Ein KI-Agent ist ein System, in dem ein Sprachmodell seine nächsten Schritte selbst wählt und über Tools handelt, bis die Aufgabe erledigt ist oder ein Limit es stoppt. Agentische KI (Agentic AI) ist ein lockereres Etikett, das für Systeme aus mehreren Agenten, für jedes LLM-System mit etwas Autonomie oder für die Produktkategorie insgesamt verwendet wird. Stand November 2026 haben wir keine Normungsorganisation und keine Aufsichtsbehörde gefunden, die die beiden Begriffe gegeneinander abgrenzt. Behandeln Sie den Unterschied also als Konvention, die von Autor zu Autor wechselt.

Für Einkäufer ist die engere Frage die nützlichere: Welche Entscheidungen trifft das Modell zur Laufzeit, und was kann es dabei verändern? Im Folgenden: wer welche Definition nutzt, die sechs Arten von Systemen, die durcheinandergeraten, und was das Etikett bei einem Kauf ändern sollte. Sehr wenig, wie sich zeigt.

Wer was definiert und wo es sich widerspricht

Die meisten kursierenden Definitionen stammen von Anbietern, und diese sind sich in mehr als nur der Formulierung uneins.

Anthropics „Building effective agents“ (Dezember 2024) zieht die Grenze innerhalb des Systems. Agenten sind LLMs, die ihren Prozess und ihre Tool-Nutzung selbst steuern; Workflows laufen auf Codepfaden, die ein Entwickler vorab festgelegt hat. „Agentische Systeme“ ist Anthropics Oberbegriff für beides, eine feste Prompt-Kette gilt in diesem Vokabular also als agentisch, ohne ein Agent zu sein.

OpenAIs „A practical guide to building agents“ (April 2025) ist bestimmter darin, was nicht dazugehört: „Agenten sind Systeme, die eigenständig Aufgaben in Ihrem Auftrag erledigen.“ Anwendungen, die ein LLM nutzen, ohne ihm die Kontrolle über die Workflow-Ausführung zu geben, „sind keine Agenten“, und der Leitfaden nennt „einfache Chatbots, Single-Turn-LLMs oder Sentiment-Klassifikatoren“ als Beispiele.

IBM behandelt die Begriffe als Teile und Ganzes. Seine Think-Erklärtexte beschreiben einen KI-Agenten als System, das Aufgaben autonom ausführt, indem es mit den verfügbaren Tools Workflows entwirft, und agentische KI als System, das mit begrenzter Aufsicht ein bestimmtes Ziel erreicht und aus KI-Agenten besteht.

Die Übersicht „AI Agent Ecosystem“ von Google Cloud ist viel lockerer. Sie beschreibt KI-Agenten als KI-gestützte Anwendungen, die Anfragen in natürlicher Sprache verstehen und darauf antworten, und eine Bildunterschrift ergänzt generative Modelle, die auf Ziele hin denken und handeln. Wörtlich genommen deckt die erste Hälfte davon eine ganze Reihe von Chatbots ab.

Die Quelle, die den Gegensatz zu ihrem ganzen Thema macht, ist ein Paper von Sapkota, Roumeliotis und Karkee, „AI Agents vs. Agentic AI“ (arXiv 2505.10468, 2025, mit Journal-Referenz auf Information Fusion). Die Autoren reservieren „KI-Agenten“ für modulare, aufgabenspezifische Automatisierung und „agentische KI“ für die Zusammenarbeit mehrerer Agenten mit dynamischer Aufgabenzerlegung, persistentem Gedächtnis und koordinierter Autonomie. Das ist die sauberste Fassung der Trennung, und es ist ein Vorschlag dreier akademischer Autoren.

