Auf dem Regal steht ein Kochbuch. Dick, klug, vollgesogen mit Wissen. Es kennt jedes Rezept, jede Gartemperatur, jeden Kniff mit dem Salz.
Und es rührt sich nicht.
Daneben steht ein Koch. Er liest das Rezept, öffnet den Kühlschrank, stellt fest: keine Sahne mehr da. Also ändert er den Plan. Er schnippelt, würzt, probiert, salzt nach. Am Ende steht ein Teller auf dem Tisch. Dampfend, fertig.
Das Kochbuch weiß. Der Koch handelt.
In diesem schmalen Spalt zwischen Wissen und Handeln liegt das ganze Thema. Und genau dieser Spalt erklärt, warum auf einmal alle über KI-Agenten reden, als hätte jemand den Schalter für eine neue Art von Software gefunden.
Das Wort verrät es schon. „Agent“ kommt vom lateinischen agere: handeln, tun, verrichten (Gabler Wirtschaftslexikon). Ein KI-Agent ist ein Softwaresystem, das ein Ziel verfolgt: Es nimmt seine Umgebung wahr, verarbeitet Informationen, trifft Entscheidungen und führt selbstständig Aktionen aus, um dieses Ziel zu erreichen (AWS). Der Mensch sagt, was am Ende auf dem Teller liegen soll. Den Weg dorthin sucht sich der Agent selbst.
Das klingt nach einer Kleinigkeit. Es ist eine Verschiebung.
Ein KI-Agent nimmt wahr, plant, handelt und prüft Ergebnisse, bis aus einem Ziel eine fertige Lösung wird.
Was einen KI-Agenten vom Chatbot unterscheidet
Die meisten Menschen kennen KI als Chatbot. Man tippt eine Frage, man bekommt eine Antwort. Frage rein, Antwort raus. Danach hat das System schon wieder vergessen, dass man je miteinander gesprochen hat.
Ein Chatbot ist das Kochbuch, das zurückredet. Praktisch. Aber es steht nicht auf, geht nicht einkaufen, macht keinen Abwasch.
Ein KI-Agent schon.
Der Unterschied steckt in einem unscheinbaren Wort aus der Programmierung: der Schleife. Ein Chatbot macht einen Schritt und ist fertig. Ein Agent macht den Schritt, schaut sich das Ergebnis an, korrigiert, macht den nächsten. Und wieder. Und wieder. So lange, bis das Ziel erreicht ist.
So arbeitet ein Koch. Und so arbeitet ein KI-Agent.
Wie ein KI-Agent arbeitet
Stellen Sie sich einen Abend in der Küche vor. Der Ablauf wiederholt sich, Teller für Teller:
Er schaut nach, was da ist. Wahrnehmen. Er entscheidet, was daraus wird. Planen. Er kocht. Handeln. Er probiert. Prüfen. Und wenn es nicht stimmt, beginnt er von vorn.
Genau diese Runde ist der Kern. In der Sprache der Fachleute heißt sie Agenten-Schleife, und sie läuft immer gleich: wahrnehmen, denken, planen, handeln, beobachten. Eine reine Sprachmaschine antwortet einmal und ist erledigt. Ein Agent dreht die Runde so oft, bis die Aufgabe wirklich fertig ist.
Ein Beispiel, ganz ohne Küche. Der Auftrag lautet: „Finde für Kundin Meyer einen Liefertermin und bestätige ihn.“ Ein Chatbot würde sagen: „Schauen Sie in Ihren Kalender.“ Ein KI-Agent öffnet den Kalender selbst, prüft die freien Slots, gleicht sie mit der Route ab, trägt den Termin ein, verschickt die Bestätigung. Und merkt er dabei, dass sich etwas überschneidet, sucht er einen neuen. Fünf Schritte, ein Ziel, kein Zwischenruf nötig.
Damit das gelingt, braucht der Agent vier Dinge. Wie ein Koch:
Ein Urteilsvermögen, das die Lage liest. Das übernimmt heute meist ein großes Sprachmodell, das Verstehen und Schlussfolgern beisteuert.
Ein Gedächtnis, das nicht nach jedem Teller verfällt. Notizen über dem Herd, an die er sich auch morgen noch hält.
Einen Plan, der ein großes Ziel in kleine, machbare Schritte zerlegt.
Und Werkzeuge: Messer, Herd, das Telefon, um zu bestellen, was fehlt. Beim Agenten sind das die Schnittstellen zu anderen Programmen, zu Datenbanken, zum Netz.
