KI-Agent bauen: Die 5 Bausteine plus Praxisbeispiel

KI-Agent bauen: Die Anatomie eines Agenten plus ein durchgespieltes Beispiel

Kurz gesagt: Ein KI-Agent klingt nach Magie, solange man ihn als Blackbox betrachtet. Klappt man ihn auf, sieht man immer dieselben fünf Teile. Die Anatomie bleibt gleich.

Warum ich in Bausteinen denke statt in Syntax

Ich habe in neun Monaten mehrere Produkte und Workflows gebaut, ohne eine einzige Zeile Code selbst zu schreiben, hier in unserer Werkstatt in Hamburg. Möglich war das nicht, weil ich heimlich doch programmieren kann, sondern weil ich aufgehört habe, in Syntax zu denken, und angefangen habe, in Bausteinen zu denken.

Das Wichtigste daran: Sie müssen kein Modell trainieren. Sie müssen nur wissen, welcher Baustein welche Aufgabe hat. Wenn Sie noch nicht sicher sind, was ein Agent überhaupt von einem Chatbot unterscheidet, lesen Sie zuerst Was ist ein KI-Agent. Dieser Artikel setzt dort an und zeigt den Bauplan. Gute Einstiegspunkte für den größeren Kontext sind außerdem Anthropics Building effective agents und die LangChain-Dokumentation.

Welche fünf Bausteine hat jeder Agent?

Stellen Sie sich einen Agenten wie eine neue Kollegin am ersten Arbeitstag vor. Sie braucht einen Kopf zum Denken, eine klare Aufgabe, Werkzeuge, ein Gedächtnis und einen Arbeitsrhythmus. Genau diese fünf Dinge bilden jeden Agenten.

1. Das Modell: das Gehirn

Das Modell ist das Sprachmodell im Kern, etwa Claude oder ein Generative Pre-trained Transformer (GPT). Es ist der denkende Teil. Es versteht Sprache, zieht Schlüsse und entscheidet, was als Nächstes zu tun ist. Wichtig: Das Gehirn allein tut nichts. Es kann nicht auf Ihr Postfach zugreifen, sich nichts merken und nicht von selbst loslegen. Es wartet, bis es eine Aufgabe und Werkzeuge bekommt. Ein brillantes Gehirn ohne Hände und Auftrag ist nur ein sehr teurer Gesprächspartner.

2. Die Anweisungen: die Stellenbeschreibung

Die Anweisungen sagen dem Modell, wer es ist und was sein Job ist. Das ist der System-Prompt: Rolle, Ziel, Regeln, Tonfall, Grenzen. Eine gute Stellenbeschreibung ist konkret. "Sei hilfreich" ist keine Anweisung, sondern ein Wunsch. "Sortiere jede eingehende E-Mail in eine von vier Kategorien und antworte nie selbstständig auf Rechnungen" ist eine Anweisung. Je schärfer die Stellenbeschreibung, desto verlässlicher der Agent.

3. Die Tools: die Hände

Tools sind die Hände des Agenten. Ohne sie kann er nur reden. Mit ihnen kann er handeln: eine E-Mail lesen, einen Eintrag in einer Datenbank anlegen, eine Suche starten, einen Entwurf speichern. Jedes Tool ist eine klar definierte Aktion mit Eingabe und Ausgabe. Wie das technisch abläuft, beschreibt Anthropic in der Dokumentation zum Tool Use: Das Modell entscheidet, wann es ein Tool greift, und formuliert die passende Eingabe. Über offene Standards wie das Model Context Protocol lassen sich solche Tools an bestehende Systeme andocken, ohne für jede Verbindung einen eigenen Konnektor zu bauen.

4. Das Memory: was er sich merkt

Das Modell selbst vergisst nach jedem Aufruf alles. Memory ist die Schicht, die diese Lücke füllt. Sie reicht von kurzfristig (was bisher in dieser Aufgabe passiert ist) bis langfristig (was der Agent über frühere Vorgänge, Kundinnen oder Regeln gespeichert hat). Ohne Memory beginnt der Agent jedes Mal bei null, wie eine Kollegin, die nach jeder Pause ihren Namen vergisst.

