KI-Agenten erstellen: Erst klären, was ein Agent ist
„Wir brauchen einen Agenten“ fällt 2026 in fast jedem Strategie-Meeting. Wer dann einen KI-Agenten erstellen will, findet bei Google vor allem LinkedIn-Anleitungen mit sieben oder zehn Schritten. Was dort meist fehlt, ist die wichtigste Frage: Braucht die Aufgabe überhaupt einen Agenten? Deshalb kommt hier zuerst die Abgrenzung und danach das Bauen.
OpenAI beschreibt einen Agenten in seinem Leitfaden zum Bau von Agenten über drei Bausteine: ein Modell, Werkzeuge und Anweisungen. Ein Chatbot, ein einzelner Aufruf eines Sprachmodells oder ein Programm, das Stimmungen in Texten erkennt, zählt dort ausdrücklich nicht dazu. Anthropic zieht die Grenze ähnlich, die Kurzfassung steht im Lexikon erklärt. Bei einem Workflow laufen Modell und Werkzeuge über vorher festgelegte Pfade. Bei einem Agenten steuert das Modell dagegen selbst, welche Schritte es in welcher Reihenfolge geht.
Drei Stufen, bevor du KI-Agenten baust
Der Unterschied klingt akademisch, entscheidet aber über Kosten und Ärger. Ein Workflow macht jedes Mal dasselbe und lässt sich deshalb gut prüfen. Ein Agent kann dagegen mit unklaren Fällen umgehen, macht dabei aber auch Fehler, die keiner vorhergesehen hat. Bevor du also einen eigenen KI-Agenten baust, lohnt der Blick auf die drei Stufen in der Tabelle.
Stufe
Wer entscheidet den Ablauf?
Gut für
Beispiel
Klassische Automatisierung
feste Regeln
immer gleiche Abläufe
Formular-Eingang landet im CRM
Workflow mit KI-Schritt
feste Regeln, das Modell erledigt einen Teilschritt
Texte zusammenfassen, sortieren, umformulieren
Anfrage wird zusammengefasst und dem richtigen Postfach zugeordnet
KI-Agent
das Modell selbst, innerhalb seiner Werkzeuge
unklare Fälle, viele Ausnahmen, unstrukturierte Daten
Agent recherchiert eine Anfrage, schlägt eine Antwort vor und fragt bei Unsicherheit nach
Beide Hersteller raten übrigens zur kleinsten Stufe, die funktioniert. Anthropic empfiehlt, mit der einfachsten möglichen Lösung zu beginnen, oft reiche ein einzelner Modellaufruf mit guten Beispielen. Im OpenAI-Leitfaden steht es noch knapper: „Otherwise, a deterministic solution may suffice.“ Gemeint ist: Ohne komplexe Entscheidungen, wuchernde Regelwerke oder unstrukturierte Daten tut es ein fester Ablauf.
Workflow, Agent oder Vibe Automation?
Zwischen beide Welten schiebt sich seit Ende 2025 ein neues Schlagwort. Vibe Automation stammt von Zapier und meint, dass du in normaler Sprache beschreibst, was passieren soll, und die Software daraus den Workflow baut. Auslöser, Filter und Aktionen legst du also nicht mehr selbst an. Der Name lehnt sich an Vibe Coding an, bei dem eine KI nach Beschreibung programmiert.
Wichtig ist dabei, was der Begriff nicht heißt. Vibe Automation baut per Prompt einen Workflow, keinen autonomen Agenten. Zapiers eigener Artikel dazu erwähnt sein Agenten-Produkt nicht einmal. Außerdem räumt Zapier ein, dass das Ergebnis nicht immer beim ersten Versuch stimmt und du nachschärfen musst. Ähnlich arbeitet der AI Workflow Builder von n8n, der aus einer Beschreibung einen Workflow zusammensetzt.
Für die Praxis ist das eine gute Nachricht. Du kannst einen Ablauf per Sprache entwerfen lassen, ihn ansehen und ihn danach wie jeden anderen Workflow prüfen. Erst wenn ein Schritt echtes Urteilsvermögen braucht, setzt du dort einen Agenten ein. So entsteht ein Agent ohne Code nicht als Blackbox, sondern als ein Baustein in einem nachvollziehbaren Ablauf.
