Agentenbasierte KI (Agentic AI) ist eine fortschrittliche Form der künstlichen Intelligenz (KI), die autonome KI-Agenten einsetzt, um komplexe Aufgaben ohne direkte menschliche Überwachung auszuführen.
Inhalt
Definition von agentenbasierter KI
Künstliche Intelligenz (KI) nutzt Computersysteme, die Aufgaben ausführen können, für die normalerweise menschliche Intelligenz erforderlich ist, wie Lernen, Argumentation, Problemlösung und Mustererkennung.
Agentenbasierte KI (Agentic AI) ist eine Form von KI, die Algorithmen des Machine Learning (ML), Large Language Models (LLMs), Natural Language Processing (NLP) und andere fortschrittliche Technologien nutzt, um „KI-Agenten” zu schaffen. Diese autonomen, selbstgesteuerten KI-Systeme können komplexe Aufgaben mithilfe von Tools ausführen, durch die sie mit externen Systemen interagieren können, ohne auf ständige menschliche Eingaben oder Anweisungen angewiesen zu sein.
Agentenbasierte KI im Vergleich zu herkömmlicher KI
Traditionelle KI-Modelle können in der Regel nur Anweisungen oder andere Vorgaben befolgen, die ihnen ein Mensch gegeben hat. Agentenbasierte KI kann dagegen autonom handeln. Sie kann Entscheidungen treffen, schwierige Probleme lösen, mit anderen KI-Agenten zusammenarbeiten, Aufgaben ausführen und aus vergangenen Interaktionen lernen. Dafür braucht sie keine Aufforderung (Prompt) und wenig bis gar keine menschliche Aufsicht oder Überwachung.
Da sich die Technologie ständig weiterentwickelt und immer breitere Anwendung findet, hat die agentenbasierte KI das Potenzial, ganze Branchen zu revolutionieren. Das Spektrum reicht dabei von Finanzen, Fertigung und Gesundheitswesen bis hin zu Kundenservice, Softwareprogrammierung und Cybersicherheit.
Agentic AI vs AI Agents
Agentic AI ist eine Softwarearchitektur zum Aufbau von KI, die planen, Maßnahmen ergreifen, Werkzeuge nutzen und aus Feedback lernen kann, mit einem begrenzten Grad an Autonomie. Es umfasst die architektonischen Muster (z.B. Planer-Executor-Schleifen, Werkzeugnutzung, Reflexion), Governance (Mensch-in-der-Schleife, Budgets, Leitplanken) und Bewertungsmethoden, die autonomes Verhalten zuverlässig und sicher machen. Verwenden Sie den Begriff „Agentic AI“, wenn Sie über Strategie, Architektur oder Forschungsmuster für autonomes Verhalten sprechen.
AI-Agenten sind die tatsächlichen Softwareinstanzen, die diese Prinzipien auf reale Aufgaben anwenden. Denken Sie an einen Bedrohungs-Intelligenz-Anreicherungsagenten oder einen Phishing-Triage-Agenten, der mit spezifischen APIs, Datenquellen und Richtlinien verbunden ist. Jeder Agent läuft mit expliziten Grenzen (maximale Schritte, Ausgabengrenzen), protokolliert jede Aktion und wird anhand des Aufgabenerfolgs, der Zeit bis zur Fertigstellung und der Kosten gemessen. Verwenden Sie den Begriff „AI-Agent(en)“, wenn Sie über einen spezifischen Bot (oder eine Flotte) sprechen, der mit Werkzeugen verbunden ist und in der Produktion läuft.
Funktionsweise von agentenbasierter KI
Agentenbasierte KI-Systeme umfassen in der Regel die folgenden fünf Aspekte:
1. Wahrnehmung – Die agentenbasierte KI nutzt Sensoren, offene und proprietäre Datenbanken, APIs (Application Programming Interfaces) und andere Informationsquellen, um riesige Datenmengen zu sammeln und mehr über ihre Umgebung zu erfahren.
2. Argumentation – Im nächsten Schritt analysiert sie die Daten, um Muster zu erkennen, zu verstehen, was von ihr verlangt wird, und die beste Vorgehensweise zu planen.
3. Entscheidungsfindung – Auf Basis dieser Muster setzt die agentenbasierte KI Algorithmen ein, um Entscheidungen zu treffen, mögliche Ergebnisse vorherzusagen und Strategien zur Erreichung ihrer Ziele zu entwickeln.
4. Handeln – Das System führt eine Reihe von Maßnahmen durch, um seine Strategien umzusetzen und Aufgaben auszuführen, beispielsweise Text zu generieren oder auf eine Kundenanfrage zu reagieren.
