Skill, Agent oder Automation? Der Unterschied erklärt

Ein Ordner, eine Definition, die nicht hielt

Unser interner Marktplatz hat auf der obersten Ebene zwei Ordner: einen für Skills, einen für Agents. Beim Einsortieren stockte ich. Was genau gehört in welchen? Ich baue diese Systeme jeden Tag, und trotzdem zerfiel meine schnelle Definition, sobald ich sie aufschreiben wollte.

Skill, Agent, Automation: drei Wörter, die ständig durcheinandergehen, auch bei denen, die täglich damit bauen. Dieser Artikel sortiert sie: Was sie bedeuten, wo die Grenze zwischen ihnen verläuft, und welche Frage am Ende wirklich zählt. Verständlich, auch ohne eine Zeile Code.

Warum die Begriffe so verwirren

Die Worte sind neu, überladen und werden von jedem Anbieter anders benutzt. "Agent" steht mal für einen Chatbot, mal für ein autonomes System, mal für ein Marketing-Versprechen. "Skill" bedeutet bei dem einen Tool etwas anderes als beim nächsten. Es gibt keine zentrale Instanz, die festlegt, wer recht hat.

Hinzu kommt: Die Begriffe beschreiben keine Dinge mit klaren Kanten, sondern Punkte auf einem Übergang. Das macht jede starre Schubladen-Definition angreifbar. Fangen wir trotzdem mit der sauberen Version an, bevor wir zeigen, wo sie bricht.

Die drei Begriffe, saubere Version

Drei Bausteine, drei einfache Kernfragen: Wer entscheidet? Verändert sich das System über die Zeit? Braucht es ein Sprachmodell?

Automation. Feste Schritte, kein eigenes Urteil. Gleicher Input, gleicher Weg, jedes Mal. Eine klassische Automation ist die Regel "Wenn eine Rechnung eingeht, lege sie in Ordner X". Sie entscheidet nichts, sie führt aus. Das gibt es seit Jahrzehnten, ganz ohne KI.

Skill. Eine definierte Prozedur, also das Wie. Ein wiederverwendbares Set an Anweisungen für eine bestimmte Aufgabe. Anthropic, das Unternehmen hinter Claude, beschreibt Agent Skills als organisierte Ordner aus Anweisungen, Skripten und Ressourcen, die ein Agent bei Bedarf lädt. Ein Skill liegt bereit und wird abgerufen, wenn eine Aufgabe ihn braucht. Er beschreibt einen Ablauf, er führt ihn nicht von allein aus. Das Format ist inzwischen ein offener Standard, den auch andere Anbieter übernehmen.

Agent. Eine Software, die autonom auf ein Ziel hinarbeitet, also das Wer. Das Wort sagt es schon: Ein Agent handelt in Ihrem Auftrag, stellvertretend. Technisch ist es ein Sprachmodell, das Zugriff auf Werkzeuge bekommt und damit selbst entscheidet: Es liest die Lage, wählt das nächste Werkzeug, prüft das Ergebnis und bestimmt den nächsten Schritt. Genau an den Werkzeugen verläuft die Grenze. Ein Sprachmodell, das nur eine Frage beantwortet, ist noch kein Agent. Sobald dasselbe Modell eine Website öffnen oder eine Recherche eigenständig durchführen darf, fängt es an, agentisch zu handeln. Dieses denken-handeln-beobachten-Muster geht auf das ReAct-Prinzip zurück. Anthropic definiert in Building Effective Agents Agenten als Systeme, in denen das Sprachmodell seinen eigenen Prozess und seinen Werkzeugeinsatz dynamisch selbst steuert.

Mein eigener Merksatz: Der Agent führt den Skill aus, aber der Skill definiert den Agenten. In dem Moment, in dem ein Agent den Recherche-Skill liest, wird er zum Recherche-Agenten.

Wo die sauberen Definitionen brechen

So weit die Theorie. Sobald ich sie an echten Fällen prüfte, fiel sie auseinander, und zwar an drei Stellen:

• Veränderung: Lernt das System dazu, oder bleibt es starr?
• Selbstheilung: Kann es auf einen Fehler reagieren und den Weg anpassen?
• Antrieb: Steckt am Ende immer ein Sprachmodell dahinter?

Erster Versuch: starre Schritte gegen wachsende Persona. Eine naheliegende Grenze verläuft an der Veränderung. Ein Skill wie unsere Ticket-Erstellung folgt zehn festen Schritten, jedes Mal gleich, er lernt nichts dazu. Ein Agent dagegen wäre dann eine Persona, die sich über die Zeit entwickelt. Unser Recherche-Agent und unser Content-Agent wurden bewusst so gebaut, dass sie durch Feedback und neue Anweisungen wachsen. Starre Prozedur gleich Skill, wachsende Persona gleich Agent.

Der Gegeneinwand: auch Skills heilen sich selbst. Die Grenze hält nicht. Wenn der Ticket-Skill auf einen Fehler stößt, kann das ausführende Modell den Ablauf anpassen und sich selbst korrigieren. Damit verändert sich auch ein "starrer" Skill im Lauf. Und noch grundsätzlicher: Jeder Skill wird von einem Sprachmodell ausgeführt. In dem Sinne steckt in jedem Skill ein Agent. Die saubere Trennung ist also weicher, als sie zuerst klingt.