Faustregel
Kannst du die Entscheidung als Wenn-dann-Regel aufschreiben, nimm einen Workflow. Brauchst du dafür mehr als eine Seite voller Ausnahmen, prüf einen Agenten.
Die Bausteine, wenn du einen KI-Agenten erstellst
Egal ob n8n, Zapier oder Claude: Wer einen KI-Agenten erstellt, setzt ihn aus denselben Teilen zusammen. Die ersten drei nennt OpenAI als Kern, die anderen zwei entscheiden in der Praxis, ob der Agent sicher läuft. Wie ein Handwerker vor dem ersten Schnitt das Material zurechtlegt, klärst du diese Teile, bevor du ein Werkzeug öffnest.
- Ziel und Anweisungen: was der Agent erreichen soll, in welchem Ton, mit welchen Grenzen und woran er merkt, dass er fertig ist
- Modell: das Sprachmodell, das plant und entscheidet, etwa Claude, GPT oder Gemini
- Werkzeuge: was der Agent tun darf, zum Beispiel E-Mails lesen, in einer Tabelle suchen oder einen Entwurf anlegen
- Wissen und Auslöser: welche Unterlagen er kennt und was ihn startet, etwa eine neue Anfrage oder eine feste Uhrzeit
- Freigabe: an welchen Stellen ein Mensch zustimmen muss, bevor etwas nach außen geht
Bei der Freigabe ist OpenAI konkret. Ein Mensch soll übernehmen, sobald der Agent eine Fehlerschwelle überschreitet, also etwa zu oft neu ansetzt. Außerdem gehören riskante und nicht umkehrbare Aktionen vor einen Menschen, zum Beispiel eine Rückerstattung oder eine Mail an Kunden. Wie du solche Freigaben im Marketing verteilst, steht im Beitrag über Freigaben für Agenten im Marketing.
Agent oder Skill?
Agent: das handelnde System aus Modell, Werkzeugen und Anweisungen. Skill: laut Anthropic ein Ordner mit Anweisungen, Skripten und Material, den ein Agent nur bei Bedarf lädt. Ein Skill macht aus einem Allrounder einen Spezialisten für eine Aufgabe, ersetzt aber nicht den Agenten.
Die Unterscheidung hilft beim Planen. Viele Aufgaben brauchen keinen neuen Agenten, sondern einen guten Skill für den Assistenten, den du schon hast. Wie du Claude oder ChatGPT dafür als festen Arbeitsplatz einrichtest, zeigt der Leitfaden zum eigenen KI-Arbeitsplatz. Hier geht es um den nächsten Schritt: Abläufe, die ohne dich starten.
Womit du KI-Agenten bauen kannst, ganz ohne Code
Zum Erstellen eines KI-Agenten ohne Code gibt es inzwischen viele Werkzeuge, allerdings liegen die Unterschiede im Detail. Die Tabelle zeigt fünf verbreitete Wege mit Stand 21. November 2026. Preise stehen dort, wo der Hersteller sie für Deutschland in Euro nennt.
Werkzeug
Was du baust
Einstieg (Stand 21.11.2026)
Daten
n8n
Workflows mit Agent-Knoten, Workflow per Beschreibung
Cloud ab 20 € im Monat bei jährlicher Zahlung, selbst betrieben für interne Zwecke ohne Lizenzgebühr
Cloud in Frankfurt oder eigener Server
Zapier
Zaps per Chat (Copilot), eigene Agenten
Agents mit 400 Activities im Monat gratis, Tarife in US-Dollar, Abrechnung in Euro möglich
nur USA
Make
Szenarien mit KI-Agenten als Modul
Gratis mit 1.000 Credits im Monat
Region USA oder EU, beim Anlegen wählbar
Microsoft Copilot Studio
Agenten für Microsoft 365 und Websites
25.000 Credits für 173,30 € im Monat
Rechenzentren in Berlin und Frankfurt wählbar
Claude
Agenten mit Skills und geplanten Aufgaben
ab dem Pro-Tarif
Herstellerangaben prüfen
Was die Werkzeuge wirklich kosten
Dabei ist die Grundgebühr selten das Problem. Teurer wird es über Ausführungen, Credits oder Activities, je nach Anbieter. Bei n8n kostet zum Beispiel jede Nachricht an den Workflow Builder einen Credit, fehlgeschlagene Anfragen zählen nicht. Bei Copilot Studio ist der Agentenbau für interne Zwecke in Microsoft 365 Copilot enthalten, das 26 Euro je Nutzer im Monat kostet, zuzüglich Mehrwertsteuer und bei jährlicher Zahlung.
