{"id":15686,"date":"2026-10-18T16:10:27","date_gmt":"2026-10-18T09:10:27","guid":{"rendered":"\/de\/tutorials\/?p=15686"},"modified":"2026-10-16T16:48:34","modified_gmt":"2026-10-16T09:48:34","slug":"arten-von-ki-agenten","status":"publish","type":"post","link":"\/de\/tutorials\/arten-von-ki-agenten\/","title":{"rendered":"Arten von KI-Agenten einfach erkl\u00e4rt"},"content":{"rendered":"<p class=\"wp-block-paragraph\">KI-Agenten lassen sich danach einteilen, wie sie Informationen wahrnehmen, Entscheidungen treffen und Aufgaben ausf&uuml;hren.<\/p><p class=\"wp-block-paragraph\">Die verschiedenen Typen unterscheiden sich darin, wie sie Aktionen ausw&auml;hlen, Kontextinformationen speichern, zuk&uuml;nftige Schritte planen und unter menschlicher Aufsicht arbeiten.<\/p><p class=\"wp-block-paragraph\">Die Arten von KI-Agenten im &Uuml;berblick:<\/p><ul class=\"wp-block-list\">\n<li><strong>Einfache Reflexagenten<\/strong> reagieren anhand vordefinierter Regeln auf aktuelle Eingaben.<\/li>\n\n\n\n<li><strong>Modellbasierte Reflexagenten<\/strong> nutzen ein internes Modell ihrer Umgebung, um fundiertere Entscheidungen zu treffen.<\/li>\n\n\n\n<li><strong>Zielbasierte Agenten<\/strong> bewerten Handlungen danach, wie gut sie ein bestimmtes Ziel erreichen.<\/li>\n\n\n\n<li><strong>Nutzenbasierte Agenten<\/strong> vergleichen m&ouml;gliche Ergebnisse und w&auml;hlen die Option mit dem h&ouml;chsten Gesamtnutzen.<\/li>\n\n\n\n<li><strong>Lernende Agenten<\/strong> verbessern ihre Leistung durch Erfahrungen und Feedback.<\/li>\n\n\n\n<li><strong>LLM-basierte Agenten<\/strong> kombinieren gro&szlig;e Sprachmodelle mit Ged&auml;chtnis, Schlussfolgern, Planung und externen Tools, um komplexe Aufgaben zu bew&auml;ltigen.<\/li>\n\n\n\n<li><strong>Multi-Agenten-Systeme<\/strong> koordinieren mehrere spezialisierte Agenten, um gr&ouml;&szlig;ere oder komplexere Probleme zu l&ouml;sen.<\/li>\n<\/ul><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-einfache-reflexagenten\"><strong>Einfache Reflexagenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong><strong>Einfache Reflexagenten sind<\/strong> <a data-click-id=\"hgr-post-content-link-ki-agenten\" href=\"\/de\/tutorials\/was-sind-ki-agenten\/\"><strong>KI-Agenten<\/strong><\/a><strong>, die Entscheidungen ausschlie&szlig;lich anhand der Informationen treffen, die ihnen zum jeweiligen Zeitpunkt vorliegen.<\/strong><\/strong><\/p><p class=\"wp-block-paragraph\">Jede Entscheidung folgt einer vordefinierten Regel. Die Agenten erinnern sich weder an fr&uuml;here Ereignisse noch k&ouml;nnen sie vorhersagen, was als N&auml;chstes geschieht.<\/p><p class=\"wp-block-paragraph\">Ihr Verhalten wird durch Bedingungs-Aktions-Regeln bestimmt, die h&auml;ufig als <strong>Wenn-dann-Anweisungen<\/strong> formuliert werden. Eines der einfachsten <a data-click-id=\"hgr-post-content-link-beispiele-fur-ki-agenten\" href=\"\/de\/tutorials\/ki-agenten-beispiele\/\">Beispiele f&uuml;r KI-Agenten<\/a> ist ein intelligenter Thermostat, der einer Regel wie dieser folgt: <em>Wenn die Raumtemperatur unter 20 &deg;C f&auml;llt, schalte die Heizung ein.<\/em><\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad824401c09c\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad824401c09c\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Einfache-Reflexagenten.png\/public\" alt=\"Ein Thermometer misst eine Temperatur unter 20 &deg;C und l&ouml;st damit eine Wenn-dann-Regel aus, die sofort ein Heizelement aktiviert. Die Eingabe wird ohne Zwischenspeicherung oder Verzweigungen direkt in eine Aktion umgesetzt.\" class=\"wp-image-15766\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Einfache-Reflexagenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Einfache-Reflexagenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Einfache-Reflexagenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\">Jede Eingabe l&ouml;st eine passende Aktion aus, ohne dass fr&uuml;here Ereignisse oder zuk&uuml;nftige Folgen ber&uuml;cksichtigt werden.<\/p><p class=\"wp-block-paragraph\">Da einfache Reflexagenten keine Informationen speichern und nicht aus Erfahrungen lernen, f&uuml;hrt dieselbe Eingabe immer zur gleichen Ausgabe.<\/p><p class=\"wp-block-paragraph\"><strong>Diese Einschr&auml;nkung verhindert, dass sich einfache Reflexagenten an ver&auml;nderte Bedingungen anpassen k&ouml;nnen.<\/strong><\/p><p class=\"wp-block-paragraph\">Der Thermostat erkennt zwar, dass es im Raum kalt ist, aber nicht, dass ein offenes Fenster den Temperaturabfall verursacht.<\/p><p class=\"wp-block-paragraph\">Er folgt jedes Mal derselben Regel, weil er sich weder an fr&uuml;here Bedingungen erinnert noch die Ursache der Temperatur&auml;nderung ermitteln kann.