1. Was sind KI-Agenten?

Seit dem Boom von ChatGPT Ende 2022 und die damit einhergehen Entwicklung von generativer KI nimmt die künstliche Intelligenz (KI) eine zentrale Rolle ein. Besonders hervorzuheben sind  die sogenannten KI-Agenten, virtuelle Einheiten, die mithilfe von Algorithmen und meist großen Sprachmodellen (LLMs) eigenständig, d.h. autonom Aufgaben ausführen. Sogenannte AI Agents sind darauf konzipiert, bestimmte Prozesse zu automatisieren, Benutzereingaben zu verarbeiten und komplexe Arbeitsabläufe effizient zu gestalten sowie mithilfe von Tools auf externe Datenquellen zuzugreifen. Dabei benötigt man für diese nicht einmal mehr Programmierkenntnisse. Mit modernen AI Agent Builder kannst du in wenigen Schritten deinen eigenen AI-Agenten erstellen und umfangreiche Workflows oder Aufgaben automatisieren. In diesem Blog-Beitrag lernst du die Grundlagen wie man einen KI-Agenten erstellen kann und bekommst ein Beispiel gezeigt wie man dies mittels einem AI Agent Builder umsetzen kann.

2. Grundlagen – Agenten erstellen

2.1 Kernmerkmale eines AI Agents

KI (Künstliche Intelligenz): Systeme, die menschenähnliche Intelligenzleistungen erbringen.

Agent: Eine autonome Einheit, die im Auftrag eines Benutzers Aufgaben durchführt.

AI Agent/KI-Agent: Die Kombination von beidem!  Dabei liegt bei einem Agenten der Fokus stark auf der Autonomie. Ein KI-Agent ist somit ein autonomes System oder Programm, das Aufgaben im Namen eines Benutzers oder eines anderen Systems ausführt. Dabei entwirft es eigenständig Arbeitsabläufe und kombiniert fortschrittliche Techniken der Verarbeitung natürlicher Sprache (LLM) mit Entscheidungsfindung/Problemlösung (Reasoning) sowie der Interaktion mit externen Umgebungen wie z. B. anderen Systemen (Function Calling).

Schlüsseltechnologien – KI-Agenten

Kernmerkmale von KI-Agenten sind: 

• Autonomie: Sie können unabhängig von direkter menschlicher Kontrolle handeln und eigene Entscheidungen treffen.
• Adaptivität: Sie lernen aus Erfahrungen und passen ihr Verhalten an veränderte Bedingungen an.
• Zielgerichtetheit: Sie verfolgen spezifische Ziele und optimieren ihre Aktionen entsprechend.
• Reaktionsfähigkeit: Sie können auf Veränderungen in ihrer Umgebung reagieren und entsprechend handeln.

Dabei ist festzuhalten, dass Autonomie im Kontext von KI-Agenten nicht zwangsläufig bedeutet, dass der Agent vollständig ohne menschliches Eingreifen agiert. Vielmehr können sogenannte Human-in-the-Loop-Funktionenintegriert werden, sodass der Mensch weiterhin die Kontrolle behält und bei Bedarf in Entscheidungsprozesse eingreifen kann. Auf diese Weise lassen sich die Vorteile autonomer Systeme mit der Aufsicht und Expertise des Menschen verbinden.

2.2 Unterschied zu KI-Assistenten 

Die Unterscheidung zwischen KI-Agenten und KI-Assistenten liegt hauptsächlich in ihrer Arbeitsweise und ihrem Grad der Autonomie. Ein Assistent ist dabei mehr reaktiv und hat eine spezifische Aufgabe, die es zu verfolgen hat. Gute Beispiele sind hier: (Standard) Microsoft Copilot oder die in ChatGPT integrierten GPTs.

2.3 Was sind Agentic Workflows

Agentic Workflows sind strukturierte Arbeitsabläufe, die von KI-Agenten gesteuert und ausgeführt werden. Sie ermöglichen es, komplexe Aufgaben und Prozesse autonom, intelligent und flexibel zu bewältigen. Im Gegensatz zu klassischen, starren Workflows, die nach festen Regeln ablaufen, sind agentische Workflows dynamisch und passen sich laufend an neue Situationen und Daten an.

