Es gibt fünf klassische Arten von KI-Agenten: einfache Reflex-Agenten, modellbasierte Reflex-Agenten, zielbasierte Agenten, nutzenbasierte Agenten und lernende Agenten. Einfach gesagt: Sie folgen einer Regel, behalten den Überblick über das Geschehen, arbeiten auf ein Ziel hin, wählen die beste von mehreren Optionen oder werden durch Feedback besser. Viele Listen nennen noch zwei weitere Typen, hierarchische Agenten und Multi-Agenten-Systeme. Bei ihnen geht es darum, wie mehrere Agenten zusammenarbeiten.
Dieser Leitfaden erklärt jeden Typ mit einem Beispiel aus dem Alltag und einem Beispiel aus dem Geschäftsleben. Außerdem macht er einen praktischen Punkt: Wenn ein KI-Agent bei geschäftlicher Arbeit danebenliegt, ist die Ursache meist nicht schwache Planung. Der Agent arbeitet schlicht mit den falschen Fakten. Fragen Sie bei der Auswahl eines Agenten deshalb zuerst, was er sehen kann und was er verändern darf. Wie clever er ist, kommt erst an zweiter Stelle.
Was ist ein KI-Agent?
Ein KI-Agent ist Software, die sich eine Situation ansieht, entscheidet, was zu tun ist, und es dann erledigt. Ein Chatbot beantwortet Ihre Frage. Ein Agent kann zusätzlich den nächsten Schritt gehen, etwa Ihren Posteingang lesen, eine Tabelle aktualisieren oder eine Antwort entwerfen.
Die fünf Typen stammen aus dem Lehrbuch Artificial Intelligence: A Modern Approach von Stuart Russell und Peter Norvig, dem Standardwerk der meisten KI-Kurse an Universitäten. Die Autoren ordnen Agenten nach einer einzigen Frage: Wie entscheidet der Agent, was er als Nächstes tut? Der Leitfaden von IBM zu den Arten von KI-Agenten verwendet dieselbe Liste.
Eine einheitliche offizielle Definition gibt es nicht, und das ist auch nicht schlimm. Für Leserinnen und Leser aus dem Business ist der nützliche Test einfach: Gibt das System nur Antworten, oder kann es auch handeln?
Die 5 klassischen Arten von KI-Agenten
Lesen Sie die fünf Typen vom einfachsten bis zum aufwendigsten. Das ist keine Rangliste. Eine einfache Bauweise ist oft genau die richtige, und Lernen lässt sich mit jedem der anderen vier Typen kombinieren.
Die fünf klassischen Typen beschreiben, wie Entscheidungen zustande kommen. Lernen lässt sich mit den anderen vier kombinieren; es ist nicht die oberste Sprosse einer Leiter. Prüfen Sie bei jeder Bauweise, wie gut der Kontext ist.
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28. April 2025
Ein zehnminütiger Überblick über die Lehrbuchtypen, mit einer Zeichnung zu jedem einzelnen. Die Zusammenfassung bei 8:23 bringt sie auf fünf Verben: reagiert (reacts), erinnert sich (remembers), zielt (aims), bewertet (evaluates), verbessert sich (improves).
1. Einfache Reflex-Agenten: einer Regel folgen
Was er tut: „Wenn das passiert, tu dies.“ Er betrachtet nur, was gerade direkt vor ihm liegt.
Beispiel aus dem Alltag: Ein Thermostat schaltet die Heizung unter 19 °C ein.
Beispiel aus dem Business: Eine Posteingangsregel leitet jede E-Mail, in der „Rechnung“ vorkommt, an die Kreditorenbuchhaltung weiter.
Wo es schiefgeht: bei allem, womit die Regel nicht gerechnet hat. Ein Newsletter, der „Rechnung“ erwähnt, landet ebenfalls bei Ihrem Finanzteam. Die Regel kann den Unterschied nicht erkennen, und sie macht jedes Mal denselben Fehler.
Einsetzen, wenn: die Situation vorhersehbar ist und ein Fehler wenig kostet.
2. Modellbasierte Reflex-Agenten: den Überblick behalten
Was er tut: Er folgt weiterhin Regeln, merkt sich aber, was er gesehen hat. Dadurch entsteht ein Bild der Situation, das in Lehrbüchern „Modell“ heißt.
