Die Idee klingt verlockend: Ein KI-Agent, der autonom arbeitert, ohne dass du dazwischengehen musst. Website-Audits macht, Content erstellt, Reports generiert. Nachts um drei läuft er und morgens liegen die Ergebnisse auf deinem Schreibtisch.
Das ist nicht Science-Fiction. Das ist heute schon möglich. Aber es funktioniert nur, wenn du verstehst, was agentische KI wirklich ist und vor allem, wo ihre Grenzen liegen.
Ein KI-Agent ist ein System, das eigenständig Aufgaben plant und ausführt, ohne dass du jeden Schritt vorgibst. Anders als ChatGPT, wo du fragst und ChatGPT antwortet, entscheidet ein Agent selbst:
- Welche Schritte sind nötig?
- Welche Tools brauche ich dazu?
- Muss ich eine Entscheidung treffen, bevor ich weitermache?
Ein Agent kann sich selbst korrigieren. Wenn er merkt, dass eine Strategie nicht funktioniert, probiert er etwas anderes.
Das ist mächtig. Das ist auch gefährlich, wenn es schiefläuft.
Arvid ist ein KI-Agent in der Kreativstation. Er macht drei Dinge:
- Website-Audits: Er besucht eine Website, analysiert sie auf Barrierefreiheit, Performance, SEO, User Experience.
- Content-Erstellung: Er erstellt automatisiert Blog-Artikel basierend auf den Audit-Ergebnissen.
- Reporting: Er fasst alles zusammen und schickt einen Report.
Das klingt einfach. In der Realität ist es komplex.
1. RPA (Robotic Process Automation) die alte Schule
RPA macht immer das Gleiche. Du definierst ein Szenario: „Logge dich in System A ein, lade Daten herunter, speichere sie in Format B, hochladen in System C.“ Der Bot wiederholt das zu 99,9 %.
Vorteil: Zuverlässig, vorhersehbar, einfach zu debuggen. Nachteil: Nicht adaptiv. Wenn etwas anders ist, bricht es.
2. KI + RPA – intelligente Workflow-Automatisierung
Jetzt kombinierst du RPA mit KI. Der Bot kann:
- Text interpretieren (nicht nur erkennen)
- Entscheidungen treffen (nicht nur Regeln anwenden)
- Mit Exceptions umgehen
Arvid nutzt das. Wenn eine Website sich anders verhält als erwartet, passt er sich an.
3. Agentic AI – vollständige Autonomie
Der Agent plant die gesamte Lösung. Er entscheidet nicht nur, welche Schritte nötig sind, sondern auch, welche Tools zu nutzen, wann zu pausieren, wann um Feedback zu fragen.
Das ist die Zukunft. Aber auch die riskanteste Variante.
Drei Gründe:
1. Klare Grenzen
Arvid weiß genau, was er darf und was nicht. Er kann sich nicht selbst ein Passwort geben. Er kann keine Daten löschen. Er darf keine Entscheidungen treffen, die ein Mensch treffen muss.
Das ist essentiell. Agenten ohne Grenzen sind Sicherheitsrisiken.
2. Human-in-the-Loop
Arvid arbeitet nicht völlig autonom. Ein Mensch prüft seine Ergebnisse. Wenn etwas falsch ist, wird es korrigiert. Wenn ein Audit fragwürdig ist, wird es manuell nachgeprüft.
Das ist nicht glamourös, aber notwendig.
3. Spezialisierung
Arvid macht drei Dinge, nicht hundert. Er ist für Website-Audits gebaut, nicht als universeller Problemlöser.
Das ist der Gegenpol zu „einen KI-Agenten bauen, der alles macht“. Zu spezialisiert → zu starr. Zu universell → zu fehlerhaft.
Das ist genauso wichtig:
- Er entscheidet nicht, ob eine Website „gut“ ist. Das ist Interpretation.
