KI-Agent: Technisch eine Rolle, im Alltag ein Kollege

Alle reden von KI-Agenten. Der Vertrieb hat einen, die Personalabteilung baut gerade einen, und in den KI-Werkzeugen heißt neuerdings fast alles so. Was genau hat Ihr Team da?

Meistens eine gut beschriebene Rolle. Das ist nützlich. Aber es ist etwas anderes als ein Agent, der selbst arbeitet.

Und trotzdem geben wir bei HorAIzon unseren Agenten Namen. Häh?

Hier steht, was ein KI-Agent ist, woran Sie einen echten erkennen und warum wir ihn am Ende trotzdem wie einen Kollegen behandeln.

Was ist ein KI-Agent?

Ein KI-Agent bekommt ein Ziel und geht den Weg dorthin selbst. Er plant die Schritte, nutzt Werkzeuge wie E-Mail, Kalender, Datenbank oder Internet, prüft das Zwischenergebnis und macht weiter, bis die Aufgabe erledigt ist oder ein Mensch entscheiden muss.

Dafür sollte er mindestens vier Dinge haben:

• ein Sprachmodell, das versteht und formuliert,
• eine Rolle mit Auftrag und Regeln,
• Werkzeuge, also Zugriff auf Systeme und Daten,
• Kontext, also das Wissen, das er für genau diese Aufgabe braucht.

Ein Chatbot antwortet. Ein Agent handelt. Das ist der Unterschied, den fast jede Definition nennt. Im Alltag ist die Grenze allerdings unschärfer, als sie klingt.

Welche KI-Agenten gibt es heute?

Stand Oktober 2026 begegnen Ihnen Agenten an fünf Stellen:

• In der Büro-Software: Agenten in Microsoft Copilot oder Google Gemini, die in Mail, Kalender und Dokumenten mitarbeiten.
• In KI-Assistenten: Claude, ChatGPT oder Gemini erledigen einen Auftrag in mehreren Schritten, etwa eine Recherche über viele Quellen. Claude bringt dafür Skills für wiederkehrende Fähigkeiten und Konnektoren zu Ihren Systemen mit.
• Auf Plattformen für Automatisierung: etwa n8n oder Make, wo KI-Schritte und Agenten in feste Abläufe eingebaut werden.
• In Fachsoftware: Agenten in CRM, ERP oder Ticketsystemen, die dort Vorgänge vorbereiten.
• Als eigene Agenten: gebaut für Ihre Abläufe und angebunden an Ihre Systeme.

Arbeiten mehrere Agenten zusammen, spricht man von einem Multi-Agenten-System. Welcher passt, hängt an der Aufgabe, nicht an der Marke.

Ist der Agent in Ihrem Chat ein echter Agent?

Meistens nicht ganz. Wer in Claude ein Projekt mit Anweisungen anlegt, in ChatGPT einen eigenen GPT oder in Copilot einen „Agenten“, beschreibt vor allem eine Rolle: wer er ist, wie er denkt, was er liefern soll, dazu ein paar Dokumente.

Das Sprachmodell ist dabei immer noch dasselbe. Die Rolle legt sich nur darüber, wie eine Brille, durch die es auf Ihre Frage schaut. Und jede Runde startet ein Mensch. Ohne Ihre Frage passiert nichts.

Eine gute Rolle spart jeden Tag Zeit. Aber so ein Assistent mit Rolle ist noch kein Agent.

Ob mehr daraus wird, entscheiden zwei Fragen:

Assistent mit Rolle: das Claude-Projekt mit Anweisungen, der eigene GPT, viele Copilot-Agenten. Sie fragen, die Rolle antwortet.

Agent im Chat: Claude mit Werkzeugen und Recherche, der Agentenmodus in ChatGPT. Sie geben den Auftrag, das Modell plant selbst mehrere Schritte, sucht, liest, vergleicht und liefert ein Ergebnis.

KI-Schritt im Workflow: In einem festen Ablauf fasst die KI einen Text zusammen oder sortiert eine Anfrage ein. Der Weg ist vorgegeben, die KI füllt nur einen Schritt.

Agent im Ablauf: Eine Kundenanfrage kommt per Mail an. Der Agent ordnet sie ein, schlägt im Firmenwissen nach, entwirft die Antwort und legt sie einem Mitarbeiter zur Freigabe vor. Niemand musste ihn aufrufen.

Ein Agent ergibt für uns am meisten Sinn, wenn er an einer festen Stelle in einem Ablauf sitzt. Dort bekommt er nur die Information, die er für diese eine Aufgabe braucht, frisch und ohne Gesprächsballast. Das macht ihn verlässlicher als jede Rolle im Chat.

Technisch bleibt aber auch er ein Sprachmodell mit Rolle. Der Unterschied liegt im Umfeld: Auslöser statt Frage, eigener Kontext, Werkzeuge und ein Ergebnis, das weiterläuft.

Die zweite Frage entspricht der Unterscheidung von Anthropic zwischen Workflow und Agent. Die erste stammt aus unserer Praxis.

Prompt, Rolle, Workflow, Agent: Welche Stufe brauchen Sie?

Warum sollten KI-Agenten Namen haben?

Wer mehrere Agenten im Einsatz hat, verliert schnell den Überblick: welcher was kann und wer ihn pflegt. Wir kennen das aus eigener Arbeit.

