Agentic AI bezeichnet KI-Systeme, die ein vorgegebenes Ziel eigenständig verfolgen. Sie planen die nötigen Schritte selbst, nutzen dafür Werkzeuge wie Datenbanken oder Unternehmenssoftware und passen ihr Vorgehen an, wenn etwas nicht wie erwartet läuft. Diese Systeme werden auch KI-Agenten genannt. Anders als ein Chatbot, der auf eine Frage eine Antwort gibt, erledigen KI-Agenten Aufgaben über mehrere Schritte hinweg.
Agentic AI einfach erklärt
Ein Beispiel aus dem Alltag zeigt den Unterschied. Wer einen klassischen KI-Assistenten fragt, wie eine Reisekostenabrechnung funktioniert, bekommt eine Anleitung. Ausfüllen muss man die Abrechnung danach trotzdem selbst.
Ein KI-Agent geht weiter. Er sucht die Belege heraus, trägt die Beträge ein, prüft sie gegen die Reiserichtlinie und legt die fertige Abrechnung zur Freigabe vor. Der Mensch gibt das Ziel vor und behält die letzte Entscheidung. Die Arbeit dazwischen übernimmt die Software.
Wie funktioniert ein KI-Agent?
Im Kern arbeitet ein KI-Agent mit einem großen Sprachmodell (Large Language Model, LLM). Das Modell versteht Anweisungen in natürlicher Sprache und kann Zusammenhänge erkennen. Zum Agenten wird es erst durch das, was um das Modell herum aufgebaut ist:
- Planung: Der Agent zerlegt ein Ziel in einzelne Arbeitsschritte.
- Werkzeuge: Über Schnittstellen (APIs) greift er auf Systeme zu, zum Beispiel ERP, CRM, E-Mail oder Dokumentenablage.
- Gedächtnis: Er merkt sich Zwischenergebnisse und den bisherigen Verlauf.
- Selbstkontrolle: Er prüft Ergebnisse und korrigiert sich, wenn ein Schritt scheitert.
Diese Schritte wiederholen sich so lange, bis das Ziel erreicht ist oder der Agent an einen Punkt kommt, an dem ein Mensch entscheiden muss.
Unterschied zwischen Agentic AI, generativer KI und RPA
Generative KI erzeugt Inhalte wie Texte, Bilder oder Code. Sie arbeitet nach dem Prinzip „eine Anfrage, eine Antwort“. Den Ablauf steuert der Mensch, indem er Schritt für Schritt neue Anweisungen gibt.
Robotic Process Automation (RPA) automatisiert fest definierte Abläufe, etwa das Übertragen von Daten aus einem System in ein anderes. Ein RPA-Bot folgt dabei exakt der programmierten Klickfolge. Ändert sich eine Eingabemaske oder fehlt ein Wert, bricht der Ablauf ab.
Agentic AI verbindet beides und geht darüber hinaus. Der Mensch gibt ein Ziel vor, etwa „Kläre den Lieferverzug und vereinbare einen neuen Termin“. Der Agent entscheidet selbst, welche Schritte dafür nötig sind, und passt sein Vorgehen an, wenn Informationen fehlen oder sich die Lage ändert.
Die Ansätze ergänzen sich. Ein KI-Agent kann generative KI nutzen, um eine E-Mail zu formulieren, und einen bestehenden RPA-Bot aufrufen, um Daten in ein Altsystem zu übertragen.
Multiagentensysteme
Bei komplexeren Aufgaben arbeiten oft mehrere spezialisierte Agenten zusammen. Ein Agent sammelt Informationen, ein zweiter prüft sie, ein dritter bereitet das Ergebnis auf. Diese Arbeitsteilung heißt Multiagentensystem. Sie macht Ergebnisse verlässlicher, weil sich die Agenten gegenseitig kontrollieren. Damit Agenten verschiedener Hersteller miteinander und mit Werkzeugen zusammenarbeiten können, entstehen derzeit offene Standards wie das Model Context Protocol (MCP) und das Agent2Agent-Protokoll (A2A).
Agentic AI im SAP-Umfeld
Auch SAP baut seine KI-Strategie zunehmend auf Agenten auf. Der KI-Assistent Joule wird um spezialisierte Agenten ergänzt, die Aufgaben über verschiedene SAP-Anwendungen hinweg übernehmen sollen, etwa in Finanzwesen, Einkauf, Vertrieb oder Personalwesen.