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Automatische T&uuml;ren, intelligente Thermostate, bewegungsgesteuerte Beleuchtung und F&ouml;rderb&auml;nder, die anhalten, sobald ein Sicherheitssensor ein Hindernis erkennt.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-modellbasierte-reflexagenten\"><strong>Modellbasierte Reflexagenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>Modellbasierte Reflexagenten treffen Entscheidungen anhand aktueller Beobachtungen und gespeicherter Informationen &uuml;ber ihre Umgebung.<\/strong><\/p><p class=\"wp-block-paragraph\">Diese gespeicherten Informationen werden als <strong>interner Zustand<\/strong> bezeichnet und helfen dem Agenten bei der Entscheidungsfindung. Dazu k&ouml;nnen k&uuml;rzlich erkannte Objekte, bereits ausgef&uuml;hrte Aktionen oder Ver&auml;nderungen in der Umgebung geh&ouml;ren.<\/p><p class=\"wp-block-paragraph\">Sobald neue Informationen vorliegen, aktualisiert der Agent sein internes Modell. Seine Entscheidungen basieren damit sowohl auf aktuellen Beobachtungen als auch auf bereits vorhandenem Wissen. Dieser wiederkehrende Ablauf ist das Grundprinzip, nach dem modellbasierte Agenten arbeiten.<\/p><p class=\"wp-block-paragraph\">Ein Lagerroboter, der ein Paket abholt, nutzt diese F&auml;higkeit jedes Mal, wenn er in einen neuen Gang einbiegt.<\/p><p class=\"wp-block-paragraph\">Regale, Paletten und andere Roboter geraten schnell aus dem Erfassungsbereich seiner Sensoren, bleiben aber im internen Zustand des Roboters erfasst.<\/p><p class=\"wp-block-paragraph\">Da der Roboter wei&szlig;, wo sich diese Hindernisse befanden, kann er auch dann sicher weiter navigieren, wenn seine Sensoren sie nicht mehr erfassen.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad824401d2dd\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad824401d2dd\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Modellbasierte-Reflexagenten.png\/public\" alt=\"Ein Lagerroboter navigiert anhand eines Grundrisses und einer Anzeige seines internen Zustands, auf der bereits besuchte und noch nicht besuchte Regale verzeichnet sind. Dazu geh&ouml;ren auch Bereiche au&szlig;erhalb der aktuellen Sensorreichweite.\" class=\"wp-image-15767\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Modellbasierte-Reflexagenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Modellbasierte-Reflexagenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Modellbasierte-Reflexagenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\"><strong>Das interne Modell verbessert die Entscheidungsfindung, doch der Agent folgt weiterhin vordefinierten Regeln.<\/strong> Ver&auml;ndert sich die Umgebung auf eine Weise, die das Modell nicht abbilden kann, oder erfordert eine Aufgabe die Bewertung mehrerer zuk&uuml;nftiger Handlungen, kann sich ein modellbasierter Reflexagent nicht an diese Ver&auml;nderungen anpassen oder &uuml;ber sein programmiertes Verhalten hinaus planen.<\/p><p class=\"wp-block-paragraph\">Stellen Sie sich vor, derselbe Lagerroboter stellt fest, dass seine &uuml;bliche Route blockiert ist. Er kann sich zwar merken, wo sich Regale und Hindernisse befinden, aber nicht mehrere alternative Wege vergleichen, um den effizientesten zu finden. Stattdessen folgt er weiterhin seinen programmierten Entscheidungsregeln.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Roboternavigation, Lagerautomatisierung, Bestandsverwaltung und autonome Inspektionssysteme.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-zielbasierte-agenten\"><strong>Zielbasierte Agenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>Zielbasierte Agenten treffen Entscheidungen, um ein bestimmtes Ziel zu erreichen.<\/strong> Jede Handlung wird danach bewertet, ob sie den Agenten diesem Ziel n&auml;herbringt.<\/p><p class=\"wp-block-paragraph\">Die F&auml;higkeit zur Planung unterscheidet zielbasierte Agenten von Reflexagenten. Bevor der Agent handelt, entwickelt und bewertet er m&ouml;gliche Handlungsabl&auml;ufe, um zu ermitteln, welcher davon das Ziel mit der h&ouml;chsten Wahrscheinlichkeit erreicht.<\/p><p class=\"wp-block-paragraph\">Je nach Anwendungsfall k&ouml;nnen dabei verschiedene Verfahren zum Einsatz kommen:<\/p><ul class=\"wp-block-list\">\n<li><strong>Suchalgorithmen<\/strong> untersuchen unterschiedliche Handlungsabl&auml;ufe und ermitteln einen Weg zum Ziel.<\/li>\n\n\n\n<li><strong>Pfadfindungsalgorithmen<\/strong> berechnen effiziente Routen durch physische oder virtuelle Umgebungen.<\/li>\n\n\n\n<li><strong>Planungsverfahren<\/strong> ordnen Aufgaben, Ressourcen oder Termine in der effizientesten Reihenfolge an.<\/li>\n\n\n\n<li><strong>LLM-basiertes Schlussfolgern<\/strong> unterteilt komplexe Anfragen in kleinere Schritte, bewertet m&ouml;gliche L&ouml;sungsans&auml;tze und erstellt einen Plan in nat&uuml;rlicher Sprache.