Autonome Agenten: Was sie sind und wie sie funktionieren

Was ein autonomer Agent ist

Ein autonomer Agent ist ein KI-System, das selbstständig auf ein Ziel hinarbeitet. Eine Person beschreibt das gewünschte Ergebnis, und der Agent ermittelt die nötigen Schritte und führt sie aus.

Angenommen, jemand möchte sich zwischen drei Projektmanagement-Tools entscheiden. Ein autonomer Agent kann nach jedem Tool suchen, die jeweilige Preisseite öffnen, die Unterschiede festhalten und einen fertigen Vergleich liefern. Die Person legt das Ziel fest und prüft das Ergebnis, und der Agent erledigt die Arbeit dazwischen.

Viele aktuelle Software-Agenten nutzen ein großes Sprachmodell, um Anweisungen zu interpretieren und über den nächsten Schritt zu entscheiden. Manche Modelle verarbeiten auch Bilder oder Audio. Um im Web zu suchen, auf Schaltflächen zu klicken oder E-Mails zu senden, benötigt der Agent Software, die das Modell mit Tools verbindet und seine Anfragen ausführt.

Im Projektmanagement-Beispiel würden LLM und Agent so zusammenarbeiten:

1. Das LLM liest das Ziel und formuliert eine Anfrage, um nach den Preisen des ersten Tools zu suchen.
2. Die Software des Agenten führt die Suche aus und gibt die Ergebnisse als Text an das LLM zurück.
3. Das LLM liest die Ergebnisse, wählt den nächsten Schritt (das Öffnen der Preisseite) und formuliert eine neue Anfrage.
4. Dieser Zyklus wiederholt sich, bis das LLM entscheidet, dass der Vergleich vollständig ist, und die endgültige Antwort formuliert.

Vergrößern

Autonomiestufen

In einem agentischen KI-System (einer KI, die darauf ausgelegt ist, Aktionen auszuführen und nicht nur Fragen zu beantworten) ist Autonomie eine Designentscheidung. Derselbe Agent kann so eingerichtet werden, dass er vor jedem Schritt nachfragt oder eine ganze Aufgabe allein erledigt.

Forschende der University of Washington schlagen ein Fünf-Stufen-Modell vor, um die verschiedenen Autonomiegrade zu erklären, die ein Agent haben kann:

Auf Stufe 4 könnte ein Agent eigenständig recherchieren und eine Bestellung entwerfen, aber vor dem Absenden innehalten. Auf Stufe 5 würde er die Bestellung auch absenden.

Autonome KI-Agenten vs. Automatisierung vs. Chatbots

Autonome Agenten unterscheiden sich in zwei Punkten von Chatbots und Workflow-Automatisierung: Sie legen ihre Schritte selbst fest, und sie führen Aktionen in anderen Apps und auf anderen Websites aus.

Ein Chatbot beantwortet Fragen in einer Unterhaltung, handelt aber in der Regel nicht außerhalb davon. Workflow-Automatisierung handelt zwar, aber nur, indem sie Schritten folgt, die jemand im Voraus eingerichtet hat. Eine verbreitete Form ist Robotic Process Automation (RPA): Software, die einfache, regelbasierte Aufgaben wiederholt, etwa das Kopieren von Daten von einem System in ein anderes.

Ein autonomer Agent kann beides: Er handelt in anderer Software und wählt seine eigenen Schritte hin zu einem Ziel – im Rahmen der Tools, Berechtigungen und Anweisungen, die er erhält.

Eine Beschwerde über eine verspätete Bestellung verdeutlicht den Unterschied. Ein Chatbot könnte mit einer vorformulierten Erklärung der Versandrichtlinien antworten. Eine Workflow-Automatisierung könnte eine standardisierte E-Mail zur „Lieferverzögerung“ senden. Ein autonomer Agent könnte die Bestellung nachschlagen, feststellen, dass sie beim Versand verloren gegangen ist, eine Ersatzlieferung veranlassen und den Kunden informieren.