2.4 Welche Möglichkeiten gibt es einen KI-Agent zu erstellen?

Es gibt grundsätzlich zwei Wege KI-Agenten zu erstellen: über Python oder mithilfe spezialisierter AI-Agent- bzw. Workflow-Builder, die bereits die notwendigen Frameworks für KI-Agenten integriert haben.

Mit Python
Hierbei erfolgt die Erstellung eines Agenten durch Konfiguration, Integration und Feinabstimmung eines Modells oder Tools, sodass der Agent bestimmte Aufgaben übernehmen kann. Mithilfe von Frameworks wie LangGraph lassen sich sehr umfassende KI-Agenten entwickeln, die durch gezieltes Programmieren und Fine-Tuning besonders leistungsfähig werden. Die Entwicklung eines Agenten bedeutet dabei, eine Anwendung zu gestalten, in der LLMs und festgelegte Regeln so kombiniert werden, dass der Agent eigenständig handeln kann. So lassen sich Agenten exakt an individuelle Anforderungen anpassen.

Mit fertigen Software-Lösungen:
Es existieren verschiedene Software-Anbieter, mit denen sich KI-Agenten ohne Programmierkenntnisse erstellen lassen – somit ohne Entwickler. Solche Plattformen stellen ein Grundgerüst bereit und bieten teilweise bereits vorgefertigte Agenten, ermöglichen jedoch auch die Entwicklung eigener Agenten innerhalb der verfügbaren Frameworks. So kannst du individuell angepasste KI-Agenten einfach und flexibel erstellen. Dabei fügen diese sich meistens problemlos nahtlos in deine Software-Landschaft ein, da es viele native Integrationen gibt. 

Im folgenden möchte ich anhand eines solchen fertigen Tools veranschaulichen, was die Grundschritte für die Erstellung von KI-Agenten sind. 

3. KI-Agenten erstellen – Framework mit dem AI Agent Builder (Relevance.ai)

RelevanceAI ist ein in Australien ansässiger Softwarehersteller, der eine App bietet mittels derer man einen KI Agenten orchestrieren kann. Ich habe das Tool an dieser Stelle ausgewählt, weil man an dem Frontend sehr schön sehen kann, wie ein KI Agent aufgebaut ist. Doch auch hier lässt sich streiten, ob es sich 100% um einen reinen KI-Agenten handelt. Nichtsdestotrotz möchte ich es zur Veranschaulichung anführen. 

3.1 – Schritt 1: Zieldefinition eines AI-Agenten (Die Anweisung)

Obwohl ein KI Agent autonom handeln kann, wird Status Quo, das Ziel immer noch von einem Menschen definiert. D.h. ein KI-Agent erhält klare Anweisungen oder Ziele von einem Benutzer. Nach diesen Vorgaben muss der KI Agent sich richten, um relevante und nützliche Aufgaben zu planen, die auf das gewünschte Endergebnis ausgerichtet sind. Spezifischer: Anhand dieser Vorgaben – Prompt des Users und verfügbaren Tools – erstellt der Agent Aufgaben oder auch Unteraufgaben, um effizient das Ziel zu erreichen.

Hier sieht man, ein Agent Profil, indem man im ersten Schritt den Namen und Integrationen festlegt.

Danach kommt schon die sogenannte „core instruction„, der essentiellste Prompt für den Agenten und seine Aufgabe:

Ebenfalls kann man z.B. auswählen, welches LLM für die Agenten-Funktion genutzt werden soll, welche Temperatur und/oder auch ob es Namenskonventionen gibt.