Für Unternehmen mit SAP-Landschaft ergeben sich daraus typische Einsatzfelder:
- Finance: Klärung offener Posten, Vorbereitung von Abschlussarbeiten, Prüfung von Rechnungsabweichungen
- Einkauf und Supply Chain: Lieferantenkommunikation bei Verzögerungen, Abgleich von Bestellung, Wareneingang und Rechnung
- Vertrieb und Service: Bearbeitung von Kundenanfragen bis hin zur tatsächlichen Auftragsänderung
- IT-Betrieb: Überwachung von Schnittstellen, Analyse von Fehlermeldungen, Vorschläge zur Behebung
Entscheidend für den Erfolg ist die Datengrundlage. Ein Agent kann nur so gut handeln, wie die Stamm- und Bewegungsdaten es zulassen, auf die er zugreift. Saubere Daten und klar definierte Prozesse sind deshalb die wichtigste Voraussetzung. Wie sich Agenten schrittweise in die Unternehmensorganisation einfügen, beschreibt das Konzept des Agentic Enterprise.
Vorteile von Agentic AI
- Weniger Routinearbeit: Wiederkehrende Aufgaben wie Daten suchen, abgleichen oder nachfassen übernimmt der Agent.
- Kürzere Durchlaufzeiten: Prozesse laufen ohne Wartezeiten zwischen den einzelnen Schritten.
- Mehr Flexibilität als klassische Automatisierung: Agenten kommen auch mit unvollständigen Informationen oder ungewöhnlichen Fällen zurecht.
- Bessere Nutzung vorhandener Systeme: Agenten verbinden Anwendungen, die bisher nur über manuelle Arbeit zusammenspielten.
Risiken und Grenzen
Einer Software Handlungsspielraum zu geben, verlangt mehr Sorgfalt, als sich Texte von ihr schreiben zu lassen. Ein fehlerhafter Text fällt beim Lesen auf. Eine fehlerhafte Buchung ist dagegen womöglich schon im System.
Wichtige Punkte bei der Einführung:
- Nachvollziehbarkeit: Jede Aktion des Agenten sollte protokolliert werden.
- Human in the Loop: Bei Entscheidungen mit finanziellen oder rechtlichen Folgen gibt ein Mensch frei.
- Berechtigungen: Agenten erhalten nur die Zugriffe, die sie für ihre Aufgabe brauchen.
- Datenschutz und Regulierung: Der EU AI Act sowie die DSGVO stellen Anforderungen an Transparenz, Risikobewertung und Datenverarbeitung.
- Fehleranfälligkeit: Sprachmodelle können falsche Annahmen treffen. Prüfschritte und Tests sind deshalb Pflicht.
Einstieg in Agentic AI
Bewährt hat sich ein schrittweises Vorgehen. Am Anfang steht ein klar abgegrenzter Prozess, der häufig vorkommt, weitgehend regelbasiert ist und trotzdem viel manuelle Arbeit verursacht. Für diesen Prozess wird festgelegt, was der Agent selbstständig erledigen darf und wo er eine Freigabe einholen muss. Ein Pilotbetrieb von einigen Wochen zeigt, wie viel Zeit sich tatsächlich spart und wo der Agent noch Schwächen hat. Erst danach wird der Einsatz ausgeweitet.
Weitere Informationen zum Einsatz von KI in SAP-Landschaften finden sich unter Business AI.
Häufige Fragen
Was bedeutet Agentic AI auf Deutsch?
Eine feste Übersetzung gibt es nicht. Gebräuchlich sind „agentische KI“ oder „handelnde KI“, also KI, die selbstständig Schritte unternimmt, um ein Ziel zu erreichen.
Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot?
Ein Chatbot beantwortet Fragen. Ein KI-Agent führt Aufgaben aus, greift dafür auf andere Systeme zu und arbeitet mehrere Schritte nacheinander ab.
Gibt es KI-Agenten in SAP?
Ja. SAP erweitert seinen KI-Assistenten Joule um Agenten, die Aufgaben in verschiedenen Geschäftsbereichen übernehmen. Zusätzlich lassen sich eigene Agenten auf der SAP Business Technology Platform entwickeln.
Ersetzen KI-Agenten Mitarbeitende?
In erster Linie übernehmen sie Routinetätigkeiten. Entscheidungen, Ausnahmen und Aufgaben, die Erfahrung erfordern, bleiben beim Menschen.
Ist Agentic AI sicher?
Das hängt von der Umsetzung ab. Mit klaren Berechtigungen, lückenloser Protokollierung und menschlicher Freigabe bei kritischen Schritten lässt sich das Risiko gut beherrschen.
