Serie: KI-Agenten – Beitrag 2
KI-Agenten haben Anwendungsfelder im “Sprachbereich”, aber auch in Industrie, in der Steuerung von Infrastrukturen, in der Umweltbeobachtung, in der Medizin. Der Beitrag zeigt einen kleinen aktuellen Ausschnitt (3/2026). Beitragbild erstellt mit Gemini 3.1 Pro Thinking.
Transparenz
Text und Bild(er) mit KI-Unterstützung erarbeitet.
Es gibt nicht den einen KI-Agenten
Wo kommen KI-Agenten heute tatsächlich zum Einsatz? Auf Basis der Architektur- und Taxonomie-Vorschläge von Arunkumar et al. (2025) lässt sich das Feld pragmatisch drei Ausprägungen zuordnen. ⁴
- Die erste Ausprägung sind digitale Agenten: Sie operieren auf Bildschirmen, in Betriebssystemen und Unternehmensanwendungen – also in der Umgebung, die uns allen vertraut ist.
- Die zweite Ausprägung sind verkörperte Agenten (embodied agents): Sie steuern physische Systeme – Roboterarme in Fabriken, autonome Fahrzeuge, Serviceroboter.
- Die dritte Ausprägung sind spezialisierte Domänen-Agenten: Sie arbeiten in klar abgegrenzten Fachgebieten – Medizin, Wissenschaft, Finanzwesen – mit domänenspezifischen Daten, Werkzeugen und Entscheidungslogiken. ⁴
Diese Dreiteilung zeigt, dass die Diskussion um KI-Agenten deutlich weiter zu fassen ist als die Diskussion um einzelne medial gehypte Tools wie aktuell (3/2026) Openclaw.
Digitale Agenten: Von der Websuche zum eigenständigen Arbeiten
Den meisten Nutzenden begegnen KI-Agenten zunächst als Aufsatz auf vertraute Plattformen. Der 2025 AI Agent Index – erstellt von Forschenden der Universitäten Cambridge, MIT, Harvard, Stanford und Penn – dokumentiert 30 führende, bereits öffentlich zugängliche Agenten-Systeme und ordnet sie u.a. nach ihrem Interaktionsmodus ein. ³
Die Ergebnisse zeigen ein klares Muster:
- Chat-Anwendungen mit erweiterten Werkzeugzugriffen – Beispiele sind u.a. Systeme wie Manus AI, ChatGPT Agent und Claude Code, die in öffentlich zugänglichen Demos oder Dokumentationen mehrschrittiges, teils autonomes Handeln zeigen.
- Enterprise-Workflow-Agenten: Microsoft Copilot Studio, SAP Joule, Salesforce Agentforce – Systeme, die tief in Unternehmensprozesse eingebettet sind und Routineaufgaben in CRM-Systemen, HR-Software oder IT-Helpdesks übernehmen.
- Browser-Agenten: Sie bedienen eigenständig Webseiten, klicken, tippen, scrollen – wie Perplexity Comet oder ByteDance TARS. ³
Die im Index dokumentierten Anwendungsfälle lassen sich grob in drei Schwerpunkte clustern³:
- Recherche und Informationssynthese –Literaturrecherche, Zusammenfassung, Wissensaufbereitung
- Workflow-Automatisierung –Routineaufgaben in HR, Vertrieb, Support, IT
- GUI-Bedienung und Transaktionen –Formulare ausfüllen, Bestellungen absetzen, Buchungen vornehmen
Spezialisierte Domänen: Wo Agenten besonders hohe Wirkung versprechen
Sapkota et al. (2025) und Arunkumar et al. (2025) beschreiben übereinstimmend, dass die größten Wirkungspotenziale nicht im Consumer-Bereich liegen, sondern in fachspezifischen Anwendungsfeldern, in denen Agenten mit strukturierten Daten, definierten Werkzeugen und klaren Qualitätskriterien arbeiten können. ¹·⁴
Medizin und Gesundheit
Agenten in der Medizin können Patientendaten mit Fachliteratur verbinden, Diagnosen unterstützen, Behandlungspfade koordinieren und klinische Abläufe dokumentieren. Der AI Agent Index verweist auf erste Pilotprojekte und Studien zu diagnostischen Agenten, etwa in onkologischen und radiologischen Szenarien. Diese Systeme befinden sich überwiegend in frühen Erprobungsphasen und erfordern zwingend ärztliche Validierung.³ Entscheidend für dieses Feld: Das Prinzip Human in the Loop ist hier nicht optional, sondern medizinethisch und rechtlich zwingend. Kein klinischer Agent darf ohne ärztliche Validierung Entscheidungen treffen.
