KI Agenten · Agentic AI

KI-Agenten Explorer

Entdecke die zentralen Bausteine moderner KI-Agenten – vom Modell über Tools, MCP und Memory bis zu Multi-Agent-Systemen, Evaluation und Governance.

AI AgentsAgentic AIToolsMCPMemoryMulti-Agent

Architektur entdecken

Wähle einen Bereich, um die relevanten Komponenten hervorzuheben.

Agent Core

Modell

Versteht Aufgaben, erzeugt Entscheidungen, strukturiert Tool-Aufrufe und interpretiert Ergebnisse.

Agent Core

Agent Loop

Mehrstufiger Ablauf aus Wahrnehmen, Entscheiden, Handeln, Beobachten und Anpassen.

Agent Core

Planning

Zerlegt komplexe Ziele in Teilaufgaben und passt Pläne bei neuen Informationen an.

Wissen & Kontext

Context

Instruktionen, Nachrichten, Tool-Ergebnisse, Dateien und weitere Informationen für Entscheidungen.

Wissen & Kontext

Memory

Kurz- oder langfristiger Speicher für Zustand, Erfahrung, Wissen und wiederkehrende Informationen.

Wissen & Kontext

Agentic RAG

Dynamisches Retrieval, bei dem der Agent entscheidet, wann und welche Quellen abgefragt werden.

Tools & Aktionen

Tool Use

Verbindet das Modell mit Funktionen, APIs, Datenbanken, Browsern und Unternehmenssystemen.

Tools & Aktionen

Function Calling

Strukturierter Aufruf klar definierter Funktionen mit typisierten Parametern.

Tools & Aktionen

MCP

Offenes Protokoll für die Verbindung von KI-Anwendungen mit Tools, Daten und externen Funktionen.

Multi-Agent

Orchestration

Steuert, welcher Agent wann arbeitet, welche Informationen er erhält und wann Aufgaben übergeben werden.

Multi-Agent

Routing

Wählt passend zur Aufgabe Agent, Modell, Tool oder Provider aus.

Multi-Agent

Handoffs

Übergeben Aufgaben, Kontext und Verantwortung kontrolliert zwischen spezialisierten Agenten.

Sicherheit & Qualität

Observability

Macht Agentenschritte, Tool Calls, Fehler, Kosten, Latenz und Handoffs nachvollziehbar.

Sicherheit & Qualität

Evaluation

Misst Task Success, Tool-Auswahl, Robustheit, Fehlerbehandlung und Systemqualität.

Sicherheit & Qualität

Governance

Definiert Identität, Berechtigungen, Freigaben, Grenzen und menschliche Kontrolle.

Vereinfachter Agentenfluss: Ziel → Modell → Entscheidung → Tool / MCP → Beobachtung → Memory / Context → Validation → nächste Aktion oder Ergebnis.

Wann ist ein Agent sinnvoll?

Wenn eine Aufgabe mehrere dynamische Schritte benötigt, der genaue Ablauf nicht vollständig vorhersehbar ist und Tools flexibel ausgewählt werden müssen.

Wann reicht ein Workflow?

Wenn Regeln, Eingaben und Aktionen klar definiert sind, ist deterministische Automatisierung oft einfacher, günstiger und zuverlässiger.