KI-Agenten Grundlagen

Was dieser Artikel behandelt

• Was einen KI-Agenten ausmacht und wie er sich vom Chatbot unterscheidet.
• Wie Tool-Calling funktioniert und warum es Agenten erst nützlich macht.
• Welche Begriffe wichtig sind, bevor Du Frameworks wie LangGraph oder CrewAI nutzt.
• Verweise auf alle Grundlagen-Artikel.

Einleitung

KI-Agenten sind Systeme, die Ziele verfolgen und eigenständig Entscheidungen treffen. Sie unterscheiden sich damit von klassischen Chatbots, die nur auf Eingaben reagieren. Um Agenten richtig zu verstehen, lohnt es sich, zunächst die Begriffe und Konzepte zu klären, auf denen Frameworks wie LangGraph, CrewAI oder AutoGen aufbauen.

Warum brauche ich KI-Agenten-Grundlagen?

Wer direkt in ein Framework springt, versteht oft nicht, was unter der Haube passiert. Ein Beispiel: Du nutzt CrewAI, definierst zwei Agenten mit Rollen und wunderst Dich, warum sie sich im Kreis drehen. Ohne Grundlagenwissen weißt Du nicht, dass das an fehlendem Tool-Calling oder einer schlecht formulierten Aufgabe liegt. Du suchst den Fehler im Framework, obwohl das Problem im Verständnis liegt.

Die Grundlagen helfen Dir auch zu entscheiden, ob Du überhaupt einen Agenten brauchst. Viele Aufgaben lassen sich mit einem einfachen Prompt an ein Sprachmodell lösen. Ein Agent lohnt sich erst, wenn mehrere Schritte, Werkzeuge oder Entscheidungen nötig sind.

KI-Agenten kurz erklärt

Ein KI-Agent hat drei Kernbestandteile:

• Ziel - Was der Agent erreichen soll, zum Beispiel “Sammle aktuelle Nachrichten zu Thema X”.
• Wahrnehmung - Was der Agent an Eingaben oder Kontext sieht.
• Aktion - Was der Agent tun kann, zum Beispiel eine API aufrufen, eine Datei lesen oder eine Nachricht schreiben.

Der Agent beobachtet seine Umgebung, plant den nächsten Schritt und führt ihn aus. Das unterscheidet ihn von einem Chatbot, der nur auf eine Eingabe mit Text antwortet. Ein Agent kann mehrere Schritte nacheinander ausführen, Werkzeuge nutzen und sich an Zwischenergebnisse erinnern.

Für wen ist dieser Bereich gedacht?

• Du willst verstehen, was KI-Agenten können und wo ihre Grenzen liegen.
• Du überlegst, ein Framework wie LangGraph, CrewAI oder AutoGen zu nutzen.
• Du bist Einsteiger und möchtest zuerst die Konzepte verstehen, bevor Du Code schreibst.
• Du brauchst keine tiefen Vorkenntnisse. Technische Begriffe werden hier inline erklärt.

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, die zusammenarbeiten. Jeder hat eine Rolle und Aufgaben.
• Workflow - Feste oder flexible Abfolge von Schritten. Ein Workflow kann linear oder verzweigt sein.
• 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.
• Memory - Gedächtnis eines Agenten. Kurzzeitgedächtnis hält aktuelle Schritte, Langzeitgedächtnis speichert Wissen über mehrere Sessions.

Inhalt und Artikel

• Was ist ein KI-Agent? - Definition, Merkmale und typische Einsatzgebiete.
• Chatbot vs. KI-Agent - Wo endet der Chatbot und wo fängt der Agent an?
• Tool-Calling - Wie Agenten externe Funktionen, APIs und Programme nutzen.
• Agentensysteme - Aufbau und Architektur von Agentensystemen.
• Multi-Agent-Systeme - Wie mehrere KI-Agenten als Team zusammenarbeiten.
• Agenten-Gedächtnis - Kurzzeit- und Langzeitgedächtnis für KI-Agenten.
• Planung und Reflexion - Wie KI-Agenten denken, planen und aus Fehlern lernen.
• Menschliche Freigaben - Human-in-the-Loop und Sicherheitsvorkehrungen.
• KI-Grundlagen-Glossar - Alle wichtigen Begriffe von A bis Z verständlich erklärt.

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.
• Memory ist begrenzt - Ein Agent vergisst, was nicht im Kontextfenster oder Langzeitgedächtnis steht. Plane, was wichtig ist.

Weiterführende Links

• KI-Agenten Frameworks
• Lokale KI Grundlagen
• Lokale KI Software

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 im Artikel Was ist ein KI-Agent?

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.

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.

Brauche ich Programmierkenntnisse für KI-Agenten?

Für Frameworks wie LangGraph, CrewAI und AutoGen ja. Für visuelle Tools wie Dify oder Langflow reichen oft Grundkenntnisse.

Laufen KI-Agenten lokal?

Ja. Mit Ollama oder LM Studio lassen sich viele Frameworks lokal betreiben. Einige Lösungen setzen jedoch Cloud-APIs voraus.

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.

Was ist der Unterschied zwischen Multi-Agenten und einem einzelnen Agenten?

Ein einzelner Agent verfolgt ein Ziel allein. Multi-Agenten-Systeme setzen mehrere Agenten mit unterschiedlichen Rollen ein, die zusammenarbeiten. Beispiele sind CrewAI und AutoGen.

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.

Was ist Agent-Memory?

Memory ist das Gedächtnis eines Agenten. Kurzzeitgedächtnis hält aktuelle Schritte und Zwischenergebnisse. Langzeitgedächtnis speichert Wissen über mehrere Sessions hinweg.

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.

Wann brauche ich einen Agenten statt eines einfachen Prompts?

Ein Agent lohnt sich, wenn mehrere Schritte, Werkzeuge oder Entscheidungen nötig sind. Für eine einfache Übersetzung oder Zusammenfassung reicht ein Prompt an ein Sprachmodell.

Wo finde ich Frameworks für KI-Agenten?

In der Übersicht KI-Agenten Frameworks findest Du LangGraph, CrewAI, AutoGen und viele weitere.