updates für die drei Accounts mit den meisten offenen Problemen.“
Weitere Beispiele nach Team: Anwendungsfälle für KI-Agenten.
Das falsche Werkzeug ist Agentic AI, wenn eine Aufgabe jedes Mal exakt denselben Schritten folgt (nutzen Sie dann einfache Automatisierung, die ist günstiger) oder wenn Sie nur eine Antwort brauchen (nutzen Sie dann einen Chat-Assistenten).
Analysten warnen schon länger vor übermäßigem Einsatz. Im Juni 2025 prognostizierte Gartner, dass bis Ende 2027 über 40 % der Agentic-AI-Projekte eingestellt werden, wegen der Kosten, unklaren Nutzens oder schwacher Risikokontrollen. Das ist eine Prognose, kein gemessenes Ergebnis. Im Juli 2026 legte Gartner mit einer verwandten Vorhersage für Vertriebsteams nach: Bis 2028 wird es zehnmal so viele KI-Agenten wie Verkäufer geben, doch weniger als 40 % der Verkäufer werden sagen, dass Agenten sie produktiver gemacht haben. Dieselbe Lehre: Mehr Agenten bedeuten nicht automatisch bessere Arbeit.
Eine Gewohnheit, die sich ändern sollte: Agentische Arbeit kann Minuten dauern, nicht Sekunden. Geben Sie ein klares Ziel vor und beurteilen Sie dann das Ergebnis, so wie Sie es bei einer Kollegin oder einem Kollegen tun würden.
So behalten Sie die Kontrolle
Die nützliche Frage ist nicht: „Wie autonom ist es?“ Sondern: „Welche Entscheidungen trifft es, und welche kommen zu mir zurück?“ Die Kontrolle behalten Sie an drei Stellen.
Worauf es zugreifen kann. Geben Sie nur Zugriff auf das, was die Aufgabe braucht. In Okou erteilen Sie Zugriff für jeweils ein Tool und eine Aktion und legen fest, wie lange er gilt. So kann Okou zum Beispiel einen Gmail-Entwurf schreiben dürfen, ohne ihn senden zu dürfen. Siehe Okou-Berechtigungen.
Was Ihr OK braucht. Riskante Aktionen sollten auf eine Person warten. Wenn Okou eine neue Berechtigung braucht, sehen Sie genau, was angefragt wird, bevor irgendetwas freigegeben ist:
Eine echte Berechtigungsanfrage in Okou. Die Person sieht das Tool, die Aktion, wo sie gilt und wie lange sie gilt (1 Stunde, 24 Stunden, 7 Tage oder immer), bevor sie bestätigt. Screenshot in voller Größe öffnen.
Was Sie prüfen. Die Arbeit sollte als etwas zurückkommen, das Sie lesen und ändern können, zusammen mit einem Protokoll dessen, was die KI getan hat.
Reicht ein „Human in the Loop“?
Nicht für sich allein, und das ist eines der nützlicheren Argumente, die gerade die Runde machen.
YouTube · IBM Technology
Human in the Loop Is Not a Governance Strategy for Agentic AI · 11. Oktober 2026
Phaedra Boinodiris: "a human reviewed it is not the same as the system is governed." In vier Minuten zählt sie auf, was eine prüfende Person wirklich braucht.
Sinngemäß: Dass ein Mensch es geprüft hat, heißt noch nicht, dass das System unter Kontrolle ist.
Ihre Checkliste in Kurzform: Die prüfende Person sollte die Begründung sehen können, die Befugnis haben, den Vorgang zu stoppen, wissen, wie gute Arbeit aussieht, und Korrekturen zurückspielen können.
Es gibt ein zweites, leiseres Problem: Die KI kann beeinflussen, was die prüfende Person denkt.
X · Ethan Mollick / @emollick · 27. Oktober 2026
"experts working with AI agents are swayed by the positions of the AI, even if they think they are working independently"
Sinngemäß: Fachleute, die mit KI-Agenten arbeiten, lassen sich von den Positionen der KI beeinflussen, selbst wenn sie glauben, unabhängig zu arbeiten.
Mollick, ein Wharton-Professor, der KI in der Arbeitswelt erforscht, fasste eine Studie zusammen, die er verlinkt hatte. Wir haben diese Studie nicht selbst geprüft, nehmen Sie es also als seine Lesart. Sein Rat ist trotzdem praktisch: Wenn Ihr eigenes Urteil zählt, entscheiden Sie, bevor Sie sich den Entwurf der KI ansehen. Beim Verlängerungsgespräch heißt das: Die Account Managerin legt fest, was das Gespräch erreichen muss, bevor sie Okous Briefing liest.
Menschen sehen ihre Rolle bereits in diese Richtung wandern. Im Work Trend Index 2026 von Microsoft (veröffentlicht im Mai 2026; 20.000 Beschäftigte, die KI nutzen, in 10 Ländern) gaben 86 % an, KI-Ergebnisse als Ausgangspunkt zu behandeln, nicht als endgültige Antwort. Das ist eine Selbstauskunft, kein Maß für Qualität, aber es weist in dieselbe Richtung.
Eine Prüfung ist also echt, wenn:
- Sie die Arbeit hinter dem Ergebnis sehen können: Quellen, Schritte und was sich geändert hat.
- Sie sie stoppen oder ändern können: den Entwurf bearbeiten, die Berechtigung ablehnen.