<\/li>\n<\/ul><p class=\"wp-block-paragraph\">Eine Routenplanungs-App kann beispielsweise mehrere Stra&szlig;en vergleichen, bevor sie eine Route zum gew&uuml;nschten Ziel vorschl&auml;gt.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad824401e296\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad824401e296\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Zielbasierte-Agenten.png\/public\" alt=\"Eine Karte aus der Vogelperspektive zeigt drei m&ouml;gliche Routen zwischen einem Startpunkt und einem Ziel. Eine Route ist als ausgew&auml;hlt hervorgehoben, die beiden anderen als Alternativen. Die Darstellung veranschaulicht, wie ein Agent seine Schritte plant, bevor er handelt.\" class=\"wp-image-15768\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Zielbasierte-Agenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Zielbasierte-Agenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Zielbasierte-Agenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\"><strong>Die gr&ouml;&szlig;te Einschr&auml;nkung besteht darin, dass ein Ziel allein nicht festlegt, welches erfolgreiche Ergebnis das beste ist.<\/strong> Eine Navigations-App kann mehrere Routen finden, die alle zum gew&uuml;nschten Ziel f&uuml;hren.<\/p><p class=\"wp-block-paragraph\">Besteht das einzige Ziel darin, am Zielort anzukommen, erf&uuml;llt jede dieser Routen die Vorgabe. Um die schnellste, sicherste oder kraftstoffsparendste Route auszuw&auml;hlen, sind zus&auml;tzliche Kriterien erforderlich.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Routenplanung, Erstellung von Reisepl&auml;nen, Lagerroboter zum Abholen von Artikeln und Planungssysteme, die Aufgaben zur Einhaltung von Fristen organisieren.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-nutzenbasierte-agenten\"><strong>Nutzenbasierte Agenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>Nutzenbasierte Agenten w&auml;hlen die Handlung, von der sie das beste Gesamtergebnis erwarten.<\/strong><\/p><p class=\"wp-block-paragraph\">Das Erreichen eines Ziels ist dabei nur ein Teil der Entscheidung. Der Agent bewertet auch die Qualit&auml;t der m&ouml;glichen Ergebnisse.<\/p><p class=\"wp-block-paragraph\">Grundlage dieser Bewertung ist eine <strong>Nutzenfunktion<\/strong>. Dabei handelt es sich um ein Regelwerk, das jedem m&ouml;glichen Ergebnis einen Wert zuweist.<\/p><p class=\"wp-block-paragraph\">Je h&ouml;her dieser Wert, desto w&uuml;nschenswerter ist das Ergebnis gem&auml;&szlig; den Priorit&auml;ten der jeweiligen Aufgabe. Zu den Bewertungskriterien k&ouml;nnen geringere Kosten, k&uuml;rzere Reisezeiten, h&ouml;here Sicherheit oder gr&ouml;&szlig;ere Gewinne geh&ouml;ren.<\/p><p class=\"wp-block-paragraph\">Nehmen wir als Beispiel einen KI-Assistenten, der einen Urlaub plant. Mehrere Reisepl&auml;ne k&ouml;nnen zum selben Ziel f&uuml;hren, unterscheiden sich aber in ihren Vor- und Nachteilen. Eine Reiseroute ist m&ouml;glicherweise g&uuml;nstiger, eine andere schneller und eine dritte hat weniger Zwischenstopps.<\/p><p class=\"wp-block-paragraph\">Ein nutzenbasierter Agent bewertet jede Option und empfiehlt diejenige, die den Priorit&auml;ten des Reisenden am besten entspricht.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad824401f2f4\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad824401f2f4\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Nutzenbasierte-Agenten.png\/public\" alt=\"Drei Serveroptionen werden anhand von Kriterien wie Kosten, Geschwindigkeit und Energieverbrauch bewertet. Die Option mit der h&ouml;chsten Gesamtpunktzahl wird ausgew&auml;hlt. Dies zeigt, wie ein nutzenbasierter Agent verschiedene Kriterien gegeneinander abw&auml;gt, bevor er handelt.\" class=\"wp-image-15770\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Nutzenbasierte-Agenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Nutzenbasierte-Agenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Nutzenbasierte-Agenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\">W&auml;hrend zielbasierte Agenten darauf ausgerichtet sind, ein Ziel zu erreichen, bewerten nutzenbasierte Agenten, welche erfolgreiche Option nach den festgelegten Kriterien den gr&ouml;&szlig;ten Gesamtnutzen bietet.<\/p><p class=\"wp-block-paragraph\"><strong>Die Qualit&auml;t eines nutzenbasierten Agenten h&auml;ngt weniger davon ab, wie gut er Optionen vergleichen kann, als vielmehr davon, wie diese bewertet werden.<\/strong> Eine unvollst&auml;ndige Nutzenfunktion kann Entscheidungen beg&uuml;nstigen, die auf dem Papier optimal erscheinen, aber wichtige praktische Faktoren au&szlig;er Acht lassen.<\/p><p class=\"wp-block-paragraph\">Kehren wir zum Beispiel des KI-Reiseassistenten zur&uuml;ck. Bewertet er Reisepl&auml;ne ausschlie&szlig;lich anhand des Ticketpreises, k&ouml;nnte er einen g&uuml;nstigeren Flug mit langen Zwischenaufenthalten empfehlen, weil der Reisekomfort bei der Bewertung nicht ber&uuml;cksichtigt wurde.