Assistent, Agent, Harness: was ein KI-Agent wirklich ist

Assistent, Agent, Harness, Loop Engineering, AI employee ... Jetzt, wo jeder und seine Mutter mit KI beschäftigt ist, fliegen einem die Begriffe um die Ohren: Agenten, AI Coworkers, KI-Assistenten, Loop Engineering, Tool Calling, Harness... Vieles davon ist Marketing-Geraune, also Zeit für etwas Einordnung.

Bei BrA1n merken wir in Gesprächen mit Entscheidern, dass sie gern mit KI loslegen wollen. Aber brauchen wir dann einen KI-Assistenten? Oder einen KI-Agenten? Was ist ein KI-Agent eigentlich?

Ein Assistent beantwortet Fragen. Praktisch, aber er tut von sich aus nichts. Das ist also im Grunde ein LLM, oft mit einer dünnen Hülle darum, die den Fokus auf eine bestimmte Branche oder Organisation hält.

Wenn ein Assistent grounded ist, wird es interessant. Grounding heißt, dass ein KI-Assistent Zugang zu einer oder mehreren externen Quellen hat. Denken Sie an das Lagersystem, den Kalender, ein Rechenmodul oder schlicht an einen Internetzugang. Dann kann der Assistent auf einmal wirklich etwas nachschlagen.

Ein KI-Agent ist von ganz anderer Art. Ein KI-Agent, wie wir ihn definieren, hat drei Hauptbestandteile:

1. Ein KI-Modell, meist ein Large Language Model (LLM). Es können aber auch mehrere Modelle für verschiedene Aufgaben sein.
2. Einen Satz von Werkzeugen (Tools). Das ist eigentlich eine erweiterte Fassung des Groundings von oben. Auch 'Zugriff auf den lokalen Rechner' kann ein Tool sein, oder ein Python-Interpreter, um Code auszuführen.
3. Ein Harness. Das ist die "Umhüllung" oder Steuerschicht rund um das KI-Modell. Das Harness formuliert die Prompts, die an das KI-Modell gehen, analysiert die Antwort, ruft ein oder mehrere Tools auf, schickt die Ergebnisse in einem neuen Prompt zurück an das LLM und wiederholt das so lange, bis etwas dasteht, worum der Nutzer gebeten hat.

Genau das nennen wir agentische KI: ein System, das selbstständig loslegt, um eine bestimmte Aufgabe zu erledigen. Das führt meist zu vielen Aufrufen des KI-Modells und damit oft zu einem hohen Tokenverbrauch. Ein Agent läuft typischerweise Minuten bis Stunden, bevor die Antwort fertig ist.

In diesem Zusammenhang begegnet uns immer öfter der Begriff Loop Engineering. Das ist der Entwurf der Arbeitsschleife für einen Agenten. Also noch eine Stufe höher. Die Arbeitsschleife bestimmt, wann der Agent in seiner eigenen Schleife weitermachen darf und wann ein Mensch draufschauen muss.

Und schließlich AI employee oder digitaler Kollege: Betrachten Sie das als Marketingbegriffe. So ein Begriff verkauft sich nun einmal besser als "Sprachmodell mit Zugang zu Systemen".