Unter einem Agenten versteht man ein System, das ein Sprachmodell einsetzt, um ein Ziel eigenständig zu verfolgen: Es plant den nächsten Schritt, führt ihn mit Werkzeugen aus, bewertet das Ergebnis und wiederholt diesen Zyklus, bis die Aufgabe erledigt ist.
Ein Chatbot beantwortet eine Anfrage mit einer einzelnen Antwort. Ein Agent verfolgt dagegen ein Ziel über mehrere Schritte: Er zerlegt die Aufgabe, entscheidet selbst, was als Nächstes zu tun ist, führt es aus und prüft das Ergebnis — und wiederholt das, bis das Ziel erreicht ist oder sich als unerreichbar erweist.
Ein Beispiel: Ein Agent erhält den Auftrag, einen Fehler in einem Programm zu beheben. Er liest den Code, stellt eine Vermutung auf, ändert die betreffende Stelle und lässt die Tests laufen. Schlagen sie fehl, untersucht er die Fehlermeldung und versucht es erneut; laufen sie durch, ist die Aufgabe erledigt. Werkzeuge wie Dateizugriff, Programmausführung oder Websuche ruft er über Tool-Use auf.
Ein Agent besteht aus zwei Teilen. Das Sprachmodell trifft die Entscheidungen: Es liest den bisherigen Verlauf und bestimmt den nächsten Schritt. Da ein Sprachmodell selbst nur Text erzeugen kann, braucht es eine umgebende Software, die diese Entscheidungen ausführt — den sogenannten Harness (englisch für „Geschirr"; gemeint ist das Programmgerüst um das Modell). Der Harness ruft das Modell wiederholt auf, führt die angeforderten Werkzeuge aus und reicht deren Ergebnisse zurück.
In der KI-Forschung ist Agent ein deutlich weiterer Begriff, und er ist älter als die Sprachmodelle. Russell und Norvig bauen ihr Standardlehrbuch (seit 1995) darauf auf: Ein Agent ist dort alles, was seine Umgebung über Sensoren wahrnimmt und über Aktuatoren auf sie einwirkt. Unter diese Definition fällt auch ein Thermostat oder ein Staubsaugerroboter — von einem Sprachmodell ist keine Rede. Was der Agent tut, beschreibt die Agentenfunktion: eine Zuordnung von der Folge aller bisherigen Wahrnehmungen zur nächsten Handlung. Als rational gilt er, wenn er die Handlung wählt, die sein Leistungsmaß voraussichtlich am besten erfüllt.
Der hier beschriebene LLM-Agent ist ein Spezialfall davon: einer, bei dem ein Sprachmodell die Entscheidung trifft. Wer aus einer KI-Vorlesung kommt, sollte die beiden Lesarten auseinanderhalten — im heutigen Sprachgebrauch der Softwareentwicklung ist fast immer der engere, sprachmodellbasierte Fall gemeint.
Agenten können mehrstufige Aufgaben übernehmen, die sich nicht vorab in feste Schritte gießen lassen. Mit der Autonomie wächst jedoch der Bedarf an Kontrolle: welche Werkzeuge der Agent nutzen darf, welche Aktionen eine Bestätigung erfordern, wie sich sein Verhalten nachvollziehen lässt. Ohne solche Grenzen kann er Fehlentscheidungen über viele Schleifendurchläufe fortschreiben.
Ein Workflow legt die Abfolge der Schritte vorab im Code fest; beim Agenten bestimmt das Modell die nächsten Schritte zur Laufzeit.
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
