Im Kern steht ein Sprachmodell (Large Language Model), das in einer Schleife aus Planen, Handeln und Prüfen läuft: Es entscheidet, welches Tool es als Nächstes braucht – eine Websuche, ein CRM-Abruf, eine Rechnung im Buchhaltungssystem –, führt den Aufruf aus, liest das Ergebnis und plant den nächsten Schritt. Diese Tool-Aufrufe sind der technische Unterschied zu einem Chatbot ohne Werkzeuge.
Ein Beispiel aus der Praxis: Ein Agent überwacht das Support-Postfach, gleicht eine Anfrage mit dem Bestellsystem ab, prüft den Lieferstatus und schreibt eine Antwort mit den korrekten Daten, ohne dass jemand händisch zwischen drei Programmen wechselt. Bei internen Prozessen übernehmen Agenten oft das Zusammentragen von Reports aus mehreren Systemen, was sonst eine halbe Stunde manuelle Sucharbeit wäre.
Agenten sind kein Autopilot ohne Aufsicht: Jeder zusätzliche Schritt kostet Zeit und API-Anfragen, und ein Agent kann sich in einer Schleife verrennen, wenn ein Tool ein unerwartetes Ergebnis liefert. Bei Aufgaben mit echtem Risiko – Zahlungen auslösen, Verträge abschließen – gehört deshalb ein Freigabeschritt durch einen Menschen dazwischen.