Beispiel aus dem Alltag: Ein Saugroboter merkt sich, welche Räume er schon gereinigt hat.
Beispiel aus dem Business: Ein Support-Assistent erkennt, dass ein Kunde denselben Fehler bereits letzte Woche gemeldet hat. Deshalb hängt er die neue Nachricht an das offene Ticket an, statt ein doppeltes Ticket anzulegen.
Wo es schiefgeht: wenn sein Bild veraltet ist. Ein alter CRM-Eintrag, eine Entscheidung, die nur in einem Slack-Thread steht, oder die Tabelle vom Vormonat führen dazu, dass er selbstbewusst auf Basis falscher Fakten handelt.
Einsetzen, wenn: die richtige Handlung vom Verlauf abhängt und nicht nur von der neuesten Nachricht.
Dieser Typ ist für Business-Teams am wichtigsten, und ein Beitrag, der sich Anfang November 2026 auf X weit verbreitet hat, zeigt, warum. Gul Saeed Khattak, Lead Data Engineer an der University of Glasgow, beschrieb einen Agenten, der nach dem Umsatz des letzten Quartals gefragt wurde:
X · Gul Saeed Khattak (@Ldataengineer) · 3. November 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(Übersetzung) „Er antwortet in 3 Sekunden. Saubere Zahl. Schönes Diagramm. Aber er hat die falsche ‚Umsatz‘-Spalte verwendet. Niemand merkt es.“
Der Agent in dieser Geschichte hat nicht schlecht argumentiert. Er hat gut argumentiert, nur auf Grundlage der falschen Spalte. Wir teilen diese Diagnose. Beachten Sie, dass der Beitrag im weiteren Verlauf für ein bestimmtes Daten-Tool wirbt, das wir nicht getestet haben. Die Lehre fürs Business ist einfacher als jedes Tool: Bevor Sie der Antwort eines Agenten vertrauen, prüfen Sie, welche Quelle er verwendet hat.
3. Zielbasierte Agenten: auf ein Ziel hinarbeiten
Was er tut: Sie geben ihm ein Ziel, und er plant die Schritte. Statt „Welche Regel gilt?“ fragt er „Was bringt mich näher ans Ziel?“
Beispiel aus dem Alltag: Eine Navigations-App plant eine Route und plant neu, wenn Sie eine Abzweigung verpassen.
Beispiel aus dem Business: „Bereite die Präsentation für die Vorstandssitzung bis Donnerstag vor.“ Der Agent holt die neuesten Zahlen, übernimmt das Folienlayout aus dem letzten Quartal und listet die offenen Fragen auf.
Wo es schiefgeht: Er prüft nur, ob das Ziel erreicht ist. Wenn zwei Pläne beide funktionieren, hat er keinen Grund, den günstigeren oder sichereren vorzuziehen.
Einsetzen, wenn: Sie wissen, welches Ergebnis Sie wollen, sich die Schritte aber jedes Mal ändern.
4. Nutzenbasierte Agenten: die beste Option wählen
Was er tut: Er vergleicht mehrere gute Optionen und bewertet sie danach, was Ihnen wichtig ist.
Beispiel aus dem Alltag: Eine Flugsuche, die Preis, Reisezeit und Anzahl der Umstiege gegeneinander abwägt.
Beispiel aus dem Business: Ein Werbe-Assistent schlägt vor, Budget zwischen Kampagnen umzuschichten, und wägt dabei die Kosten pro Verkauf, das verbleibende Budget und die Datenmenge jeder Kampagne ab.
Wo es schiefgeht: Die Bewertung ist nur so gut wie Ihre Prioritäten. Wenn niemand entschieden hat, ob Tempo wichtiger ist als Kosten, kann auch der Agent das nicht entscheiden.
Einsetzen, wenn: es echte Zielkonflikte und mehr als eine akzeptable Antwort gibt.
5. Lernende Agenten: durch Feedback besser werden
Was er tut: Er schaut sich an, wie seine bisherigen Handlungen ausgegangen sind, und passt sich an. Das lässt sich mit jedem der vier obigen Typen kombinieren.