Wissenschaft und Forschung
Wissenschaftliche Agenten durchsuchen Publikationsdatenbanken, extrahieren und vergleichen Studienergebnisse, formulieren Hypothesen und entwerfen Experimente. Arunkumar et al. berichten, dass Agenten bereits in den Lebenswissenschaften, der Chemie, der Materialforschung und der Astronomie eingesetzt werden. ⁴ Der AI Agent Index dokumentiert erste Experimente, bei denen agentische Systeme maßgeblich an der Erstellung von Fachartikeln beteiligt waren, die ein Peer‑Review-Verfahren durchlaufen haben. In Einzelfällen wurden Agenten dabei sogar als (Mit‑)Autoren aufgeführt – ein noch stark umstrittenes Szenario. ³ Diese Entwicklung wirft weitreichende Fragen über wissenschaftliche Urheberschaft und Qualitätssicherung auf, die noch nicht beantwortet sind.
Finanzen und Recht
Agenten in Finanz- und Rechtsanwendungen aggregieren Marktdaten, erstellen Risikoberichte, analysieren Verträge und beobachten regulatorische Änderungen. Arunkumar et al. beschreiben hier eine besondere Herausforderung: Die Fehlertoleranz ist hier sehr gering: Bereits kleinere Fehler in Vertragsklauseln oder Risikobewertungen können rechtliche oder finanzielle Schäden verursachen.⁴
📘 Wörterbuch-Excerpt: Halluzination (in Agentensystemen)
Halluzination – In Anlehnung an Arunkumar et al. (2025) verwenden wir ‚Halluzination‘ als Begriff für die Ausgabe plausibler, aber faktisch falscher Informationen. Bei reinen Sprachmodellen bleibt der Schaden auf den Text beschränkt. Bei KI-Agenten, die auf Basis solcher Ausgaben handeln – also Prozesse auslösen, Dokumente erstellen, Bestellungen absetzen – können Halluzinationen konkrete, schwer rückgängig zu machende Folgen haben.
Verkörperte Agenten: Robotik, Mobilität, Industrie
Verkörperte Agenten sind die jüngste und technisch anspruchsvollste Kategorie. Sie steuern physische Systeme in der realen Welt – industrielle Roboterarme, Fahrzeuge, Serviceroboter – und müssen dabei mit Latenzen, physikalischen Grenzen und Sicherheitsanforderungen umgehen, die digitale Agenten nicht kennen. ⁴
Beispiele aus Industrie- und Umweltanwendungen (z.B. Monitoring von Energie‑ und Wassernetzen) finden sich in der breiteren Agenten‑ und IoT‑Literatur; Arunkumar et al. und Sapkota et al. skizzieren dazu entsprechende Nutzungsszenarien, ohne sie abschließend zu quantifizieren. ⁴ Im Bereich autonomes Fahren – dem sichtbarsten Anwendungsfeld verkörperter Agenten – ist der Übergang von assistierten Systemen zu echten Agenten, die eigenständig Entscheidungen treffen, noch im Gange und regulatorisch umkämpft.
Was der Markt erwartet – und wovor Analysten warnen
Exemplarisch sind hier drei unabhängige Marktanalysen zusammengefasst:
Gartner platzierte KI-Agenten im Hype Cycle 2025 auf dem Peak of Inflated Expectations – dem Hochpunkt überzogener Erwartungen, der typischerweise dem Tal der Enttäuschungen vorausgeht. ᴳ¹ Gleichzeitig prognostiziert Gartner: Bis 2028 werden 15% aller Geschäftsentscheidungen durch oder mit KI-Agenten getroffen. Und: 40% aller Agentic-AI-Projekte werden bis 2027 eingestellt, wenn Governance-Fragen und nachweisbarer Return on Investment nicht geklärt sind. ᴳ¹ Die genannten Prozentwerte sind Schätzungen eines proprietären Marktforschungsberichts.