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Routenoptimierung, Investitionsentscheidungen, Ressourcenzuweisung, Preisgestaltung und Lieferkettenplanung.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-lernende-agenten\"><strong>Lernende Agenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>Lernende Agenten verbessern ihre Leistung durch Erfahrungen.<\/strong> Statt sich ausschlie&szlig;lich auf vordefinierte Regeln zu verlassen, analysieren sie die Ergebnisse fr&uuml;herer Handlungen und nutzen dieses Feedback, um mit der Zeit bessere Entscheidungen zu treffen.<\/p><p class=\"wp-block-paragraph\">Die einzelnen Komponenten eines lernenden Agenten arbeiten dabei zusammen:<\/p><ol start=\"1\" class=\"wp-block-list\">\n<li>Das <strong>Leistungselement<\/strong> w&auml;hlt Handlungen anhand des aktuellen Wissens des Agenten aus.<\/li>\n\n\n\n<li>Das <strong>Lernelement<\/strong> aktualisiert dieses Wissen, w&auml;hrend der Agent Erfahrungen sammelt.<\/li>\n\n\n\n<li>Die <strong>Bewertungskomponente (Kritiker)<\/strong> bewertet das Ergebnis jeder Handlung und gibt Feedback.<\/li>\n\n\n\n<li>Der <strong>Problemgenerator<\/strong> regt den Agenten dazu an, neue Handlungen auszuprobieren, die zu besseren Ergebnissen f&uuml;hren k&ouml;nnten.<\/li>\n<\/ol><p class=\"wp-block-paragraph\">Jedes Feedback bietet eine weitere Gelegenheit zum Lernen. Ein Empfehlungssystem in einem Online-Shop lernt beispielsweise daraus, welche Produkte Kunden anklicken, kaufen oder ignorieren, und verbessert so zuk&uuml;nftige Empfehlungen.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad8244020399\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad8244020399\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Lernende-Agenten.png\/public\" alt=\"Ein Feedback-Kreislauf zeigt, wie eine als Spam markierte E-Mail zur Aktualisierung einer Wissensdatenbank beitr&auml;gt, mit deren Hilfe eine sp&auml;tere E-Mail korrekt gefiltert wird. Dies veranschaulicht, wie ein lernender Agent durch Erfahrungen besser wird.\" class=\"wp-image-15771\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Lernende-Agenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Lernende-Agenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Lernende-Agenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\">Lernen garantiert jedoch keine besseren Entscheidungen. <strong>Trainingsdaten von schlechter Qualit&auml;t, verzerrtes Feedback oder ver&auml;nderte Bedingungen k&ouml;nnen die Genauigkeit beeintr&auml;chtigen und dazu f&uuml;hren, dass der Agent falsche Muster weiter verfestigt.<\/strong><\/p><p class=\"wp-block-paragraph\">Dasselbe Empfehlungssystem k&ouml;nnte beispielsweise auch im Januar weiterhin Weihnachtsdekorationen vorschlagen, weil es aus dem Einkaufsverhalten w&auml;hrend der Feiertage gelernt hat. Diese Muster entsprechen jedoch nicht mehr den aktuellen Kundenw&uuml;nschen.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Empfehlungssysteme, Betrugserkennung, Spamfilterung, vorausschauende Instandhaltung und personalisierte Einkaufserlebnisse.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-llm-basierte-agenten\"><strong>LLM-basierte Agenten<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>LLM-basierte Agenten kombinieren<\/strong> <a data-click-id=\"hgr-post-content-link-grose-sprachmodelle\" href=\"\/de\/tutorials\/grosse-sprachmodelle\/\"><strong>gro&szlig;e Sprachmodelle<\/strong><\/a> <strong>mit Ged&auml;chtnis, Planung, Schlussfolgern und externen Tools, um komplexe Aufgaben zu bew&auml;ltigen.<\/strong><\/p><p class=\"wp-block-paragraph\">Sie k&ouml;nnen Anfragen in kleinere Schritte unterteilen, Informationen abrufen, Software oder APIs nutzen und so lange weiterarbeiten, bis eine Aufgabe abgeschlossen ist.<\/p><p class=\"wp-block-paragraph\">Das gro&szlig;e Sprachmodell bildet dabei die Grundlage f&uuml;r das Schlussfolgern und die Entscheidungsfindung des Agenten. Es entscheidet, welcher Schritt als N&auml;chstes ausgef&uuml;hrt wird, w&auml;hrend der Speicher relevante Kontextinformationen zwischen den einzelnen Schritten bewahrt.<\/p><p class=\"wp-block-paragraph\">Externe Tools erweitern die F&auml;higkeiten des Agenten &uuml;ber die reine Textgenerierung hinaus. Damit kann er im Internet suchen, Datenbanken abfragen, Code schreiben, Programme ausf&uuml;hren oder mit Gesch&auml;ftsanwendungen interagieren.<\/p><p class=\"wp-block-paragraph\">Die Behebung eines Softwarefehlers kann Dutzende von Zwischenschritten erfordern. Ein LLM-basierter Programmieragent kann eine Codebasis untersuchen, die Fehlerursache ermitteln, die betreffenden Dateien &auml;ndern, Tests ausf&uuml;hren und die L&ouml;sung erl&auml;utern, bevor er das endg&uuml;ltige Ergebnis pr&auml;sentiert.