- Er schreibt keinen Artikel komplett selbst. Er generiert Vorschläge, die ein Mensch redigiert.
- Er ändert keine Prozesse eigenständig. Er schlägt vor, wartet auf Feedback.
Viktor ist ein Assistent, nicht ein Ersatz.
So sieht Arvid intern aus:
- Trigger: Jede Woche Montag um 8 Uhr.
- Input: Die URL der Website, die geprüft werden soll.
- Audit-Phase: Viktor besucht die Site, sammelt Daten (Accessibility, Performance, SEO).
- Analyse-Phase: Er vergleicht mit Best Practices, erkennt Probleme.
- Content-Phase: Er schreibt einen Draft-Artikel über die Ergebnisse.
- Output: Report an die Kreativstation, mit Flaggen für „manuell prüfen“.
Das ist RPA + KI + Workflow-Design. Jede Komponente hat eine klare Aufgabe.
Routineaufgaben mit großem Skalierungs-Potenzial:
- Customer Service (erste Ebene)
- Report-Generierung aus strukturierten Daten
- Code-Reviews (mit manueller Freigabe)
- Daten-Cleanup und Harmonisierung
- Monitoring und Anomalie-Erkennung
NICHT sinnvoll:
- Hochgradig kreative Arbeit (ohne manuelles Handwerk danach)
- Kritische finanzielle Entscheidungen
- Rechtliche Dokumentation (ohne Jurist danach)
- Etwas, das du nicht selbst erklären kannst
Das zweite ist wichtig: Wenn du nicht verstehst, warum der Agent so entschieden hat, solltest du ihm die Entscheidung nicht geben.
Agenten scheitern in diesen Szenarien oft:
-
Halluzination: Der Agent „erfindet“ Daten, wenn die nicht vorhanden sind. Ein Website-Audit kann sich plötzlich auf eine nicht existierende Seite beziehen.
-
Token-Limit: Der Agent vergisst frühere Schritte, weil sein „Gedächtnis“ begrenzt ist. Viktor muss daher nach jedem Schritt seine bisherigen Erkenntnisse speichern.
-
Zirkelbewegungen: Der Agent versucht, ein Problem zu lösen, das er nicht lösen kann und versucht es immer wieder, in Variationen.
-
Fehlerhafte Prioritäten: Der Agent macht das, was er kann und nicht das, was am wichtigsten ist.
Das sind keine technischen Fehler. Das sind konzeptionelle Grenzen von LLMs und Agenten.
Phase 1: Stark begrenzen Start klein. Ein Agent, eine Aufgabe. Viktor macht Website-Audits, nicht allgemeine Datenanalyse.
Phase 2: Viel Monitoring Logs alles. Wie ist der Agent vorgegangen? Welche Fehler sind passiert? Erst, wenn du das verstehst, skalierst du.
Phase 3: Human-in-the-Loop Ein Mensch prüft immer. Egal wie sicher du dir bist. Eine Vier-Augen-Regel ist essentiell.
Phase 4: Iterative Verbesserung Nach jedem Durchlauf: Was war falsch? Wo kann der Agent besser werden? Was brauchst du manuell zu ändern?
Das ist nicht automation. Das ist Mensch + Agent, nicht Agent statt Mensch.
Agentische KI ist mächtig. Sie kann Routinen automatisieren, die Menschen Stunden pro Woche kosten. Viktor ist ein gutes Beispiel: Er spart der Kreativstation 8–10 Stunden pro Woche bei Website-Audits.
Aber er ersetzt keinen Menschen. Er unterstützt ihn.
Und die meisten KI-Projekte scheitern nicht an der Technologie. Sie scheitern, weil Leute vergessen, dass der Agent auch einen Menschen braucht, der sagt: „Moment, das stimmt nicht“ oder „Das ist zu teuer“ oder „Das ist rechtlich fragwürdig“.
Agentische KI funktioniert nur mit guten Menschen hinter ihr.