Wie autonome Agenten funktionieren

Ein autonomer Agent stützt sich auf vier Fähigkeiten, um eine Aufgabe zu erledigen: seine Schritte planen, Tools nutzen, sich merken, was er bereits getan hat, und seine eigenen Ergebnisse überprüfen. Bei größeren Aufgaben verteilen manche Agenten die Arbeit zudem auf ein Team von Agenten.

1. Ziele aufschlüsseln und Pläne erstellen

Ein Ziel ist meist zu groß, um es in einem Schritt umzusetzen, daher besteht die erste Aufgabe eines Agenten darin, es in kleinere Aufgaben zu zerlegen. Bittet der Nutzer den Agenten beispielsweise, ein Team-Offsite zu planen, könnte der Agent das Ziel aufteilen in: Termine wählen, Veranstaltungsorte im Budgetrahmen finden, die Verfügbarkeit prüfen und eine Einladung entwerfen.

Je nach Aufbau können Agenten vorab planen oder während der Arbeit planen. Vorab zu planen bedeutet, jeden Schritt vor dem Start festzulegen – das funktioniert bei kurzen, vorhersehbaren Aufgaben. Während der Arbeit zu planen bedeutet, die nächsten ein, zwei Schritte zu skizzieren, zu handeln und den Plan anhand der Rückmeldungen zu überarbeiten. Wäre der bevorzugte Veranstaltungsort für das Offsite bereits ausgebucht, könnte der Agent zur nächsten Option übergehen, ohne von vorn zu beginnen.

Vergrößern

Eine Übersichtsstudie zu LLM-basierten autonomen Agenten der Renmin University of China kommt zu dem Ergebnis, dass dieser zweite Ansatz komplexere Aufgaben besser bewältigt, weil es schwierig ist, einen perfekten Plan zu schreiben, bevor man Ergebnisse gesehen hat. Viele Agenten kombinieren beide Ansätze: Sie entwerfen zunächst einen vollständigen Plan und überarbeiten ihn während der Arbeit.

2. Mit Tools handeln

Sobald ein Plan steht, arbeitet der Agent ihn Aufgabe für Aufgabe ab und wählt für jede ein Tool.

• Um Veranstaltungsorte zu finden, könnte er die Websuche mit einer Anfrage wie „Offsite-Locations für 20 Personen in der Nähe von Austin“ nutzen.
• Um die Verfügbarkeit zu prüfen, könnte er die Buchungsseite jedes Veranstaltungsorts in einem Browser öffnen und den Kalender lesen.
• Um die Einladung zu versenden, könnte er sich über eine API mit dem E-Mail-Konto der Person verbinden – der Schnittstelle, über die eine Software Daten oder Aktionen von einer anderen anfordern kann.

Nach jeder Aktion liest der Agent die Rückmeldung und entscheidet über den nächsten Schritt. Findet die Suche fünf Veranstaltungsorte, prüft er deren Verfügbarkeit. Lädt eine Buchungsseite nicht, greift er auf die Telefonnummer des Veranstaltungsorts zurück oder geht zur nächsten Option über.

Die Tools, die einem Agenten zur Verfügung stehen, bestimmen, welche Aufgaben er selbstständig erledigen kann. Ohne E-Mail-Zugriff kann er die Einladung entwerfen, aber nicht versenden.

3. Fortschritt mit dem Gedächtnis verfolgen

Während der Agent arbeitet, muss er festhalten, was er bereits getan und was er gelernt hat. Wenn er drei Veranstaltungsorte geprüft hat, muss er wissen, welche ausgebucht waren, welche noch Platz hatten und was jeder kostet. Diese Aufzeichnungen liegen im Kontextfenster des LLM – der Textmenge, die das Modell gleichzeitig berücksichtigen kann.

Bei langen Aufgaben kann dieses Kontextfenster zu klein werden. Agenten mit Langzeitgedächtnis lösen das, indem sie Informationen außerhalb des Modells speichern, meist in einer Datenbank, und nur das abrufen, was der aktuelle Schritt benötigt.

Das Langzeitgedächtnis bleibt auch über Aufgaben hinweg erhalten. Wenn das Offsite im nächsten Jahr geplant werden soll, könnte der Agent die diesjährige Liste der Veranstaltungsorte und das Budget wiederverwenden oder sich daran erinnern, dass das Team Veranstaltungsorte bevorzugt, die höchstens eine Autostunde entfernt sind.