IDC schätzt in einem proprietären Forecast, dass 2027 50% aller Großunternehmen KI-Agenten zur Neugestaltung der Mensch-Maschine-Zusammenarbeit einsetzen. Die Zahl der Agenten-API-Aufrufe werde um das Tausendfache steigen – ein Indikator für die schiere Skalierung der Infrastruktur, die das erfordert. ᴳ²
Forrester beschreibt für 2026 eine strategische Weichenstellung: Enterprise-Software verschiebt sich von human-centric (der Mensch im Zentrum) zu process-centric (der Prozess im Zentrum). Unternehmen stehen vor der Entscheidung, wie weit sie Prozesse unabhängig vom Menschen automatisieren wollen – und welche Konsequenzen das für Unternehmenskultur und Haftung hat. ᴳ³
Im AI Agent Index zeigen sich deutliche Transparenzlücken: In der Stichprobe von 30 untersuchten Systemen sind nur in 4 Fällen detaillierte sicherheitsbezogene Dokumentationen veröffentlicht. Bei 25 von 30 Systemen liegen keine Angaben zu internen Sicherheitstests vor; 23 von 30 haben kein unabhängiges Third-Party-Testing durchgeführt. ³ Das Wachstum der Fähigkeiten überholt die Transparenz – und damit die Grundlage für informierte Entscheidungen durch Nutzende, Unternehmen und Regulierungsbehörden.
Einordnung: Was bedeutet das für die Zielgruppe 60+?
Einige der Anwendungsfelder für KI-Agenten betreffen Lebensbereiche, die für Menschen ab 60 unmittelbar relevant sind: Gesundheitsversorgung, Behördenkommunikation, Finanzplanung, Wissensarbeit und Alltag. Das ist keine Zukunftsvision – das sind Systeme, die zunehmend pilotiert werden.
Die entscheidende Frage ist dabei nicht, ob man diese Systeme nutzt, sondern ob man versteht, wann sie handeln, auf welcher Datenbasis, mit welchem Grad an Autonomie – und wo man als Mensch eingreift. Genau hier liegt unser Anspruch auf digitale Souveränität: nicht das System zu beherrschen, aber seine Logik zu kennen, Transparenz einzufordern und souverän zu entscheiden, wann man zustimmt – und wann nicht.
Grenzen & Offene Fragen
Die hier beschriebenen Anwendungsfelder basieren überwiegend auf Preprints und Marktanalysten-Berichten. . Es existieren zwar erste peer-reviewte Studien zu Teilaspekten, systematische Langzeituntersuchungen breiter Praxiswirkungen fehlen aber weitgehend.Die Gartner-, IDC- und Forrester-Prognosen sind proprietär und methodisch nicht vollständig offengelegt; sie werden transparent als Marktforschungsquellen gekennzeichnet. Der AI Agent Index (A3) ist methodisch am sorgfältigsten dokumentiert (45 Felder pro System, Inter-Annotator-Validierung), bleibt jedoch auf öffentlich zugängliche Informationen beschränkt
Quellenverzeichnis
**** Sapkota, R., Roumeliotis, K.I. & Karkee, M. (2025). AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges. arXiv:2505.10468. ⚠️ Preprint.
**** Staufer, L., Feng, K., Wei, K., Bailey, L. et al. (2026). The 2025 AI Agent Index: Documenting Technical and Safety Features of Deployed Agentic AI Systems. University of Cambridge, MIT, Harvard Law School, Stanford, University of Pennsylvania u.a. arXiv:2602.17753. ⚠️ Preprint.
**** Arunkumar, V., Gangadharan, G.R. & Buyya, R. (2025). Agentic Artificial Intelligence: Architectures, Taxonomies, and Evaluation of Large Language Model Agents. Anna University / National Institute of Technology Tiruchirappalli / University of Melbourne. arXiv:2601.12560. ⚠️ Preprint.
[ᴳ¹] Gartner (2025). Hype Cycle for Artificial Intelligence 2025. Gartner Inc. ⚠️ Proprietäre Marktforschung, Methodik nicht vollständig offengelegt.
[ᴳ²] IDC (2025). FutureScape 2026: Moving into the Agentic Future. International Data Corporation. ⚠️ Proprietäre Marktforschung.
[ᴳ³] Forrester Research (2025). Predictions 2026: AI Agents Changing Business Models and Workplace Culture. Forrester Research Inc. ⚠️ Proprietäre Marktforschung.