Auch Normungsorganisationen klären das nicht. Die Seite der AI Agent Standards Initiative des NIST, aktualisiert am 14. August 2026, beschreibt Agenten als fähig zu autonomen Handlungen und gibt keine formale Definition. Die Wörter tauchen außerdem als Kategorienamen auf: Die im Dezember 2025 angekündigte Agentic AI Foundation der Linux Foundation beherbergt MCP, goose und AGENTS.md, und OWASP veröffentlicht eine Top 10 for Agentic Applications. Keiner dieser Namen trennt Agenten von agentischer KI.

Ein System, drei Etiketten

Nehmen wir ein allgemeines Beispiel. Ein Support-Ablauf klassifiziert jede eingehende E-Mail, holt die passende Richtlinie über einen Retrieval-Aufruf und lässt einen einzelnen Modellaufruf die Antwort entwerfen. Jeden Schritt hat ein Entwickler festgelegt.

In Anthropics Vokabular ist das ein agentisches System und ein Workflow, aber kein Agent. Nach OpenAI ist es kein Agent, weil das Modell nie die Ausführung kontrolliert. IBMs Formulierung passt schlecht, weil keine Agenten darin stecken. Sapkota et al. würden es weder das eine noch das andere nennen.

Lassen Sie das Modell nun entscheiden, welches von vier Tools es wie oft aufruft, bevor es den Entwurf schreibt. Anthropic, OpenAI und IBM würden das alle einen Agenten nennen. Ob es auch agentische KI ist, hängt vom Autor ab: IBMs Definition kann es einschließen, als zielgerichtetes System auf Basis eines Agenten, und die von Sapkota schließt es aus, weil nichts mit irgendetwas zusammenarbeitet.

Ein Anbieter könnte beide Versionen als „Agentic-AI-Plattform“ verkaufen und die Formulierung mit einem Verweis auf eine veröffentlichte Definition verteidigen.

Die sechs Systeme, die durcheinandergeraten

Die Tabelle ist unser Arbeitsvokabular. Bei der Frage, wo die Grenze zum Agenten verläuft, folgt sie Anthropic und OpenAI. Keine der oben genannten Quellen definiert „Assistent“ formal, diese Zeile beschreibt also den üblichen Sprachgebrauch und nichts Festeres.

System Was es ist Wer den nächsten Schritt wählt Kann es andere Systeme ändern? Allgemeines Beispiel Erste Testfrage
LLM Ein Modell, das Eingabetext in Ausgabetext umwandelt; keine eigenen Tools, keine eigene Schleife Niemand: ein Aufruf, eine Antwort Nein Ein API-Aufruf, der die Stimmung einer Rezension klassifiziert Ist die Ausgabe korrekt?
Chatbot Ein LLM oder Regelwerk hinter einer Konversation, oft mit Retrieval Der Nutzer, Zug um Zug Meist nicht; er liest und antwortet Fragen zu Richtlinien, beantwortet aus internen Dokumenten Sind die Antworten richtig und auf eine Quelle zurückführbar?
Assistent Eine Hilfe in einem Tool oder Chat, die entwirft und vorschlägt, während ein Mensch entscheidet Der Nutzer, das Modell schlägt vor Nur wenn der Nutzer bestätigt Eine Antwort im Service Desk entwerfen Prüfen Menschen wirklich, was es vorschlägt?
Workflow Feste Codepfade mit LLM-Schritten darin Der Entwickler, im Voraus Ja, entlang der definierten Pfade Rechnungsfelder extrahieren, validieren, einen ERP-Eintrag vorbereiten Besteht jeder Pfad seine Tests?
Agent Ein Modell in einer Schleife, das Tools wählt und Ergebnisse liest, bis es fertig ist oder gestoppt wird Das Modell, innerhalb der im Code gesetzten Limits Ja, über die Tools, die es hat Ein Ticket über drei Systeme hinweg untersuchen und eine Lösung vorschlagen Erreicht es den richtigen Endzustand, und was passiert, wenn nicht?
Agentisches System Anthropic: eine der beiden Zeilen darüber. Sapkota et al.: mehrere koordinierte Agenten Hängt vom Autor ab, also nachfragen Ja, oft unter mehreren Berechtigungssätzen Ein Planer, der Teilaufgaben an spezialisierte Agenten übergibt Wer prüft das Endergebnis gegen die ursprüngliche Aufgabe?