Eine bekannte Kurzformel bringt es auf den Punkt: Agent gleich Sprachmodell plus Gedächtnis plus Planung plus Werkzeuge. Nehmen Sie eines davon weg, und der Koch steht mit leeren Händen vor dem Herd.
Nicht zu verwechseln mit gewöhnlicher Automatisierung
Jetzt könnte man einwenden: Aufgaben automatisch erledigen, das kann Software doch längst.
Stimmt. Aber der Unterschied ist der zwischen einer Mikrowelle und einem Koch.
Die Mikrowelle führt ein festes Programm aus. Drei Minuten, Stufe acht, Klingel. Fehlt eine Zutat, läuft sie trotzdem stur weiter. Sie kennt nur ihren Ablauf, nie die Lage.
Der Koch dagegen merkt, dass der Fisch nicht geliefert wurde, und macht eben Pasta. Klassische Automatisierung folgt starren Regeln. Ein KI-Agent wählt seine Schritte selbst und kommt auch mit dem Unerwarteten zurecht.
Die Idee ist übrigens nicht neu. Schon in den 1990er Jahren sprach man von Softwareagenten, und selbst ein simpler Thermostat ist im Grunde ein winziger Agent: Er misst, vergleicht, schaltet (Wikipedia). Neu ist, was mit dem Aufstieg der großen Sprachmodelle dazukam. Ein Koch, der nicht nur eine Handvoll Regeln kennt, sondern Sprache versteht, Zusammenhänge erfasst und improvisiert, wenn die Sahne fehlt.
Wo KI-Agenten schon arbeiten
Drei Felder, in denen sie heute am sichtbarsten sind:
Im Kundenservice. Hier nimmt der Agent eine Anfrage entgegen, sucht eigenständig in internen Dokumenten, formuliert eine Lösung und löst den Fall, ohne dass jemand jeden Schritt anstößt.
Beim Programmieren. Sogenannte Coding-Agenten lesen eine Aufgabe, schreiben Code, testen ihn, finden den Fehler, schreiben ihn um. Ausgerechnet hier sind die Fortschritte am deutlichsten.
In der Recherche und Datenanalyse. Quellen sichten, vergleichen, verdichten, Widersprüche markieren. Arbeit, die früher Stunden fraß und jetzt in einer Schleife abläuft.
Die Liste wird länger, fast im Wochentakt. Aber Verbreitung ist nicht dasselbe wie Verlässlichkeit. Und genau da wird es interessant.
Selten allein: das Multi-Agenten-System
In großen Küchen kocht niemand für sich. Da steht einer am Posten für die Saucen, einer am Grill, einer für die Desserts. Und ein Küchenchef, der die Bestellungen verteilt, den Takt vorgibt und am Ende alle Teller im selben Moment auf den Pass bringt.
Genauso bauen sich anspruchsvollere Systeme auf. Statt eines einzigen Agenten arbeiten mehrere spezialisierte zusammen, jeder für seinen Teil. Ein übergeordneter Agent verteilt die Aufgaben und fügt die Ergebnisse zu einer Lösung zusammen. Man spricht dann von einem Multi-Agenten-System oder, etwas weiter gefasst, von agentischer KI.
Der Vorteil leuchtet sofort ein. Ein Koch, der alles auf einmal macht, lässt irgendwann die Sauce anbrennen, während er den Fisch wendet. Eine eingespielte Brigade nicht. Der Preis dafür: Je mehr Hände am Werk sind, desto wichtiger wird der eine, der den Überblick behält.
Die bekanntesten KI-Agenten im Überblick: 25 Werkzeuge im Vergleich
Theorie ist das eine. Aber welche Köche stehen eigentlich gerade in den Küchen?
Hier eine kuratierte Auswahl von 25 KI-Agenten, nach Einsatzgebiet sortiert, jeder mit einem Satz zur Stärke und einem zur Grenze. Eines vorweg: Dieses Feld dreht sich schnell. Preise, Funktionen und Verfügbarkeiten ändern sich fast im Monatstakt, ein Blick auf die jeweilige Seite ersetzt diese Liste nicht. Und „bekannt“ heißt nicht „für Sie das Richtige“. Der beste Agent ist nicht der mit den meisten Schlagzeilen, sondern der, der zu Ihrer Aufgabe passt.
