Warum die Zukunft «agentisch» wird – KI Insights

Hoi und herzlich willkomma zu den Büro für KI-Insights 🤓

Ich muss heute etwas zugeben (nebst der Tatsache, dass ich diese Woche etwas im Seich war und der Newsletter deshalb etwas spät kommt 😅; sorry dafür): Ich habe meine Meinung geändert.

Noch vor ein paar Monaten habe ich in Workshops und Beratungen immer gesagt: «Startet mit Assistenten, nicht mit Agenten.» Und das war auch richtig. Und ist es auch nach wie vor.

Aber in den letzten Monaten und Wochen ist mir etwas immer klarer geworden. Etwas, das sich eigentlich schon länger abgezeichnet hatte.

Die Unterscheidung zwischen Assistenten und Agenten? Die löst sich gerade auf. Alles wird agentisch. 😅

In diesem Newsletter zeige ich dir:

Was in den letzten Monaten passiert ist
Was «agentisch» eigentlich bedeutet
Zwei Typen von Agenten, die du kennen solltest
Was das für dich bedeutet

Let's dive in 🤓🤿

Was ist passiert?

Wenn ich ganz ehrlich bin: Es gab nicht den einen Moment. Es war ein schleichender Prozess.

Angefangen hat der Shift für mich mit den Reasoning-Modellen. Plötzlich wurde nicht mehr einfach nur geantwortet, sondern innerhalb der «Denkschritte» bereits autonom geplant, gesucht, iteriert. Das Modell führte selbstständig Websuchen durch, abhängig von meiner Eingabe. Aus meiner Sicht waren das schon erste Anzeichen von agentischem Verhalten. Und das in einem stinknormalen ChatGPT-Chat.

Auch Custom GPTs (Assistenten in ChatGPT) wurden dank Reasoning-Modellen mehr und mehr zu kleinen Agenten. Dort sogar mit der Möglichkeit, externe Tools über API zu steuern.

Und heute? Heute arbeite ich regelmässig mit Tools wie Manus oder dem Agentenmodus in ChatGPT. Ich gebe einen grossen Auftrag, das System bricht ihn in kleine Schritte runter, nutzt verschiedene Tools, recherchiert, erstellt Dokumente. Und all das ziemlich autonom. Und in immer besserer Qualität.

Wenn ich danach zurück in den normalen Chat-Modus von ChatGPT oder einem anderen Chatbot wechsle, beginne ich mich schon zu nerven, weil ich viel mehr händisch machen muss. 😅

Das zeigt mir: Meine Erwartungen haben sich schon deutlich verschoben.

Und ich bin mir sicher: Alle Tools werden in diese Richtung gehen. Claude, Gemini, ChatGPT und Co. Die Zukunft wird agentisch sein. 2026 wird agentisch sein. Irgendwann werden wir gar nicht mehr darüber sprechen. Es wird einfach normal sein.

Was «agentisch» eigentlich bedeutet

Früher war die Unterscheidung einfach:

Assistent: Wartet auf meine Anweisung. Macht genau das, was ich sage. Ich bleibe vollständig im Loop.

Agent: Bekommt ein Ziel. Plant selbstständig. Nutzt Tools. Arbeitet grösstenteils autonom.

Aber: Diese Grenze löst sich gerade auf.

Wenn du heute mit Claude, ChatGPT oder Gemini arbeitest, und ein Reasoning-Modell nutzst, passiert im Hintergrund bereits agentisches Verhalten. Das Modell plant kleine Schritte, entscheidet, welche Tools es braucht, ob noch eine Websuche helfen könnte, iteriert usw.

Auch Langdock, die Unternehmens-KI-Plattform die wir im Büro für KI nutzen, hat kürzlich ihre «Assistenten» in «Agenten» umbenannt (was übrigens der Trigger für diesen Newsletter war). In ihrem Changelog schreiben sie:

«Was als relativ simple Chatbots begann, kann heute mit grossen Datenbeständen umgehen, tabellarische Daten verarbeiten, sich mit euren Tools verbinden und vieles mehr. KI nutzt agentisches Verhalten, um für jede Aufgabe den richtigen Ansatz und die passenden Tools auszuwählen.»

Mein neues Framing: Es geht nicht mehr um «Assistent oder Agent». Es geht um den Grad der Autonomie.

Wir beginnen mit Agenten, bei denen wir immer im Loop sind und korrigieren können. Und arbeiten uns zu autonomeren Agenten vor, die selbstständig Aufgaben ausführen.

Meine zwei Typen von Agenten

Um in dieser neuen Welt Orientierung zu haben, unterscheide ich heute zwei praktische Typen. Ich nutze dafür eine Analogie aus der Luftfahrt: Copilot und Autopilot.

Warum diese Begriffe? Weil sie intuitiv sofort verständlich sind.

Und weil sie ein wichtiges Missverständnis ausräumen: Auch ein Autopilot im Flugzeug bedeutet nicht, dass der Pilot nichts mehr tut. Er überwacht, greift bei Bedarf ein, übernimmt bei kritischen Phasen. Es gibt immer Kontrollpunkte.

Genauso ist es bei KI-Agenten.

Copilot-Agent

Ein Copilot-Agent ist ein KI-Agent, den ich laufend anweise und der mit geringer Autonomie meine Befehle ausführt.

Wie es funktioniert

Die Interaktion läuft als ständiges Hin und Her. Ich gebe eine Anweisung, der Agent führt aus, ich reagiere, gebe die nächste Anweisung. Ich steuere Schritt für Schritt und behalte die volle Kontrolle. Das waren bisher klassische KI-Assistenten wie z. B. Custom GPTs (ChatGPT), Gems (Google Gemini), Agenten (Langdock).