5. Erfahrungslernen – Schließlich kann die agentenbasierte KI zur Bewertung veranlasst werden, wie gut sie ihre Ziele erreicht hat. Das dient dazu, ihre Effizienz und Genauigkeit in Zukunft zu verbessern.
Vorteile von agentenbasierter KI
Agentenbasierte KI (Agentic AI) bietet eine Reihe von Vorteilen gegenüber herkömmlicher KI. Dazu zählen folgende:
- Selbstständige Auswahl der für die Ausführung von Aufgaben erforderlichen Werkzeuge
- Erhöhte Effizienz und Geschwindigkeit durch die Verbindung mehrerer Prozess-Workflows
- Proaktive Auswahl des richtigen Werkzeugs zur Erledigung der Aufgabe
- Geringerer Bedarf an menschlicher Überwachung – höhere Produktivität
- Bewahrung von Kontext und Status über einen längeren Zeitraum
- Wahrscheinlichkeitsbasierte, neuartige Lösungen statt festgelegter Antworten
Risiken und Herausforderungen beim Einsatz agentenbasierter KI
Je intensiver agentenbasierte KI eingesetzt wird, desto stärker müssen sich Unternehmen mit einigen wichtigen Fragen und Herausforderungen auseinandersetzen.
Wie bei allen LLMs können die Daten, die zum Aufbau agentenbasierter KI-Modelle verwendet werden, Lücken, Ungenauigkeiten oder Verzerrungen enthalten. Diese können beeinflussen, wie die KI reagiert oder wie effektiv sie arbeitet. Bei der Entwicklung oder Nutzung von KI gilt es außerdem, private, sensible und vertrauliche Informationen zu schützen. Nur so können alle Gesetze und Vorschriften, einschließlich der Datenschutz-Grundverordnung (DSGVO), eingehalten werden.
KI-Agenten mit unzureichenden Schutzmechanismen können bei der Ausführung ihrer Aufgaben über das Ziel hinausschießen und unbeabsichtigte Folgen haben. Ein KI-Agent für den Aktienhandel könnte beispielsweise riskante oder illegale Praktiken anwenden und vorschlagen, um die Gewinne für seine Kunden zu maximieren. Einige KI-Agenten können auch Fehler in ihrer Argumentation, Planung oder Interaktion mit Kunden wiederholen oder selbst verstärken.
Um diesen Herausforderungen zu begegnen, müssen Unternehmen sicherstellen, dass sie agentenbasierte KI offen, ethisch und transparent einsetzen und mit geeigneten Tools verbinden. Die Anweisungen müssen klar und sorgfältig sein und so viel Kontext wie möglich enthalten. Außerdem sollte sichergestellt sein, dass die Maßnahmen zur KI-Sicherheit und KI-Cybersicherheit robust, proaktiv und auf dem neuesten Stand sind.
Praktische Beispiele für den Einsatz von agentenbasierter KI
Agentenbasierte KI wird bereits in einer Vielzahl von Branchen eingesetzt, darunter:
- Gesundheitswesen – KI-Agenten überwachen Patientendaten und empfehlen verschiedene Diagnosen und Behandlungsmöglichkeiten.
- Finanzdienstleistungen – Agentenbasierte KI-Bots analysieren Aktienkurse, geben Empfehlungen an menschliche Händler weiter und führen Transaktionen in Bruchteilen von Sekunden durch.
- Kundenservice – Agentenbasierte KI-Chatbots beantworten Anfragen, lösen Kundenbeschwerden und sorgen für eine reibungslose und effiziente Kundenerfahrung.
- Selbstfahrende Fahrzeuge – Diese agentenbasierten KI-Systeme nutzen GPS, Sensoren und Echtzeitdaten, um Gefahren zu erkennen, den Verkehr zu überwachen und sichere, effiziente Routen zu planen.
- Lieferkettenmanagement – KI-Agenten automatisieren Lieferketten- und Fertigungsprozesse, verfolgen Lagerbestände und verwalten Lieferanten.
- Cybersicherheit – KI-Agenten führen kontinuierlich Schwachstellen-Scans durch, automatisieren die Threat Detection and Response und wehren Cyberangriffe in Echtzeit ab.