Beispiel aus dem Alltag: Die Vorschläge einer Musik-App ändern sich, je nachdem, welche Songs Sie überspringen oder wiederholen.
Beispiel aus dem Business: Ein Lead-Scoring-Assistent sortiert Leads besser, nachdem das Vertriebsteam markiert hat, welche davon zu echten Abschlüssen wurden.
Wo es schiefgeht: Er lernt, was auch immer das Feedback ihm beibringt. Lückenhaftes oder widersprüchliches Feedback macht ihn selbstbewusst falsch. Lernen braucht außerdem die meisten Daten und die meiste Zeit.
Einsetzen, wenn: sich die Arbeit oft wiederholt und jemand prüft, was der Agent lernt.
Typ 6 und 7: hierarchische Agenten und Multi-Agenten-Systeme
Diese beiden beschreiben, wie mehrere Agenten organisiert sind, und nicht, wie ein einzelner Agent entscheidet.
- Hierarchische Agenten: Ein „Manager“-Agent teilt eine große Aufgabe in Teile auf und übergibt jeden Teil an einen anderen Agenten.
- Multi-Agenten-Systeme: Mehrere Agenten arbeiten gleichzeitig am selben Problem und teilen sich die Arbeit oder teilen sie untereinander auf.
Beispiel aus dem Business: Bei einem Produktlaunch recherchiert ein Agent die Wettbewerber, ein zweiter entwirft die Launch-E-Mail und ein dritter prüft die Landingpage.
Bringen mehr Agenten bessere Ergebnisse? Das hängt von der Aufgabe ab. Im Juni 2025 berichtete Anthropic, dass ein Team aus Agenten bei den hauseigenen Recherchetests besser abschnitt als ein einzelner Agent, dabei aber etwa 15-mal so viele Tokens (die Einheiten, in denen KI-Nutzung abgerechnet wird) verbrauchte wie ein normaler Chat. Anthropic wies außerdem darauf hin, dass Aufgaben, bei denen jeder Agent denselben Kontext braucht, schlecht geeignet waren (Anthropic). Ein Forschungspapier vom Oktober 2026, noch ohne Peer-Review, stellte fest, dass Agenten, die sich gegenseitig Arbeit übergeben, die Fakten der anderen nicht noch einmal prüften, solange der Prozess sie nicht dazu zwang (arXiv).
Die Erkenntnis lautet also nicht „Mehr Agenten sind besser“. Es ist dieselbe Regel, die auch für Menschen gilt: Jede Übergabe braucht klare Eingaben, ein klares Ergebnis und jemanden, der das Ergebnis prüft.
Wo heutige KI-Agenten einzuordnen sind
Die fünf Typen wurden beschrieben, bevor es Tools wie ChatGPT und Claude gab. Ein moderner KI-Agent kombiniert mehrere davon. Er folgt Ihren Anweisungen (Regeln), liest Ihre Dokumente und früheren Nachrichten (Überblick behalten), plant Schritte hin zu dem, worum Sie gebeten haben (Ziel), wägt Optionen ab, wenn Sie ihn um eine Wahl bitten (beste Option), und kann sich verbessern, wenn Sie Korrekturen speichern (Feedback).
Wenn ein Anbieter also sagt, sein Produkt sei „ein zielbasierter Agent“, sagt Ihnen das wenig. Stellen Sie stattdessen drei einfache Fragen:
- Was kann er lesen?
- Was kann er verändern?
- Wann hält er an und fragt einen Menschen?
Häufige Denkfehler bei Agententypen
„Die späteren Typen sind immer besser.“ Nein. Eine einfache Regel ist günstiger, schneller und leichter zu überprüfen. Nehmen Sie den einfachsten Typ, der die Aufgabe erledigt.
„Ein lernender Agent lernt automatisch aus allem.“ In den meisten Business-Tools wird er nur besser, wenn jemand die Korrektur speichert, zum Beispiel als aktualisierte Anweisung. Speichert niemand sie, beginnt der nächste Durchlauf wieder bei null.
„Mehr Agenten bedeuten mehr Leistungsfähigkeit.“ Mehr Agenten bedeuten mehr Übergaben. Kleine Fehler summieren sich außerdem: Wenn jeder Schritt in 95 % der Fälle stimmt, ist ein Prozess mit zehn Schritten nur in etwa 60 % der Fälle richtig.
