Sie haben zwei Anbieter gebeten, Ihnen eine KI-Lösung für Ihr Betriebsteam zu präsentieren. Beide Angebote treffen ein. Das eine spricht von „KI-Agenten”. Das andere verspricht eine „agentische KI-Plattform”. Ein drittes erwähnt der Vollständigkeit halber „agentische Workflows auf Basis von Multi-Agenten-Orchestrierung”.
Beschreiben sie alle dasselbe? Unterschiedliche Architekturen? Oder verpackt einer von ihnen schlicht einen ausgefeilteren Chatbot in ein Kostüm aus Buzzwords?
Dieser Artikel verschafft Ihnen ein belastbares Vokabular — präzise genug für bessere Fragen, einfach genug für das nächste Vendor-Gespräch. Das Ziel ist nicht, Sie zum Machine-Learning-Ingenieur zu machen. Es ist zu verhindern, dass Ihnen leere Versprechen verkauft werden.
Warum die Begriffe Verschiedenes Bedeuten (und Warum das Relevant Ist)
„KI-Agent” und „agentische KI” sind verwandt, aber nicht austauschbar. Die Verwirrung ist zum Teil echt — das Feld ist jung und die Terminologie noch im Fluss — und zum Teil bewusst erzeugt. Anbieter haben starke Anreize, das eindrucksvollste Label zu verwenden, das ihr Produkt glaubwürdig beanspruchen kann.
Die klarste Unterscheidung:
Ein KI-Agent ist eine spezifische Softwarekomponente. Er erhält ein Ziel, hat Zugang zu Werkzeugen (APIs, Datenbanken, Code-Ausführung) und führt eine Sequenz von Aktionen aus, um dieses Ziel zu erreichen — ohne dass ein Mensch jeden Schritt bestätigen muss. Das Wort „Agent” beschreibt eine Architektur: etwas, das wahrnimmt, entscheidet und handelt. Ein einzelner Agent übernimmt einen klar definierten Arbeitsbereich.
„Agentische KI” ist ein Adjektiv, keine Komponente. Es beschreibt eine Design-Philosophie oder Systemeigenschaft: den Grad, in dem ein System autonom operiert, vorausplant und mehrstufige Aufgaben ohne ständige menschliche Begleitung ausführt. Ein agentisches System lässt sich mit einem Agenten, mit mehreren zusammenarbeitenden Agenten oder mit einer Kombination aus Agenten und klassischer Automatisierung bauen. Was es „agentisch” macht, ist der Umfang des autonomen, zielgerichteten Verhaltens — nicht die genaue Zahl der Komponenten.
Stellen Sie es sich so vor: Ein Agent ist ein Substantiv. Agentisch ist ein Attribut, das beschreibt, wie sich dieses Substantiv verhält — oder wie sich ein System solcher Substantive kollektiv verhält.
Was ein KI-Agent Tatsächlich Tut (Ohne abstrakte Theorie)
Ein konkretes Beispiel hilft. Angenommen, Sie möchten die Bearbeitung von Lieferantenanfragen zu Rechnungen automatisieren, die per E-Mail eintreffen.
Ein traditioneller Chatbot könnte die Anfrage mit einer FAQ-Liste abgleichen und eine vorgefertigte Antwort zurückgeben. Er hat keine Erinnerung an die Rechnung der letzten Woche, kann Ihr ERP nicht abfragen und kein Follow-up verfassen.
Ein KI-Agent mit derselben Aufgabe würde:
- Die eingehende E-Mail analysieren und die Rechnungsnummer sowie die Art der Anfrage identifizieren
- Ihr ERP nach dem Status dieser Rechnung abfragen
- Falls die Rechnung wegen einer Unstimmigkeit zurückgehalten wird, eine Antwort verfassen, die das Problem erläutert, und die Anfrage in Ihrem CRM protokollieren
- Falls sie genehmigt, aber noch nicht bezahlt ist, den Zahlungsplan prüfen und das voraussichtliche Zahlungsdatum angeben
Der Agent schließt eine Kette von Aktionen ab — unter Nutzung mehrerer Werkzeuge, mit kontextuellen Entscheidungen — ohne dass ein Mensch Schritt 2 genehmigen muss, bevor Schritt 3 beginnt. Dieses autonome, mehrstufige, werkzeuggestützte Verhalten unterscheidet einen Agenten von einer Suchfunktion oder einer einfachen Automatisierung.
Mehr zur technischen Funktionsweise: Was sind KI-Agenten? Ein praxisnaher Leitfaden für Führungskräfte.
„Agentische KI” ist ein Spektrum, kein Schalter
Hier wird das Konzept praktisch nützlich für die Bewertung von Angeboten.
