Malte Busse
Mai 15, 2025
1:13 pm

Wird 2025 das Jahr der AI Agents?

Egal ob auf YouTube, in der Zeitung oder in den 20-Uhr-Nachrichten. KI-Agenten oder AI Agents sind 2025 das, was LLM´s im Jahr 2024 waren. Was anfangs nur als Sammelbegriff für alles Mögliche diente, ist nun zu einer regelrechten Definition bestimmter KI-Anwendungen im Unternehmenskontext geworden, die vor allem für die KI-Nutzung von großer Bedeutung sind und uns gezielt bei der Erreichung spezifischer Ziele unterstützen sollen.

Aber was genau ist eigentlich ein AI Agent, und warum bekomme ich ausgerechnet jetzt so viele Nachrichten von diversen Unternehmen zu diesem Thema? Ganz einfach: AI Agents sind gerade dabei, unsere Arbeitswelt, unseren Alltag und unsere gesamte Gesellschaft auf den Kopf zu stellen.

Definition: was sind überhaupt AI Agents?

Sie sind nicht nur ein Hype, sondern die logische Weiterentwicklung dessen, was wir schon mit Sprachassistenten wie Siri, Alexa und Co. kennen. Nur dass wir hier von weit mehr als einem sprachgesteuerten Helfer sprechen. AI Agents können – je nach Aufbau – auf komplexe Daten zugreifen, Entscheidungen treffen und in vielen Fällen aus vergangenen Erfahrungen lernen. Genau deshalb gelten sie als einer der vielversprechendsten Tech-Trends des Jahres 2025. Zeit, einmal ganz in Ruhe darauf zu blicken, was AI Agents eigentlich sind, wie sie funktionieren, wofür man sie einsetzen kann und warum alle davon überzeugt sind, dass sie in diesem Jahrzehnt unseren Alltag drastisch verändern werden.

Unter einem AI Agent (auch oft als „intelligenter Agent“ oder „Agentic AI“ bezeichnet) versteht man eine Software, die in der Lage ist, selbstständig Aktionen auszuführen und aus den Ergebnissen dieser Aktionen zu lernen. Ganz formal könnte man sagen, dass ein Agent ein System ist, das in einer bestimmten Umgebung agiert, Daten aus dieser Umgebung aufnimmt, sie verarbeitet und darauf basierend eigene Entscheidungen trifft. Dabei orientieren sich diese Entscheidungen an einem zuvor definierten Ziel oder einer bestimmten Aufgabe. Der Unterschied zu herkömmlicher KI wie z. B. Chatbots liegt in der Autonomie und Zielgerichtetheit: Während Chatbots auf Prompts reagieren, verfolgen Agenten proaktiv Ziele, planen ihre Schritte selbständig und führen diese dann auch aus.

Funktionsweise: wie arbeiten AI Agents im Innersten?

Relativ simpel erklärt ist ein Agent ein System, das:

Wahrnehmungen aus seiner Umgebung erhält (Perception),
diese verarbeitet (Processing),
Entscheidungen trifft (Decision Making),
und entsprechende Handlungen ausführt (Action).

Viele moderne AI Agents basieren auf einer Kombination aus großen Sprachmodellen (LLMs), Planungskomponenten (Planners), Gedächtnisstrukturen (Memory), externer Tool-Nutzung (Tool Use) und optionalem Feedback-Mechanismus (Reinforcement Learning oder Heuristiken). Bekannte Frameworks sind etwa ReAct, AutoGPT, Langchain-basierte Architekturen und natürlich unsere eigene Agent-Plattform KARLI.

Einsatzmöglichkeiten von AI Agents

Aber was natürlich alle wissen wollen: Wo werden AI Agents eigentlich sinnvoll und gewinnbringend eingesetzt? Die Antwort darauf lautet – fast überall. Da gibt es zum Beispiel die klassischen Chatbots im Kundenservice, die immer schlauer werden und selbst komplexe Anfragen beantworten können. Oder Fahrhilfen in allen modernen Autos. Aber das ist nur die Spitze des Eisbergs. In den folgenden Bereichen werden AI Agents bereits höchsteffizient eingesetzt.