„Der Typ sagt mir, was der Agent in meinem Unternehmen leisten kann.“ Der Typ sagt Ihnen, wie er entscheidet. Was er leisten kann, hängt davon ab, worauf er zugreifen kann und was er verändern darf.
Ein einfacherer Ansatz für Business-Teams: Agenten nach ihrer Aufgabe ordnen
Die Lehrbuchtypen beschreiben, wie ein Agent denkt. Eine Vertriebsleiterin oder ein Operations-Manager interessiert sich meist mehr für die Aufgabe, die er erledigen wird. Viele Teams finden es deshalb einfacher, Agenten nach ihrer Rolle zu gruppieren. Das ist eine praktische Denkweise, keine offizielle Liste.
| Rolle | Was sie tut | Was Sie bekommen | Was der Mensch weiterhin entscheidet |
|---|---|---|---|
| Beobachter | Behält eine Quelle im Blick und meldet, was wichtig ist | Eine tägliche Meldung oder Zusammenfassung | Welche Meldungen ein Handeln erfordern |
| Rechercheur | Sammelt und vergleicht Informationen | Ein Briefing oder eine Shortlist | Ob die Quellen gut sind und was zu tun ist |
| Produzent | Macht aus Eingaben einen Entwurf | Eine E-Mail, einen Bericht, eine Präsentation oder eine Seite | Überarbeitet und versendet oder veröffentlicht dann |
| Operator | Nimmt Änderungen in Ihren Tools vor | Aktualisierte Datensätze, einen geplanten Post | Erteilt Zugriff und genehmigt Änderungen |
| Koordinator | Führt eine mehrstufige Aufgabe über mehrere Tools hinweg aus | Ein fertiges Paket, zur Prüfung zurückgegeben | Verantwortet das Ergebnis |
Menschen übergeben Agenten bereits ganze Aufgaben. Greg Isenberg, CEO des Company-Building-Studios Late Checkout, beschrieb seine Woche auf X:
X · Greg Isenberg (@gregisenberg) · 3. November 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(Übersetzung) „Mein Team besteht aus über 50 Leuten in 12 Ländern, aber ich rede mit meinen Agenten mehr als mit meinen menschlichen Teamkollegen.“
Im selben Beitrag nennt er einen Schritt, in dem ein Agent seine Idee hinterfragt, bevor irgendetwas gebaut wird. Das ist eine gute Gewohnheit für jede Rolle in der Tabelle: Lassen Sie den Agenten nach dem Ziel fragen, bevor er loslegt. Unsere Sicht ist weniger dramatisch als seine Darstellung. Viel mit Agenten zu sprechen ist in Ordnung, solange Menschen weiterhin entscheiden, was versendet, geändert oder genehmigt wird.
Beispiel: ein Follow-up im Vertrieb, Schritt für Schritt
So tauchen die Typen in einer ganz gewöhnlichen Aufgabe auf. Es ist ein Beispiel dafür, wie die Schritte in Okou zusammenspielen, keine Kundengeschichte.
Die Anfrage. Nach einem Verlängerungsgespräch schreibt ein Account Manager: „Sieh dir die Historie dieses Kunden an, bereite ein Briefing für mein Team vor und entwirf die Follow-up-E-Mail.“
1. Zuerst die Fakten prüfen (Überblick behalten). Der Agent liest den E-Mail-Verlauf, die Gesprächsnotizen, den CRM-Eintrag und aktuelle Nachrichten über den Kunden. Im CRM steht „Verlängerung, Standardkonditionen“. Eine E-Mail von letzter Woche sagt aber, dass die Finanzverantwortliche des Kunden eine vierteljährliche Abrechnung möchte. Der Agent verwendet die neuere E-Mail und markiert den Widerspruch als offene Frage.
2. Die Arbeit planen (Ziel). Er sammelt, was Briefing und E-Mail beide brauchen: was im Gespräch zugesagt wurde, was noch offen ist und welchen nächsten Schritt der Kunde vereinbart hat.