KI-Agent vs. LLM

Das LLM ist eine Komponente, und der Agent ist die Software darum herum: die Schleife, die Tools, der Zustand, die Limits. Tauschen Sie das Modell, und Sie haben immer noch denselben Agenten. Entfernen Sie Schleife und Tools, und Sie haben einen API-Aufruf. Unsere Referenz zur KI-Agenten-Architektur geht diese Komponenten einzeln durch.

KI-Agent vs. Chatbot

Die Oberfläche entscheidet nichts. Ein Chatfenster kann vor einem Agenten sitzen, und ein Agent kann ganz ohne Chatfenster laufen, ausgelöst durch eine eingehende Rechnung. OpenAIs Test ist der nützliche: Kontrolliert das Modell die Ausführung des Workflows?

Zwei bekannte Beispiele gehören auf die Chatbot-Seite. Klarna beschrieb sein System von 2024 als KI-Assistenten, und das Urteil zu Air Canada betraf einen Chatbot. Keines von beiden ist ein Beleg dafür, was autonome Agenten tun. Wenn Retrieval und eine gute Antwort das Problem lösen, hat ein Chatbot weniger Pfade zum Testen und weniger, was er beschädigen kann.

KI-Agent vs. KI-Assistent

Das ist die schwächste der drei Grenzen, und Produkte überschreiten sie mit einer geänderten Einstellung. Im üblichen Sprachgebrauch bleibt die Entscheidung bei einem Assistenten bei einem Menschen, und dort setzt auch die Orientierungshilfe der BaFin zu IKT-Risiken beim Einsatz von KI ihre niedrigere Latte an: KI in kritischen oder wichtigen Funktionen braucht mehr Kontrollen als Self-Service-Assistenten unter voller menschlicher Aufsicht. Diese Orientierungshilfe ist ausdrücklich unverbindlich und formuliert keine aufsichtlichen Erwartungen, aber die Logik lässt sich übertragen. Aufsicht und Funktion bestimmen die Kontrollen.

Unser Rat: Hat ein Assistent eine Option, ohne Bestätigung zu handeln, bewerten Sie ihn für jede Aktion, die diese Option abdeckt, als Agenten.

Was das Etikett für Einkäufer ändert

Für sich genommen nichts Rechtliches oder Technisches. Die Einträge in Anhang III der KI-Verordnung (EU AI Act) sind um Zwecke herum formuliert, etwa die Bewertung der Kreditwürdigkeit natürlicher Personen oder Risikobewertung und Preisbildung bei Lebens- und Krankenversicherungen. Ein Agent, ein Workflow und ein konventionelles Scoring-Modell, die dieselbe Aufgabe erledigen, landen im selben Eintrag.

Bei der Haftung ist es genauso. In Moffatt v. Air Canada (2024 BCCRT 149, zusammengefasst von McCarthy Tétrault) wurde die Fluggesellschaft wegen fahrlässiger Falschdarstellung durch ihren Chatbot haftbar gemacht, und ihr Argument, der Bot sei eine eigenständige Einheit, wurde zurückgewiesen. Ein Small-Claims-Tribunal schafft keinen EU-Präzedenzfall. Trotzdem war in dem Fall gar kein Agent beteiligt, ein Unternehmen sollte also nicht erwarten, dass ein Etikett mit weniger Autonomie es schützt.

Eines ändert das Etikett doch: wie skeptisch Sie sein sollten. Gartner prognostizierte im Juni 2025 laut Reuters, dass bis Ende 2027 mehr als 40 % der Projekte mit agentischer KI wegen Kosten und unklarem Nutzen eingestellt werden, und bezifferte die Zahl echter Agenten-Anbieter auf etwa 130 von Tausenden, wobei es für diese Lücke den Begriff Agent Washing verwendete. Das ist eine Prognose und die Schätzung eines Analysten, inzwischen über ein Jahr alt. Grund genug, zu fragen, was hinter dem Wort steckt.