3.2 – Schritt2: Planung der Tasks des KI Agenten – Arbeitsabläufe definieren

Im Planungsschritt zerlegt ein KI-Assistent komplexe Aufgaben in kleinere, überschaubare Unteraufgaben, um diese systematisch anzugehen. Anschließend erstellt der Assistent einen detaillierten Workflow oder Plan, der sicherstellt, dass die Aufgabe effizient und zielgerichtet erfüllt wird. Falls erforderlich, wählt der Assistent geeignete externe Tools, APIs oder Datenbanken aus, um die Lösung zu unterstützen und optimale Ergebnisse zu erzielen.

Bei eher nicht so komplexen Tasks kann ein Agent seine Antworten iterativ überprüfen und verbessern, ohne seine nächsten Schritte im Voraus zu planen.

Bei dem hier gegebenen Beispiel von RelevanceAI wird die „Planung“ voreingestellt von der Software übernommen oder man gibt einen ganz bestimmten „Flow“ vor: 

Dies kann wie eine Art SOP gesehen werden, an die der Assistent sich halten muss. Besonders wertvoll, wenn es unternehmensintern SOPs für bestimmte Aufgaben gibt.

3.3 – Schritt 3: Informationsbeschaffung

Um seine Aufgaben effektiv umsetzen zu können, muss der KI-Agent relevante Informationen sammeln. Beispielsweise könnte der Agent Gesprächsprotokolle analysieren, um die Stimmung der Kunden zu erfassen. Er könnte auch auf das Internet zugreifen, um notwendige Daten zu suchen und zu extrahieren, wie etwa aktuelle Marktanalysen.

Denkbar ist jedoch auch, dass ein anderer KI Agent angesprochen wird, um die notwendige Information zu erhalten. 

3.5 – Schritt 4: Aufgabenumsetzung (Automatisieren)

Mit den erforderlichen Daten ausgestattet, geht der KI Agent systematisch vor (Planung), um die geplanten Aufgaben umzusetzen. 

3.6 – Schritt 5: Lernen & Reflektieren

KI Agenten nutzen Feedback-Mechanismen, wie andere KI-Agenten oder menschliche Eingriffe (Human-in-the-Loop, HITL), um die Genauigkeit ihrer Antworten zu verbessern. Diese Feedback-Mechanismen verbessern das Denkvermögen und die Genauigkeit von KI-Agenten, ein Prozess, der als iterative Verfeinerung bezeichnet wird. Um Fehler nicht zu wiederholen, können KI-Agenten zudem Daten über Lösungen für frühere Herausforderungen in einer Wissensdatenbank speichern.

4. Welche Tools bieten sich zur Erstellung von KI-Agenten an?

Die Entwicklung moderner KI-Agenten erfolgt durch den Einsatz verschiedener Technologien und Plattformen. Dabei kommt es auf die individuellen Anforderungen an, welche Variante am besten für sich bzw. das Team oder die Organisation geeignet ist.

• Relevance.ai: Dieses Tool bietet ein benutzerfreundliches Interface zur Orchestrierung von KI-Agenten und ermöglicht die Integration verschiedener Datenquellen.
• Flowise.ai: Ein Werkzeug, das auf die Erstellung visueller Workflows spezialisiert ist und sich gut für Einsteiger eignet.
• Botpress: Ideal für den Aufbau interaktiver Chatbots mit umfangreicher Funktionalität.
• Langflow: Eine Plattform für die flexible Gestaltung von Workflows mit KI-Integration.
• Langdock: Diese Plattform unterstützt in naher Zukunft die Erstellung und Verwaltung spezialisierter KI-Agenten durch vorgefertigte Vorlagen und die Integration externer Tools. Sie ist besonders geeignet für die Automatisierung komplexer Aufgaben mit interaktiven Funktionen wie Human-in-the-Loop.

Auf einer noch fortgeschritteneren Ebene können KI-Agenten in Python-Umgebungen wie Azure AI oder Vertex AI Studio in Kombination z.B. mit LangGraph entwickelt und bereitgestellt werden. Diese Lösungen bieten maximale Flexibilität, etwa für datenintensive Anwendungen oder hochgradig skalierbare Projekte. Durch die Kombination dieser Technologien entsteht eine umfassende, leistungsstarke Infrastruktur für KI-Agenten, die sich von der einfachen Textverarbeitung bis hin zur Automatisierung komplexer Geschäftsprozesse erstreckt.

