Arten von KI-Agenten: die 5 klassischen Typen und die, die Unternehmen nutzen

Es gibt zwei nützliche Arten, KI-Agenten einzuteilen: die klassischen Typen aus KI-Lehrbüchern, die beschreiben, wie ein Agent entscheidet, und die praktischen Typen, die Unternehmen nutzen und die beschreiben, welche Aufgabe ein Agent erledigt. Beide zu kennen hilft, Anbieterversprechen einzuordnen und das richtige Werkzeug zu wählen. Neu im Thema? Beginnen Sie mit Was ist ein KI-Agent?

Die 5 klassischen Arten von KI-Agenten

1. Einfache Reflex-Agenten

Handeln nur anhand der aktuellen Eingabe nach festen Wenn-dann-Regeln. Beispiel: ein Telefonmenü, das „Drücken Sie die 2“ zur Buchhaltung weiterleitet. Schnell und berechenbar, aber hilflos bei Unerwartetem.

2. Modellbasierte Reflex-Agenten

Halten ein inneres Bild der Situation, sodass sie Informationen nutzen können, die in der aktuellen Eingabe nicht sichtbar sind. Beispiel: ein Chat-Agent, der sich merkt, dass der Kunde seine Bestellnummer schon früher im Gespräch genannt hat.

3. Zielbasierte Agenten

Wählen Aktionen, die sie einem Ziel näherbringen, und planen mehrere Schritte voraus. Beispiel: „Diesen Anrufer diese Woche für eine Reinigung einbuchen“: Kalender prüfen, Termine anbieten, bestätigen.

4. Nutzenbasierte Agenten

Führen mehrere Aktionen zum Ziel, wählen sie die beste nach einer Bewertung. Beispiel: den Termin anbieten, der zur Präferenz des Kunden passt und den Tag des Zahnarztes effizient hält.

5. Lernende Agenten

Verbessern sich mit der Zeit durch Rückmeldungen. Beispiel: ein Agent, dessen Antworten jede Woche anhand der vom Team markierten Gespräche verfeinert werden.

Typ	Entscheidet anhand	Stärke	Schwäche
Einfacher Reflex	Fester Regeln	Berechenbar	Scheitert an neuen Situationen
Modellbasiert	Regeln + Gedächtnis des Zustands	Versteht Kontext	Bleibt regelgebunden
Zielbasiert	Planung auf ein Ziel hin	Flexibel	Braucht gute Ziele und Grenzen
Nutzenbasiert	Der am besten bewerteten Option	Wägt ab	Die Bewertung muss stimmen
Lernend	Rückmeldungen über die Zeit	Wird besser	Braucht Überwachung

Wo heutige LLM-Agenten einzuordnen sind

Agenten auf Basis großer Sprachmodelle passen nicht sauber in einen Typ. Sie halten den Gesprächszustand (modellbasiert), arbeiten auf Ziele hin (zielbasiert), wägen Optionen ab (nutzenbasiert) und werden durch Rückmeldungen und aktualisierte Anweisungen verbessert (lernend). Diese Mischung macht sie so viel fähiger als ältere Bots. Siehe Was ist ein LLM-Agent?

Praktische Arten von KI-Agenten im Unternehmen

• Empfangsagenten: nehmen Anrufe und Nachrichten an, erfassen Angaben, leiten Anliegen weiter. Mehr erfahren.
• Kundenservice-Agenten: lösen häufige Fragen und Bestellprobleme. Mehr erfahren.
• Vertriebsagenten: qualifizieren Leads, fassen nach, buchen Meetings. Mehr erfahren.
• Terminagenten: buchen, verschieben, erinnern.
• Sprachagenten: alles oben Genannte, am Telefon. Mehr erfahren.
• Backoffice-Agenten: E-Mail-Sortierung, Datenerfassung, Reporting.
• Programmier- und Recherche-Agenten: vor allem von technischen Teams genutzt.

Einzelne Agenten vs. Multi-Agenten-Systeme

Manche Setups nutzen einen Agenten für alles; andere teilen die Arbeit auf spezialisierte Agenten auf, die sich Aufgaben übergeben, etwa ein Empfangsagent, der einen qualifizierten Lead an einen Angebotsagenten weitergibt. Lesen Sie Multi-Agenten-Systeme erklärt.

Jeder Typ an einem Beispiel aus dem Empfang

Um die Lehrbuchtypen greifbar zu machen: So würde jeder dieselbe Anfrage behandeln: „Ich muss meinen Termin verschieben.“

Typ	Wie er die Anfrage behandelt
Einfacher Reflex	Erkennt das Wort „verschieben“ und nennt die Telefonnummer für Terminänderungen. Mehr nicht.
Modellbasiert	Merkt sich, dass der Kunde seinen Namen schon genannt hat, fragt also nicht erneut; folgt aber weiter einem festen Skript.
Zielbasiert	Will den Termin verschieben: findet die Buchung, prüft freie Zeiten, bietet Optionen an, bestätigt.
Nutzenbasiert	Wie zielbasiert, bevorzugt aber Zeiten, die sowohl zur genannten Präferenz des Kunden als auch zum Plan der Behandelnden passen.
Lernend	Bemerkt mit der Zeit, dass viele Kunden frühe Morgentermine wollen, und schlägt diese zuerst vor (nachdem das Team die Änderung freigegeben hat).