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad82440212d3\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad82440212d3\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/LLM-basierte-Agenten.png\/public\" alt=\"Ein gro&szlig;es Sprachmodell in der Mitte ist mit vier externen Tools verbunden: Websuche, Codeausf&uuml;hrung, Datenbank und APIs. Die Darstellung zeigt, wie ein LLM-basierter Agent mithilfe externer Funktionen Schlussfolgerungen zieht und handelt.\" class=\"wp-image-15772\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/LLM-basierte-Agenten.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/LLM-basierte-Agenten.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/LLM-basierte-Agenten.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\">Bei Rechercheaufgaben geht der Agent anders vor. Er sammelt Informationen aus mehreren Quellen, vergleicht widerspr&uuml;chliche Aussagen und erstellt eine strukturierte Zusammenfassung mit Quellenangaben.<\/p><p class=\"wp-block-paragraph\"><strong>Die Leistung h&auml;ngt von der Qualit&auml;t des zugrunde liegenden Sprachmodells und den verf&uuml;gbaren Tools ab.<\/strong><\/p><p class=\"wp-block-paragraph\">Halluzinationen k&ouml;nnen zu falschen Antworten f&uuml;hren. Externe Tools bringen zudem Verz&ouml;gerungen und zus&auml;tzliche Fehlerquellen mit sich. Bei Aufgaben wie der Freigabe rechtlicher Dokumente, finanziellen Entscheidungen, der Ver&ouml;ffentlichung kundenorientierter Inhalte oder der Bereitstellung von &Auml;nderungen in Produktionssystemen bleibt die menschliche &Uuml;berpr&uuml;fung unverzichtbar.<\/p><p class=\"wp-block-paragraph\">LLM-basierte Agenten sind eine Form der <a data-click-id=\"hgr-post-content-link-agentischen-ki\" href=\"\/de\/tutorials\/was-ist-agentic-ai\/\">agentischen KI<\/a>. Das gro&szlig;e Sprachmodell erm&ouml;glicht es dem Agenten, Schlussfolgerungen zu ziehen, zu planen, Entscheidungen zu treffen und Tools zu koordinieren, ohne dass Menschen st&auml;ndig eingreifen m&uuml;ssen. So kann er offene Problemstellungen l&ouml;sen, die regelbasierte Systeme nicht bew&auml;ltigen k&ouml;nnen.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Softwareentwicklung, Recherche, Kundensupport, Gesch&auml;ftsabl&auml;ufe und Content-Erstellung.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-multi-agenten-systeme\"><strong>Multi-Agenten-Systeme<\/strong><\/h2><p class=\"wp-block-paragraph\"><strong>Multi-Agenten-Systeme bestehen aus mehreren KI-Agenten, die zusammenarbeiten, um Probleme zu l&ouml;sen, die ein einzelner Agent nur schwer bew&auml;ltigen kann.<\/strong><\/p><p class=\"wp-block-paragraph\">Anstatt einen einzigen Agenten mit der Recherche, Planung, Ausf&uuml;hrung und &Uuml;berpr&uuml;fung s&auml;mtlicher Aufgaben zu betrauen, verteilt ein Multi-Agenten-System diese Verantwortlichkeiten auf spezialisierte Agenten.<\/p><p class=\"wp-block-paragraph\">Jeder Agent &uuml;bernimmt einen bestimmten Teil des Workflows und stimmt sich mit den anderen ab, um ein gemeinsames Ziel zu erreichen.<\/p><div class=\"wp-block-image\">\n<figure data-wp-context='{\"imageId\":\"6ad82440220f3\"}' data-wp-interactive=\"core\/image\" data-wp-key=\"6ad82440220f3\" class=\"aligncenter size-full is-resized wp-lightbox-container\"><img decoding=\"async\" width=\"800\" height=\"447\" data-wp-class--hide=\"state.isContentHidden\" data-wp-class--show=\"state.isContentVisible\" data-wp-init=\"callbacks.setButtonStyles\" data-wp-on--click=\"actions.showLightbox\" data-wp-on--load=\"callbacks.setButtonStyles\" data-wp-on--pointerdown=\"actions.preloadImage\" data-wp-on--pointerenter=\"actions.preloadImageWithDelay\" data-wp-on--pointerleave=\"actions.cancelPreload\" data-wp-on-window--resize=\"callbacks.setButtonStyles\" src=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Multi-Agenten-Systeme.png\/public\" alt=\"Drei KI-Agenten mit den Bezeichnungen Gather, Analyze und Verify stehen auf isometrischen Plattformen, tauschen Datenpakete aus und f&uuml;hren ihre Ergebnisse zu einer gemeinsamen Ausgabe zusammen. Die Darstellung veranschaulicht die Zusammenarbeit in einem Multi-Agenten-System.