Auf einer Konferenz im Frühjahr habe ich den Begriff agentische KI an einem einzigen Vormittag fünfmal gehört. Jedes Mal war etwas anderes gemeint. Einmal war es Copilot in Outlook, einmal ein CustomGPT, der Pressemitteilungen im Hausstil schreibt und beim drittten Mal eine Make-Automation mit ChatGPT-Knoten. Und einmal tatsächlich ein autonomes Multi-Agent-System, das ein Entwicklungsteam seit Monaten testet.
Der Unterschied zwischen KI-Agent und KI-Assistent verschwimmt im Alltag – und das ist mehr als eine sprachliche Unsauberkeit. Denn wer ein Werkzeug für etwas hält, das es nicht ist, trifft falsche Entscheidungen. Über Budgets, über Erwartungen an Mitarbeitende und über die Frage, was ein Pilotprojekt eigentlich zeigen soll.
Drei Begriffe, drei Stufen – und warum sie ständig vermischt werden
Drei Begriffe kursieren parallel, und sie meinen nicht dasselbe.
Ein KI-Assistent reagiert auf Anfragen. Sie schreiben etwas, er antwortet. Sie geben einen Auftrag, er erledigt ihn. Der Dialog ist das Format, der Mensch der Taktgeber. Klassische Beispiele sind ChatGPT, Claude.ai oder Microsoft Copilot Chat in der einfachen Variante.
Ein KI-Agent hingegen verfolgt ein Ziel. Sie geben ihm einen Auftrag wie „Recherchiere fünf vergleichbare Stellenausschreibungen und fasse die Gehaltsspannen zusammen“ – und der Agent zerlegt das selbst in Schritte, nutzt Werkzeuge wie einen Browser oder eine Datenbank, korrigiert sich bei Fehlern und liefert am Ende ein Ergebnis. Sie müssen nicht jeden Klick anstoßen.
Agentische KI ist keine Stufe darüber, sondern ein Architekturprinzip. Es beschreibt Systeme, in denen mehrere KI-Agenten zusammenarbeiten, Aufgaben verteilen, sich gegenseitig prüfen und ein gemeinsames Memory (Erinnerung) teilen. Wenn ein KI-Agent ein einzelner Mitarbeitender ist, dann ist agentische KI das Team mit Projektleitung.
Diese drei Stufen werden im Marketing ständig synonym verwendet. Verständlich – agentisch klingt nach Zukunft, nach Fortschritt, nach Investitionsentscheidung. Aber wer einen Assistenten kauft und Agentik erwartet, wird enttäuscht. Wer einen Agenten einsetzt und nur einen Assistenten braucht, zahlt für Komplexität, die er nicht nutzt.
Was ein KI-Assistent kann – und wo seine Grenze beginnt
Stellen Sie sich einen sehr klugen Praktikanten vor. Er weiß viel, kann gut formulieren, denkt mit. Aber er antwortet nur, wenn Sie ihn fragen. Er fängt nicht von sich aus an, eine Aufgabe zu zerlegen, sondern wartet auf Ihren nächsten Satz. Genau so funktionieren KI-Assistenten.
Im Kern sind sie Chat-Interfaces zu einem Sprachmodell, klassische Chatbots also. Sie nehmen eine Frage entgegen, geben eine Antwort, und der nächste Schritt liegt wieder bei Ihnen. Das ist keine Schwäche, sondern ein Designprinzip. Für Recherche, Textentwürfe, Übersetzungen, Brainstorming, Erklärungen: völlig ausreichend.
Zu dieser Kategorie gehören die bekannten Chatbots in ihrer Grundversion – ChatGPT, Claude.ai, Google Gemini. Auch Microsoft Copilot Chat fällt hier hinein, solange Sie ihn in der freien Variante nutzen. Sobald Copilot in Word, Excel oder Outlook Ihren tatsächlichen Geschäftskontext lesen darf, kommt eine Stufe dazu – dazu gleich mehr.