Agentizität — der Grad autonomen, zielgerichteten Verhaltens — existiert auf einem Spektrum:
| Verhalten | Geringe Agentizität | Hohe Agentizität |
|---|---|---|
| Aufgabenumfang | Einzelner, vordefinierter Schritt | Offenes, mehrstufiges Ziel |
| Menschliche Freigabe | Bei jedem Schritt erforderlich | Nur an definierten Checkpoints |
| Werkzeugnutzung | Kein oder ein festes Werkzeug | Mehrere Werkzeuge, dynamisch gewählt |
| Fehlerbehandlung | Stoppt und meldet | Wiederholt, leitet um, eskaliert |
| Gedächtnis | Stateless (jede Sitzung beginnt neu) | Persistenter Kontext über Sitzungen hinweg |
Ein System, das einen LLM zur Klassifizierung von Support-Tickets nutzt, ist technisch KI-gestützt. Es ist nicht wirklich agentisch — es tut eine Sache, deterministisch, ohne Entscheidungen zu treffen. Ein System, das Tickets priorisiert, das Problem in Ihrer Wissensdatenbank recherchiert, eine Lösung versucht und nur eskaliert, wenn es den Fall nicht selbstständig bearbeiten kann, ist echte agentische KI.
Wenn ein Anbieter sagt, seine Plattform sei „agentisch”, sind die relevanten Fragen: Wo auf diesem Spektrum befindet sie sich? Welche Entscheidungen kann sie ohne einen Menschen im Prozess treffen? Welche Leitplanken gibt es? Was passiert, wenn sie einen Fehler macht?
Die Begriffskarte: Fünf Termini, Sortiert
Da die Terminologie in Angeboten häufig gebündelt auftritt, hier die operative Übersicht:
KI-Agent — Eine einzelne autonome Softwarekomponente mit einem definierten Bereich, Zugang zu Werkzeugen und der Fähigkeit, über mehrere Schritte zu planen und zu handeln.
Agentische KI — Eine Eigenschaft, die Systeme (oder KI-Systemdesigns) beschreibt, die mit bedeutsamer Autonomie, Zielorientierung und mehrstufiger Planung operieren. Ein agentisches System kann einen oder mehrere Agenten enthalten.
Agentischer Workflow — Ein Prozess, der so umgestaltet wurde, dass KI-Agenten eine Aufgabensequenz von Anfang bis Ende übernehmen, während Menschen das Ziel setzen und Ergebnisse prüfen, anstatt jeden Zwischenschritt zu genehmigen. Mehr dazu: Agentische Workflows: Jenseits einfacher Automatisierung.
Multi-Agenten-System — Eine Architektur, in der mehrere spezialisierte Agenten koordinieren, jeder einen Teilauftrag übernimmt, und ein Orchestrator (der selbst ein Agent sein kann) die Arbeit zwischen ihnen verteilt. Diese Architektur wählt man, wenn kein einzelner Agent die gesamte Komplexität eines Problems aufnehmen kann.
KI-Assistent / Copilot — Ein System, das einen Menschen unterstützt, der die Kontrolle behält, anstatt autonom zu handeln. Der Mensch genehmigt jede bedeutsame Aktion. „Copilot” impliziert explizit einen menschlichen Piloten. Im architektonischen Sinne keine Agenten, auch wenn sie dieselben Grundmodelle nutzen. Hinweis: Die Copilot-Marke hat sich erheblich ausgeweitet — GitHub Copilot umfasst jetzt einen autonomen Cloud-Agentenmodus ohne Schritt-für-Schritt-Freigabe, und Microsoft Copilot Studio unterstützt explizit autonome Agentenfähigkeiten. Die begriffliche Unterscheidung bleibt gültig; die Marke signalisiert nicht mehr zuverlässig, auf welcher Seite der Grenze ein Produkt liegt. Wenden Sie denselben Drei-Fragen-Test unten an. Den vollständigen Vergleich finden Sie unter KI-Agent vs. KI-Assistent vs. Copilot: Was ist der Unterschied?.
Der praktische Schluss: Jeder Anbieter, der einen Copilot als „agentische KI-Lösung” bezeichnet, ohne zu erklären, worauf er autonom einwirkt, verdient eine direkte Nachfrage.
Die Marketinglücke: Worauf Sie Achten Sollten
In Anbieter-Präsentationen tauchen wiederkehrend Muster auf, die mehr verschleiern als klären, was tatsächlich angeboten wird.