Dazu kommen die Kosten für das Sprachmodell. Laut Anthropic verbrauchen Agenten rund viermal so viele Tokens wie ein normaler Chat, Systeme aus mehreren Agenten etwa fünfzehnmal so viele. Rechne deshalb vor dem Start mit ein paar Testläufen nach, statt die Grundgebühr als Budget zu nehmen. Wie du den Verbrauch von Claude planst, steht im Beitrag über KI-Kosten im Griff behalten.
Wo die Daten deiner Agenten liegen
Für viele KMU entscheidet der Datenstandort mit. n8n speichert die Cloud-Daten laut Preisseite in Frankfurt, wer es selbst betreibt, behält alles auf dem eigenen Server. Make bietet eine EU-Region an, die du allerdings beim Anlegen der Organisation wählen musst. Danach lässt sie sich nicht mehr ändern. Microsoft lässt Copilot Studio in deutschen Rechenzentren laufen, mit Ausnahmen für globale Dienste.
Zapier hostet dagegen laut eigener Datenschutzseite auf Servern in den USA und bietet keine reine EU-Speicherung an. Das ist kein Ausschlussgrund, aber ein Punkt für deinen Datenschutzbeauftragten. Gehen Kundendaten durch den Agenten, kläre das deshalb, bevor du den KI-Agenten erstellst, nicht danach.
OpenAI Agent Builder läuft aus
OpenAI schaltet seinen visuellen Agent Builder laut Abkündigungsliste am 30. November 2026 ab. Als Ersatz nennt OpenAI das Agents SDK und die Workspace Agents in ChatGPT. Neue Projekte solltest du dort deshalb nicht mehr anfangen.
KI-Agenten erstellen in sechs Schritten
Zum Glück ist die Reihenfolge bei allen Werkzeugen dieselbe. Sie folgt im Kern den Empfehlungen von Anthropic und OpenAI: klein anfangen, früh testen, Freigaben einbauen. Zapier beschreibt für seine Orchestrierung einen ähnlichen Weg in vier Schritten, mit Leitplanken und menschlicher Prüfung als eigenem Punkt.
Eine Aufgabe auswählen
Nimm eine Aufgabe, die oft vorkommt, nervt und Ausnahmen hat, etwa Anfragen über das Kontaktformular vorsortieren. Schreib auf, wie ein gutes Ergebnis aussieht und was nie passieren darf.
Ablauf erst als Workflow skizzieren
Beschreib den Ablauf in normaler Sprache und lass ihn per Vibe Automation oder Workflow Builder entwerfen. Markiere dann den einen Schritt, der wirklich Urteilsvermögen braucht.
Agent mit wenigen Werkzeugen anlegen
Gib dem Agenten nur die Werkzeuge, die er für diesen Schritt braucht. Ein Agent, der nur lesen und Entwürfe anlegen darf, kann wenig kaputt machen.
Anweisungen schreiben und Beispiele mitgeben
Formuliere Ziel, Ton, Grenzen und ein, zwei gute Beispiele. Leg fest, wann der Agent aufhören und nachfragen soll, statt zu raten.
Freigabe vor jede Wirkung nach außen setzen
Alles, was Kunden sehen oder Geld kostet, geht zuerst als Entwurf an einen Menschen. Lockern kannst du das später, wenn die Ergebnisse über Wochen stimmen.
Mit echten Fällen testen und messen
Lass den Agenten zwei Wochen neben dir mitlaufen, zum Beispiel mit 20 echten Anfragen. Notiere Fehler, Laufzeit und Kosten je Fall, dann entscheide über den Echtbetrieb.
Der fünfte Schritt ist der, den die meisten Anleitungen überspringen. Dabei empfiehlt Anthropic ausdrücklich, Agenten zuerst in einer abgeschotteten Testumgebung laufen zu lassen und menschliche Kontrollpunkte einzubauen. Wer einen KI-Agenten erstellt und ihn sofort auf Kunden loslässt, testet am lebenden Objekt.
