KI-Agenten-Glossar: 20 Begriffe einfach erklärt
Von Philipp Kant 4 Min. Lesezeit
Ein KI-Agenten-Glossar erklärt die Begriffe, die in Gesprächen über KI-Agenten fallen: wie ein Agent aufgebaut ist, wie er an Systeme kommt und wie man ihn sicher macht. Die zwanzig Begriffe unten sind nach Themen geordnet, jeder in zwei Sätzen, mit dem, was er für ein Unternehmen bedeutet.
Grundbegriffe
1. KI-Agent. Ein Programm, in dem ein Sprachmodell eine Aufgabe selbstständig erledigt, indem es Schritte plant und Werkzeuge aufruft. Im Unternehmen heißt das: Bestellungen erfassen, Daten ergänzen, Mails einordnen. Ausführlich: Was ist ein KI-Agent?
2. Sprachmodell (LLM). Das Modell, das Text versteht und erzeugt, etwa Claude, GPT oder Gemini. Es ist das Denkwerkzeug des Agenten, aber allein kann es nichts tun.
3. Agentische KI. Der Oberbegriff für Systeme, in denen ein Sprachmodell Schritte plant und Werkzeuge nutzt. Dazu gehören feste Workflows mit Modellaufrufen ebenso wie eigenständige Agenten.
4. Workflow. Ein Ablauf mit festen Schritten, die ein Entwickler vorab festlegt. Für gleichförmige Aufgaben ist er besser als ein Agent: schneller, günstiger, testbar. Siehe KI-Agent, RPA oder Workflow.
Wie ein Agent arbeitet
5. Harness. Die Software um das Modell: Sie baut den Kontext, führt die Schleife aus, prüft Rechte und Ergebnisse. Sie entscheidet mehr über die Qualität als das Modell, siehe Was ist ein Agent-Harness?
6. Tool Calling. Das Modell gibt statt Text einen strukturierten Aufruf aus, etwa “suche Artikel 4711 im PIM”, und das Harness führt ihn aus. So handelt ein Agent in anderen Systemen.
7. Kontextfenster. Die Menge Text, die ein Modell auf einmal sehen kann: Anweisungen, Aufgabe, Daten, bisherige Schritte. Was nicht darin steht, weiß der Agent nicht.
8. Strukturierte Ausgabe. Das Modell antwortet in einem festen Format, etwa JSON mit vorgegebenen Feldern. Damit kann ein Programm das Ergebnis sicher weiterverarbeiten, statt Text zu deuten.
9. Subagent. Ein zweiter Agent mit eigenem Kontext, dem der erste eine Teilaufgabe gibt, etwa eine Recherche oder eine Prüfung. Getrennte Kontexte finden oft die Fehler des jeweils anderen.
Wie ein Agent an Systeme und Wissen kommt
10. MCP (Model Context Protocol). Ein offener Standard, über den ein Agent Werkzeuge und Daten anderer Systeme nutzt, 2024 von Anthropic vorgestellt. Mehrere ERP-Hersteller liefern eigene MCP-Server, siehe MCP oder API.
11. A2A (Agent2Agent). Ein offenes Protokoll, über das Agenten verschiedener Anbieter miteinander sprechen, 2025 von Google vorgestellt und an die Linux Foundation übergeben. MCP verbindet Agent und Werkzeug, A2A verbindet Agent und Agent.
12. API. Die Schnittstelle eines Systems für andere Programme. Für feste Abläufe mit vielen Wiederholungen bleibt sie der robusteste Weg, auch wenn ein Agent im Spiel ist.
13. RAG (Retrieval-Augmented Generation). Der Agent sucht vor der Antwort passende Stellen in Ihren Dokumenten und antwortet auf dieser Grundlage, mit Quelle. Ausführlich: Was ist RAG?
14. Embeddings. Zahlenvektoren, die die Bedeutung eines Textes abbilden, damit sich ähnliche Inhalte finden lassen, auch ohne gleiche Wörter. Sie sind die Grundlage der Suche in RAG.
Sicherheit und Kontrolle
15. Human in the Loop. Ein Mensch gibt frei, bevor der Agent etwas tut, das Geld, Kunden oder Stammdaten betrifft. Das ist eine feste Regel im Code, nicht eine Bitte im Prompt.
16. Guardrails. Grenzen, die das Harness durchsetzt: welche Werkzeuge erlaubt sind, welche Werte plausibel sind, welche Inhalte nie hinausgehen. Sie halten, auch wenn das Modell sich irrt.
17. Prompt Injection. Ein Angriff, bei dem Text in einer Mail, einem Dokument oder einer Website dem Agenten neue Anweisungen unterschiebt. Dagegen helfen kleine Rechte, Freigaben und die Trennung von Daten und Anweisungen, nicht ein besserer Prompt.
18. Evals. Testfälle, an denen man misst, wie gut ein Agent seine Aufgabe löst, vor und nach jeder Änderung. Ohne sie weiß niemand, ob ein neues Modell oder ein neuer Prompt besser ist.
Agenten im Web
19. WebMCP. Ein Vorschlag, mit dem eine Website Agenten im Browser ihre Funktionen als Werkzeuge anbietet, etwa “Termin buchen”, statt dass der Agent Knöpfe sucht. Der kostenlose AI Agent Readiness Check prüft, ob eine Seite solche Werkzeuge deklariert.
20. llms.txt. Eine Markdown-Datei unter /llms.txt, die einem
Sprachmodell kurz sagt, was auf einer Website steht und wo. Mehr dazu in
Was ist eine agentenfreundliche Website?
Die Begriffe in einer Tabelle
| Begriff | In einem Satz |
|---|---|
| KI-Agent | Modell, das mit Werkzeugen Aufgaben erledigt |
| Harness | Software, die dem Modell Kontext, Werkzeuge und Grenzen gibt |
| Tool Calling | Das Modell ruft ein Werkzeug strukturiert auf |
| MCP | Standard: Agent zu Werkzeug und Daten |
| A2A | Standard: Agent zu Agent |
| RAG | Antworten auf Basis gefundener Dokumente, mit Quelle |
| Human in the Loop | Freigabe durch einen Menschen, per Regel |
| Guardrails | Grenzen, die das Harness durchsetzt |
| Prompt Injection | Untergeschobene Anweisungen in Daten |
| Evals | Testfälle, die die Qualität messen |
FAQ
Was ist der Unterschied zwischen einem KI-Agenten und einem Chatbot? Ein Chatbot antwortet. Ein Agent nutzt Werkzeuge und erledigt eine Aufgabe in anderen Systemen, bis sie fertig ist oder ein Mensch übernimmt.
Brauche ich MCP und A2A? MCP, sobald Agenten mehrere Ihrer Systeme nutzen sollen und diese einen Server mitbringen. A2A erst, wenn Agenten verschiedener Anbieter zusammenarbeiten sollen; in den meisten Firmen ist das noch nicht der Fall.
Wie schützt man einen Agenten vor Prompt Injection? Mit kleinen Rechten, Freigaben für alles Wichtige und einem Harness, das Daten aus Mails und Dokumenten nie als Anweisung behandelt. Ein perfekter Schutz im Prompt existiert nicht.
KI-Agenten, die nach diesen Regeln in Ihrem ERP, PIM und CRM mitarbeiten, bauen wir zum Festpreis.
Diesen Artikel mit einer KI besprechen