„KI-Agenten-gestützt” kann alles bedeuten — von einem echten mehrstufigen autonomen System bis zu einem einzelnen LLM-API-Aufruf, der in eine Produktoberfläche eingebettet ist. Fragen Sie: Was entscheidet der Agent selbstständig, und was erfordert menschliche Bestätigung?
„Agentische Plattform” beschreibt häufig eine Oberfläche zum Aufbau von Automatisierungen. Ein einfacher Zapier-Zap, der einen einzelnen Trigger-Aktion-Schritt auslöst, oder jedes Workflow-Tool, das ausschließlich als lineare Sequenz fixer Schritte genutzt wird, ist nicht wirklich agentisch — die Agentizität liegt in dem, was Sie konfigurieren, nicht im Label des Anbieters. Selbst Plattformen wie n8n oder Make, die jetzt native KI-Agenten-Knoten mitliefern (beide haben 2025 eigene Agenten-Produkte eingeführt), sind nur so agentisch wie der Workflow, den Sie damit bauen.
„Multi-Agenten-Architektur” in einer Demo kann zwei aufeinanderfolgende LLM-Aufrufe ohne echte Koordinationslogik bedeuten. Genuine Multi-Agenten-Systeme haben Orchestrierung — Agenten, die Aufgaben delegieren, Kontext teilen und Ausfälle anderer Agenten auffangen.
Das bedeutet nicht, dass diese Produkte schlecht sind. Es bedeutet, dass das Label nicht ausreicht. Die Substanz liegt in den Details: Auf welche Werkzeuge hat der Agent Zugriff? Was kann er ohne menschlichen Input entscheiden? Wie wird mit Fehlern umgegangen? Wie wird er im Produktivbetrieb überwacht?
Ein Praxistest für jedes Angebot
Wenden Sie vor dem nächsten Vendor-Gespräch diesen Drei-Fragen-Filter an:
1. Was tut das System autonom? Bitten Sie den Anbieter, ein Szenario durchzuspielen, in dem das System auf eine unerwartete Eingabe trifft. Bewältigt es das selbst, oder wartet es auf einen Menschen? Die Antwort zeigt Ihnen, wo die echte Agentizitätsgrenze liegt.
2. Welche Werkzeuge stehen zur Verfügung? Ein echter Agent hat Werkzeuge — APIs, die er aufrufen kann, Datenbanken, die er abfragen kann, Aktionen, die er ausführen kann. Wenn die Demo ein System zeigt, das nur Text generiert, operiert es unabhängig vom Label nicht agentisch.
3. Wie schlägt es fehl, und wer erfährt es? Agentische Systeme, die ohne menschliche Bestätigung bei jedem Schritt operieren, brauchen starke Observierbarkeit. Fragen Sie nach Logging-, Alerting- und Eskalationsmechanismen. Eine glaubwürdige Antwort ist ein gutes Zeichen. Eine vage ist es nicht.
Wo Orange ITS Ansetzt
Bei Orange ITS entwerfen und bauen wir massgeschneiderte KI-Agenten und agentische Systeme für Schweizer und europäische Unternehmen. Wir haben keine Plattform zu verkaufen. Das bedeutet: Wir haben keinen Anreiz, etwas „agentisch” zu nennen, wenn die Architektur es nicht rechtfertigt.
Wenn wir ein Projekt übernehmen, beginnen wir mit der Prozessanalyse und identifizieren, wo echte autonome Aktionen Mehrwert schaffen — und wo sie ohne ausreichende Aufsicht Risiken erzeugen würden. Nicht jeder Workflow braucht eine vollständige Multi-Agenten-Architektur. Manche brauchen wirklich nur einen gut konzipierten einzelnen Agenten. Andere benötigen einen agentischen Workflow mit einem menschlichen Checkpoint in der Mitte.
Wenn Sie Angebote evaluieren und eine unabhängige Einschätzung wünschen, was tatsächlich angeboten wird — was die Architektur impliziert, wo die Komplexität liegt, welche Fragen zu stellen sind — ist das genau die Art von Gespräch, um die unsere KI-Strategie-Arbeit aufgebaut ist.
Lesenswert vor Ihrer Entscheidung: Reale KI-Agenten-Beispiele mit messbaren Ergebnissen für einen nüchternen Blick darauf, was diese Systeme in der Praxis leisten.
Bereit, in Ihrer nächsten KI-Evaluation Substanz von Marketing zu trennen? Buchen Sie einen 30-minütigen Anruf mit dem Orange ITS Team. Wir ordnen die Terminologie Ihrem konkreten Anwendungsfall zu und sagen Ihnen klar, welche Architektur sinnvoll ist — und welche nicht. Nehmen Sie Kontakt auf unter orange-its.ch/de/contact.