Agentic AI

Was ist Agentic AI?

Agentic AI bezeichnet KI-Systeme, die ein Ziel eigenständig verfolgen, den Lösungsweg zur Laufzeit selbst bestimmen und die nötigen Arbeitsschritte planen und in angebundenen Systemen ausführen. Ein solches System zerlegt die Aufgabe in Teilschritte, nutzt dafür Daten und Werkzeuge und prüft jedes Zwischenergebnis, bis das Ziel erreicht ist.

Im Deutschen ist auch der Begriff „agentische KI“ üblich. Das englische „agentic“ leitet sich von „agent“ ab, also von einer handelnden Instanz. Gemeint ist die Fähigkeit eines Systems, auf ein Ziel hin selbst tätig zu werden.

Wie funktioniert Agentic AI?

Im Kundenservice ist Agentic AI ein Teilbereich der KI-Automatisierung, die Kundeninteraktionen und Serviceaufgaben mit künstlicher Intelligenz automatisiert. Technisch arbeitet Agentic AI in einem wiederkehrenden Kreislauf. Das System erhält ein Ziel, zum Beispiel ein Kundenanliegen vollständig zu klären, und zerlegt es in einzelne Schritte. Nach jedem Schritt bewertet es das Ergebnis und entscheidet danach über den nächsten, bis das Ziel erreicht ist oder eine festgelegte Grenze greift.

Den Kern von Agentic AI bildet meist ein großes Sprachmodell (Large Language Model, LLM). Es interpretiert die Aufgabe, plant das Vorgehen und wählt passende Werkzeuge aus. Werkzeuge sind in diesem Zusammenhang Schnittstellen zu anderen Systemen, etwa zu einem Bestandssystem, einer Kundendatenbank oder einer Wissensdatenbank. Ein Gedächtnis hält dabei den Kontext früherer Schritte fest, sodass Zwischenergebnisse aufeinander aufbauen.

Wie weit Agentic AI eigenständig handelt, legt das Unternehmen fest. Berechtigungen bestimmen, welche Daten die KI lesen und welche sie verändern darf. An definierten Stellen gibt ein Mitarbeiter einzelne Schritte frei oder übernimmt das Anliegen. Dieses Prinzip heißt Human-in-the-Loop: Die KI unterstützt, der Mensch entscheidet.

KI-Agent und Agentic AI: wie die Begriffe zusammenhängen

Ein KI-Agent ist ein einzelnes Softwaresystem, das eine abgegrenzte Aufgabe mithilfe künstlicher Intelligenz eigenständig erledigt. Beispiele sind ein Agent, der Termine vereinbart, oder einer, der eingehende Schadenmeldungen auf Vollständigkeit prüft. Im Englischen heißt er AI Agent.

Agentic AI ist der übergeordnete Begriff. Er beschreibt den Ansatz und die Fähigkeit, Ziele über mehrere Schritte selbstständig zu verfolgen. Ein KI-Agent ist demnach eine konkrete Anwendung von Agentic AI. Für komplexe Aufgaben arbeiten oft mehrere spezialisierte KI-Agenten zusammen, deren Schritte ein agentisches System koordiniert.

Im Sprachgebrauch werden beide Begriffe häufig gleichbedeutend verwendet. Agentisch im engeren Sinn ist ein KI-Agent aber erst, wenn er zur Laufzeit selbst über den Lösungsweg entscheidet und keinem fest programmierten Dialog folgt.

Agentic AI, Generative AI und Chatbot: die Unterschiede

Agentic AI wird oft mit verwandten Technologien gleichgesetzt. Der Kern des Unterschieds liegt darin, ob ein System nur antwortet oder auch selbst handelt.

• ‍Generative AI: Generative AI erzeugt auf eine Eingabe hin neue Inhalte wie Texte, Bilder oder Code. Agentic AI nutzt diese Fähigkeit als Baustein und führt zusätzlich Aktionen in anderen Systemen aus, um ein Ziel über mehrere Schritte zu erreichen.
• ‍Chatbot: Ein klassischer Chatbot beantwortet Fragen anhand vordefinierter Dialoge oder einer Wissensbasis. Auch Systeme auf Basis von Conversational AI führen in erster Linie Dialoge. Ein KI-Agent im Kundenservice bearbeitet ein Anliegen dagegen bis zum Ergebnis, etwa indem er Vertragsdaten prüft und eine Änderung im Bestandssystem auslöst.
• ‍Regelbasierte Automatisierung: Regelbasierte Automatisierung wie Robotic Process Automation (RPA) arbeitet einen fest programmierten Ablauf ab. Eine einfache Adressänderung lässt sich auf diese Weise zuverlässig automatisieren und braucht dafür keine agentische KI. Agentic AI bestimmt den Lösungsweg erst zur Laufzeit und eignet sich so für Anliegen, deren Ablauf sich vorab nicht vollständig festlegen lässt.

In der Praxis ergänzen sich die Ansätze. Feste Abläufe und Standardfragen bleiben bei regelbasierter Automatisierung und Chatbots, und Agentic AI übernimmt die Anliegen, für die es keinen vorgezeichneten Weg gibt.