Praxis: Die Agenten hinter diesem Blog
Ich arbeite selbst so, deshalb hier ein Blick in die eigene Werkstatt. Das Lexikon „Klartext“ und der Blog auf soeners.digital entstehen mit Agenten in Claude Code. Am Anfang lief die Blog-Pipeline in n8n, inzwischen sind es Skills mit geplanten Aufgaben, also genau die Bausteine aus diesem Leitfaden.
- Lexikon: Eine geplante Aufgabe schreibt je Lauf zehn Begriffe, recherchiert von Unter-Agenten und geprüft von festem Code. Das Lexikon zählt inzwischen über 1.600 Begriffe.
- Blog: Jeden Morgen scannt eine Routine die Fachquellen und schickt mir Themenvorschläge aufs Handy. Ich wähle aus, danach schreiben bis zu fünf Agenten parallel je einen Beitrag bis zum Entwurf.
- Prüfung: Zählen, Links, Wortzahlen und Lesbarkeit prüft ein Skript, nicht das Modell. Jeder Agent meldet außerdem, ob ich vor dem Veröffentlichen etwas entscheiden muss.
Seit dem 1. November 2026 sind so über 70 Beiträge entstanden. Dabei braucht ein Beitrag laut Protokoll meist 15 bis 30 Minuten vom Thema bis zum Entwurf. Die wichtigste Lehre daraus ist allerdings nicht die Geschwindigkeit. Was ein Modell nicht tun soll, fange ich mit festem Code ab, statt auf eine Klausel im Prompt zu hoffen.
Der Agent arbeitet die Kette ab, an einem Glied entscheidet ein Mensch.
Wo Vibe Automation aufhört
So viel dazu, wie du einen KI-Agenten erstellst. Mindestens genauso wichtig ist, wo die Technik heute an ihre Grenzen stößt. Die Zahlen aus Forschung und Marktanalyse sind dabei ziemlich ernüchternd.
30 %
der Aufgaben erledigte der beste Agent im Benchmark TheAgentCompany, einer nachgebauten Softwarefirma, selbstständig
35 %
Erfolgsquote führender Agenten in CRM-Aufgaben mit mehreren Gesprächsrunden (CRMArena-Pro, 2025)
über 40 %
der Projekte mit agentischer KI werden laut Gartner-Prognose bis Ende 2027 abgebrochen
rund 4×
so viele Tokens wie ein Chat verbraucht ein Agent laut Anthropic, mehrere Agenten zusammen rund 15×
Verlässlichkeit: Fehler schaukeln sich auf
Ein Agent arbeitet allerdings in vielen kleinen Schritten, und jeder Schritt kann danebengehen. Anthropic nennt das sich aufschaukelnde Fehler. Im Benchmark CRMArena-Pro schafften führende Agenten einfache Anfragen in rund 58 Prozent der Fälle, bei mehreren Gesprächsrunden nur noch in rund 35 Prozent. Das Bewusstsein für vertrauliche Daten lag dort laut den Forschenden nahe null.
Agent Washing und unklarer Nutzen
Gartner sieht als Gründe für die vielen Abbrüche steigende Kosten, unklaren Geschäftswert und schwache Risikokontrollen. Dazu kommt Agent Washing: Anbieter etikettieren Chatbots, Assistenten oder klassische Automatisierung als Agenten um. Von Tausenden Anbietern hält Gartner nur rund 130 für echte Agenten-Anbieter. Frag deshalb bei jedem Angebot, was das Produkt selbst entscheidet und was nur einem Skript folgt.
Sicherheit: Daten sind keine Befehle
Ein Agent liest Mails, Webseiten und Dateien, und darin können versteckte Anweisungen stehen. Die OWASP-Liste der größten Risiken für Sprachmodelle führt diese Prompt Injection auf Platz eins und hält sie für nicht vollständig vermeidbar. Als Gegenmittel empfiehlt OWASP minimale Rechte und menschliche Freigabe bei riskanten Aktionen. Wie solche Angriffe sogar über Bilder laufen, zeigt der Beitrag zu Prompt Injection über Bilder.