5. Die Schleife: wahrnehmen, handeln, wiederholen

Die Schleife ist der Arbeitsrhythmus. Ein Agent löst eine Aufgabe selten in einem Schritt. Er nimmt wahr (was liegt an?), handelt (greift ein Tool), prüft das Ergebnis und entscheidet, ob er fertig ist oder noch eine Runde braucht. Genau diese Schleife beschreibt auch Anthropic in Building effective agents als Kern jedes echten Agenten. Sie trennt einen echten Agenten von einem einfachen Befehl: Er arbeitet so lange, bis das Ziel erreicht ist, statt nur einmal zu antworten.

Die folgende Tabelle fasst die fünf Bausteine zusammen.

Wie sieht ein konkreter Agent aus? Das Postfach-Sortierbüro

Theorie ist schnell vergessen. Spielen wir die fünf Bausteine an einem Beispiel durch, das jede Geschäftsführung kennt: das überquellende Postfach. Unser Agent liest eingehende E-Mails, ordnet sie ein und schlägt entweder eine Antwort vor oder leitet sie an die richtige Person weiter. Kein theoretischer Showcase, sondern ein Vorgang, der in jedem Unternehmen täglich Stunden frisst.

Baustein 1: das Modell als Gehirn

Wir nehmen ein starkes Sprachmodell als Gehirn. Es muss gut darin sein, Text zu verstehen und Absichten zu erkennen: Ist diese Mail eine Beschwerde, eine Rechnung, eine Anfrage oder Spam? Genau das ist die Stärke heutiger Modelle. Wir trainieren nichts neu. Wir nutzen das Modell, wie es ist.

Baustein 2: die Anweisungen schreiben

Hier liegt die eigentliche Arbeit. Die Stellenbeschreibung legt fest, wie der Agent sortiert und wo seine Grenzen sind. So sieht ein solcher Anweisungsblock vereinfacht aus:

Rolle: Du sortierst eingehende E-Mails fuer ein Team.

Aufgabe:
  1. Lies jede neue E-Mail.
  2. Ordne sie genau einer Kategorie zu:
     Anfrage, Rechnung, Beschwerde, Sonstiges.
  3. Bei "Anfrage": schreibe einen Antwortentwurf,
     aber sende ihn niemals selbst.
  4. Bei "Rechnung": leite an die Buchhaltung weiter.
  5. Bei Unsicherheit: markiere die Mail und frage nach.

Grenzen:
  - Niemals selbststaendig antworten oder loeschen.
  - Jede Aktion wird einem Menschen zur Freigabe vorgelegt.

Beachten Sie die letzte Regel. Sie ist kurz, aber sie entscheidet, ob der Agent ein hilfreicher Assistent oder ein Risiko wird.

Baustein 3: die Tools auswählen

Genau hier zeigt sich, warum die Hände so wichtig sind: Laut der Capgemini-Studie "Rise of agentic AI" (Februar 2026) erreichen weniger als 20 % der Unternehmen eine hohe Reife bei der Daten- und System-Infrastruktur, die KI-Agenten brauchen. Nicht das Gehirn ist der Engpass, sondern die Anbindung an die Systeme, in denen die Arbeit wirklich passiert. Unser Agent braucht vier Hände, also vier klar umrissene Tools:

• E-Mail lesen: holt den Inhalt einer eingehenden Nachricht.
• Kategorie vergeben: speichert das Label zur Mail.
• Entwurf speichern: legt einen Antwortentwurf an, ohne ihn zu senden.
• Weiterleiten: schickt die Mail an eine hinterlegte Adresse.

Mehr nicht. Bewusst fehlt ein Tool zum direkten Senden. Was der Agent nicht kann, kann er auch nicht falsch machen.

Baustein 4: dem Memory Form geben

Kurzfristig merkt sich der Agent, welche Mails er in diesem Durchlauf schon bearbeitet hat, damit er keine doppelt sortiert. Langfristig kann er sich Muster merken: Diese Absenderin schreibt immer Rechnungen, dieser Betreff bedeutet meist eine Beschwerde. So wird die Sortierung über die Wochen besser, statt jeden Tag bei null zu beginnen.

Baustein 5: die Schleife schließen

Jetzt läuft alles zusammen. Der Agent nimmt eine neue Mail wahr, liest sie (Tool), entscheidet die Kategorie (Modell plus Anweisungen), führt die passende Aktion aus (Entwurf oder Weiterleitung), notiert das Ergebnis (Memory) und nimmt sich die nächste Mail vor. Er wiederholt das, bis das Postfach abgearbeitet ist. Fünf Bausteine, ein flüssiger Arbeitsablauf.