Agentic AI Cyberangriffe
Organisierte Cyberkriminalitätsgruppen nutzen jetzt agentenartige Automatisierung, um Teile ihrer Operationen zu betreiben. Hier sind die häufigsten Muster:
- Phishing und Social Engineering: Angreifer können agentische Workflows verwenden, um maßgeschneiderte, personalisierte Köder zu erzeugen, die Antwortquoten in Echtzeit zu überwachen und die Taktik sofort anzupassen. Wenn eine E-Mail zurückkommt, versucht der Agent LinkedIn-Nachrichten. Wenn MFA den Zugang blockiert, löst es MFA-Ermüdung aus oder startet Voice-Phishing. Wenn eine Domain blockiert wird, registriert es automatisch eine ähnliche Domain und macht weiter. Der Zyklus ist kontinuierlich: messen → anpassen → neu einsetzen.
- Erkundung und Zielsetzung: Beauftragte Agenten durchsuchen Angriffsflächen (Domains, Cloud-Assets, öffentliche Repositories) und kartieren Technologie-Stacks. Sie markieren Schwachstellen wie exponierte Anmeldeinformationen, veraltete S3-Buckets und falsch konfigurierte SaaS-Mieter und priorisieren diese für menschliche Betreiber. Dies verwandelt breite Angriffsflächen in priorisierte Aufgabenlisten.
- Schnelle Payload-Anpassung: Gegeben ein Ziel (z.B. Datendiebstahl), setzen Agenten Komponententeile zusammen, mutieren Skripte, um grundlegende Signaturen zu umgehen, und verpacken Dropper/Loader neu, um zum Betriebssystem und den Kontrollen des Opfers zu passen.
- Verkettete Einbruchswerkzeuge: Agenten verketten Scanner, Passwort-Raten und langsame Exfiltration. Daten bewegen sich in kleinen, zeitlich abgestimmten Schüben, um unter den Erkennungsschwellen zu bleiben, wobei Schritte automatisch gedrosselt oder neu geordnet werden, um Alarme zu vermeiden.
- Automatisierung des Geschäftsmodells: Für Betrug und Finanzbetrug führen Agenten End-to-End-Playbooks aus: Konten erstellen und altern, Inhalte posten, mit Opfern kommunizieren und nur für Geldbewegungen oder andere risikoreiche Aktionen an einen Menschen eskalieren. Dies skaliert Social-Engineering-Operationen mit minimalem Bedieneraufwand.
- Synthetische Imitation: Agenten erzeugen und A/B-testen Texte, Bilder und Stimmklone, um Desinformation zu verstärken, Führungskräfte zu imitieren („CEO-Betrug“) oder Mitarbeiter während aktiver Einbrüche unter Druck zu setzen. Die überzeugendsten Varianten werden automatisch gefördert.
- Resilienz und Ausweichen: Wenn blockiert, rotieren Agenten Infrastruktur (Proxies, Domains), passen das Tempo an und tauschen TTPs basierend auf Telemetrie aus („wenn die Zustellung zweimal fehlschlägt, ändern Sie den Vektor“). Die ständige Anpassung erschwert Abschaltungen und Zuordnungen.
Zukünftige Entwicklung der agentenbasierten KI
Agentenbasierte KI wird immer intelligenter, anpassungsfähiger und autonomer. Damit wird sie zweifellos noch stärker als heute zu einem allgegenwärtigen Bestandteil des täglichen Lebens werden.
Die Fähigkeit agentenbasierter KI, zu denken, zu lernen und sich nahtlos in andere Technologien zu integrieren, entwickelt sich permanent weiter. Das wird ihre Einführung in einer Vielzahl von Branchen beschleunigen und die Effizienz und Produktivität von Einzelpersonen und Unternehmen steigern.
Agentenbasierte KI könnte auch zu einem tiefgreifenden Wandel in der Arbeitswelt führen, indem sie Routineaufgaben übernimmt, die zuvor von Menschen ausgeführt wurden. Menschen würden dann neue Aufgaben übernehmen, die mehr Kreativität, kritisches Denken und die Zusammenarbeit zwischen Mensch und Maschine erfordern.
Erste Schritte mit agentenbasierter KI
Unternehmen, die agentenbasierte KI einsetzen möchten, sollten zunächst ihre Kernziele identifizieren und Investitionen in KI-Anwendungen priorisieren, die ihnen helfen, diese Ziele so effizient wie möglich zu erreichen.
Sie sollten nach agentenbasierten KI-Lösungen suchen, die sich anpassen, weiterentwickeln und skalieren lassen. Auf diese Weise können sie die neuesten Tools zur Erledigung typischer Aufgaben nutzen. Betriebe sollten außerdem fortlaufende Unterstützung und Schulungen anbieten, damit ihre Beschäftigten effektiver mit KI-Agenten arbeiten und alle Vorteile der agentenbasierten KI optimal nutzen können.
