Think Tank Medien und Informatik

Von reaktiven LLMs zu proaktiven AI-Agents

Braucht es für komplexe Aufgaben mehr als ein Sprachmodell? AI-Agents kombinieren z. B. Sprachverständnis mit eigenem Handeln und eröffnen so neue Szenarien für den Einsatz von KI.

Vom LLM zum AI-Agent

Die letzten Jahre standen im Zeichen der grossen Sprachmodelle (LLMs). Sie haben beeindruckend gezeigt, wie Maschinen in natürlicher Sprache Texte verfassen, Fragen beantworten und komplexe Sachverhalte erklären können. Doch so mächtig LLMs auch sind, sie bleiben reaktive Systeme: Sie reagieren auf Eingaben, führen Dialoge, doch sie handeln nicht eigenständig. Genau hier setzen AI-Agents an. Sie stellen die nächste Entwicklungsstufe dar, weil sie nicht nur Sprache verstehen, sondern eigenständig Ziele verfolgen, Aufgaben planen und Schritte ausführen können. Damit erweitern sie die Möglichkeiten der KI um eine Dimension, die in verschiedenen Bereichen spannend sein kann.

Was sind AI Agents?

AI-Agents lassen sich am einfachsten als autonome Softwareprogramme beschreiben, die Aufgaben verstehen, planen und erledigen können. Sie nutzen die Sprachfähigkeiten von LLMs, sind aber nicht auf reine Konversation beschränkt. Sie können Datenquellen anzapfen, externe Tools bedienen, mit anderen Agenten kooperieren und ihr Verhalten dynamisch anpassen. Ihr Handeln folgt dabei einem Zyklus, der stark an menschliches Problemlösen erinnert: Wahrnehmen, planen, handeln und aus den Rückmeldungen lernen. Während ein klassischer Chatbot etwa nur auf eine Anfrage reagiert, könnte ein Agent proaktiv Termine koordinieren, Lernmaterial erstellen oder automatisch Feedback zu Hausaufgaben geben.

Typische Eigenschaften von AI Agents sind:

Autonomie: Sie treffen Entscheidungen und führen Handlungen ohne ständige menschliche Eingaben aus.
Zielorientierung: Sie verfolgen klar definierte Ziele, etwa «Reise buchen» oder «E-Mail beantworten».
Umgebungsinteraktion: Sie können APIs, Datenbanken oder externe Tools nutzen.
Adaptivität: Sie passen ihr Verhalten an neue Informationen oder Rückmeldungen an.

AI Agents sind die nächste Stufe der KI-Nutzung, die über reine Chatbots hinausgeht und zunehmend selbstständige Handlungsfähigkeit zeigt. Viele grosse Tech-Unternehmen bringen bereits Lösungen auf den Markt, und Open-Source-Communities treiben Experimente wie Multi-Agent-Systeme stark voran.

Unterschied zu Assistenten und Bots

Ein KI-Assistent ist meist in eine Anwendung eingebettet und arbeitet eng mit der Nutzerin oder dem Nutzer zusammen. Er versteht Befehle in natürlicher Sprache, macht Vorschläge oder führt einzelne Aktionen aus, die Entscheidungshoheit liegt aber beim Menschen. Ein Bot ist in der Regel noch enger begrenzt und beschränkt sich auf das Beantworten von Fragen in einem klar umrissenen Rahmen, etwa im Kundendienst. Ein AI-Agent hingegen kann selbständig planen und handeln, ohne dass jeder Schritt manuell angestossen werden muss. Er übernimmt damit eine aktivere Rolle und verschiebt die Grenze zwischen Mensch und Maschine.

Anwendungsfelder für AI-Agents

AI-Agents sind also mehr als nur eine Weiterentwicklung von Chatbots, sie können selbstständig handeln, planen und dazulernen. Spannend ist, dass diese Fähigkeiten in verschiedenen Lebens- und Arbeitsbereichen von Nutzen sein können. Es lohnt sich einen Blick darauf zu werfen, wo AI-Agents sonst schon Einsatz finden und welche Trends sich auch auf den Bildungsbereich ableiten lassen (vgl. IBM, o.J.).

Kundenerlebnis

AI-Agents gehen über klassische Chatbots hinaus: Sie führen natürliche Gespräche, erinnern sich an frühere Kontakte und handeln proaktiv. Mit Stimmungsanalysen erkennen sie Probleme im Voraus und können selbstständig Lösungen anbieten. Gleichzeitig unterstützen sie Service-Teams bei der Fallbearbeitung. Das Ergebnis sind individuellere Kundenerfahrungen, höhere Zufriedenheit und geringere Kosten.

Bildung

AI-Agents können neue Möglichkeiten für personalisiertes Lernen eröffnen. Sie passen Inhalte in Echtzeit an, erstellen Übungen, geben Feedback und erklären schwierige Konzepte. In Hochschulen unterstützen sie als Forschungs-Agents beim Sammeln und Zusammenfassen von Quellen. Sprachlern- und Trainingsplattformen setzen sie ein, um Bewerbungsgespräche oder Dialoge in Fremdsprachen realistisch zu simulieren – Lernen wird dadurch interaktiver und praxisnäher.

Gesundheit

In Kliniken übernehmen AI-Agents zeitraubende Routinen wie Abrechnung, Terminplanung oder Monitoring. Sie analysieren grosse Datenmengen, helfen bei Diagnosen, schlagen individuelle Behandlungen vor und erkennen Risiken frühzeitig. So bleibt Ärzt:innen und Pflegepersonal mehr Zeit für die persönliche Betreuung, während die Versorgung effizienter und präziser wird.

Weitere Anwendungsfelder

Neben Bildung, Gesundheit und Kundenservice finden AI-Agents auch in zahlreichen anderen Bereichen Anwendung. Dazu gehören etwa:

Landwirtschaft, Finanzwesen, Content-Erstellung, Katastrophenhilfe, Energiemanagement, Human Resources, IT und Prozessautomatisierung, Marketing, psychische Gesundheit, Detailhandel, Vertrieb, Supply-Chain-Management sowie Transport und Logistik (vgl. IBM, o.J.).

Grenzen und Herausforderungen

Bei allem vermeintlichen Fortschritt ist es wichtig, die Grenzen zu sehen. AI-Agents fehlt es an Empathie und an einem echten moralischen Kompass. Sie können zwar Entscheidungen auf der Basis von Daten treffen, doch bei Aufgaben, die ein hohes Mass an emotionalem Verständnis oder ethischer Abwägung erfordern, geraten sie schnell an ihre Grenzen. Gerade in sensiblen Bereichen wie Beratung, Therapie oder Konfliktlösung bleibt die menschliche Kompetenz unverzichtbar. Hinzu kommen Risiken im Umgang mit Sicherheit und Daten: Agenten, die eigenständig mit Systemen interagieren, können Ziel von Manipulation oder Missbrauch werden. Auch der Ressourcenaufwand ist erheblich: leistungsfähige Agenten benötigen Rechenkapazitäten, die nicht überall verfügbar sind. Und schliesslich bleibt die menschliche Aufsicht entscheidend, um Fehlentwicklungen oder Missbrauch vorzubeugen.