Der Automations-Haken. Dann dreht sich die Sache noch einmal. Wenn ein Skill jedes Mal dieselben zehn Schritte abarbeitet, ist das im Kern eine Automation, nur eben eine vom Sprachmodell angetriebene. Damit fließt die dritte Kategorie in die anderen beiden hinein. Automation, Skill und Agent sind keine getrennten Kisten. Sie lecken ineinander.

Ein Rahmen, der hält: das Spektrum

Die Auflösung kam nicht durch bessere Schubladen, sondern durch den Verzicht auf Schubladen. Die drei Begriffe sind keine getrennten Kategorien, sondern Punkte auf einem Übergang. Eine einzige Achse macht den Unterschied: Wie viel entscheidet das System selbst?

Am einen Ende steht die feste Automation. Null Entscheidung, fester Weg. In der Mitte liegt der Skill, eine Prozedur mit etwas Spielraum, die ein Modell ausführt und bei Bedarf anpasst. Am anderen Ende steht der autonome Agent, der seinen Weg selbst wählt. Genau diese Unterscheidung trifft auch Anthropic in Building Effective Agents: Workflows laufen über vordefinierte Code-Pfade, Agenten steuern ihren Prozess dynamisch selbst. Auch OpenAI beschreibt Agenten als Systeme, die Aufgaben eigenständig für den Nutzer erledigen. Es ist kein Entweder-oder, sondern ein Regler.

Warum das in der Praxis zählt

Für ein Unternehmen ist das keine Wortklauberei, sondern eine Architektur-Entscheidung. Sie kaufen nicht "einen KI-Agenten". Sie entscheiden pro Aufgabe, wie viel Autonomie sinnvoll ist, und passen das Werkzeug an die Entscheidungslast an.

Eine Aufgabe mit klaren, immer gleichen Schritten braucht keine Autonomie. Geben Sie ihr zu viel, wird das Ergebnis unvorhersehbar und teuer zu kontrollieren. Eine Aufgabe, die bei jedem Durchlauf abwägen und auf Unerwartetes reagieren muss, erstickt dagegen in einer starren Automation. Sie braucht einen Agenten. Die Kunst liegt darin, den Regler für jede Aufgabe richtig zu setzen. Zu wenig Autonomie macht das System spröde, zu viel macht es unberechenbar.

Und hier kommt ein vierter Begriff ins Spiel, der die Abwägung erst greifbar macht: der Harness. Ein Skill hebt die Decke dessen an, was ein Agent kann, denn er liefert das Fachwissen. Der Harness hebt den Boden dessen an, was er verlässlich tut: die Schicht aus Verifier, Stoppbedingungen und Übergaben, die einen Agenten über viele Runden auf Kurs hält. Für eine einmalige Aufgabe zählt die Decke, für den Produktivbetrieb der Boden. Anthropic zeigt diese Bausteine als lauffähige Referenz im cwc-long-running-agents-Harness. Mehr Autonomie heißt mehr Spielraum zum Abdriften, und genau deshalb wächst mit der Autonomie die Bedeutung des Harness.

Genau diese Abwägung treffen wir bei IJONIS aus Hamburg für unsere Kundinnen und Kunden: nicht "Agent oder nicht", sondern wie viel Entscheidung welcher Schritt verträgt. Das ist die Architektur hinter einem System, das im Alltag verlässlich läuft statt nur in der Demo. Wie dieselbe Logik in echten Abläufen aussieht, zeigen wir an konkreten Beispielen in Agentic Workflows. Und warum die eigentliche Steuerungsebene über den Agenten liegt, vertiefen wir in Loop Engineering.

Häufige Fragen zu Skill, Agent und Automation

Was ist der Unterschied zwischen einem Skill und einem Agent?

Ein Skill ist eine definierte Prozedur, also ein wiederverwendbares Set an Anweisungen für eine Aufgabe. Ein Agent ist ein Sprachmodell mit Werkzeugen, das autonom in Ihrem Auftrag auf ein Ziel hinarbeitet und dabei selbst entscheidet. Der Agent führt den Skill aus, der Skill beschreibt nur den Ablauf.

Ist eine Automation dasselbe wie ein KI-Agent?

Nein. Eine klassische Automation folgt festen Schritten ohne eigenes Urteil und braucht kein Sprachmodell. Ein Agent trifft pro Schritt eine eigene Entscheidung. Dazwischen liegt der Skill: eine Prozedur, die ein Modell ausführt und bei Bedarf anpasst.

Welche Frage sollte ich mir stattdessen stellen?

Statt "Skill oder Agent?" lautet die nützliche Frage: Wie viel soll das System selbst entscheiden? Die Antwort liegt auf einem Spektrum von fest über prozedural bis autonom und bestimmt das Verhalten zuverlässiger als jedes Etikett. Wer die Autonomie pro Aufgabe bewusst wählt, baut Systeme, die im Alltag verlässlich laufen statt nur in der Demo zu funktionieren.

Nicht das Etikett zählt, sondern die Autonomie

Eine perfekte Definition gibt es am Ende nicht, und das ist in Ordnung. Die Begriffe Skill, Agent und Automation beschreiben keine harten Grenzen, sondern Stationen auf einem Weg von fest zu frei. Wer ein KI-System plant, gewinnt wenig durch das richtige Etikett und viel durch die richtige Frage: Wie viel soll die Maschine selbst entscheiden? Beantworten Sie die, und die Schublade ergibt sich von allein.