\" class=\"wp-image-15773\" style=\"width:840px;height:auto\" srcset=\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Multi-Agenten-Systeme.png\/w=800,fit=scale-down 800w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Multi-Agenten-Systeme.png\/w=300,fit=scale-down 300w, https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/29\/2026\/10\/Multi-Agenten-Systeme.png\/w=768,fit=scale-down 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/><button class=\"lightbox-trigger\" type=\"button\" aria-haspopup=\"dialog\" data-wp-bind--aria-label=\"state.thisImage.triggerButtonAriaLabel\" data-wp-init=\"callbacks.initTriggerButton\" data-wp-on--click=\"actions.showLightbox\" data-wp-style--right=\"state.thisImage.buttonRight\" data-wp-style--top=\"state.thisImage.buttonTop\">\n\t\t\t<svg xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"12\" height=\"12\" fill=\"none\" viewbox=\"0 0 12 12\">\n\t\t\t\t<path fill=\"#fff\" d=\"M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z\"><\/path>\n\t\t\t<\/svg>\n\t\t<\/button><\/figure>\n<\/div><p class=\"wp-block-paragraph\">Die Arbeitsteilung bringt eine neue Herausforderung mit sich: die Koordination. Die Agenten m&uuml;ssen Informationen austauschen, Aufgaben untereinander weitergeben und ihre Ergebnisse zusammenf&uuml;hren, ohne dabei den Kontext zu verlieren.<\/p><p class=\"wp-block-paragraph\">Ein Multi-Agenten-System zur Auftragsabwicklung k&ouml;nnte beispielsweise einen Agenten zur Pr&uuml;fung des Lagerbestands, einen weiteren zur Organisation des Versands und einen dritten zur Benachrichtigung des Kunden einsetzen.<\/p><p class=\"wp-block-paragraph\">Jeder Agent ist darauf angewiesen, dass der vorherige seine Aufgabe erfolgreich abgeschlossen hat. Meldet der Agent f&uuml;r die Bestandspr&uuml;fung f&auml;lschlicherweise, dass ein Artikel verf&uuml;gbar ist, k&ouml;nnte der Versandagent versuchen, ein nicht vorhandenes Produkt zu versenden. Gleichzeitig erh&auml;lt der Kunde eine fehlerhafte Lieferinformation.<\/p><p class=\"wp-block-paragraph\"><strong>Wettbewerbsorientierte Multi-Agenten-Systeme verbessern ihre Leistung, indem sie Agenten mit gegens&auml;tzlichen Zielen einsetzen.<\/strong><\/p><p class=\"wp-block-paragraph\">In einer Cybersicherheitssimulation &uuml;bernimmt ein Agent die Rolle des Angreifers und sucht nach Sicherheitsl&uuml;cken oder versucht, diese auszunutzen. Ein anderer Agent &uuml;bernimmt die Verteidigung, indem er Angriffe erkennt, abwehrt und darauf reagiert.<\/p><p class=\"wp-block-paragraph\">W&auml;hrend beide Agenten ihre Strategien verbessern, deckt das System Schwachstellen auf, die sich mit vordefinierten Tests allein nur schwer erkennen lassen.<\/p><pre class=\"wp-block-preformatted\"><strong>Am besten f&uuml;r:<\/strong> Logistikoptimierung, gemeinschaftliche Forschung, Workflows in der Softwareentwicklung, Roboterschw&auml;rme und andere Gesch&auml;ftsprozesse mit mehreren spezialisierten Aufgaben.<\/pre><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-arten-von-ki-agenten-im-vergleich\"><strong>Arten von KI-Agenten im Vergleich<\/strong><\/h2><p class=\"wp-block-paragraph\">Die folgende Tabelle zeigt, wie die einzelnen Arten von KI-Agenten Entscheidungen treffen und f&uuml;r welche Aufgaben sie sich am besten eignen.<\/p><figure tabindex=\"0\" class=\"wp-block-table\"><table class=\"has-fixed-layout\"><thead><tr><th><strong>Merkmal<\/strong><\/th><th><strong>Einfacher Reflexagent<\/strong><\/th><th><strong>Modellbasierter Reflexagent<\/strong><\/th><th><strong>Zielbasiert<\/strong><\/th><th><strong>Nutzenbasiert<\/strong><\/th><th><strong>Lernend<\/strong><\/th><th><strong>LLM-basiert<\/strong><\/th><th><strong>Multi-Agenten-System<\/strong><\/th><\/tr><\/thead><tbody><tr><td><strong>Entscheidungsfindung<\/strong><\/td><td>Folgt vordefinierten Regeln<\/td><td>Nutzt Regeln und einen internen Zustand<\/td><td>Plant Handlungen, um ein Ziel zu erreichen<\/td><td>W&auml;hlt das Ergebnis mit dem h&ouml;chsten Nutzen<\/td><td>Lernt aus Feedback und Erfahrungen<\/td><td>Bearbeitet Aufgaben durch Schlussfolgern mithilfe eines LLM, eines Ged&auml;chtnisses und externer Tools<\/td><td>Koordiniert mehrere spezialisierte Agenten<\/td><\/tr><tr><td><strong><strong><strong>Verf&uuml;gt &uuml;ber einen Speicher<\/strong><\/strong><\/strong><\/td><td>Nein<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><\/tr><tr><td><strong>Planungsf&auml;higkeit<\/strong><\/td><td>Nein<\/td><td>Nein<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja<\/td><td>Ja, &uuml;ber mehrere Agenten hinweg<\/td><\/tr><tr><td><strong>Lernf&auml;higkeit<\/strong><\/td><td>Nein<\/td><td>Nein<\/td><td>Nein<\/td><td>Nein<\/td><td>Ja<\/td><td>Abh&auml;ngig von der Implementierung<\/td><td>Abh&auml;ngig von den beteiligten Agenten<\/td><\/tr><tr><td><strong>Nutzt sprachbasiertes Schlussfolgern<\/strong><\/td><td>Nein<\/td><td>Nein<\/td><td>Nein<\/td><td>Nein<\/td><td>Nein<\/td><td>Ja<\/td><td>H&auml;ufig<\/td><\/tr><tr><td><strong>Autonomiegrad<\/strong><\/td><td>Niedrig<\/td><td>Niedrig<\/td><td>Mittel<\/td><td>Mittel bis hoch<\/td><td>Hoch<\/td><td>Hoch<\/td><td>Sehr hoch<\/td><\/tr><tr><td><strong>Typische Komplexit&auml;t<\/strong><\/td><td>Niedrig<\/td><td>Niedrig bis mittel<\/td><td>Mittel<\/td><td>Mittel