Allzweck- und Computer-Use-Agenten
ChatGPT von OpenAI ist der bekannteste KI-Assistent überhaupt. Im Agent-Modus steuert er einen virtuellen Browser samt Rechner und erledigt mehrstufige Aufgaben selbst. Die Stärke: riesige Verbreitung, vielseitig, niedrige Einstiegshürde. Die Grenze: der Agent arbeitet in einer abgeschotteten Cloud-Umgebung und greift nicht direkt auf Ihre lokalen Dateien zu, die volle Autonomie hängt am teureren Tarif.
Claude von Anthropic ist auf sorgfältiges Schlussfolgern ausgelegt und bedient über die Funktion Cowork als Desktop-Agent Dateien und Programme, andere Werkzeuge bindet er über die offene Schnittstelle MCP an. Die Stärke: genaues Befolgen von Anweisungen, lange Dokumente, saubere Werkzeuganbindung. Die Grenze: das Angebot an fertigen Erweiterungen ist schmaler als bei ChatGPT.
Google Gemini ist tief in Google Workspace verwoben und schreibt in Gmail, Docs und Tabellen mit. Die Stärke: gewaltiges Kontextfenster, multimodal, nahtlos im Google-Alltag. Die Grenze: agiert eher reaktiv, die wirklich autonomen Browser-Funktionen sind teils noch regional begrenzt.
Microsoft Copilot ist der Assistent für die Microsoft-Welt: Word, Excel, Outlook, Teams. Die Stärke: tiefe Integration in Microsoft 365 und unternehmenstaugliche Sicherheits- und Verwaltungskontrollen. Die Grenze: mittlere Autonomie, eigenständige Browser-Steuerung nur eingeschränkt.
Manus ist ein autonomer Allzweck-Agent, der aus einem einzigen Auftrag heraus recherchiert, Code schreibt, Präsentationen baut und das Ergebnis am Stück liefert. Die Stärke: echtes „Ziel nennen und weggehen“. Die Grenze: komplexe Läufe verbrauchen viel Rechenbudget und sind entsprechend teuer, das Produkt ist noch jung.
Perplexity ist ein Rechercheassistent, der seine Antworten mit Quellen belegt und sauber zitiert. Die Stärke: schnelle, nachprüfbare Antworten, ideal für Recherche und Faktencheck. Die Grenze: stärker auf Breite und Tempo ausgelegt als auf tiefe Eigenanalyse.
Coding-Agenten für die Softwareentwicklung
Claude Code von Anthropic lebt direkt im Terminal, führt Tests aus, ändert über mehrere Dateien hinweg und korrigiert sich selbst. Die Stärke: großes Kontextfenster für ganze Projekte, nah an der Werkbank des Entwicklers. Die Grenze: ohne Programmier-Grundlagen kaum sinnvoll zu bedienen.
OpenAI Codex ist OpenAIs Coding-Plattform über App, Cloud und Kommandozeile. Sie plant eine Aufgabe, setzt sie um und liefert einen fertigen Änderungsvorschlag. Die Stärke: kräftige eigenständige Ausführung, eng mit dem OpenAI-Ökosystem verzahnt. Die Grenze: am stärksten innerhalb der OpenAI-Welt.
Cursor ist eine KI-native Entwicklungsumgebung, gebaut um blitzschnelle Code-Vervollständigung und einen Agentenmodus für Änderungen über viele Dateien. Die Stärke: flüssiges Arbeiten im Editor, sehr verbreitet. Die Grenze: der volle Nutzen entsteht erst, wenn Cursor zur Haupt-Umgebung wird, nutzungsbasierte Kosten können klettern.
GitHub Copilot ist der Pionier unter den Code-Assistenten, heute mit eigenem Agentenmodus, der aus einem GitHub-Ticket selbstständig einen Lösungsvorschlag erarbeitet. Die Stärke: niedrigste Einstiegshürde für Teams, die ohnehin auf GitHub arbeiten. Die Grenze: bei wirklich autonomer, vielschichtiger Arbeit wechseln viele später zu spezialisierteren Werkzeugen.
Devin von Cognition ist ein vollautonomer „KI-Softwareingenieur“, der eine Aufgabe entgegennimmt und in eigener Umgebung von der Planung bis zum fertigen Vorschlag durcharbeitet. Die Stärke: echtes Delegieren abgeschlossener Aufgaben. Die Grenze: teuer, lange Rückkopplungsschleifen, am besten für klar umrissene Aufträge.
