KI-Agenten
Was dieser Artikel behandelt
- Was KI-Agenten sind und warum sie mehr können als Chatbots.
- Welche Inhalte im Bereich KI-Agenten auf BotServ verfügbar sind.
- Verweise auf Grundlagen, Frameworks und verwandte Bereiche.
Einleitung
KI-Agenten verfolgen Ziele, treffen Entscheidungen und nutzen Werkzeuge. Sie sind der nächste Schritt nach reinen Chatbots, die nur auf Eingaben mit Text antworten. Auf BotServ findest Du Grundlagen und praxisnahe Framework-Anleitungen für lokale und cloudbasierte Agenten.
Warum brauche ich KI-Agenten?
Ein Sprachmodell allein erzeugt nur Text. Es kann keine APIs aufrufen, keine Dateien lesen und keine mehrstufigen Workflows ausführen. Ein KI-Agent erweitert das Modell um genau diese Fähigkeiten. Er plant mehrere Schritte, ruft Werkzeuge auf und speichert Zwischenergebnisse.
Ein Beispiel: Du willst aktuelle Nachrichten zu einem Thema sammeln, zusammenfassen und in eine Datei schreiben. Mit einem Chatbot müsstest Du jeden Schritt manuell machen. Mit einem Agenten definierst Du das Ziel und die Werkzeuge, der Agent erledigt den Rest in einer Schleife aus Beobachten, Planen und Ausführen.
KI-Agenten kurz erklärt
Ein KI-Agent hat drei Kernbestandteile: ein Ziel, eine Wahrnehmung seiner Umgebung und Aktionen, die er ausführen kann. Er beobachtet, plant den nächsten Schritt und führt ihn aus. Das unterscheidet ihn von einem Chatbot, der nur reagiert. Frameworks wie LangGraph, CrewAI oder AutoGen implementieren diese Schleife und bieten Werkzeuge, Speicher und Multi-Agenten-Systeme.
Für wen ist dieser Bereich gedacht?
- Du willst verstehen, was KI-Agenten können und wo ihre Grenzen liegen.
- Du willst ein Framework nutzen und suchst praxisnahe Anleitungen.
- Du brauchst Grundkenntnisse in Python für die meisten Frameworks. Für Dify oder Langflow reicht oft Low-Code.
- Du kannst lokal mit Ollama arbeiten oder Cloud-APIs wie OpenAI nutzen.
Inhalt und Artikel
- Grundlagen - Was ist ein KI-Agent, Unterschied zum Chatbot, Tool-Calling und wichtige Begriffe.
- Frameworks - Übersicht über LangGraph, CrewAI, AutoGen, OpenAI Agents SDK, Dify, Langflow, OpenHands, AgentVerse, Camel AI, Codebase Memory, OpenClaw und Agentic AI.
Wichtige Begriffe
- Agent - System, das Ziele verfolgt und eigenständig handelt.
- Tool-Calling - Aufruf externer Funktionen durch ein Modell. Damit kann ein Agent APIs ansprechen, Dateien lesen oder Code ausführen.
- Multi-Agenten - Mehrere Agenten mit unterschiedlichen Rollen, die zusammenarbeiten.
- Autonomie - Wie selbstständig ein Agent Entscheidungen trifft. Mehr Autonomie bedeutet mehr Risiko, aber auch mehr Möglichkeiten.
- MCP - Model Context Protocol, ein Standard für Werkzeuge und Kontext, den Agenten nutzen können.
Typische Stolpersteine
- Nicht jeder Task braucht einen Agenten - Oft reicht ein guter Prompt. Ein Agent lohnt sich erst bei mehreren Schritten oder Werkzeugen.
- Tool-Calling braucht starke Modelle - Kleine lokale Modelle können oft nicht zuverlässig Werkzeuge aufrufen. Llama 3.1 8B oder größer ist empfohlen.
- Autonomie hat Grenzen - Ein Agent kann unerwartete Aktionen ausführen. Nutze Sandbox-Umgebungen und protokolliere alle Schritte.
Weiterführende Links
FAQ - Häufige Fragen
Was ist ein KI-Agent?
Ein KI-Agent ist ein System, das Ziele verfolgt, Entscheidungen trifft und Aktionen ausführt. Er beobachtet seine Umgebung, plant den nächsten Schritt und nutzt Werkzeuge, um das Ziel zu erreichen. Mehr dazu in den KI-Agenten Grundlagen.
Was ist der Unterschied zwischen Chatbot und KI-Agent?
Ein Chatbot reagiert auf Eingaben mit Text. Ein Agent plant mehrere Schritte, nutzt Werkzeuge und verfolgt ein Ziel. Mehr dazu im Artikel Chatbot vs. KI-Agent.
Welches Framework ist für Einsteiger am besten?
CrewAI ist sehr einsteigerfreundlich. Wer es technischer mag, startet mit LangGraph. Für grafische Oberflächen eignen sich Dify oder Langflow. Mehr dazu in der Frameworks-Übersicht.
Laufen KI-Agenten lokal?
Ja. Mit Ollama oder LM Studio lassen sich viele Frameworks lokal betreiben. LangGraph, CrewAI, AutoGen, Dify, Langflow und OpenHands funktionieren mit lokalen Modellen.
Brauche ich Programmierkenntnisse für KI-Agenten?
Für Frameworks wie LangGraph, CrewAI und AutoGen ja. Für visuelle Tools wie Dify oder Langflow reichen oft Grundkenntnisse.
Welches Modell brauche ich für KI-Agenten?
Für Tool-Calling und mehrschrittige Workflows brauchst Du ein starkes Modell. Llama 3.1 8B ist ein guter Einstieg, für komplexere Agenten sind 13B oder größere Modelle empfohlen.
Sind KI-Agenten sicher?
Autonome Agenten können unerwartete Aktionen ausführen. Nutze Sandbox-Umgebungen, begrenze Werkzeuge und protokolliere alle Schritte. Setze produktive Workflows nie ohne Überwachung ein.
Was ist Tool-Calling?
Tool-Calling bedeutet, dass ein Sprachmodell externe Funktionen aufruft. Damit kann ein Agent APIs ansprechen, Dateien lesen oder Code ausführen. Mehr dazu im Artikel Tool-Calling.
Was ist MCP?
MCP steht für Model Context Protocol. Es ist ein Standard für Werkzeuge und Kontext, den Agenten nutzen können. MCP macht es einfacher, Werkzeuge zwischen verschiedenen Frameworks zu teilen.
Wo finde ich die Grundlagen zu KI-Agenten?
In der Übersicht KI-Agenten Grundlagen findest Du Artikel zu Was ist ein KI-Agent, Chatbot vs. KI-Agent und Tool-Calling.