Die Software-Schicht, die diese fünf Teile zusammenhält und die Schleife am Laufen hält, heißt Agent Harness. Sie müssen sie nicht selbst bauen: Fertige Harnesses liefern Schleife, Tool-Aufrufe und Memory bereits mit. Wer einen Agenten lieber bauen lässt, findet die Pakete und Preise unter KI-Agenten für Unternehmen.

Wo brechen erste Agenten?

Die fünf Bausteine sind einfach. Der erste eigene Agent geht trotzdem oft schief, fast immer aus denselben vier Gründen. Wer sie kennt, spart sich die teuren Lektionen.

Auffällig ist: Die meisten dieser Bruchstellen liegen nicht am Modell, sondern an den Anweisungen, den Tools und der fehlenden Freigabe. Das ist die gute Nachricht: Die Teile, die am häufigsten kaputtgehen, sind genau die, die Sie ohne Code-Kenntnisse selbst kontrollieren.

Das Wichtigste ist, mit kleinem Umfang zu starten. Dass Skepsis hier berechtigt ist, zeigt dieselbe Capgemini-Studie: Das Vertrauen in vollautonome KI-Agenten ist binnen eines Jahres von 43 % auf 27 % gefallen. Ein eng abgegrenzter erster Agent mit menschlicher Freigabe ist deshalb kein Rückschritt, sondern der einzig vernünftige Einstieg.

Vom Bauplan zum laufenden Agenten

Sie kennen jetzt die Anatomie. Ein Agent ist kein magisches Wesen, sondern fünf benennbare Teile, die zusammenarbeiten. Die nächste Frage ist nicht "Wie programmiere ich das?", sondern "Welchen Vorgang in meinem Unternehmen lasse ich zuerst von einem Agenten übernehmen?".

Wer überlegt, ob ein fertiges Werkzeug reicht oder eine eigene Lösung sinnvoll ist, findet die Entscheidungshilfe unter Build vs. Buy bei individueller Software. Und wer den schnellsten Weg vom Bauplan zum funktionierenden System sucht, sollte sich die KI-Prototyp-Entwicklung in vier Wochen ansehen: Statt monatelang zu planen, steht nach vier Wochen ein laufender Agent, an dem man echte Lektionen lernt.

Wenn Sie wissen wollen, welche Vorgänge sich überhaupt für einen ersten Agenten eignen, lesen Sie weiter im Katalog der KI-Agenten-Use-Cases für den Mittelstand.

Häufige Fragen

Muss ich programmieren können, um einen Agenten zu bauen?

Nein. Wer die fünf Bausteine versteht, kann einen Agenten planen, bewerten und steuern, ohne eine Zeile Code zu schreiben. Die Teile, die am häufigsten kaputtgehen, sind die Anweisungen, die Tool-Auswahl und die Freigabe, also genau die Stellen, die Sie auf fachlicher Ebene kontrollieren. Den technischen Unterbau liefern fertige Frameworks wie LangChain oder ein Agent Harness.

Wie lange dauert ein erster Agent?

Ein klar abgegrenzter erster Agent, etwa für die Postfach-Sortierung, lässt sich in Tagen statt Monaten aufsetzen. Wichtig ist der enge Umfang: ein Vorgang, wenige Tools, ein Mensch in der Schleife. Wir bauen erste lauffähige Systeme typischerweise in vier Wochen, statt monatelang zu planen.

Welcher Baustein geht am häufigsten kaputt?

Fast nie das Modell. In der Praxis liegt das Problem bei vagen Anweisungen, zu vielen Tools oder fehlender menschlicher Freigabe. Wer die fünf Bausteine kennt, weiß bei jedem Fehler sofort, wo er suchen muss.

Brauche ich für jeden Agenten ein eigenes Modell?

Nein. Für die meisten Geschäftsvorgänge reicht ein starkes Standardmodell wie Claude oder GPT, so wie es ist. Eigenes Training lohnt sich erst bei sehr speziellen Anforderungen und ist für einen ersten Agenten weder nötig noch sinnvoll.