Bei uns hat es angefangen wie bei vielen. 2025 haben wir vor allem gepromptet und erst einmal gelernt, was ein richtiger Prompt ist. Da stand schon drin: Du bist in dieser Rolle, in dieser Reihenfolge denkst du, hier sind Beispiele, dieses Ergebnis hätte ich gern.

Mit der Zeit haben wir getrennt: die Rolle auf der einen Seite, die Fähigkeiten auf der anderen. Die Rolle wurde genauer, die Fähigkeiten und Best Practices kamen in Skills. In dieser Zeit lief ich durch die Ausbildung bei Leaders of AI. Die Agenten dort hatten eine Persönlichkeit, ein paar ethische Leitbegriffe und einen Namen: Harry, Heinz, Caro.

Wer so arbeitet, verbringt den Tag mit einem Chatfenster und mit Textdateien. Agent, Playbook, Skill: Wie die Anbieter das gerade nennen, wechselt.

Die eigentliche Frage war für uns eine andere: Will ich meinen Tag mit Textdateien verbringen? Ist das mein Team? Die Antwort war ganz klar nein.

Wir haben überlegt, alle Agenten wieder in Skills umzubauen. Wir haben uns dagegen entschieden. Unsere Agenten haben Namen. Und wir trennen bei jedem vier Dinge:

• die Rolle: wer er ist und wofür er zuständig ist,
• die Fähigkeiten: wie er etwas gut macht,
• die Konnektoren: mit welchen Systemen er arbeitet,
• das Wissen: künftig an eigener Stelle, in einem Company Brain.

In Claude, mit dem wir am meisten arbeiten, ist diese Trennung schon angelegt: Anweisungen für die Rolle, Skills für die Fähigkeiten, Konnektoren für die Systeme.

Mein Teampartner ist dann kein Dokument, sondern ein Kollege. Im Marketing führt Kotler, geschrieben wird von Pulitzer, das Design kommt von Ivy. Mit Namen kann ich mich viel besser sortieren, wenn ich mit vielen Agenten arbeite.

Technisch ist jeder dieser Agenten ein Sprachmodell mit Rolle, mal im Chat, mal im Ablauf. Im Alltag ist er ein Kollege. Beides stimmt, und der Name hängt an der Zuständigkeit, nicht an der Technik.

Das hat einen praktischen Nutzen: Mit Namen und klarer Zuständigkeit lassen sich viele Agenten führen wie ein Team. Und weil Rolle, Fähigkeiten, Konnektoren und Wissen getrennt sind, können Sie eins davon ändern, ohne den Rest anzufassen.

Wofür lohnt sich ein KI-Agent im Mittelstand?

Dort, wo Arbeit häufig anfällt, das Ziel klar ist und das Ergebnis prüfbar bleibt. Typische Beispiele:

• Anfragen vorsortieren: Der Agent liest eingehende Mails, ordnet sie zu und entwirft eine Antwort zur Freigabe.
• Angebote vorbereiten: Er sammelt aus Anfrage, Vorlagen und Kundenhistorie einen ersten Entwurf.
• Reklamationen vorbereiten: Er liest die Reklamation, sucht passende Prüfberichte und Lieferchargen und legt der Qualitätssicherung einen ersten Bericht vor.
• Recherchieren: Wettbewerber, Ausschreibungen, Fachartikel, zusammengefasst mit Quelle.
• Wissensfragen beantworten: Mitarbeitende fragen, der Agent antwortet aus dem geprüften Firmenwissen.
• Inhalte pflegen: In einem unserer Projekte erstellen und aktualisieren Agenten Lerninhalte für eine E-Learning-Plattform. Die Redaktion gibt jeden Schritt frei.

Ein guter Start: Wählen Sie einen Ablauf, der jede Woche ähnlich viel Arbeit macht, und lassen Sie den Agenten zuerst nur Entwürfe erstellen, die ein Mensch freigibt.

Welcher Ablauf sich bei Ihnen zuerst lohnt, klären wir im KI-Workshop, einen Tag mit Ihrem Team.

Wie arbeiten Mensch und KI-Agent künftig zusammen?

Wir lernen gerade alle, wie die Arbeit von morgen aussieht. Die Begriffe ändern sich dabei noch, die Aufgaben bleiben.

Wir bleiben beim Team. Agenten und Menschen sollen eine Form finden, in der sie gut zusammenarbeiten. Dazu braucht es Namen und wahrscheinlich bald auch Adressen, unter denen man einen Agenten erreicht wie einen Kollegen. Zu diesem Zusammenspiel von Mensch und Agent werden Sie von uns noch mehr lesen.

Unsere Empfehlung bis dahin: Geben Sie Ihren Agenten Namen und klare Zuständigkeiten. Das hat nichts damit zu tun, dass man die KI beschränkt, indem man sie „vermenschlicht“. Es ist eine Frage der Zusammenarbeit und der Mensch-Maschine-Interaktion. Und behandeln Sie sie so, wie Sie ein gutes Team behandeln würden, mit klaren Aufgaben und mit jemandem, der am Ende entscheidet.

Diesen Beitrag haben übrigens zwei geschrieben: Stefan und Pulitzer.

Wie man einen Agenten selbst aufbaut, steht in KI-Agenten erstellen.