Wissensmanagement-Agent (Knowledge Agent):

Dieser Agent fungiert als organisationseigene Wissensschnittstelle. Er greift über APIs und semantische Suche auf verschiedenste Systeme wie Confluence, CRM, Ticketing oder interne Datenbanken zu und beantwortet komplexe, kontextbasierte Mitarbeiterfragen in natürlicher Sprache – inklusive Quellennachweis.

Customer Support Agent:

Ein mehrsprachiger Agent übernimmt selbstständig First-Level-Support über Chat oder E-Mail, triagiert komplexere Anfragen und bietet sogar automatische Lösungsvorschläge auf Basis früherer Tickets und Handbücher. Integriert in bestehende CRM-Systeme lernt er laufend dazu.

Voice Agent für Telefongespräche:

Ein sprechender Agent nimmt eingehende Anrufe entgegen, erkennt Anliegen in Echtzeit (Intent Recognition), fragt bei Unklarheiten nach und führt strukturierte Dialoge – etwa zur Terminvereinbarung, Vorqualifikation oder Erfassung von Beschwerden.

Sales Agent mit Angebotserstellung:

Dieser Agent identifiziert potenzielle Leads über Web-Signale, erstellt erste Pitch-Mails, plant Meetings und generiert sogar personalisierte Angebote – unter Einhaltung definierter Margenvorgaben und Vertragsvorlagen.

Market Research Agent:

Ein Agent durchsucht kontinuierlich Branchenquellen, Newsfeeds und soziale Medien, erkennt neue Wettbewerber oder Markttrends, clustert diese nach Relevanz und bereitet das Ergebnis für Produktteams oder das C-Level-Management auf.

Die Liste ließe sich beinahe unendlich fortführen. Wichtig ist jedoch das zentrale Prinzip: AI Agents beobachten, entscheiden und handeln. Das macht sie zu einer hochdynamischen Lösung für eine Vielzahl von Problemen, die früher eine Menge menschlicher Arbeitskraft, Koordination und Fachwissen erfordert haben. Sie dienen dabei als Tool, den Menschen bei seiner täglichen Arbeit zu unterstützen! Je nach Einsatz können die Agents voll automatisch Entscheidungen treffen oder bereiten Aufgaben soweit vor, dass am Ende immer noch die User entscheiden – ganz wie ihr es wollt.

Gekommen, um zu bleiben

Die Frage ist nun, warum ausgerechnet 2025 der Zeitpunkt ist, an dem KI-Agenten so richtig durchstarten. Schließlich gab es schon in den vergangenen Jahren bedeutende Fortschritte in der künstlichen Intelligenz. Ein Grund liegt in der stetigen Weiterentwicklung der Technologien. Wir haben inzwischen sehr leistungsfähige und gleichzeitig preisgünstige Hardware, die es uns erlaubt, riesige Datenmengen in Echtzeit zu verarbeiten. AI-Computing ist erschwinglich geworden und ermöglicht schnelle Antworten ohne große Zeitverluste. Hinzu kommt, dass die Modelle stetig besser werden. Die aktuellen Deep-Learning-Modelle (insbesondere Large Language Modelle) sind in der Lage, komplexe Zusammenhänge zu erfassen und in konkrete Aktionen zu überführen. Ebenso Reinforcement-Learning-Techniken machen es Agenten möglich, in neuen Umgebungen zu agieren.

Ein weiterer wichtiger Faktor ist die gestiegene Akzeptanz in der Gesellschaft. Vor ein paar Jahren war die Skepsis gegenüber KI noch sehr hoch. Viele Menschen hatten Angst, dass KI-Systeme ihnen die Jobs wegnehmen könnten oder dass KI irgendwann ein Eigenleben führt, wie man es aus dystopischen Science-Fiction-Filmen kennt. Heute sehen wir in vielen Bereichen eher die Chancen, die KI bietet – und wir haben gelernt, dass es vor allem auf den richtigen Umgang ankommt. Außerdem regeln gesetzliche Bestimmungen und ethische Richtlinien die Anwendung von KI, sodass sich eine gewisse Sicherheit einstellt. Und von Terminator-ähnlichen Zuständen sind wir noch Lichtjahre entfernt – falls das hier irgendwen beruhigt.