Eine wichtige Zwischenform: CustomGPTs und Claude Projects. Beide sind Assistenten mit Konfiguration. Sie hinterlegen einen System-Prompt, eine Wissensbasis (etwa über hochgeladene Dokumente), vielleicht ein paar Beispieltexte – und bekommen einen Assistenten, der konsistent in einem bestimmten Stil oder Aufgabenfeld arbeitet. Mein eigener Stilprofil-CustomGPT zum Beispiel kennt meine Voice-Regeln und meine No-Gos, sodass ich nicht in jedem Chat neu erklären muss, dass „Hebel“ oder „das trägt“ gestrichen gehört.
Das ist nützlich, aber strukturell bleibt es ein Assistent. Er antwortet, wenn Sie fragen. Er handelt nicht eigenständig.
CustomGPTs können in jüngerer Zeit auch Actions ausführen, also externe APIs ansprechen. Damit verschwimmt die Grenze – ein bisschen. Aber der Auslöser bleibt der Mensch im Chatfenster.
Wo erweiterte Assistenten anfangen, wie Agenten zu wirken
Zwischen reinen Assistenten und echten Agenten liegt ein Zwischenraum, in dem die meisten Tools im Geschäftsalltag heute sitzen. Es sind Assistenten, die auf Werkzeuge zugreifen können.
Microsoft 365 Copilot ist so ein Fall. Er liest Ihre Outlook-Mails, durchsucht Ihre SharePoint-Dokumente, fasst Teams-Meetings zusammen. Das fühlt sich agentisch an, weil das System mehr tut, als nur zu antworten – aber jeder dieser Schritte wird durch eine konkrete Anfrage ausgelöst.
Auch Claude Cowork – das Werkzeug, mit dem ich täglich arbeite – gehört in diese Kategorie. Cowork ist ein Assistent mit Zugriff auf Dateien, Browser, Code-Ausführung und über das Model Context Protocol (MCP) auf externe Systeme wie meinen Obsidian-Vault (mein Second Brain). Das System kann während eines Gesprächs Dokumente lesen, Recherchen durchführen, Texte erzeugen und sie an den richtigen Ort schreiben.
Und genau hier entsteht das Missverständnis, das mir am häufigsten begegnet: Wenn ich mit Cowork arbeite, arbeite ich agentisch.
Tue ich nicht.
Cowork führt Werkzeuge aus, ja. Aber jeder Werkzeugaufruf ist eingebettet in einen Dialog mit mir. Das System verfolgt kein eigenes Ziel über Tage hinweg, prüft nicht selbständig, ob meine Strategie noch sinnvoll ist, und ruft mich nicht morgens an, um zu sagen, dass es bei der Recherche einen besseren Ansatz gefunden hat. Ich bin der Taktgeber. Cowork ist ein außergewöhnlich fähiger Assistent – aber ein Assistent.
Das ist keine Abwertung. Für die meisten Wissensarbeit-Aufgaben ist genau diese Stufe die richtige.
Wo KI-Agenten wirklich anfangen
Ein echter Agent zerlegt ein Ziel in Schritte, ohne dass Sie jeden Schritt anstoßen müssen. Er entscheidet, welche Werkzeuge er nutzt, korrigiert sich bei Fehlversuchen und liefert am Ende ein Ergebnis – oder eine begründete Rückmeldung, warum das Ziel so nicht erreichbar war.
Claude Code ist das Tool, das diesem Bild in meiner Praxis am nächsten kommt. Wenn ich Claude Code beauftrage, eine Funktion in meinem Make-Setup zu bauen, dann zerlegt das System die Aufgabe, schreibt Code, testet ihn, findet einen Fehler, korrigiert ihn, testet erneut. Ich sehe in Echtzeit, was passiert, kann eingreifen – aber wenn ich es nicht tue, läuft die Aufgabe durch.
