AI Agents (KI-Agenten)
AI Agents sind autonome Systeme, die LLMs als Denkmaschine nutzen und mit der Außenwelt interagieren können — über Tools, APIs, Browsing, Code-Ausführung. Sie unterscheiden sich von einfachen Chatbots durch ihren Handlungsradius und ihre Fähigkeit, mehrstufige Aufgaben zu planen und auszuführen.
Details
Aufbau eines AI Agents
Wahrnehmung (Input) → Reasoning (LLM) → Entscheidung → Aktion (Tool Use)
↑_______________ Feedback (Beobachtung) __________________________↓
Kernkomponenten:
- Perception: Input aus Umgebung (Text, Bild, Tool-Outputs)
- Memory: Kontext, externe Speicher (Agent Memory – Three-Layer Architecture (Relational, Vector, Graph))
- Reasoning: LLM als Planungs- und Entscheidungsmodul
- Action: Tool Calls, API-Requests, Code-Ausführung, Browser-Steuerung
Agenten-Architektur-Muster
| Pattern | Beschreibung |
|---|---|
| ReAct | Reason + Act: abwechselnd denken und Aktion ausführen |
| Plan + Execute | Erstelle Plan → führe schrittweise aus |
| Multi-Agent | Mehrere spezialisierte Agenten, Orchestrator koordiniert |
| Reflexion | Agent bewertet eigene Outputs → verbessert sich iterativ |
Herausforderungen
- Halluzination: falsche Tool-Parameter, erfundene URLs
- Langfristige Kohärenz: Agent “vergisst” Ziele bei langen Aufgaben (Kontextfenster-Limit)
- Sicherheit: Prompt Injection, Memory Poisoning (The Anatomy of Diffusion LLMs — Abschnitt zu AI Agent Traps)
- Kosten: viele LLM-Calls für komplexe Aufgaben
Prominente Implementierungen
- Claude Code (dieses Tool): Agentenarchitektur, autonome Codebearbeitung
- OpenAI Assistants, LangChain Agents, AutoGen
- Google DeepMind Agent-Forschung: adversarielle Angriffsflächen für web-browsende Agenten
CogSci-Parallele
AI Agents modellieren lose den kognitionswissenschaftlichen Agentenbegriff: Wahrnehmung → interne Repräsentation → Planung → Handlung. Unterschied: biologische Agenten haben Embodiment, Motivation und kontinuierliche Zeitwahrnehmung.
See also
Tags: ai agents
Superlink: Large Language Models
Verbindungen
- Large Language Models — Kern jedes modernen AI-Agenten
- Agent Memory – Three-Layer Architecture (Relational, Vector, Graph)
- Chain-of-Thought Reasoning — Planungs-Backbone vieler Agenten
- Vibe Training – Replacing LLM-as-a-Judge with Specialized SLMs
- How Top AI Labs Are Building RL Agents in 2026
Created: 06/05/26