Du interessierst dich für KI-Agenten? Dann ist vielleicht unser KI-Agenten Programm genau das richtige. Hier entlang!

5. Häufige Fragen zum Erstellen von KI-Agenten

Wie lange dauert es einen KI-Agenten zu erstellen: 

Mit einigen Tools kannst du KI-Agenten im Handumdrehen erstellen. Vor allem wenn es bereits vorgefertigte Templates gibt. Wenn Du einen Agenten von Grund auf neu aufbauen möchtest, kann dies schon einmal länger dauern und kann per se nicht beziffert werden. 

Wie wähle ich den passenden Agenten-Builder aus?
Wählen Sie eine plattformentsprechend Ihren Anforderungen: Für No-Code-Lösungen eignen sich make oder flowise, für maßgeschneiderte Implementierungen bieten sich langchain und vertex ai agent builder an.

Was ist der beste Agent Builder? 

Diese Frage muss jeder für sich beantworten. Denn es ist stark davon abhängig, welches Ziel man verfolgt und wie technisch affin man ist. 

Sind KI-Agenten auch für KMU relevant?
Definitiv – ki-agenten bieten gerade kleinen und mittleren Unternehmen enorme Vorteile durch automatisierung und Effizienzsteigerung. Auch für produzierende Unternehmen können sie von Bedeutung sein, da ein KI-Agent auch Sensordaten z.B. für sich nutzen könnte. 

 Was sind die wichtigsten Schritte, um einen eigenen KI-Agenten zu erstellen?
Um einen eigenen KI-Agenten zu erstellen, wählen Sie zunächst eine Plattform oder ein Framework für KI-Agenten. Im Prozess der Erstellung können Sie entscheiden, ob Sie den Agenten von Grund auf neu aufbauen oder auf vorgefertigte Agenten zurückgreifen möchten.

Benötige ich Programmierkenntnisse, um KI-Agenten zu entwickeln?
Viele Tools wie n8n.io oder Vertex AI Studio ermöglichen die Entwicklung von KI-Agenten ohne Programmierkenntnisse. Wer jedoch benutzerdefinierte KI-Agenten oder virtuelle Assistenten mit speziellen Funktionen gestalten möchte, profitiert von Grundkenntnissen in der Programmierung.

Welche Vorteile bieten vorgefertigte Agenten im Vergleich zu individuellen Lösungen?
Vorgefertigte Agenten lassen sich im Handumdrehen nutzen und sind oft auf bestimmte Aufgaben zugeschnitten. Individuelle Agenten hingegen können exakt auf die eigenen Daten, Anforderungen und Arbeitsabläufe abgestimmt werden – also „maßgeschneidert“. Beide Lösungen können hochwertige Ergebnisse produzieren. 

Kann ich KI-Agenten auf meine eigenen Daten anpassen?
Ja, beim Erstellen können Sie eigene Daten einbinden (RAG) und benutzerdefinierte Aufgaben festlegen. So ist der Agent auf die spezifischen Bedürfnisse zugeschnitten.

Was ist der Unterschied zwischen KI-Chatbots und KI-Agenten?
KI-Agenten übernehmen nicht nur einfache Konversationen wie Chatbots, sondern können komplexe Aufgaben ausführen und sogar mehrere Arbeitsschritte automatisieren.

Welche Rolle spielen generative KI und natürliche Sprache bei KI-Agenten?
Viele KI-Agenten nutzen natürliche Sprache zur Interaktion und generative KI, um Antworten oder Lösungen zu erstellen, die auf Benutzereingaben basieren.

Wie sieht es mit der Bereitstellung aus? 

KI-Agenten werden meist über spezialisierte Plattformen, als Cloud-Service oder direkt in bestehende Systeme (wie CRM oder ERP) bereitgestellt. Sie können entweder als vorgefertigte Agenten genutzt oder individuell an die eigenen Anforderungen angepasst werden – oft sogar ohne Programmierkenntnisse.