Drittens besteht ein massiver wirtschaftlicher Druck, weiter zu automatisieren und zu digitalisieren. Unternehmen spüren, dass sie nur konkurrenzfähig bleiben, wenn sie neue Technologien nutzen. Intelligente Assistenten sind da nur der nächste logische Schritt. Sie lassen sich vielseitig einsetzen und entlasten Menschen bei eintönigen, wiederkehrenden Aufgaben. Und genau deshalb investieren Firmen aktuell wie verrückt in KI-Lösungen, um den Anschluss nicht zu verlieren oder sogar die Konkurrenz zu überholen.

Nicht zu vergessen sind die immer größer und besser werdenden Open-Source-Ökosysteme und deren boomenden Open-Source-Modelle. Das senkt die Eintrittsbarriere enorm. Wer als Start-up oder Entwicklerteam eine Idee hat, kommt schnell an mächtige Modelle und Bibliotheken heran, um eigene AI Agents zu entwickeln. Das führt zu einer regelrechten Welle an Innovationen und treibt die Entwicklung weiterer smarter Systeme voran.

In 4 Schritten zum AI Agent

Der Aufbau eines funktionierenden AI-Agenten klingt komplex – muss es aber nicht sein. Wenn man einige bewährte Grundprinzipien beachtet, lässt sich ein zuverlässiger Agent entwickeln, der echte Probleme löst und nicht in theoretischer Komplexität stecken bleibt. Hier sind vier zentrale Schritte, um einen AI-Agenten praxisnah und schlank aufzubauen!

1. Wählt einen Workflow, der euch Kopfschmerzen bereitet

Starte nicht mit einem abstrakten Use Case – sondern mit einem echten Problem. Frag dich zum Beispiel „Welcher Prozess in meinem Unternehmen frustriert regelmäßig Mitarbeitende?“ oder „Wo passieren häufig Fehler, wo kommt es zu Verzögerungen?“

Beispiele könnten sein:

Das manuelle Weiterleiten von Kundenanfragen
Die wiederholte Dateneingabe in verschiedene Systeme
Das Zusammenstellen von Berichten aus unterschiedlichen Quellen

Warum wichtig? Ein realer Anwendungsfall bringt schnell echten Nutzen und motiviert intern zur Weiterentwicklung.

2. Nutzt zuerst nur einen Agenten, nicht fünf

Es ist verlockend, gleich ein ganzes Netzwerk von Agenten aufzubauen – aber das führt oft zu unnötiger Komplexität. Stattdessen: Entwickle einen einzelnen Agenten, der einen spezifischen Task übernimmt, z. B.:

Daten zusammenführen
automatische E-Mail-Antworten
Terminvorschläge basierend auf Kalenderverfügbarkeit

Warum wichtig? So lassen sich Fehlerquellen leichter kontrollieren und Lerneffekte direkt auswerten.

3. Integriert Tools schrittweise

Ein AI-Agent entfaltet sein volles Potenzial oft erst durch Anbindung an externe Tools oder Datenquellen – wie APIs, Datenbanken oder CRM-Systeme. Doch auch hier gilt:
Langsam starten.

Beginne z. B. mit einer einfachen API zur Datenerfassung oder einer Schnittstelle zu deinem Kalender. Später kannst du komplexere Abfragen und Workflows hinzufügen.

Warum wichtig? Jedes zusätzliche Tool erhöht den Komplexitätsgrad – kontrolliertes Wachstum ist hier der Schlüssel

4. Setzt klare Regeln & Grenzen

Ein Agent sollte nicht alles dürfen – genauso wie man auch eine Küche kindersicher macht.
Definiere:

Welche Daten darf der Agent lesen oder verändern?
Welche Aktionen sind erlaubt – und welche tabu?
Wie sieht das Failover aus, wenn der Agent nicht weiterkommt?

Warum wichtig? Klare Leitplanken verhindern unerwartete Ausgaben, Sicherheitslücken und Fehlverhalten im Live-Betrieb.