Deshalb gilt beim Thema KI-Agenten erstellen eine einfache Reihenfolge. Erst der Ablauf, dann die Werkzeuge, dann die Rechte, und zwar so knapp wie möglich. Ein Agent, der nur Entwürfe anlegen darf, richtet bei einer gelungenen Injection deutlich weniger Schaden an als einer, der Mails verschickt.
Wartung gehört dazu
Modelle, Schnittstellen und Preise ändern sich im Monatstakt. Plane für jeden Agenten feste Zeit für Pflege ein, sonst läuft er irgendwann still falsch, ohne dass es jemand merkt.
Fazit: Erst den Ablauf, dann den Agenten
Einen KI-Agenten erstellen kann heute jeder, der einen Ablauf sauber beschreiben kann. Programmieren musst du dafür nicht mehr. Allerdings ist Vibe Automation ein Werkzeug zum Entwerfen, kein Ersatz fürs Mitdenken. Die meisten Aufgaben im KMU löst ein guter Workflow, ein Agent kommt nur an die Stellen mit echten Ausnahmen. Such dir deshalb diese Woche eine wiederkehrende Aufgabe aus, skizzier den Ablauf und markier den einen Schritt, an dem ein Agent helfen würde.
Häufige Fragen
Was ist ein KI-Agent?
Ein KI-Agent ist ein System aus Sprachmodell, Werkzeugen und Anweisungen, das eine Aufgabe selbstständig erledigt. Anders als ein Workflow mit festen Pfaden entscheidet das Modell dabei selbst, welche Schritte es in welcher Reihenfolge geht. Ein normaler Chatbot oder ein einzelner Modellaufruf zählt laut OpenAI-Leitfaden nicht als Agent.
Kann ich einen KI-Agenten ohne Programmierkenntnisse erstellen?
Ja. Mit n8n, Zapier, Make, Microsoft Copilot Studio oder Claude erstellst du einen KI-Agenten über Oberflächen und Beschreibungen in normaler Sprache. Programmieren musst du nicht, aber du musst den Ablauf, die erlaubten Werkzeuge und die Freigaben klar festlegen. Daran scheitern mehr Projekte als an der Technik.
Was ist Vibe Automation?
Vibe Automation ist ein Begriff von Zapier. Du beschreibst in normaler Sprache, was automatisiert werden soll, und die Software baut daraus den Workflow mit Auslöser, Filtern und Aktionen. Das Ergebnis ist ein Workflow, kein autonomer Agent, und es stimmt laut Zapier nicht immer beim ersten Versuch.
Was kostet ein eigener KI-Agent?
Der Einstieg ist günstig: n8n Cloud gibt es ab 20 Euro im Monat bei jährlicher Zahlung, Zapier und Make haben Gratis-Stufen. Teurer werden Ausführungen, Credits und das Sprachmodell selbst. Agenten verbrauchen laut Anthropic rund viermal so viele Tokens wie ein Chat, deshalb vor dem Erstellen eines KI-Agenten mit Testläufen rechnen.
Was ist der Unterschied zwischen Agent und Skill?
Der Agent ist das handelnde System, das plant, Werkzeuge nutzt und Aufgaben erledigt. Ein Skill ist laut Anthropic ein Paket aus Anweisungen, Skripten und Material, das ein Agent nur bei Bedarf lädt. Mit Skills wird ein allgemeiner Agent zum Spezialisten, zum Beispiel für Angebote oder Blogbeiträge.
Du willst das nicht allein umsetzen?
Ich helfe dir bei Auswahl, Einrichtung und den ersten Schritten – ohne Agentur-Overhead.
Quellen
- A practical guide to building agents (OpenAI)
- Building effective agents (Anthropic)
- How we built our multi-agent research system (Anthropic)
- Gartner-Prognose zu agentischer KI (Pressemitteilung, 25.06.2025)
- TheAgentCompany (Benchmark, arXiv)
- CRMArena-Pro (Benchmark, arXiv)
- LLM01 Prompt Injection (OWASP Top 10 für LLM-Anwendungen 2025)
Stand vom 21. November 2026 · Zahlen und Pläne können sich ändern – wir halten den Beitrag aktuell.