Was sich wirklich unterscheidet, wenn das System ein Agent ist

Zuerst ändert sich das Testen. Ein Workflow hat eine bekannte Menge an Pfaden, und jeder lässt sich testen. Der Pfad eines Agenten wird zur Laufzeit entschieden, Sie beurteilen also Ergebnisse über wiederholte Runs. Anthropics „Demystifying evals for AI agents“ (Januar 2026) empfiehlt, mit 20 bis 50 einfachen Tasks aus realen Fehlern zu beginnen.

Das Risiko wächst mit dem, was das Modell unaufgefordert tun darf. OWASPs LLM Top 10 für 2026 führt Excessive Agency als LLM03, und unser Artikel zur Sicherheit von KI-Agenten behandelt dieses Bedrohungsmodell gründlich. OpenAIs Leitfaden nennt zwei Auslöser dafür, einen Menschen einzubeziehen: das Überschreiten von Fehlerschwellen und Aktionen, die „sensibel oder unumkehrbar sind oder bei denen viel auf dem Spiel steht“.

Auch die Leistungsfähigkeit ist geringer, als Demos vermuten lassen. Im Benchmark TheAgentCompany von Xu et al. erledigte der beste Agent in einem simulierten Unternehmen rund 30 % der Aufgaben autonom. Das ist ein Benchmark, und seine neueste Version stammt von September 2025, lesen Sie ihn also als grobe Vorannahme.

Dann ist da die schlichte Frage nach dem Bedarf. Microsofts Dokumentation zum Agent Framework sagt, Sie sollten die Funktion schreiben, wenn eine Funktion die Aufgabe erledigen kann, und sein Leitfaden zu Orchestrierungsmustern rät zur niedrigsten Komplexitätsstufe, die die Anforderung zuverlässig erfüllt. Beides kommt von einem Unternehmen, das Agenten-Tools zu vermarkten hat, was den Rat glaubwürdiger macht. Ein Multi-Agenten-Design bringt eigene Kosten obendrauf, und die Produktionspraxis behandelt unser Artikel zur KI-Agenten-Entwicklung.

Sechs Fragen, die das Etikett ersetzen

  1. Welche Entscheidungen trifft das Modell zur Laufzeit, und welche sind im Code festgelegt?
  2. Welche Tools kann es aufrufen, mit welchen Zugangsdaten, und welche dieser Tools schreiben?
  3. Welche Aktionen halten für einen Menschen an, und ist das im Code durchgesetzt oder nur in einem Prompt erbeten?
  4. Was beendet einen Run, außer dass das Modell sagt, es sei fertig?
  5. Können wir einen vollständigen Trace eines Runs sehen, einschließlich jedes Tool-Aufrufs und seines Ergebnisses?
  6. Falls es mehrere Agenten gibt: warum? Was würde mit einem brechen?

Lautet die Antwort auf die erste Frage „keine“, kaufen Sie einen Workflow, und das kann durchaus der richtige Kauf sein. Verlangen Sie, dass er als solcher getestet und gesteuert wird.

Wir würden „agentisch“ außerdem ganz aus Anforderungsdokumenten heraushalten. Schreiben Sie auf, welche Entscheidungen das System treffen darf und welche Systeme es anfassen darf. Zwei Teams, die „agentische KI“ lesen, können sich unterschiedliche Architekturen vorstellen. Zwei Teams, die „darf Tickets anlegen, darf sie nicht schließen“ lesen, nicht. Wie es danach weitergeht, zeigt KI-Agent erstellen, und Einsätze nach Unternehmensfunktion finden Sie unter KI-Agenten für Unternehmen.

Häufig gestellte Fragen

Was ist der Unterschied zwischen KI-Agenten und agentischer KI?