Hilfeangebote in Bezug auf agentenbasierte KI für Cybersicherheit
Die Lösung Trend Vision One™ AI Security schützt Ihre KI-Infrastruktur und stärkt die Sicherheit Ihres Unternehmens. Dies geschieht mithilfe der branchenweit ersten proaktiven KI für Cybersicherheit (einschließlich agentenbasierter KI-Funktionen), die Schwachstellen beseitigt und Sicherheitslücken schließt, bevor Angriffe stattfinden können.
Trend Vision One™ nutzt sämtliche KI-Funktionen von Trend Cybertron – der weltweit ersten wirklich proaktiven KI für Cybersicherheit. Es kann die Sicherheitsstrategie eines Unternehmens von reaktiv zu proaktiv umwandeln, die Geschwindigkeit und Genauigkeit der Threat Detection and Response verbessern und die Effizienz und Effektivität der Maßnahmen für Cybersicherheit drastisch steigern.
Fernando Cardoso
Vizepräsident für Produktmanagement
Fernando Cardoso ist Vice President of Product Management bei Trend Micro. Er konzentriert sich auf die hoch dynamische Welt der KI und Cloud. Seine Laufbahn begann er als Network und Sales Engineer. In dieser Zeit entwickelte er seine Kompetenzen in den Bereichen Rechenzentren, Cloud, DevOps und Cybersicherheit weiter – Bereiche, denen nach wie vor seine Leidenschaft gilt.
Häufig gestellte Fragen (FAQs)
Was ist agentenbasierte KI, einfach erklärt?
Agentenbasierte KI ist eine Form der künstlichen Intelligenz, die „KI-Agenten“ – kleine KI-Programme – einsetzt, um Aufgaben auszuführen und Entscheidungen zu treffen, ohne dass menschliches Eingreifen erforderlich ist.
Wie unterscheiden sich agentenbasierte und nicht agentenbasierte KI?
Agentenbasierte KI kann Tools oder KI-Agenten einsetzen, um komplexere Aufgaben halbautonom auszuführen. Nicht agentenbasierte KI kann dies nicht.
Wie unterscheiden sich GenAI und agentenbasierte KI?
Bei GenAI (generativer KI) reagiert ein einzelnes Modell auf Benutzer-Prompts, indem es Fragen beantwortet oder Inhalte erstellt. Bei der agentenbasierten KI führen autonome „Agenten“ innerhalb des Systems Aufgaben aus, ohne dass der Benutzer sie dazu auffordern muss, ein Ziel zu erreichen.
Wie unterscheiden sich AIOps und agentenbasierte KI?
Agentenbasierte KI kann für fast jede Aufgabe eingesetzt werden. AIOps konzentriert sich ausschließlich auf den Einsatz von KI zur Verbesserung der Effizienz von IT-Betriebsabläufen.
Ist ChatGPT eine agentenbasierte KI?
Nein. ChatGPT ist ein Beispiel für generative KI (GenAI), nicht für agentenbasierte KI.
Ist ein Chatbot eine agentenbasierte KI?
Einige Chatbots verwenden agentenbasierte KI, die meisten jedoch nicht. Im Allgemeinen ist agentenbasierte KI deutlich fortschrittlicher und autonomer als ein Chatbot.
Wer sind die führenden Akteure im Bereich der agentenbasierten KI?
Viele Unternehmen verwenden oder entwickeln KI-Agenten. Zu den führenden Unternehmen in diesem Bereich gehören Microsoft, Google, OpenAI, Adept AI und Anthropic.
Was ist ein Beispiel für eine agentenbasierte KI?
Ein Beispiel für agentenbasierte KI ist ein selbstfahrendes Auto, das seine Umgebung überwacht, Aufgaben ausführt und komplexe Entscheidungen in Echtzeit trifft.
Welche ist die beste agentenbasierte KI?
Es gibt keine „beste“ agentenbasierte KI, aber zu den führenden Plattformen für agentenbasierte KI zählen AutoGen von Microsoft, Relevance AI, Cognosys, UiPath und CrewAI.
Wo wird agentenbasierte KI eingesetzt?
Agentenbasierte KI wird in einer Vielzahl von Branchen eingesetzt, von Gesundheitswesen und Finanzwesen bis hin zu Kundenservice, Personalwesen, Marketing und Cybersicherheit.
Weiterführende Artikel
Top 10 Risiken und Minderungen für LLMs und KI-Apps der Generation 2025
Umgang mit neuen Risiken für die öffentliche Sicherheit
Wie weit können internationale Standards uns bringen?
Erstellen einer Cybersicherheitsrichtlinie für generative KI
KI-gestützte bösartige Angriffe unter den größten Risiken
Zunehmende Bedrohung durch Deepfake-Identitäten