Was ist Agentic AI? Einfach erklärt & mit Beispielen

Agentic AI in einem Satz

Agentic AI bezeichnet KI-Systeme, die auf ein Ziel hinarbeiten, Aufgaben in einzelne Schritte zerlegen, Werkzeuge nutzen und innerhalb klar definierter, vom Menschen gesetzter Grenzen Entscheidungen treffen. Sie ist also nicht nur ein „Sprachmodell“, sondern ein Akteur in einem Workflow.

Generative KI und Agentic AI sind dabei eng miteinander verbunden. Das generative Modell bildet die Grundlage für das Verstehen, Analysieren und Generieren von Inhalten. Agentic AI erweitert diese Fähigkeiten um Planung, Entscheidungsfindung und die koordinierte Nutzung von Werkzeugen innerhalb eines Workflows.

Worin sich Agentic AI von generativer KI unterscheidet

Generative KI – wie viele bekannte Chatbots – erzeugt Inhalte: Texte, Zusammenfassungen, Bilder, Code. Sie reagiert auf eine Eingabe und liefert eine Antwort. Agentic AI baut darauf auf. Sie nimmt eine Aufgabe entgegen, macht einen Plan, holt aktiv Informationen, ruft Tools auf und arbeitet das Ziel ab. Sie steuert einen Prozess.

Worin sich Agentic AI von klassischer Automatisierung unterscheidet

Klassische Automatisierung folgt einem festen Skript: „Wenn das passiert, mach genau dieses.“ - Sie ist schnell, zuverlässig und vollständig vorhersehbar. Doch bei einer Abweichung bleibt der Prozess stehen. Agentic AI arbeitet dagegen zielorientiert: Wenn ein Schritt nicht funktioniert, sucht sie nach einer anderen Möglichkeit, innerhalb der Spielregeln, die ein Mensch vorab vorgegeben hat. Der Preis dieser Flexibilität ist die vollständige Vorhersehbarkeit. Aus diesem Grund benötigt Agentic AI klare Leitlinien und Kontrollpunkte.

Beispiele aus der IT-Sicherheit

• Phishing-Verdacht prüfen: Wird eine verdächtige E-Mail gemeldet, führt der Agent mehrere Prüfschritte zusammen. Absender und Inhalt werden analysiert, Links mit bekannten Bedrohungen abgeglichen, Anhänge in einer Sandbox geprüft, ein Bericht erstellt. Der Agent stuft daraufhin den Fall nach Dringlichkeit ein. Dabei liegt die Neuerung nicht in der einzelnen Prüfung, sondern darin die Werkzeuge selbst zu verbinden und das Ergebnis zu bewerten.
• Verdächtigen Login klären: Login-Daten, Standort, Uhrzeit, Gerät und User-Verhalten werden zusammengeführt und als Vorfall für den Menschen lesbar aufbereitet inklusive einer Einschätzung der Dringlichkeit.
• Routine-Schritte beim SOC-Einsatz: Tickets klassifizieren, Beweise zusammenstellen, Standardfälle anreichern und Vorschläge für nächste Schritte machen. So können Analyst:innen mit einem aufbereiteten Incident beginnen und starten nicht bei null.

Wichtig in allen drei Fällen: Der Agent bereitet auf und schlägt vor. Die Entscheidung über eingreifende Maßnahmen, etwa einen Account zu sperren oder eine E-Mail zu löschen, bleibt beim Menschen oder folgt eng definierten Freigaberegeln. Erkennt der Agent einen möglichen Fehlalarm, gibt er den Fall an die Analyst:innen ab, statt eigenmächtig zu handeln.

Welchen Nutzen Unternehmen heute schon haben

Agentic AI bringt für Unternehmen vor allem drei Effekte:

1. Schnelligkeit: Aufgaben, die früher Stunden dauerten, sind in Minuten vorbereitet.
2. Lückenlosigkeit: Jeder Vorfall durchläuft dieselben definierten Prüfschritte, kein Schritt fällt mehr durchs Raster, und jeder Bearbeitungsschritt wird protokolliert.
3. Entlastung: Mitarbeiter:innen können sich auf komplexe, kreative Entscheidungen konzentrieren. Gerade in der Cybersicherheit, wo Fachkräfte knapp und Alarme zahlreich sind, ist dieser Hebel besonders wertvoll.

„Agentic AI einzuführen ist kein Sprung ins Ungewisse. Der beste Weg ist ein kleiner, klar abgegrenzter erster Anwendungsfall, mit klaren Leitplanken, einem Menschen an den richtigen Stellen und einer ehrlichen Erfolgsmessung. Aus diesem ersten Schritt wächst das Vertrauen, sicher zu skalieren.“ Günther Kriele, AI Generalist, Orange Cyberdefense Germany

Erste Schritte für Einsteiger:innen

1. Klein starten: einen einzigen, klar abgegrenzten Use Case (z. B. Phishing-Triage) auswählen.
2. Leitplanken festlegen: Was darf der Agent? Was nicht? Wer entscheidet im Zweifel?
3. Erfolg messen: Nachvollziehbarkeit, Zeit, Qualität, Anzahl bearbeiteter Fälle.
4. Schrittweise erweitern: weitere Use Cases hinzufügen, Erfahrungen einfließen lassen.
5. Begleitung holen: Externe Expertise (z. B. durch Orange Cyberdefense) hilft, Fehler zu vermeiden.

Mehr zu den Cybersecurity-Services von Orange Cyberdefense finden Sie in unserer Leistungsübersicht.

Worauf Unternehmen achten sollten – Risiken & Kontrolle

Wer ehrlich über Agentic AI spricht, benennt auch die Risiken. Gerade weil ein Agent handelt und nicht nur antwortet, braucht es bewusste Kontrolle:

• Prompt Injection: Manipulierte Inhalte (z. B. in einer eingehenden E-Mail oder Website) können versuchen, dem Agenten versteckte Anweisungen unterzuschieben. Eingaben aus unsicheren Quellen müssen als Daten behandelt werden, nicht als Befehle.
• Werkzeug-Missbrauch & Berechtigungen: Ein Agent ist nur so sicher wie die Tools und Rechte, die er erhält. Das Prinzip der minimalen Rechtevergabe und klare Freigaben für eingreifende Aktionen sind Pflicht.
• Fehler in Handlungsketten: Ein früher Fehler kann sich über mehrere Schritte durchsetzen. Zwischenkontrollen und Eskalationspfade an kritischen Punkten begrenzen den Schaden.
• Nachvollziehbarkeit & Compliance: Jede Aktion sollte protokolliert und auditierbar sein. Das ist nicht nur gute Praxis, sondern auch Voraussetzung für Vorgaben wie den EU AI Act und ISO/IEC 42001.
• So wenig KI wie möglich, so viel wie nötig: Nicht jeder Schritt braucht eine generative KI. Was sich fest und vorhersehbar regeln lässt, sollte deterministisch bleiben. Die KI übernimmt nur die Schritte, die echtes Verständnis erfordern. Das reduziert sowohl die Angriffsfläche als auch die Unvorhersehbarkeit. In Anlehnung an das bekannte „least privilege" lässt sich das als Prinzip der minimalen KI-Nutzung ("least AI") beschreiben.

Die gute Nachricht: Diese Risiken sind beherrschbar. Mit klaren Leitplanken, einem Menschen an den richtigen Stellen im Prozess (Human-in-the-Loop, häufig "HITL") und einer sauberen Protokollierung. Wer Agentic AI von Anfang an mit Kontrolle-by-design denkt, gewinnt den Nutzen, ohne die Kontrolle abzugeben.