Im Browser-Bereich gibt es OpenAI Operator, ein Agent, der eigenständig Webseiten ansteuert, Formulare ausfüllt, Buchungen vornimmt. Devin ist ein Coding-Agent für längere Entwicklungsaufgaben. Manus wird als universeller Aufgaben-Agent vermarktet.
Sonderfall OpenClaw
Ein besonderer Fall im Hype der letzten Monate ist OpenClaw. Im Unterschied zu Claude Code oder Operator, die über die Server ihrer Anbieter laufen, läuft OpenClaw auf einem Rechner, den Sie selbst aufstellen – im eigenen Haus, im eigenen Netzwerk. Sie sprechen mit ihm über WhatsApp, Telegram oder Slack. Er kann Dateien verwalten, Mails verschicken, Termine koordinieren, im Hintergrund Aufgaben erledigen. Welches KI-Modell darunter arbeitet, entscheiden Sie selbst – Claude, GPT oder ein anderes. Für Unternehmen, die nervös werden, wenn Inhalte das Haus verlassen, klingt das nach genau der richtigen Antwort.
Genau hier lohnt sich der zweite Blick. OpenClaw ist innerhalb weniger Wochen zu einem der meistdiskutierten Open-Source-Projekte überhaupt geworden. Aufmerksamkeit allerdings ist kein Qualitätsmerkmal. Mit dem Erfolg sind auch erste manipulierte Zusatzfunktionen aufgetaucht – Erweiterungen, die unbemerkt Daten abgreifen oder unerwünschte Befehle ausführen. Wenn ein System Dateien schreiben und Befehle ausführen darf, ist jede Erweiterung ein potenzielles Einfallstor.
Der Unterschied zu Cloud-Werkzeugen wie Cowork oder Microsoft 365 Copilot liegt damit nicht nur bei den Daten. Er liegt bei der Verantwortung. Wer einen Anbieter nutzt, kauft Datenschutz und Sicherheit mit ein. Wer OpenClaw nutzt, übernimmt diesen Teil selbst: Installation, Absicherung, regelmäßige Updates, Überblick über jede Erweiterung. Das ist machbar – für Häuser mit eigener IT, die das fachlich und personell stemmen können. Es ist nicht machbar als Wochenendprojekt der einen Person, die sich „auch mit Computern auskennt“.
Workflow-Automatisierungen mit Make.com oder n8n
Eine Kategorie, die hier oft mit reinrutscht: Workflow-Automatisierungen wie Make.com oder n8n mit KI-Knoten. Meine eigene Newsletter-Automation gehört dazu – jeden Freitag liest sie meine ungelesenen Newsletter der Woche, schickt sie durch ein Claude-Modell, das eine Zusammenfassung erstellt, und verschickt die per Outlook. Ist das ein Agent? Streng genommen: nein. Es ist ein deterministisch verdrahteter Workflow mit einem KI-Schritt darin. Die Logik liegt im Workflow-Tool, nicht im Modell. Der Unterschied ist wichtig, weil solche Workflows planbar und prüfbar sind – ein echter Agent ist beides weniger.
Agentische KI – mehr als nur ein Agent allein
Wer von agentischer KI spricht, meint im Idealfall ein System aus mehreren Agenten, die zusammenarbeiten. Einer recherchiert, einer schreibt, einer prüft, einer orchestriert. Sie teilen ein Gedächtnis, sie geben sich gegenseitig Aufgaben, sie reagieren auf Zwischenergebnisse.
Frameworks wie CrewAI, LangGraph oder AutoGen sind die Bausteine dafür. Es sind keine fertigen Produkte, sondern Entwickler-Werkzeuge. Wer damit etwas baut, baut Software – nicht eine fertige Lösung von der Stange.
In der Praxis stoße ich auf solche Systeme selten in produktiver Nutzung. Häufiger in der Form: Ein Innovationsteam hat ein Multi-Agent-Setup gebaut, das in der Demo beeindruckend funktioniert, aber im Echtbetrieb instabil ist. Die Komplexität wächst überproportional zur Funktionalität. Drei Agenten, die miteinander reden, machen drei Mal so viele Fehler wie einer – und die Fehlersuche wird ungleich schwieriger.