bis hoch<\/td><td>Hoch<\/td><td>Hoch<\/td><td>Sehr hoch<\/td><\/tr><tr><td><strong>Am besten f&uuml;r<\/strong><\/td><td>Regelbasierte Aufgaben in vorhersehbaren Umgebungen<\/td><td>Aufgaben, die Erinnerungen an fr&uuml;here Ereignisse erfordern<\/td><td>Planung zur Erreichung eines definierten Ziels<\/td><td>Optimierung und Entscheidungen mit Zielkonflikten<\/td><td>Adaptive Systeme<\/td><td>Sprachintensive, mehrstufige Aufgaben<\/td><td>Umfangreiche, gemeinschaftliche Workflows<\/td><\/tr><\/tbody><\/table><\/figure><p class=\"wp-block-paragraph\">Jede Kategorie bringt eine neue F&auml;higkeit hinzu, ohne die vorherigen zu ersetzen. Modellbasierte Reflexagenten erg&auml;nzen einfaches regelbasiertes Verhalten um ein Ged&auml;chtnis.<\/p><p class=\"wp-block-paragraph\">Zielbasierte Agenten erm&ouml;glichen die Planung von Handlungen, w&auml;hrend nutzenbasierte Agenten bewerten, welches erfolgreiche Ergebnis am w&uuml;nschenswertesten ist.<\/p><p class=\"wp-block-paragraph\">Lernende Agenten passen sich durch Erfahrungen an. LLM-basierte Agenten kombinieren Schlussfolgern mit Ged&auml;chtnis und Tools. Multi-Agenten-Systeme erweitern diese F&auml;higkeiten, indem sie die Zusammenarbeit spezialisierter Agenten erm&ouml;glichen.<\/p><p class=\"wp-block-paragraph\">Alle sieben Typen folgen demselben Grundprinzip eines rationalen Agenten: Sie nehmen Informationen aus ihrer Umgebung auf, bewerten die verf&uuml;gbaren Handlungen und w&auml;hlen diejenige aus, von der sie das beste Ergebnis erwarten.<\/p><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-so-wahlen-sie-den-richtigen-ki-agententyp-aus\"><strong>So w&auml;hlen Sie den richtigen KI-Agententyp aus<\/strong><\/h2><p class=\"wp-block-paragraph\">W&auml;hlen Sie einen KI-Agenten anhand des Problems aus, das Sie l&ouml;sen m&ouml;chten, und nicht danach, welche Technologie am fortschrittlichsten ist. Jeder Typ bietet zus&auml;tzliche F&auml;higkeiten, bringt aber auch mehr Komplexit&auml;t mit sich.<\/p><ul class=\"wp-block-list\">\n<li><strong>L&ouml;sen Sie einfache Probleme nicht mit komplexen Agenten.<\/strong> Wenn jede Entscheidung einer festen Regel folgt, l&auml;sst sich ein einfacher oder modellbasierter Reflexagent leichter entwickeln, testen und warten als ein planendes oder lernendes System.<\/li>\n\n\n\n<li><strong>Pr&uuml;fen Sie, wie Entscheidungen getroffen werden.<\/strong> Wenn mehrere Schritte im Voraus geplant werden m&uuml;ssen, eignet sich ein zielbasierter Agent. M&uuml;ssen dagegen Faktoren wie Kosten, Geschwindigkeit oder Risiko gegeneinander abgewogen werden, spricht dies f&uuml;r einen nutzenbasierten Agenten.<\/li>\n\n\n\n<li><strong>Ber&uuml;cksichtigen Sie, wie h&auml;ufig sich die Regeln &auml;ndern.<\/strong> Wenn Ihr Team Entscheidungsregeln regelm&auml;&szlig;ig an neue Daten oder ver&auml;ndertes Nutzerverhalten anpassen muss, l&auml;sst sich ein lernender Agent besser skalieren als ein System, dessen Regeln manuell gepflegt werden.<\/li>\n\n\n\n<li><strong>&Uuml;berlegen Sie, wie Menschen mit dem System interagieren sollen.<\/strong> F&uuml;r Aufgaben wie das Lesen von Dokumenten, das Beantworten von Fragen, das Verfassen von Inhalten oder die Bedienung von Gesch&auml;ftsanwendungen &uuml;ber nat&uuml;rliche Sprache eignen sich LLM-basierte Agenten besonders gut.<\/li>\n\n\n\n<li><strong>Betrachten Sie den gesamten Workflow statt nur die einzelne Aufgabe.<\/strong> Wenn sich Recherche, Planung, Ausf&uuml;hrung und &Uuml;berpr&uuml;fung unabh&auml;ngig voneinander erledigen lassen, sind mehrere spezialisierte Agenten oft effektiver als ein einzelner Universalagent.<\/li>\n<\/ul><p class=\"wp-block-paragraph\">Beginnen Sie mit den F&auml;higkeiten, die Ihr Projekt mindestens ben&ouml;tigt. Erg&auml;nzen Sie eine Speicherfunktion, wenn Kontextinformationen erforderlich werden, und eine Planungsfunktion, wenn Entscheidungen mehrere Schritte umfassen. F&uuml;gen Sie Optimierungsm&ouml;glichkeiten hinzu, wenn verschiedene Kriterien gegeneinander abgewogen werden m&uuml;ssen, und Lernf&auml;higkeit, wenn sich die Umgebung ver&auml;ndert. Setzen Sie mehrere Agenten erst dann ein, wenn ein einzelner Agent zum Engpass wird.<\/p><h2 class=\"wp-block-heading h-t-title-2\" id=\"h-ki-agenten-im-unternehmen-einsetzen\"><strong>KI-Agenten im Unternehmen einsetzen<\/strong><\/h2><p class=\"wp-block-paragraph\">Die meisten Unternehmen m&uuml;ssen KI-Agenten nicht selbst von Grund auf entwickeln, um von der Technologie zu profitieren.<\/p><p class=\"wp-block-paragraph\">F&uuml;r Unternehmen, die individuelle Workflows erstellen m&ouml;chten, stehen zwar KI-Agenten-Builder zur Verf&uuml;gung. Viele allt&auml;gliche Aufgaben lassen sich jedoch mit vorgefertigten KI-Agenten f&uuml;r das Marketing und andere Gesch&auml;ftsabl&auml;ufe automatisieren, ohne dass Programmierkenntnisse oder Wissen &uuml;ber Agentenarchitekturen erforderlich sind.