3. Der Vorgabe des Teams folgen (beste Option). Der Account Manager hat bereits gesagt: „Kunden-E-Mails unter 150 Wörtern halten und mit dem nächsten Schritt beginnen.“ Damit ist die Abwägung zwischen kurz und ausführlich entschieden.
4. Entwerfen, nicht senden. Das Team hat Okou erlaubt, Gmail-Entwürfe zu schreiben, aber nicht, sie zu senden (Was ist Okou?). Braucht der Agent einen Zugriff, den er nicht hat, genehmigt ihn ein Mensch und legt fest, wie lange er gilt.
5. Für jede Zielgruppe das passende Format wählen. Das interne Team bekommt ein Briefing als Dokument, das es kommentieren kann. Der Kunde bekommt eine kurze E-Mail, die den nächsten Schritt klar macht.
6. Ein Mensch prüft. Der Account Manager korrigiert einen Satz zur Abrechnung, prüft den Empfänger und klickt auf Senden.
Eine in Okou entworfene E-Mail (Beispieldaten aus einer anderen Aufgabe). Achten Sie auf das Draft-Label und die Send-Schaltfläche: Nichts geht hinaus, bevor ein Mensch auf Send klickt. Klicken Sie auf das Bild, um es in voller Größe zu sehen.
7. Speichern, damit das Team es wiederverwenden kann (Feedback). Die Korrektur hilft beim nächsten Mal nur, wenn sie gespeichert wird. Der Account Manager bittet Okou, den Ablauf als Workflow zu speichern: welche Quellen geprüft werden, wie das Briefing aussieht und die Regel, dass E-Mails Entwürfe bleiben. Eine Kollegin oder ein Kollege kann den Workflow dann für einen anderen Kunden ausführen, mit den eigenen E-Mail- und CRM-Konten statt denen der Person, die ihn erstellt hat (Okou für Teams). Soll er vor jedem Verlängerungsgespräch laufen, kann das Team eine Automatisierung mit Zeitplan oder Auslöser hinzufügen.
Die meisten Artikel über Agententypen konzentrieren sich auf Schritt 2, die Planung. In diesem Beispiel machten aber Schritt 1 (die neuere E-Mail), Schritt 4 (entwerfen, nicht senden), Schritt 5 (das passende Format) und Schritt 7 (die Korrektur speichern) das Ergebnis erst nützlich.
So wählen Sie die richtige Art von KI-Agent
Beantworten Sie diese Fragen zur Aufgabe:
- Lässt sich die Regel in einem Satz aufschreiben? Dann reicht vielleicht eine einfache Regel.
- Hängt die richtige Antwort vom Verlauf ab? Dann braucht der Agent Zugriff auf die richtigen Quellen, und Sie sollten prüfen, was er tut, wenn sich zwei Quellen widersprechen.
- Kennen Sie das Ergebnis, aber nicht die Schritte? Das ist zielbasierte Arbeit: Recherche-Briefings, Berichte, erste Entwürfe.
- Gibt es Zielkonflikte? Legen Sie zuerst Ihre Prioritäten fest und lassen Sie den Agenten sie dann anwenden.
- Wiederholt sich die Aufgabe? Planen Sie, wie Korrekturen gespeichert werden, damit der nächste Durchlauf besser wird.
- Was darf er höchstens ändern, ohne zu fragen? Beginnen Sie mit Lesezugriff und Entwürfen. Erweitern Sie den Zugriff Schritt für Schritt, wo möglich mit zeitlicher Begrenzung.
Wenn Okou eine Berechtigung braucht, die noch fehlt, sieht ein Mensch genau, worum es geht, und entscheidet, wie lange der Zugriff erlaubt ist.
Wie Okou ins Bild passt
Okou ist ein KI-Teammitglied für Business-Teams. Sie wählen keinen Agententyp aus. Sie beschreiben die Aufgabe, verweisen auf die relevanten Dateien und Tools, und Okou sammelt den Kontext, erledigt die Arbeit in der Cloud und gibt Ihnen etwas zurück, das Sie prüfen können.
Drei Punkte aus diesem Leitfaden prägen, wie Okou arbeitet:
- Zuerst die richtigen Fakten. Okou liest die E-Mails, Dokumente und Datensätze, die die Aufgabe braucht, und gleicht sich ändernde Fakten mit ihrer Quelle ab. Korrekturen, die Sie in einem Chat machen, gelten in diesem Chat weiter. Um den Hintergrund aus einem anderen Chat zu nutzen, verweisen Sie Okou darauf (Chat).