Aktuelle Herausforderungen für Organisationen

Doch Autonome Systeme wie AI Agents bringen auch neue Anforderungen mit sich, die beim Einsatz und der Entwicklung beachtet werden müssen:

Identifizierung von KI-Anwendungsfällen innerhalb Organisationen: denn auch die beste KI ist nutzlos, wenn wir sie nicht richtig einsetzen können. Nur mit gezielten Prozessen und der richtigen Vorgehensweise identifizieren wir genau die Anwendungsfälle mit dem höchsten Erfolgspotential.
Integrationen und Zugriff auf Unternehmensapplikationen: Egal ob ERP, CRM, Intranet, DMS, PIM oder MES – AI Agents nutzen ihr volles Potential, wenn sie auch in jedes interne Tool eingegliedert werden können. Für KARLI kein Problem!
Richtiges und fruchtbares KI-Ökosystem: die Nutzung Künstlicher Intelligenz, im speziellen AI Agents, muss gut vorbereitet und kommuniziert sein. Nur ein offenes und flexibles Ökosystem innerhalb der Unternehmensstrukturen ermöglichen die erfolgreiche Entwicklung von KI-Agenten in der Organisation.
Transparenz & Nachvollziehbarkeit: Wie bereits im AI Act beschrieben muss auch hier Entwicklung und Einsatz der Systeme dokumentiert und nachvollziehbar für außenstehende sein. (z. B. Audit-Trails, Explainability)
Datensicherheit & DSGVO-Konformität: jeder AI Agent ist nur so gut wie die Sicherheit dahinter. DSGVO-Konformität und höchste Datensicherheitsstandards garantieren einen erfolgreichen Einsatz.
Regulatorische Compliance: wie bereits oben erwähnt müssen sämtliche KI-Systeme den europäischen Richtlinien entsprechen, um überhaupt eingesetzt werden zu dürfen. (EU AI Act, CE-Kennzeichnung)
Human-in-the-Loop-Konzepte: Für kritische Entscheidungen ist und bleibt die menschliche Komponente unverzichtbar. So werden AI Agents nicht einfach auf die Menschen losgelassen, sondern am Ende haben wir das letzte Wort.

Unser Ansatz bei FiveSquare legt genau hier den Fokus: skalierbare, modulare Agentensysteme mit sicherem Design und auditierbarer Architektur.

Fazit: AI Agents sind die Zukunft

AI Agents sind keine Science-Fiction mehr, sondern eine hochreale Technologie, die immer stärker in unseren Alltag Einzug hält. Durch ihre Fähigkeit, Daten zu analysieren, eigene Entscheidungen zu treffen und sich ständig weiterzuentwickeln, werden sie in nahezu allen Branchen und Lebensbereichen eingesetzt werden. Ganz gleich, ob es um die Automatisierung von Industrieprozessen, die Optimierung von Lieferketten, den smarten Kundendienst oder unser eigenes Zuhause geht: intelligente Agents vereinfachen Abläufe, steigern die Effizienz und eröffnen neue Möglichkeiten, von denen wir vor wenigen Jahren nur träumen konnten.

AI Agents sind mehr als nur ein Trend: Sie sind der nächste logische Evolutionsschritt intelligenter Systeme. Sie helfen Unternehmen, smarter zu skalieren, Prozesse effizienter zu gestalten und menschliche Expertise dort einzusetzen, wo sie wirklich zählt. Natürlich bleiben wichtige Fragen zu Datenschutz, Ethik und Datensicherheit bestehen, denn je autonomer ein System agiert, desto größer ist die Verantwortung, die wir Menschen dafür übernehmen müssen. Gerade hier stechen Lösungen wie KARLI hervor, bei denen Datensicherheit an oberster Stelle steht. Als AI Agent Plattform bieten wir eine One-Stop-Shop Lösung, mit der User aus unzähligen an getesteten und ready-to-use Agents wählen können oder sich innerhalb weniger Klicks und intuitiv ihren ganz eigenen Agent selber bauen.

Also, auf was wartet ihr noch?

Wir entwickeln KI von Menschen – für Menschen.

FiveSquare – Aspiring the impossible

AUTHOR
Malte Busse

Malte ist Head of Communications bei FiveSquare und mit einer der wenigen Nicht-Techniker:innen. Und genau das nutzt er zu seiner Stärke, hochkomplexe Themen leicht und verständlich rüber zu bringen.