Wann es passt

Einfache, klar definierte Aufgaben, bei denen ich genau weiss, was ich will.

Beispiele

Custom GPTs (ChatGPT), Gems (Gemini) und andere KI-Assistenten
Langdock-Agenten (ehemals Assistenten)

Stärken

Ich kann jederzeit korrigieren. Das Risiko für grössere Fehler ist gering. Der Einstieg ist einfach. Und ganz ehrlich: In ganz vielen Unternehmensprozessen ist das noch immer genau das, was ich brauche.

Schwächen

Zeitintensiv. Ich muss bei jedem Schritt dabei sein. Für komplexe, mehrstufige Aufgaben wird das schnell mühsam. Obwohl ich im Vergleich zum Abarbeiten ohne KI noch immer um Faktor X schneller bin. 😉

Autopilot-Agent

Ein Autopilot funktioniert anders. Hier gebe ich einen Auftrag oder ein Ziel, und der Agent arbeitet selbstständig.

Wie es funktioniert

Der Agent plant, trifft Entscheidungen, nutzt viele verschiedene Tools und arbeitet Schritte ab. An definierten Checkpoints bekomme ich eine Zusammenfassung oder ein Zwischenergebnis. Ich gebe Feedback, der Agent arbeitet weiter.

Wann es passt

Komplexe, mehrstufige Aufgaben, bei denen ich das Ziel kenne, aber nicht jeden einzelnen Schritt vorgeben will oder kann.

Beispiele

Manus für Recherche und Dokumentation
Cursor und Lovable für Coding
Deep Research in ChatGPT, Gemini, Claude und Co. für Webrecherchen
n8n/Make-Workflows mit KI-Komponenten

Stärken

Enorme Zeitersparnis. Ermöglicht mir, Aufgaben enorm viel effizienter abzuarbeiten, da permanentes Hin- und Herkopieren von einem Tool ins andere wegfällt.

Schwächen

Fehler können sich durch mehrere Schritte ziehen und sich hinten raus multiplizieren. Braucht gutes Briefing, Vertrauen und gezielte Kontrolle.

Manus in Aktion

Noch nie einen Autopilot-Agenten live im Einsatz gesehen? Dann schau dir doch mal meinen Replay von Manus an. Manus arbeitet eine Aufgabe komplett ab und erstellt dabei autonom mehrere Dokumente.

Der entscheidende Unterschied

Der Unterschied zwischen Copilot-Agent und Autopilot-Agent liegt im Grad der Autonomie während der Ausführung.

Die Frage ist: Bin ich während der Ausführung aktiv dabei, oder arbeitet der Agent autonom und ich greife an Checkpoints ein?

Copilot-Agent: Ich bin im laufenden Dialog. Ich steuere jeden Schritt. Der Agent wartet auf meine nächste Anweisung.
Autopilot-Agent: Ich übergebe eine Aufgabe. Der Agent arbeitet selbstständig. Ich komme an definierten Punkten zurück, prüfe, gebe Feedback.

Wichtig: Auch beim Autopilot-Agent gibt es immer Kontrollpunkte. Es gibt bei mir fast keine echten Autopiloten, die alles komplett autonom abarbeiten.

Vergleichende Tabelle der KI-Agenten-Typen Copilot und Autopilot

Der ehrliche Realitätscheck

Jetzt kommt der Teil, in dem ich ein bitzli Wasser in den Wein giesse. 😉

KI halluziniert nach wie vor (und das wird sich zeitnah auch nicht ändern). Bei autonomen Workflows sind Unternehmensdaten im Spiel. Vollautomatische Agenten-Workflows? Die sind heute oft einfach noch nicht zuverlässig genug.

Auch bei mir wird immer noch kontrolliert. Wenn ich in n8n oder make.com Workflows baue, die mit agentischen Systemen arbeiten, dann gibt es gewisse Dinge, die laufen vollautomatisch ab (z. B. Rechnungen gehen direkt vom Posteingang in Bexio). Aber bei anderen, zum Beispiel wenn E-Mails versendet werden sollen (z. B. meine Kursadministration via E-Mail), schaue ich IMMER noch einmal drüber.

Warum? Weil es nötig ist. Weil komplett fehlerfreies Funktionieren schlicht nicht möglich ist.

Meine Empfehlung:

Nicht sofort mit Autopilot-Systemen starten
Zuerst Verständnis aufbauen im Copilot-Modus
Schrittweise vorgehen, nicht alles auf einmal
Gezielt in spezifischen Prozessen starten
Nicht «alle Schnittstellen freigeben und schauen, was passiert»
Hilfe holen, Ressourcen bündeln, strukturiert vorgehen

Key Takeaways

Die Unterscheidung zwischen Assistenten und Agenten löst sich auf
Neues Framing: Grad der Autonomie statt Assistent vs. Agent
Zwei praktische Typen: Copilot (geringe Autonomie, laufende Steuerung) und Autopilot (hohe Autonomie, Checkpoints)
Auch beim Autopilot gibt es immer menschliche Kontrollpunkte
Die Zukunft wird agentisch, aber der Weg dorthin braucht Struktur und Geduld

Mein Fazit

Die Zukunft ist agentisch. Da bin ich mir sicher.

Was sich für mich verändert hat: Ich denke nicht mehr in «Assistent oder Agent». Ich denke in Autonomiestufen. Wann will ich Schritt für Schritt steuern? Wann übergebe ich eine Aufgabe und lasse den Agenten arbeiten?

Copilot-Agent und Autopilot-Agent: Beide haben ihren Platz. Und die Grenzen werden weiter verschwimmen. Alle bekannten Tools werden besser, autonomer und zuverlässiger werden. Von ChatGPT bis Langdock.

Die Zukunft ist agentisch.

Bis nächsten Sonntag 👋🏽

Andreas