- Das passende Format. Eine kurze Nachricht für ein Update, ein Dokument für Details, die geprüft werden müssen, eine Webseite oder Folien, wenn eine Gruppe eine Empfehlung gemeinsam durchgehen soll.
- Wiederverwendung mit Grenzen. Ein gespeicherter Workflow ermöglicht es Teammitgliedern, eine Methode mit ihren eigenen Konten und Berechtigungen wiederzuverwenden. Wer einen Workflow teilt, teilt damit weder den eigenen Posteingang noch private Chats.
Weitere Beispiele finden Sie in 20 Anwendungsfälle für KI-Agenten mit echten Prompts und Ergebnissen, Kontextmanagement für KI-Agenten im Team und wie Okou fragt, bevor gehandelt wird.
Häufige Fragen
Was sind die 5 Arten von KI-Agenten?
Einfache Reflex-Agenten folgen festen Regeln. Modellbasierte Reflex-Agenten behalten zusätzlich die Situation im Blick. Zielbasierte Agenten planen Schritte hin zu einem Ziel. Nutzenbasierte Agenten wählen die beste von mehreren Optionen. Lernende Agenten verbessern sich durch Feedback. Die Liste stammt aus dem KI-Lehrbuch von Russell und Norvig und ist die, die in den meisten Kursen verwendet wird.
Was ist ein einfacher Reflex-Agent in der KI?
Er handelt nur auf Grundlage dessen, was er gerade sieht, mit „Wenn dies, dann das“-Regeln. Er hat kein Gedächtnis und macht keine Pläne. Ein Thermostat ist ein Beispiel dafür. Im Business funktionieren Posteingangsfilter und einfache Weiterleitungsregeln so: zuverlässig, wenn die Lage vorhersehbar ist, und leicht zu täuschen, wenn nicht.
Was ist der Unterschied zwischen einem zielbasierten und einem nutzenbasierten Agenten?
Ein zielbasierter Agent ist mit jedem Plan zufrieden, der das Ziel erreicht. Ein nutzenbasierter Agent vergleicht die Optionen und wählt die beste. Ein zielbasierter Agent bucht irgendeinen Flug nach Chicago. Ein nutzenbasierter Agent bucht den Flug, der Preis, Reisezeit und Umstiege am besten ausbalanciert, je nachdem, was Ihnen laut Ihren Angaben wichtig ist.
Sind Multi-Agenten-Systeme eine Art von KI-Agent?
Treffender beschreibt man sie als eine Art, Agenten zu organisieren. Mehrere Agenten teilen sich eine Aufgabe oder teilen sie untereinander auf, und jeder davon kann weiterhin einer der fünf klassischen Typen sein. Mehr Agenten bedeuten außerdem mehr Übergaben, und gerade bei Übergaben werden Prüfungen am häufigsten übersprungen.
Gibt es eine offizielle Liste von KI-Agententypen für Unternehmen?
Nein. Die fünf klassischen Typen werden breit gelehrt, aber Einteilungen für den Business-Einsatz unterscheiden sich. Manche ordnen Agenten nach Abteilung, manche danach, wie selbstständig sie arbeiten, und manche nach Rolle, etwa die Rollen Beobachter, Rechercheur, Produzent, Operator und Koordinator in diesem Leitfaden. Nutzen Sie jede Einteilung als Planungshilfe, nicht als Standard.
Mit welcher Art von KI-Agent sollte ein kleines Unternehmen anfangen?
Beginnen Sie mit einer Aufgabe, die sich wiederholt, ein klares Ergebnis hat und sich gefahrlos prüfen lässt, bevor etwas hinausgeht, etwa ein Wochenbericht, ein Recherche-Briefing oder Entwürfe für Follow-up-E-Mails. Geben Sie dem Agenten Lesezugriff auf das, was er braucht, lassen Sie das Versenden und Änderungen an Datensätzen bei einem Menschen und erweitern Sie den Zugriff erst, wenn er sich als zuverlässig erwiesen hat.