4. Ergebnisse prüfen und den Kurs korrigieren

Während der Arbeit achten viele Agenten auf Anzeichen dafür, dass ein Schritt schiefgegangen ist. Gibt ein Buchungsformular einen Fehler zurück oder liefert eine Suche keine Ergebnisse, versucht der Agent einen anderen Ansatz. Steht er vor einer Entscheidung, die er nicht allein treffen sollte – etwa ob ein Veranstaltungsort, der das Budget leicht überschreitet, akzeptabel ist –, fragt er die Person und richtet sich nach deren Antwort.

Bevor sie ihre Arbeit übergeben, überprüfen viele Agenten ihre Ergebnisse. Das LLM liest noch einmal, was es erstellt hat, vergleicht es mit dem Ziel und listet alles auf, was fehlt oder falsch ist. Der Agent überarbeitet das Ergebnis und prüft erneut, bis es das Ziel erfüllt. Fehlt in der Einladung beispielsweise die Adresse des Veranstaltungsorts, fällt das bei der Überprüfung auf, und der Agent ergänzt sie vor dem Versand.

5. Arbeit auf mehrere Agenten verteilen

Manche Aufgaben gehen schneller, wenn sich mehrere Agenten sie teilen. Ein leitender Agent teilt die Arbeit auf und übergibt Teile davon an Sub-Agenten.

Perplexity Computer funktioniert auf diese Weise. Eine Person beschreibt das gewünschte Ergebnis, und Computer zerlegt es in Aufgaben und Teilaufgaben und erstellt dann Sub-Agenten, die diese ausführen. Sub-Agenten können im Web recherchieren, Dokumente erstellen, Daten verarbeiten oder verbundene Dienste über APIs aufrufen.

Wenn Computer auf ein Problem stößt, erstellt er neue Sub-Agenten, um es zu lösen. Jeder Sub-Agent kann zudem auf einem anderen KI-Modell laufen, sodass jeder Teil der Arbeit an das Modell geht, das sich am besten dafür eignet.

Im Offsite-Beispiel könnte also ein Sub-Agent Veranstaltungsorte recherchieren, während ein anderer die Teamkalender prüft und ein dritter Reisemöglichkeiten untersucht.

Vergrößern

Wie Menschen autonome Agenten nutzen

Menschen nutzen autonome Agenten vor allem für alltägliche Wissensarbeit: Recherche, Schreiben, E-Mail und Lernen. In einer Studie von Forschenden aus Harvard und von Perplexity machten Produktivitäts- und Lernaufgaben 57 % der agentischen Anfragen aus. Die folgenden Beispiele zeigen, was ein Agent bei den einzelnen Arten von Arbeit leistet.

Recherche und Analyse

Recherche eignet sich gut für Agenten, weil sie aus vielen kleinen Schritten besteht. Ein Agent kann suchen, Quellen öffnen, sie lesen und vergleichen, was sie aussagen. Nehmen wir eine Anfrage wie „Finde drei aktuelle Studien zu Remote-Arbeit und Produktivität und fasse zusammen, zu welchem Ergebnis jede kam.“ Der Agent sucht nach Studien und öffnet die relevantesten. Er liest die Ergebnisse jeder Studie und verfasst eine Zusammenfassung mit Links zu allen Quellen. Liegt eine Studie hinter einer Paywall, geht der Agent zur nächsten über. In der Studie machen das Zusammenfassen und Analysieren von Forschungsergebnissen 7 % der agentischen Anfragen aus.

Dokumente, E-Mail und Kalender

Agenten arbeiten oft in den Tools, die Menschen ohnehin täglich nutzen. In der Studie von Harvard und Perplexity waren die Dokument-Tools von Google und E-Mail die beiden häufigsten und machten zusammen etwa ein Viertel der agentischen Anfragen aus. Nehmen wir eine Anfrage wie „Geh die ungelesenen E-Mails dieser Woche durch, markiere alles von Kunden und entwirf Antworten auf die Terminanfragen.“ Der Agent öffnet den Posteingang und sortiert die Nachrichten. Er prüft den Kalender auf freie Zeiten und entwirft eine Antwort auf jede Anfrage. Er kann die Entwürfe speichern, ohne sie zu senden, sodass die Person jeden einzelnen zuerst prüfen kann.

