Agentic AI / AI Agent

Was ist ein AI Agent?

Ein AI Agent (auch Agentic AI) ist ein KI-System, das nicht nur auf einzelne Prompts reagiert, sondern autonom eine Abfolge von Aktionen plant und ausführt, um ein übergeordnetes Ziel zu erreichen. Der Agent beobachtet seine Umgebung, trifft Entscheidungen und nutzt Tools – zum Beispiel Web-Suche, Code-Ausführung oder API-Aufrufe – um Zwischenergebnisse zu erzielen und schließlich eine Aufgabe abzuschließen.

Wie funktioniert das?

Der typische Ablauf eines Agents folgt einem Reason → Act → Observe-Zyklus (auch ReAct-Pattern genannt):

1. Reason: Das LLM analysiert die aktuelle Situation und plant den nächsten Schritt.
2. Act: Der Agent führt eine Aktion aus (z. B. Tool-Call, API-Request).
3. Observe: Das Ergebnis der Aktion wird zurück in den Kontext des Modells gegeben.
4. Wiederholen, bis das Ziel erreicht ist.

# Vereinfachtes Beispiel mit OpenAI Function Calling
from openai import OpenAI

client = OpenAI()

tools = [{
    "type": "function",
    "function": {
        "name": "web_search",
        "description": "Sucht im Web nach aktuellen Informationen",
        "parameters": {
            "type": "object",
            "properties": {
                "query": {"type": "string"}
            },
            "required": ["query"]
        }
    }
}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Was ist der aktuelle Bitcoin-Kurs?"}],
    tools=tools,
    tool_choice="auto"
)

# Der Agent entscheidet selbst, ob und welches Tool er aufruft
print(response.choices[0].message.tool_calls)

Kernkomponenten eines Agents

Komponente	Beschreibung
LLM	Das "Gehirn" – plant und entscheidet
Tools	Funktionen, APIs, Datenbanken
Memory	Kurzzeit (Context Window) & Langzeit (Vector DB)
System Prompt	Definiert Rolle, Ziele und Grenzen

Praxisbeispiele

• Coding Agent: Analysiert einen Bug, schreibt einen Fix, führt Tests aus und committet den Code.
• Research Agent: Sucht im Web, fasst Quellen zusammen und erstellt einen Bericht.
• Customer Support Agent: Liest CRM-Daten, beantwortet Fragen und eskaliert bei Bedarf.

Bekannte Frameworks

• LangChain / LangGraph – Python-Framework für komplexe Agent-Pipelines
• AutoGen (Microsoft) – Multi-Agenten-Kommunikation
• CrewAI – Rollenbasierte Agent-Teams
• OpenAI Agents SDK – Offizielles SDK für OpenAI-basierte Agents

Wichtige Hinweise für Entwickler

⚠️ Agents können in Endlosschleifen geraten oder unerwartete Aktionen ausführen. Setze immer ein maximales Schritt-Limit und nutze Guardrails, um kritische Aktionen abzusichern.

Die größten Herausforderungen bei Agents sind Zuverlässigkeit, Kosten (viele LLM-Calls) und Sicherheit (was darf der Agent wirklich tun?).