# Was ein KI-Agent ist
> Ein Agent ist ein Sprachmodell in einer Schleife, ausgestattet mit Werkzeugen, damit es Aktionen ausführen kann, statt sie nur zu beschreiben.
Source: https://rfriedmann.de/de/blog/what-is-an-ai-agent/ · English: https://rfriedmann.de/blog/what-is-an-ai-agent/
Published: 2026-06-16 · Track: learn · Level: Beginner
Du hast schon einen Chatbot benutzt: Du tippst, er tippt zurück. Bitte ihn, „jede
Datei in diesem Ordner in Kleinbuchstaben umzubenennen“, und er antwortet dir,
dass er das nicht kann: Er kann dir nur sagen, wie. Ein **Agent** ist das, was
du bekommst, wenn du das Modell nicht mehr nur reden, sondern handeln lässt. Dasselbe
Modell darunter, eine strukturelle Änderung.
Das ist die ganze Idee. Alles andere ist Detail.
## Es rät immer noch nur das nächste Wort
Wenn du gelesen hast, [was ein LLM ist](/de/blog/what-is-an-llm/), weißt du, dass das
Modell genau eine Sache tut: zu einem Text raten, was als Nächstes kommt. Daran ändert
sich nichts. Neu ist, was manche dieser geratenen Wörter *bedeuten* dürfen.
Normalerweise ist die Ausgabe des Modells einfach Text zum Lesen. Bei einem Agent sagen
wir ihm vorab: Wenn du ein Werkzeug nutzen willst, schreib die Anfrage in genau diesem
Format. Dann beobachtet ein Stück gewöhnlicher Software (keine KI, ein ganz normales
Programm, nennen wir es den **Runner**) die Ausgabe. Sieht er, dass das Modell eine
Werkzeuganfrage „schreibt“, zeigt er sie dir nicht, sondern führt das Werkzeug tatsächlich
aus und gibt das Ergebnis an das Modell zurück.
Das Modell fasst deine Dateien also nie selbst an. Es bittet, und der Runner fasst an.
Behalte diese Trennung im Kopf, sie wird später wichtig, wenn es darum geht, was
schiefgehen kann.
## Die Schleife
Zusammengesetzt durchläuft ein Agent immer wieder dieselben drei Schritte:
Denken
Das Modell schaut sich das Ziel und alles bisher Geschehene an und entscheidet den nächsten Zug: entweder ein Werkzeug aufrufen oder die Aufgabe für erledigt erklären.
Handeln
Hat es ein Werkzeug angefordert, führt der Runner es aus. Das ist der einzige Schritt, der die echte Welt erreicht.
Beobachten
Das Ergebnis des Werkzeugs (die Dateiliste, die Suchtreffer, die Fehlermeldung) wird an den Text des Modells angehängt, und die Runde beginnt von vorn. Diese Schleife läuft, bis das Modell sagt, dass es fertig ist.
Die Agent-Schleife: denken, handeln, beobachten, wiederholen
[diagram omitted — see the page for the chart]
Dieselben drei Schritte, immer wieder: entscheiden, ein Werkzeug aufrufen, lesen, was zurückkommt, wieder entscheiden, bis das Modell die Aufgabe für erledigt hält. Ein Chatbot hört nach dem ersten auf.
Ein Chatbot macht den ersten Schritt einmal und hört auf. Ein Agent macht alle drei,
immer wieder.
## Einem Durchlauf zusehen
Sagen wir, du fragst: „Fass die neueste Datei in meinem Downloads-Ordner zusammen.“
Hier ist der Ablauf, jede Zeile eine Runde durch die Schleife:
Ziel: die neueste Datei in Downloads zusammenfassen
Denken: Ich brauche die Dateiliste. Handeln: list_files("downloads")
Denken: Die neueste ist report.pdf. Handeln: read_file("report.pdf")
Beobachten: [der Inhalt der Datei]
Fertig: „report.pdf ist eine Verkaufsübersicht für Q2. Die Kernaussage ist...“
Beachte: Das Modell hat nie „gewusst“, was in deinen Downloads liegt. Es hat es
herausgefunden, ein Werkzeugaufruf nach dem anderen, genau wie ein Mensch es tun würde:
nachsehen, lesen, dann antworten.
## Du bist wahrscheinlich schon einem begegnet
Das ist bereits im Alltag im Einsatz. [Claude Code](https://claude.com/product/claude-code), der Agent,
der [alle 97.000 Zeilen von imp](/de/blog/writing-cuda-with-an-agent/) geschrieben hat, ist
genau das: Seine Werkzeuge heißen „Datei lesen“, „Datei bearbeiten“, „Tests ausführen“,
„Shell-Befehl ausführen“. Er läuft in der Schleife, schreibt Code, führt die Tests aus,
liest die Fehlschläge, korrigiert, bis die Tests grün sind. Dieselben drei Schritte. Der
Support-Bot, der deine Bestellung nachschlägt, die „Deep Research“-Funktion,
die ein Dutzend Seiten liest, bevor sie antwortet, der Assistent in deinem Code-Editor:
darunter alle dieselbe Form.
## Warum das nützlich ist, und welche Risiken es hat
Das Schlimmste, was ein Chatbot falsch machen kann, ist etwas Falsches sagen. Ein Agent
kann etwas Falsches *tun*: die falsche Datei löschen, die falsche E-Mail senden, den
falschen Befehl ausführen. Und er trifft diese Entscheidungen mit demselben
selbstbewussten Raten, das manchmal Fakten erfindet, weil er immer noch kein eingebautes
Gespür für „wahr“ hat. Ein falscher Tipp, der früher ein schlechter Satz war, ist jetzt
eine schlechte Aktion.
Das ist kein Grund, Agents zu meiden. Es ist der Grund, warum der interessante Teil,
das Engineering und das Urteilsvermögen gleichermaßen, darin liegt, welche Werkzeuge du
ihm gibst und wo du die Leitplanken setzt. Für den Moment ist die Erkenntnis die grundlegende: Ein Agent ist ein Nächstes-Wort-Rater, in einer Schleife,
mit Werkzeugen.
Als Nächstes: [wie die Schleife tatsächlich funktioniert](/de/blog/how-an-agent-uses-tools-and-memory/),
die Werkzeugaufrufe und das „Gedächtnis“, mit dem er über viele Schritte den Überblick
behält. Und wenn der Mechanismus klar ist, die praktische Frage für alle, die
Produktivsysteme betreiben: [wann man einen Agent loslässt und wann nicht](/de/blog/letting-an-agent-loose/).