Agentic AI im Kundenservice: Wo KI-Agenten eingesetzt werden

Im Kundenservice zeigt Agentic AI ihren Wert vor allem bei Anliegen, die mehrere Schritte und mehrere Systeme berühren. Ein KI-Agent im Kundenservice nimmt zum Beispiel im Chat ein Anliegen auf, stellt Rückfragen, ruft Vertragsdaten ab und erfasst es im Bestandssystem. Kann er es nicht abschließen, übergibt er es mit dem bisherigen Verlauf an einen Mitarbeiter.

Ein zweites Einsatzfeld liegt im Hintergrund. Dort wertet Agentic AI eingehende E-Mails, Briefe und Dokumente aus, erkennt fehlende Angaben und fordert sie beim Kunden an. Mitarbeiter erhalten so Anliegen, die bereits vollständig vorbereitet sind.

Besonders relevant ist Agentic AI für die vielen seltenen und unterschiedlichen Anliegen, die sich keinem Standardablauf zuordnen lassen. Für jede dieser Varianten einen eigenen Ablauf zu programmieren, lohnt sich meist nicht. Ein KI-Agent kann solche Anliegen bearbeiten, ohne dass jeder Weg vorab festgelegt ist.

Welche Vorteile bringt Agentic AI?

Agentic AI schließt Anliegen ab, die bisher an der Grenze der Automatisierung hängen blieben. Dadurch kann der Anteil der Anliegen steigen, die ohne Übergabe gelöst werden. Ihre Mitarbeiter gewinnen so Zeit für Fälle, die Erfahrung und Ermessen erfordern.

Für Ihre Kunden bedeutet Agentic AI, dass ein Anliegen auch außerhalb der Servicezeiten bis zum Ergebnis bearbeitet werden kann. Rückfragen und Weiterleitungen zwischen Abteilungen können abnehmen, wenn ein KI-Agent die nötigen Informationen selbst aus mehreren Systemen zusammenträgt.

Bei Lastspitzen lässt sich Agentic AI mit dem Aufkommen skalieren, ohne dass zusätzliches Personal eingearbeitet werden muss. Die Steuerung bleibt dabei bei Ihnen. Über Berechtigungen und Freigabepunkte legen Sie fest, was die KI allein entscheiden darf, und ein Protokoll macht jeden Schritt nachvollziehbar.

Worauf bei der Einführung von Agentic AI zu achten ist

Ob sich Agentic AI im Kundenservice bewährt, hängt von wenigen, klar prüfbaren Rahmenbedingungen ab.

• ‍Eignung der Anliegen: Für Anliegen mit festem, gut beschreibbarem Ablauf genügt regelbasierte Automatisierung, die einfacher zu betreiben und zu prüfen ist. Agentic AI lohnt sich bei Anliegen mit vielen Varianten, die mehrere Systeme berühren.
• ‍Handlungsspielraum: Vor dem Start ist festzulegen, welche Daten ein KI-Agent lesen und ändern darf und welche Schritte er nur nach Freigabe ausführt. Je folgenreicher ein Schritt ist, desto eher gehört er in die Hand eines Mitarbeiters.
• ‍Übergabe an Mitarbeiter: Kann ein KI-Agent ein Anliegen nicht abschließen, braucht es einen klaren Übergabepunkt. Der Mitarbeiter sieht dabei idealerweise den vollständigen bisherigen Verlauf, damit der Kunde nichts wiederholen muss.
• ‍Nachvollziehbarkeit: Jeder Schritt der KI sollte protokolliert werden. Nur so lassen sich Entscheidungen später prüfen, etwa bei Beschwerden oder durch die Revision.
• ‍Datenhaltung und Betrieb: Bei personenbezogenen Kundendaten ist zu klären, wo Sprachmodelle und Daten betrieben werden und wer darauf zugreifen kann. In regulierten Branchen wie der Versicherungswirtschaft spielt dabei auch der Standort der Rechenzentren eine Rolle.

Agentic AI in der Praxis

In Serviceorganisationen mit hohem Aufkommen hängt der Nutzen von Agentic AI auch an der Übergabe zwischen KI und Mitarbeitern. Was ein KI-Agent nicht abschließen darf, muss mit dem bisherigen Verlauf bei der passenden Person ankommen, damit die Klärung nicht von vorn beginnt.

Dynamic Workload von IP Dynamics bündelt KI-Anwendungen im Modul KI-Automatisierung. Conversational AI führt dort automatisierte Dialoge mit Kunden und übergibt an Mitarbeiter mit vollem Kontext. Agent Assist unterstützt Mitarbeiter direkt im Frontend, und der KI Foundation Hub bildet die gemeinsame Basis, über die sich weitere KI-Funktionen ohne Systemwechsel ergänzen lassen.

Im Workload Management laufen alle Anliegen kanalübergreifend in einem zentralen Arbeitsvorrat zusammen und werden automatisch der passenden Person zugewiesen. Betrieben wird Dynamic Workload in der IPD Sovereign Cloud, georedundant in Rechenzentren in Deutschland.

‍