Weitere Einteilungen von KI-Agenten

Nach Autonomie

Von Agenten, die nur vorschlagen, über Agenten, die mit Freigabe handeln, und Agenten, die innerhalb von Grenzen handeln, bis zu vollständig autonomen Agenten. Siehe Autonome KI-Agenten.

Nach Schnittstelle

• Sprachagenten: Telefonanrufe und Sprachassistenten. Mehr lesen.
• Textagenten: Chat, WhatsApp, SMS, E-Mail.
• Computer- oder Browser-Agenten: bedienen Software-Oberflächen wie ein Mensch.

Nach Reichweite

• Horizontale Agenten: Allzweck-Agenten für viele Aufgaben.
• Vertikale Agenten: für eine Branche oder Aufgabe gebaut, mit eingebautem Fachwissen und Abläufen, etwa ein Buchungsagent für Zahnarztpraxen oder ein Aufnahmeagent für Heizungsbauer.

Nach Organisation

• Einzelner Agent mit einer Aufgabe.
• Hierarchische Agenten: Ein Supervisor-Agent steuert ausführende Agenten.
• Kollaborative Agenten: Gleichgestellte, die sich Arbeit übergeben. Siehe Multi-Agenten-Systeme.

Was sind vertikale KI-Agenten?

Vertikale KI-Agenten sind auf eine bestimmte Branche oder Funktion spezialisiert. Weil sie die richtigen Fragen, Abläufe und Leitplanken für dieses Feld mitbringen, funktionieren sie meist sofort besser als allgemeine Agenten. Eine für Praxen eingerichtete KI-Empfangskraft weiß, dass sie nach dem Neupatienten-Status fragen und nie medizinischen Rat geben soll; eine für Hersteller eingerichtete fragt nach Mengen, Größen und Lieferfristen. Owlena folgt diesem Ansatz mit branchenspezifischen Einrichtungen.

Den richtigen Typ für die Aufgabe wählen

Aufgabe	Passt am besten
Anrufe an Abteilungen weiterleiten	Einfacher Reflex oder modellbasiert (oder ein einfaches Menü)
FAQ beantworten	Modellbasiert mit gutem Wissen
Buchen, bestellen, qualifizieren	Zielbasiert mit Werkzeugen und Regeln
Pläne oder Routen optimieren	Nutzenbasiert
Über Monate besser werden	Jeder Typ plus eine von Menschen geprüfte Lernschleife

Das PEAS-Modell: jeden Agenten beschreiben

KI-Lehrbücher (insbesondere Russell und Norvigs Artificial Intelligence: A Modern Approach) beschreiben die Aufgabe eines Agenten mit PEAS: Performance measure (Leistungsmaß), Environment (Umgebung), Actuators (Aktoren), Sensors (Sensoren). Angewandt auf eine KI-Empfangskraft:

PEAS	KI-Empfangskraft
Leistungsmaß	Angenommene Anrufe, gebuchte Termine, korrekte Angaben, Kundenzufriedenheit
Umgebung	Telefonleitungen, Messaging-Apps, Kalender, Kunden
Aktoren (Aktionen)	Antworten sprechen oder schreiben, Buchungen anlegen, Nachrichten senden, Anrufe weiterleiten
Sensoren (Eingaben)	Sprache, Text, Kalenderdaten, Kundendaten

Eine PEAS-Tabelle zu schreiben ist eine erstaunlich gute Methode, jeden Unternehmensagenten zu spezifizieren, bevor man ihn baut oder kauft.

Umgebungstypen, die das Agentendesign beeinflussen

• Vollständig vs. teilweise beobachtbar: Sieht der Agent alles, was er braucht? Ein Telefonagent sieht weder Gesicht noch Kalender des Anrufers, also muss er fragen.
• Deterministisch vs. stochastisch: Haben Aktionen immer dasselbe Ergebnis? Einen freien Termin zu buchen meist schon; einen Kunden zu überzeugen nicht.
• Statisch vs. dynamisch: Ändert sich die Welt, während der Agent nachdenkt? Kalender ändern sich, wenn andere buchen, also muss der Agent vor der Bestätigung erneut prüfen.
• Einzel- vs. Multi-Agenten: Handeln andere Agenten (oder Menschen) in derselben Umgebung? Der Empfang teilt den Kalender mit dem Personal.

Kundennahe Umgebungen sind teilweise beobachtbar, dynamisch und voller Menschen, und genau deshalb funktionieren dort zielbasierte Agenten mit Bestätigungsschritten und Übergaben am besten.

Einfache Agenten haben weiterhin ihren Platz

Nicht jede Aufgabe braucht einen Sprachmodell-Agenten. Eine einfache Reflexregel („Enthält die Nachricht STOPP, abmelden“) ist für diese Aufgabe schneller, günstiger und zuverlässiger. Gute Systeme mischen Typen: einfache Regeln für die festen Teile, zielbasierte Agenten für Gespräche. Siehe Agentische KI vs. klassische Automatisierung.

Welchen Typ braucht ein kleines Unternehmen?

Meist einen zielbasierten, kundennahen Agenten mit strengen Grenzen: Er soll klare Ziele verfolgen (antworten, erfassen, buchen), aber nie bei Preisen, Zusagen oder heiklen Themen improvisieren. So ist Owlena gebaut: ein Assistent für Ihre Kanäle, der Ihre Regeln befolgt und Entscheidungen an Ihr Team gibt.