- Sie wissen, wie gute Arbeit aussieht: ein Briefing-Format, ein Ton, eine Regel wie „Follow-ups bleiben Entwürfe“.
- Korrekturen nicht verloren gehen: Wenn Sie jede Woche dieselbe Korrektur machen, nehmen Sie sie in den Workflow auf. In Okou passiert das nur, wenn jemand den Workflow aktualisiert; eine Korrektur in einem Chat wird nicht stillschweigend zur Teamregel.
Mehr zu Freigaben in der Praxis: warum Ihr Unternehmen bei KI-Aktionen das letzte Wort braucht.
Fragen, bevor Sie Arbeit an Agentic AI übergeben
- Kann ich einfach das Ergebnis beschreiben? Oder muss ich jeden Schritt ausbuchstabieren?
- Kann die KI lesen, wovon die Aufgabe abhängt? Und sagt sie mir, was sie nicht finden konnte?
- Kann ich einschränken, was sie tut? Nur lesen, oder entwerfen, aber nicht senden?
- Was passiert, wenn sie nicht weiterkommt? Fragt sie nach oder rät sie?
- Kann ich sehen, was sie getan hat? Quellen, Schritte, Änderungen.
- Kann mein Team ein gutes Ergebnis wiederverwenden? Mit dem jeweils eigenen Zugriff?
Wenn ein Produkt darauf keine Antworten hat, sagt Ihnen das Wort „agentisch“ nicht viel.
So sieht das mit Okou aus
Okou ist ein KI-Teammitglied für Business-Teams. Sie geben Okou eine Aufgabe, so wie Sie eine Kollegin oder einen Kollegen briefen würden. Okou holt sich aus Ihren verbundenen Tools, was die Aufgabe braucht, arbeitet sie in der Cloud ab (und macht weiter, auch wenn Sie Ihren Laptop zuklappen) und gibt Ihnen etwas zur Prüfung zurück, in der Form, die zur nächsten lesenden Person passt: eine kurze Nachricht, ein Dokument, eine Webseite, ein Deck oder ein Entwurf. Gute Methoden werden zu gemeinsamen Workflows, und Automatisierungen führen sie nach Zeitplan aus.
In den Begriffen dieses Leitfadens: Okou dreht die Eigenständigkeit hoch, wenn es darum geht, Kontext zu finden und die Fleißarbeit zu erledigen, und lässt die Berechtigungen dort, wo Ihr Team sie festlegt. Mehr dazu unter Was ist Okou, oder kostenlos starten.
FAQ
Was ist Agentic AI, einfach erklärt?
KI, die Schritt für Schritt auf ein Ziel hinarbeitet. Sie sagen, was Sie wollen; die KI findet die Informationen, nutzt Ihre Tools, prüft ihre Arbeit und macht weiter, bis die Aufgabe erledigt ist oder sie Sie braucht. Ein Chatbot antwortet einmal und wartet.
Was ist der Unterschied zwischen generativer KI und Agentic AI?
Generative KI erstellt auf Anfrage Inhalte und hört dann auf. Agentic AI nutzt diese Fähigkeit in einer Schleife: Sie entscheidet den nächsten Schritt, nutzt weitere Tools und prüft, ob das Ziel erreicht ist. Eine Vertriebs-E-Mail zu schreiben ist generativ. Die Account-Historie zu lesen, die E-Mail zu entwerfen und ein CRM-Update zur Freigabe vorzuschlagen ist agentisch.
Was ist der Unterschied zwischen Conversational AI und Agentic AI?
Conversational AI ist zum Reden gebaut: Sie fragen, sie antwortet, Sie entscheiden, wie es weitergeht. Agentic AI ist dafür gebaut, Arbeit zu erledigen: Sie setzen das Ziel, die KI wählt die Schritte und führt sie aus. Viele Produkte können beides, mit einem Chat obendrauf und einer agentischen Schleife darunter.
Welche Risiken hat Agentic AI?
Sie entstehen vor allem durch das Handeln, nicht durch das Reden. Fehler können sich über mehrere Schritte aufschaukeln. Die KI kann auf Basis falscher oder fehlender Informationen handeln. Weitreichende Berechtigungen können dazu führen, dass ein Fehler Kunden oder Geld erreicht. Die Kosten können steigen, weil jede Aufgabe viele Schritte braucht. Begrenzen Sie den Zugriff, lassen Sie riskante Aktionen von einer Person freigeben und prüfen Sie das Ergebnis.
Für welche Aufgaben eignet sich Agentic AI am besten?
Für Aufgaben mit mehreren Schritten, mehr als einem Tool, etwas Urteilsvermögen und einem Ergebnis, das sich prüfen lässt: Meeting-Vorbereitung, Wochenberichte, Recherche, die in einen Entwurf mündet, das Sortieren von Leads oder Tickets. Für jedes Mal dieselben festen Schritte nutzen Sie einfache Automatisierung. Für eine einzelne Frage nutzen Sie einen Chat-Assistenten.
Ist mehr Agentic AI immer besser?
Nein. Mehr Eigenständigkeit bedeutet, dass die KI mehr selbst entscheidet. Das macht diese Entscheidungen nicht genauer, und sie bestimmt auch nicht, was die KI tun darf. Für die meiste Arbeit im Unternehmen ist die beste Aufteilung eine KI, die recherchiert und Entwürfe schreibt, und eine Person, die freigibt, was das Team verlässt.