<\/p><p class=\"wp-block-paragraph\">Vorgefertigte KI-Agenten k&ouml;nnen den Gro&szlig;teil der allt&auml;glichen Arbeit automatisieren, ohne dass daf&uuml;r Fachkenntnisse &uuml;ber Agentenarchitekturen, Orchestrierungsframeworks oder Programmierung notwendig sind.<\/p><p class=\"wp-block-paragraph\"><a data-click-id=\"hgr-post-content-link-die-agentischen-ki-produkte-von-hostinger\" href=\"\/de\/agentic-ai\">Die agentischen KI-Produkte von Hostinger<\/a> sind auf bestimmte Unternehmensfunktionen ausgerichtet. Damit k&ouml;nnen Teams h&auml;ufig anfallende Aufgaben automatisieren, ohne komplexe KI-Systeme selbst entwickeln oder verwalten zu m&uuml;ssen.<\/p><p class=\"wp-block-paragraph\">Mit <a data-click-id=\"hgr-post-content-link-hostinger-agent\" href=\"\/de\/hostinger-agent\">Hostinger Agent<\/a> k&ouml;nnen Sie:<\/p><ul class=\"wp-block-list\">\n<li>Ihre Suchmaschinenoptimierung (SEO) verbessern, indem Sie Keyword-Potenziale erkennen und Inhalte optimieren.<\/li>\n\n\n\n<li>Blogbeitr&auml;ge, Produktbeschreibungen und andere Marketingtexte erstellen.<\/li>\n\n\n\n<li>Marketingkampagnen mit Content-Ideen und Erkenntnissen &uuml;ber die Zielgruppe unterst&uuml;tzen.<\/li>\n\n\n\n<li>Vertriebsteams beim Verfassen von Nachrichten zur Kontaktaufnahme und bei der Qualifizierung von Leads unterst&uuml;tzen.<\/li>\n\n\n\n<li>Kundenfragen beantworten und Antworten vorbereiten.<\/li>\n\n\n\n<li>Vertr&auml;ge pr&uuml;fen oder juristische Dokumente zusammenfassen.<\/li>\n\n\n\n<li>Die Unternehmensplanung durch Recherche, Analysen und strategische Empfehlungen unterst&uuml;tzen.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>KI-Agenten lassen sich danach einteilen, wie sie Informationen wahrnehmen, Entscheidungen treffen und Aufgaben ausf&uuml;hren. Die verschiedenen Typen unterscheiden sich darin, wie sie Aktionen ausw&auml;hlen, Kontextinformationen speichern, zuk&uuml;nftige Schritte planen und unter menschlicher Aufsicht arbeiten. Die Arten von KI-Agenten im &Uuml;berblick: Einfache Reflexagenten Einfache Reflexagenten sind KI-Agenten, die Entscheidungen ausschlie&szlig;lich anhand der Informationen treffen, die ihnen [&#8230;]<\/p>\n<p><a class=\"btn btn-secondary understrap-read-more-link\" href=\"\/de\/tutorials\/arten-von-ki-agenten\/\">Read More&#8230;<\/a><\/p>\n","protected":false},"author":190,"featured_media":15678,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"rank_math_title":"Arten von KI-Agenten: 7 Typen, Unterschiede &amp; Beispiele","rank_math_description":"Welche Arten von KI-Agenten gibt es? Lernen Sie 7 Typen, ihre Funktionsweise, Unterschiede und Einsatzbereiche kennen \u2013 mit Beispielen und Vergleich.","rank_math_focus_keyword":"arten von ki-agenten","footnotes":""},"categories":[45,66],"tags":[],"class_list":["post-15686","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-agentic-ai","category-ai-agents"],"hreflangs":[{"locale":"en-US","link":"https:\/\/www.hostinger.com\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-PH","link":"https:\/\/www.hostinger.com\/ph\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-MY","link":"https:\/\/www.hostinger.com\/my\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-GB","link":"https:\/\/www.hostinger.com\/uk\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-IN","link":"https:\/\/www.hostinger.com\/in\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-CA","link":"https:\/\/www.hostinger.com\/ca\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-AU","link":"https:\/\/www.hostinger.com\/au\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"en-NG","link":"https:\/\/www.hostinger.com\/ng\/tutorials\/types-of-ai-agents\/","default":0},{"locale":"de-DE","link":"https:\/\/www.hostinger.com\/de\/tutorials\/arten-von-ki-agenten","default":0}],"_links":{"self":[{"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/posts\/15686","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/users\/190"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/comments?post=15686"}],"version-history":[{"count":6,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/posts\/15686\/revisions"}],"predecessor-version":[{"id":15774,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/posts\/15686\/revisions\/15774"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/media\/15678"}],"wp:attachment":[{"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/media?parent=15686"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/categories?post=15686"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hostinger.com\/de\/tutorials\/wp-json\/wp\/v2\/tags?post=15686"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}