{"id":15187,"date":"2026-09-28T15:33:08","date_gmt":"2026-09-28T08:33:08","guid":{"rendered":"\/de\/tutorials\/?p=15187"},"modified":"2026-09-28T15:33:11","modified_gmt":"2026-09-28T08:33:11","slug":"was-ist-llm-agent","status":"publish","type":"post","link":"\/de\/tutorials\/was-ist-llm-agent\/","title":{"rendered":"Was ist ein LLM-Agent?"},"content":{"rendered":"

Ein LLM-Agent ist ein KI-System, das ein Large Language Model mit Planung, Speicher und externen Tools kombiniert, um Aufgaben autonom zu erledigen.<\/p>

Im Gegensatz zu einem herkömmlichen Sprachmodell, das in erster Linie Text generiert, kann ein LLM-Agent Entscheidungen treffen, mit externen Systemen interagieren und mehrstufige Abläufe ausführen, um ein bestimmtes Ziel zu erreichen.<\/p>

LLM-Agenten kommen unter anderem im Kundensupport, in der Softwareentwicklung und Forschung sowie bei der Workflow-Automatisierung und persönlichen Produktivität zum Einsatz.<\/p>

Allen Anwendungsfällen liegt dieselbe Fähigkeit zugrunde: LLM-Agenten zerlegen Aufgaben in einzelne Schritte, nutzen externe Tools und erledigen die Arbeit unter minimalem menschlichem Eingreifen.<\/p>

LLM-Agenten vs. KI-Agenten<\/h2>

Ein LLM-Agent ist ein KI-Agent, der ein Large Language Model nutzt, um Anweisungen zu verstehen, Aufgaben schrittweise zu durchdenken und mit externen Tools zu interagieren.<\/p>

Als KI-Agenten<\/a> werden allgemein alle Systeme bezeichnet, die ihre Umgebung wahrnehmen, Entscheidungen treffen und Handlungen ausführen können, um ein Ziel zu erreichen.<\/p>

Einige KI-Agenten basieren auf Large Language Models, andere auf Machine-Learning-Modellen, regelbasierten Systemen oder herkömmlicher Software.<\/p>

Die folgende Tabelle zeigt die wichtigsten Unterschiede zwischen LLM-Agenten und generellen KI-Agenten:<\/p>

Merkmal<\/strong><\/th>KI-Agent<\/strong><\/th>LLM-Agent<\/strong><\/th><\/tr><\/thead>
Zweck<\/strong><\/td>Erledigt Aufgaben autonom<\/td>Erledigt sprachbasierte Aufgaben autonom<\/td><\/tr>
Kerntechnologie<\/strong><\/td>Regeln, Machine Learning, Reinforcement Learning, LLMs oder eine Kombination daraus<\/td>Large Language Model (LLM)<\/td><\/tr>
Sprachverständnis<\/strong><\/td>Optional<\/td>Kernfunktion<\/td><\/tr>
Planung<\/strong><\/td>Abhängig von der Implementierung<\/td>Zerlegt komplexe Ziele in mehrere Schritte<\/td><\/tr>
Nutzung von Tools<\/strong><\/td>Abhängig von der Implementierung<\/td>Nutzt APIs, Datenbanken, Websuchen, Code-Interpreter und andere Tools<\/td><\/tr>
Typische Anwendungsfälle<\/strong><\/td>Robotik, industrielle Automatisierung, autonome Fahrzeuge, Empfehlungssysteme<\/td>Kundensupport, Coding-Assistenten, Forschung, Workflow-Automatisierung, Content-Erstellung<\/td><\/tr><\/tbody><\/table><\/figure>

Jeder LLM-Agent ist ein KI-Agent, aber nicht jeder KI-Agent ist ein LLM-Agent.<\/p>

Ein Lagerroboter, der Pakete sortiert, ist beispielsweise ein KI-Agent, da er anhand von Sensordaten Entscheidungen trifft, obwohl er kein Sprachmodell verwendet.<\/p>

Ein Coding-Assistent oder Forschungsagent hingegen nutzt ein LLM, um Anfragen zu verstehen, mehrere Schritte zu durchdenken und Antworten zu generieren, während er mit externen Tools interagiert.<\/p>

Wie funktionieren LLM-Agenten?<\/h2>

Ein LLM-Agent erledigt Aufgaben in einem fortlaufenden Zyklus aus Schlussfolgerung, Planung, Ausführung und Auswertung.<\/p>

\n
\"Ein