Lernen und Studium

Studierende nutzen Agenten zum Lernen. Studienaufgaben sind in der Studie die größte Einzelkategorie der Agentennutzung und machen 13 % der agentischen Anfragen aus. Eine Anfrage wie „Frag mich zu Kapitel vier meiner Kurslektüre ab“ schickt den Agenten auf die Kurswebsite, wo er das Kapitel liest, Fragen zu den wichtigsten Punkten formuliert und die Antworten der lernenden Person überprüft. Derselbe Ansatz funktioniert für alle, die sich ein neues Fachgebiet aneignen, etwa für Mitarbeitende, die sich in eine unbekannte Branche einarbeiten.

Einkaufen und Vergleiche

Einkaufen macht 10 % der agentischen Anfragen aus, vor allem das Suchen und Vergleichen von Produkten. Auf die Bitte „Finde einen Stehschreibtisch unter 400 $ mit guten Bewertungen“ durchsucht ein Agent mehrere Händler, filtert nach Preis und Bewertung, vergleicht die besten Optionen und kann die beste davon in einen Warenkorb legen. Wenn ein Agent Optionen über mehrere Websites hinweg vergleicht, lässt sich viel Zeit sparen, da die Person nicht mehr jedes Angebot einzeln öffnen und abgleichen muss.

Sieben Best Practices für die Nutzung autonomer Agenten

1. Mit leicht überprüfbaren Aufgaben beginnen

Die besten ersten Aufgaben sind solche, bei denen ein Fehler leicht zu erkennen und mit wenig Aufwand zu beheben ist. Recherchezusammenfassungen und Produktvergleiche eignen sich gut als Einstieg. Wenn der Agent seine Quellen verlinkt, dauert die Überprüfung nur wenige Minuten. Mit wachsendem Vertrauen lassen sich dann längere Aufgaben mit mehr Schritten übergeben.

2. Klare Ziele und Rahmenbedingungen festlegen

Der Agent trifft möglicherweise bessere Entscheidungen, wenn er weiß, warum die Aufgabe wichtig ist. Eine gute Anfrage liest sich wie ein Briefing für einen Auftragnehmer: Zweck, Zielgruppe, was bereits bekannt ist und was schon ausgeschlossen wurde. „Vergleiche diese drei Anbieter für eine Vorlage an den Vorstand; dem Vorstand ist das Implementierungsrisiko am wichtigsten, und wir haben bereits alle Anbieter ohne SOC-2-Konformität ausgeschlossen“ gibt dem Agenten alles, was er braucht, um eigenständig Ermessensentscheidungen zu treffen.

3. Freigabepunkte einbauen

Manche Aktionen lassen sich nicht rückgängig machen, etwa das Senden einer E-Mail, ein Kauf, das Löschen von Dateien oder das Absenden eines Formulars. Wenn ein Agent es zulässt, stelle ihn so ein, dass er vor diesen Schritten pausiert und nachfragt. Auch die Anfrage selbst kann einen Haltepunkt festlegen. „Entwirf Antworten, aber sende sie nicht“ oder „Leg die beste Option in meinen Warenkorb, aber schließ den Kauf nicht ab“ sagt dem Agenten genau, wo er anhalten und die Kontrolle zurückgeben soll.

4. Den Plan vor der Arbeit prüfen

Lass dir bei größeren Aufgaben vom Agenten seinen Plan skizzieren, bevor er beginnt. Einen Plan zu prüfen dauert eine Minute, und ein Missverständnis in dieser Phase zu korrigieren ist viel weniger aufwendig, als es erst im fertigen Ergebnis zu entdecken.

5. Den Zugriff auf das beschränken, was die Aufgabe erfordert

Jedes Konto, auf das ein Agent zugreifen kann, ist ein Konto, in dem er handeln kann. Wer nur die Apps verbindet, die eine Aufgabe erfordert, hält sensible Daten außer Reichweite und begrenzt, was schiefgehen kann. Ein Agent, der Anbieter recherchiert, braucht keinen E-Mail-Zugriff. Ein Agent, der Antworten entwirft, schon – aber er braucht möglicherweise keine Berechtigung, sie zu senden.