Windsurf ist eine agentische Entwicklungsumgebung mit Fokus auf langes Kontextverständnis und Team-Verwaltung. Die Stärke: günstiger Einstieg, brauchbare Kontrollfunktionen für Teams. Die Grenze: kleinere Gemeinschaft als beim Marktführer.
Replit Agent baut in einer reinen Cloud-Umgebung ganze Anwendungen aus einer Beschreibung, inklusive Hosting. Die Stärke: vom Prompt zur lauffähigen App ohne lokale Einrichtung. Die Grenze: an die Replit-Plattform gebunden.
Kundenservice-Agenten
Salesforce Agentforce ist die Agentenschicht für Salesforce und bearbeitet Serviceanfragen mit den vorhandenen CRM-Daten. Die Stärke: ein Rundumblick auf die Kundendaten im Salesforce-Kosmos. Die Grenze: Einführung und Betrieb sind aufwendig und kostspielig, der volle Nutzen entsteht erst mit weiteren Salesforce-Bausteinen.
Fin von Intercom löst Anfragen über Chat, E-Mail und Telefon eigenständig und lässt sich an bestehende Helpdesks andocken. Die Stärke: hohe, messbare Lösungsquoten, Abrechnung pro tatsächlich gelöstem Fall. Die Grenze: außerhalb klassischer Support-Kanäle weniger breit.
Sierra ist eine Premium-Plattform für markenstarke, natürlich klingende Kundendialoge. Die Stärke: hohe Gesprächsqualität, ergebnisbasierte Abrechnung. Die Grenze: lange Einführungszeiten und Preise im oberen Segment, ein separater Helpdesk bleibt nötig.
Decagon automatisiert Servicefälle über strukturierte Ablaufregeln vollständig. Die Stärke: tiefe Anpassbarkeit und durchgehende Qualitätsüberwachung. Die Grenze: die Einrichtung kostet spürbaren Entwicklungsaufwand, die Preise sind intransparent.
Zendesk AI bringt Agentenfunktionen direkt in die Zendesk-Suite: Vorsortierung, Antwortvorschläge, automatische Fallbearbeitung. Die Stärke: nahtlos für Teams, die schon Zendesk nutzen. Die Grenze: am stärksten innerhalb des eigenen Ökosystems.
Business- und Workflow-Automatisierung
Microsoft Copilot Studio ist ein Baukasten, mit dem auch Menschen ohne Programmierkenntnisse eigene Agenten für Microsoft-365-Abläufe zusammenstellen. Die Stärke: visuelle Erstellung, unternehmensreife Kontrolle. Die Grenze: am sinnvollsten im Microsoft-Umfeld.
Lindy ist ein No-Code-Agent für wiederkehrende Büroabläufe: Posteingang sortieren, Termine koordinieren, das CRM pflegen. Die Stärke: das, was Automatisierung immer versprochen hat, nur mit echtem Mitdenken. Die Grenze: für sehr spezielle oder stark regulierte Prozesse oft zu generisch.
n8n ist eine quelloffene Plattform für visuelle Arbeitsabläufe, in die sich KI-Agenten einhängen lassen. Die Stärke: volle Kontrolle, selbst hostbar, sehr flexibel. Die Grenze: setzt Aufbauarbeit und technisches Grundverständnis voraus.
Frameworks: Agenten selbst bauen
LangGraph aus dem LangChain-Ökosystem ist die verbreitete Wahl für komplexe, zustandsbehaftete Abläufe mit präziser Kontrolle über Verzweigungen und menschliche Freigaben. Die Stärke: feingranulare Steuerung, produktionstauglich. Die Grenze: steilere Lernkurve, mehr Code bis zum ersten Ergebnis.
CrewAI modelliert mehrere Agenten als Team mit Rollen, etwa Rechercheur, Autor und Prüfer. Die Stärke: der schnellste Weg zum funktionierenden Multi-Agenten-Prototyp. Die Grenze: komplexe Verzweigungen brauchen Umwege.
Microsoft AutoGen ist ein Framework für Agenten, die wie in einem Gespräch zusammenarbeiten und einander prüfen. Die Stärke: stark für forschungsnahe, miteinander debattierende Systeme. Die Grenze: eher experimentell, weniger auf streng vorhersehbare Abläufe ausgelegt.
OpenAI Agents SDK ist ein schlankes Werkzeug, um Agenten innerhalb der OpenAI-Welt zu bauen, samt Übergaben zwischen Agenten und eingebauter Nachverfolgung. Die Stärke: ein schneller Weg für einzelne Agenten im OpenAI-Stack. Die Grenze: auf OpenAI-Modelle zugeschnitten.