Ein KI-Agent ist ein einzelnes System, in dem ein Modell seine nächsten Schritte wählt und Tools nutzt. Agentische KI hat keine feststehende Bedeutung: IBM verwendet den Begriff für ein System aus Agenten, Anthropics „agentische Systeme“ schließen auch feste Workflows ein, und Sapkota et al. reservieren ihn für die Zusammenarbeit mehrerer Agenten.

Bedeutet agentische KI Multi-Agenten?

In der Taxonomie von Sapkota et al. ja. In Anthropics Vokabular nein, weil agentische Systeme auch Workflows ganz ohne Agenten umfassen. Verwendet ein Anbieter den Begriff, fragen Sie, wie viele Agenten das Produkt betreibt und was jeder von ihnen darf.

Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?

Die Kontrolle über die Ausführung. Ein Chatbot antwortet innerhalb einer Konversation, und der Nutzer steuert jeden Zug. Ein Agent entscheidet, welches Tool er als Nächstes aufruft, und kann in anderen Systemen handeln. Eine Chat-Oberfläche kann vor beiden sitzen, die Oberfläche sagt also nichts aus.

Ist ein LLM ein KI-Agent?

Nein. Ein LLM erzeugt aus einer Eingabe eine Ausgabe. Zum Teil eines Agenten wird es, wenn Software es mit Tools, Zustand und Limits in eine Schleife einbettet. OpenAIs Leitfaden sagt, dass Single-Turn-LLM-Anwendungen keine Agenten sind.

Das richtige System eingrenzen mit AI Superior

AI Superior ist ein KI-Engineering-Unternehmen aus Darmstadt, 2019 von KI-Wissenschaftlern gegründet. Wir bauen LLM-Anwendungen, Chatbots, RAG-Systeme und KI-Agenten für B2B-Kunden, und der erste Teil dieser Arbeit besteht oft darin zu klären, in welche Zeile der Tabelle oben eine Aufgabe gehört. Unsere Leistungen in der KI-Agenten-Entwicklung decken diese Entscheidung und den darauf folgenden Bau ab.

Quellen und weiterführende Literatur

  • Anthropic: „Building effective agents“, Dezember 2024.
  • Grace, Hadfield, Olivares, De Jonghe (Anthropic): „Demystifying evals for AI agents“, Januar 2026.
  • OpenAI: „A practical guide to building agents“, April 2025.
  • Google Cloud: AI Agent Ecosystem overview, ohne Datum, abgerufen im November 2026.
  • Gutowska, A. (IBM Think): Erklärtext zu KI-Agenten, ohne Datum, abgerufen im November 2026.
  • Stryker, C. (IBM Think): Erklärtext zu agentischer KI, ohne Datum, abgerufen im November 2026.
  • Sapkota, Roumeliotis, Karkee: „AI Agents vs. Agentic AI“, arXiv 2505.10468, 2025 (Journal-Referenz: Information Fusion).
  • NIST CAISI: AI Agent Standards Initiative, Seite aktualisiert am 14. August 2026.
  • Linux Foundation: Ankündigung der Agentic AI Foundation, 9. Dezember 2025.
  • OWASP: GenAI LLM Top 10 2026; Top 10 for Agentic Applications for 2026.
  • Xu et al.: „TheAgentCompany“, arXiv 2412.14161, Version von September 2025.
  • Microsoft: Agent Framework overview, aktualisiert im Oktober 2026; „AI Agent Orchestration Patterns“, 12. Februar 2026.
  • BaFin: Guidance on ICT Risks in the Use of AI at Financial Entities, englische Fassung vom 23. Januar 2026.
  • Verordnung (EU) 2024/1689 (KI-Verordnung), Anhang III.
  • Moffatt v. Air Canada, 2024 BCCRT 149; Zusammenfassung von McCarthy Tétrault, 19. Februar 2024.
  • Reuters über The Star: Bericht zur Gartner-Prognose zu agentischer KI, 25. Juni 2025.
  • Klarna: Pressemitteilung zu seinem KI-Assistenten, 27. Februar 2024.