Das heißt nicht, dass agentische Architekturen keinen Platz haben. Aber sie sind selten der erste Schritt. Sie sind das, was man baut, wenn man die einfacheren Stufen ausgereizt hat und ein konkretes Problem hat, das sich anders nicht lösen lässt.
Die Tools im Überblick – wo sie wirklich stehen
Damit Sie das Bild zusammen haben:
- KI-Assistenten (reaktiv, dialogbasiert): ChatGPT, Claude.ai, Google Gemini, Microsoft Copilot Chat (Basisvariante), Perplexity
- Konfigurierte KI-Assistenten (mit Wissen und „Persönlichkeit“): CustomGPTs, Claude Projects, Gemini Gems
- KI-Assistenten mit Werkzeugzugriff (handeln im Auftrag, Schritt für Schritt): Microsoft 365 Copilot, Claude Cowork, ChatGPT mit Tools und Actions, Gemini in Workspace
- KI-Agenten (planen und handeln eigenständig auf ein Ziel hin): Claude Code, OpenAI Operator, Devin, Manus, OpenClaw, browserbasierte Agenten in spezialisierten Plattformen
- Agentische KI-Systeme (Architektur aus mehreren KI-Agenten): Selbstentwickelte Lösungen auf Basis von CrewAI, LangGraph, AutoGen – meist projektspezifisch, selten als fertiges Produkt
Die Grenzen sind nicht trennscharf, das gebe ich zu. Cowork bewegt sich am oberen Rand der dritten Kategorie und streift gelegentlich die vierte. Claude Code wiederum verhält sich in einfachen Aufträgen wie ein erweiterter Assistent, in komplexen wie ein Agent. Die Übergänge sind fließend – aber die Unterschiede sind real.
Was das für Unternehmen heißt
Die wichtigste Frage ist nicht: Welche Stufe ist die fortschrittlichste? Sondern: Welche Stufe passt zu meiner Aufgabe?
Für 80 Prozent der Wissensarbeit reichen konfigurierte Assistenten oder Assistenten mit Werkzeugzugriff. Ein CustomGPT für die Pressestelle. Ein Claude Project für die Stilkontrolle in der Redaktion. Microsoft 365 Copilot für die Mailflut. Das sind die Werkzeuge, die schnell Wirkung zeigen und keine sechsstellige Implementierung brauchen.
Echte Agenten lohnen sich, wenn eine Aufgabe wiederkehrend ist, klar abgegrenzt und mit eindeutigen Erfolgskriterien – zum Beispiel im Bereich Coding, Datenrecherche oder Browser-Automation für strukturierte Prozesse.
Agentische Systeme lohnen sich, wenn ein komplexes Problem mit einfacheren Mitteln (dazu gehört übrigens auch eine einfache Automatisierung ohne KI) nachweislich nicht gelöst werden kann.
Wer sich entscheidet, ohne diese Stufen zu kennen, kauft Komplexität und hofft, dass sie sich auszahlt. Das tut sie selten.
Zurück zur Konferenz im Frühjahr. Eine der fünf Personen, die agentische KI gesagt hatten, sprach von einem Multi-Agent-System, das ihr Team baute (das war übrigens SAP). Die anderen vier meinten Werkzeuge, die ich täglich auch nutze – Assistenten mit Tools. Beides hat seine Berechtigung und beides einen Wert. Aber sie sind nicht dasselbe.
Den Unterschied zu kennen, ist kein Detail für Technik-Begeisterte. Es ist die Voraussetzung dafür, das richtige Werkzeug für die eigene Aufgabe auszuwählen.
Häufige Fragen zum Unterschied zwischen KI-Agent und KI-Assistent
Beitragsfoto: KI-generiert mit DALL-E