Eine Liste wie diese sieht morgen schon wieder anders aus. Und genau das führt zu der unbequemen Frage, die hinter all diesen Namen steht.
Wo KI-Agenten an ihre Grenzen stoßen
Hier wird es ernst. Und hier wird oft geschwiegen, wo man reden müsste.
Ein KI-Agent ist kein fehlerfreier Meisterkoch. Er ist eher der schnelle, hochmotivierte Aushilfskoch, der mit beeindruckender Selbstsicherheit anrichtet und dabei manchmal kräftig danebenwürzt.
Das Tückische: Er sagt nie „ich bin mir unsicher“. Er stellt den Teller hin, als wäre alles perfekt.
Der Internationale KI-Sicherheitsbericht 2026 formuliert es nüchtern. KI-Agenten sind fähiger und verlässlicher geworden, neigen aber weiterhin zu grundlegenden Fehlern (International AI Safety Report 2026). Sie erfinden Informationen, schreiben fehlerhaften Code, geben irreführende Ratschläge. Und weil sie eigenständig handeln, ist es schwerer, einzugreifen, bevor aus einem Fehler ein Schaden wird.
Dazu kommt ein Effekt, den man in der Küche sofort versteht. Salzt der Koch einen Teller zu stark, ärgert sich ein Gast. Salzt er tausend Teller im selben Reflex zu stark, ist der ganze Abend verloren. Fachleute nennen das Fehler im großen Maßstab: Ein kleiner, automatisch wiederholter Patzer wird durch schiere Menge zum Desaster.
Das ist keine Bosheit der Maschine. Das ist Selbstsicherheit ohne Geschmackssinn.
Und es gibt eine zweite offene Flanke. Weil ein Agent mit echten Systemen verbunden ist, mit Postfächern, Konten, Datenbanken, kann ein geschickt platzierter Befehl ihn zu Dingen verleiten, die niemand gewollt hat. Eine Anweisung, versteckt in einer harmlos aussehenden E-Mail, und der hilfsbereite Koch öffnet die Vorratskammer für einen Fremden. Wer einem Agenten Zugriff gibt, gibt ihm Verantwortung. Und Verantwortung ohne Aufsicht ist nur ein anderes Wort für Risiko.
Und trotzdem ziehen gerade viele die Tür hinter sich zu. Laut einer Befragung von PwC aus dem Jahr 2025 berichten rund vier von fünf US-Führungskräften, dass in ihren Unternehmen bereits in irgendeiner Form KI-Agenten arbeiten. Die Frage ist selten, ob man sie einsetzt. Die Frage ist, ob noch jemand probiert.
Würden Sie einem Aushilfskoch die Kreditkarte in die Hand drücken, die Küche überlassen und das Haus verlassen?
Drei Dinge, bevor Sie einen KI-Agenten an den Herd lassen
Geben Sie eine klare Bestellung auf. Ein vager Auftrag ergibt ein vages Gericht. „Mach was mit den Kunden“ ist keine Anweisung, das ist ein Schulterzucken. Je präziser das Ziel, desto brauchbarer das Ergebnis.
Behalten Sie den Probierlöffel. Nicht bei jedem Teller, aber bei den wichtigen. Der Mensch bleibt der, der abschmeckt, bevor serviert wird. Überall dort, wo es teuer, heikel oder unumkehrbar wird, gehört eine Hand an den Löffel, die kein Programm ist.
Fangen Sie mit einem Gericht an, nicht mit dem ganzen Bankett. Wer einem neuen Koch sofort das Festmenü für hundert Gäste überlässt, darf sich über das Chaos nicht wundern. Erst ein kleiner, klar umrissener Bereich. Beobachten. Dann erweitern.
Diese drei klingen unspektakulär. Sie sind der Unterschied zwischen einem Werkzeug, das Ihnen Arbeit abnimmt, und einem, das Ihnen Arbeit macht.
Der Punkt, an dem alles hängt
Welche Ihrer Aufgaben würden Sie wirklich aus der Hand geben? Und bei welchen behalten Sie den Löffel lieber selbst in der Hand?
Ein KI-Agent kann erstaunlich viel. Er liest, plant, handelt, korrigiert sich, fängt von vorne an. Er kann den Abend retten, wenn der Andrang groß ist und die Zeit knapp.
Aber die Küche bleibt Ihre.
Ein KI-Agent nimmt Ihnen die Arbeit ab. Den Geschmack nicht.
