Agentic AI

Kaum ein KI-Begriff hat so schnell Karriere gemacht wie Agentic AI, auf Deutsch agentische KI. In der Google-Suche in Deutschland stieg das Suchvolumen laut Google-Ads-Daten von wenigen Dutzend Anfragen im Monat Anfang 2024 auf 6.000 bis 13.000 pro Monat seit 2025. Gemeint ist eine KI, die nicht nur antwortet, sondern Aufgaben selbstständig vorantreibt.

Der Begriff ist breiter als der KI-Agent: Der Agent ist ein konkretes System, „agentisch“ beschreibt eine Eigenschaft, die ein System mehr oder weniger stark haben kann. Diese Unterscheidung hilft, Werbeversprechen einzuordnen.

Ein Adjektiv macht Karriere

Dass Software „Agenten“ hat, ist in der Informatik nichts Neues. Neu ist das Adjektiv als Sammelbegriff für Sprachmodelle, die handeln. Drei Stationen prägen ihn:

Ng belegte den Nutzen damals mit Zahlen zum Programmier-Benchmark HumanEval: GPT-3.5 löste im einfachen Durchlauf 48,1 % der Aufgaben, eingebettet in eine iterative Agenten-Schleife bis zu 95,1 % (The Batch, 20. März 2024). Der Kern der Idee: Nicht ein besseres Modell, sondern ein besserer Arbeitsablauf aus Planen, Ausführen, Prüfen und Überarbeiten bringt den Sprung.

Agentisch ist eine Frage des Grades

OpenAI betont im Whitepaper, dass es keine klare Linie zwischen „Agenten“ und anderen KI-Systemen gibt. Stattdessen beschreibt das Papier den Grad der Agentik anhand von vier Dimensionen:

• Zielkomplexität: Wie anspruchsvoll und vielfältig sind die Ziele, die das System erreichen kann?
• Komplexität der Umgebung: Arbeitet es über mehrere Werkzeuge, Beteiligte und lange Zeiträume hinweg?
• Anpassungsfähigkeit: Wie gut reagiert es auf Unerwartetes?
• Selbstständige Ausführung: Wie zuverlässig erreicht es Ziele mit wenig menschlichem Eingreifen?

Für die Praxis heißt das: Die Frage ist nicht „Ist das Agentic AI?“, sondern „Wie agentisch soll dieses System sein?“. Eine KI, die eingehende Anfragen nur vorsortiert, braucht wenig Selbstständigkeit. Eine KI, die im Auftrag Ihres Vertriebs selbst Anbieter recherchiert und Angebote anfragt, braucht viel und entsprechend mehr Kontrolle. Feste Abläufe mit KI-Bausteinen beschreibt der Eintrag Agentischer Workflow.

Substanz oder Agent Washing?

Gartner schätzte im Juni 2025, dass nur rund 130 der Tausenden Anbieter, die mit agentischer KI werben, echte Agenten-Funktionen bieten. Der Rest benenne Chatbots oder Automatisierungswerkzeuge lediglich um. Gleichzeitig erwartet Gartner, dass bis 2028 mindestens 15 % der alltäglichen Arbeitsentscheidungen autonom von agentischer KI getroffen werden, 2024 waren es null. Beides sind Prognosen, keine Messwerte.

Auch die Hersteller selbst bremsen. Anthropic rät Entwicklern, immer die einfachste Lösung zu suchen und Komplexität nur zu erhöhen, wenn sie nötig ist. Das könne bedeuten, gar kein agentisches System zu bauen, denn solche Systeme tauschen Geschwindigkeit und Kosten gegen bessere Ergebnisse (Building effective agents). Für viele Aufgaben genügt ein einzelner, gut vorbereiteter Modellaufruf.

OpenAI selbst nennt im Whitepaper Grundregeln für den sicheren Betrieb, die sich direkt in Anforderungen an Anbieter übersetzen lassen: den Handlungsspielraum begrenzen und für folgenreiche Schritte eine Freigabe verlangen, die Aktivität des Agenten nachvollziehbar machen und ihn jederzeit unterbrechen können. Wo Menschen gezielt eingreifen, beschreibt Human in the Loop.

Was Agentic AI für Marketing und Suche bedeutet

Für Unternehmen hat Agentic AI zwei Seiten. Nach innen geht es um Arbeit, die KI selbstständig erledigt: Wettbewerbsbeobachtung, Berichte aus mehreren Datenquellen, Vorqualifizierung von Anfragen. Nach außen geht es um Kunden, die KI für sich arbeiten lassen.

Ein realistisches Beispiel: Ein Einkaufsleiter lässt einen Agenten drei Lieferanten für Verpackungsmaterial vorschlagen. Der Agent sucht, liest Websites, vergleicht Mindestmengen und Lieferzeiten und legt eine Shortlist vor. Welche Anbieter darauf landen, hängt davon ab, ob ihre Websites diese Fakten lesbar bereitstellen. Im Handel heißt diese Entwicklung Agentic Commerce.

Damit verschiebt sich Sichtbarkeit weiter: von der Klickliste über die KI-Antwort hin zur Auswahl durch einen Agenten. Die Grundlagen bleiben dieselben wie bei der GEO-Optimierung: klare Fakten, zugängliche Inhalte, eindeutige Angebote.