6. Die Prüfungen in die Anfrage einbauen

Agenten überprüfen ihre eigene Ausgabe bereits, daher kann die Anfrage ihnen sagen, worauf sie achten sollen. Wer beschreibt, wie ein gutes Ergebnis aussieht („jede Zahl braucht eine Quelle von 2025 oder später“), sorgt dafür, dass der Agent diesen Maßstab anwendet, bevor er seine Arbeit zurückgibt. Bittet man ihn, bestätigte Fakten von seinen eigenen Schlussfolgerungen zu trennen und Annahmen zu kennzeichnen, wird die Überprüfung durch den Menschen schneller und gezielter.

7. Bewährtes wiederverwenden

Eine Anfrage, die ein gutes Ergebnis geliefert hat, kann zur Vorlage für die nächste ähnliche Aufgabe werden. Dem Agenten ein Beispiel für eine gute Ausgabe zu geben, etwa den Bericht des letzten Quartals, bringt oft mehr, als das Format in Worten zu beschreiben. Wiederkehrende Aufgaben können zu festen Workflows werden.

Wie Perplexity an autonome Agenten herangeht

Perplexity bietet zwei autonome Agenten. Comet Assistant erledigt alltägliche Aufgaben direkt im Browser, und Perplexity Computer übernimmt größere Projekte, die stundenlang oder noch länger laufen können.

Comet Assistant ist in Comet integriert, dem KI-Browser von Perplexity. Er arbeitet auf den Websites, die eine Person bereits geöffnet hat, und kann so Meetings planen, Dokumente bearbeiten, E-Mails senden und Flüge buchen, ohne dass man das Tool wechseln muss.

Computer läuft in der Cloud und verteilt jedes Ziel, wie oben beschrieben, auf Sub-Agenten. Er lässt sich mit Hunderten von Diensten verbinden, und man kann für bestimmte Teile der Arbeit gezielt bestimmte KI-Modelle auswählen. Computer ist für Pro- und Max-Abonnenten verfügbar.

Entdecke Comet Assistant, um einen Agenten im Browser auszuprobieren, oder Perplexity Computer, um ein größeres Projekt zu übergeben.

Häufig gestellte Fragen

Ist ein autonomer Agent dasselbe wie agentische KI?

Nein, aber die Begriffe überschneiden sich. Agentische KI bezeichnet meist die übergeordnete Kategorie von KI-Systemen, die Ziele verfolgen, indem sie planen und Aktionen ausführen. Ein autonomer Agent ist ein bestimmtes System innerhalb dieser Kategorie, das seine Arbeit weitgehend ohne schrittweise Freigaben erledigt.

Sind alle KI-Agenten autonom?

Nein. Manche Agenten führen jeden Schritt nur aus, wenn eine Person sie dazu anweist, während andere eine ganze Aufgabe selbstständig erledigen. Die oben beschriebenen Autonomiestufen zeigen die gesamte Bandbreite – von Agenten, die eine Person Schritt für Schritt steuert, bis hin zu Agenten, die eine Person nur überwacht.

Können autonome Agenten Einkäufe oder Zahlungen tätigen?

Manche Agenten können bei Einkäufen helfen, je nach Website, Berechtigungen und Schutzmaßnahmen. Comet Assistant kann Produkte vergleichen und beim Bezahlvorgang unterstützen. Mit Instant Buy von Perplexity können berechtigte Nutzer in den USA unterstützte Produkte direkt in Perplexity kaufen, wobei PayPal als Zahlungsoption zur Verfügung steht.

Erfordern autonome Agenten Programmierkenntnisse?

Viele fertige Agenten lassen sich ohne Programmierkenntnisse nutzen. Einige Plattformen ermöglichen es außerdem, Agenten über Anweisungen in natürlicher Sprache oder über eine grafische Oberfläche zu erstellen. Programmierkenntnisse können für individuelle Integrationen, Debugging und spezialisierteres Verhalten nützlich sein.