KI-Agent oder Chatbot? Der Unterschied, der für Unternehmen zählt
Ein Chatbot beantwortet Fragen, ein KI-Agent erledigt Aufgaben. Was das technisch bedeutet, wo sich ein Agent lohnt und wo ein einfacher Bot reicht.
Die kurze Antwort
Ein Chatbot beantwortet Fragen. Ein KI-Agent erledigt Aufgaben: Er entscheidet selbst, welche Schritte nötig sind, ruft dafür Funktionen deines Systems auf, prüft das Ergebnis und macht weiter, bis die Aufgabe gelöst ist oder er eine Rückfrage braucht.
Der Unterschied klingt nach Wortklauberei, entscheidet aber über Aufwand, Kosten und Risiko eines Projekts. Wer einen Agenten bestellt und eigentlich ein gutes FAQ braucht, zahlt zu viel. Wer einen Chatbot baut und eigentlich Abläufe automatisieren will, wird enttäuscht.
Was ein Chatbot ist
Ein moderner Chatbot besteht meist aus einem Sprachmodell und einer Wissensbasis. Fragt ein Kunde „Wie lange dauert der Versand nach Österreich?", sucht das System die passende Stelle in deinen Texten heraus und formuliert daraus eine Antwort. Fachlich heißt das Retrieval-Augmented Generation, kurz RAG.
Das kann ein Chatbot gut:
- Fragen zu Produkten, Preisen, Öffnungszeiten oder Abläufen beantworten
- lange Dokumente durchsuchbar machen, etwa Handbücher oder interne Richtlinien
- rund um die Uhr erreichbar sein, in mehreren Sprachen
Was er nicht kann: etwas in deinem System verändern. Er liest, er handelt nicht. Der Kunde muss die Bestellung danach trotzdem selbst stornieren.
Was einen KI-Agenten ausmacht
Ein Agent bekommt zusätzlich Werkzeuge: klar beschriebene Funktionen, die er aufrufen darf. Zum Beispiel bestellung_suchen, termin_vorschlagen oder rueckgabe_anlegen. Das Sprachmodell entscheidet anhand der Anfrage, welches Werkzeug es mit welchen Parametern braucht. Dein Code führt den Aufruf aus und gibt das Ergebnis zurück. Daraus plant das Modell den nächsten Schritt.
Drei Eigenschaften machen den Unterschied:
- Handeln: Der Agent ruft Funktionen auf, die Daten lesen oder verändern, statt nur Text zu erzeugen.
- Mehrere Schritte: Er arbeitet in einer Schleife. Bestellung finden, Status prüfen, Rückgabe anlegen, Bestätigung formulieren.
- Kontext: Er kennt den Nutzer, seine bisherigen Vorgänge und, wenn gewollt, seine Vorlieben aus früheren Gesprächen.
In meiner eigenen App Thirdplaces sieht das so aus: Statt dass Nutzer sich durch Listen klicken, schreiben sie Lucy, was sie vorhaben, und bekommen passende Treffen und Events in ihrer Stadt vorgeschlagen. Findet sich nichts, schlägt Lucy vor, selbst ein Treffen anzulegen. Das Anlegen bestätigt der Nutzer, nicht die KI.
Der Vergleich in einer Tabelle
| CHATBOT (RAG) | KI-AGENT | |
|---|---|---|
| Aufgabe | Fragen beantworten | Vorgänge erledigen |
| Zugriff | liest Dokumente | liest und schreibt über definierte Funktionen |
| Ablauf | eine Frage, eine Antwort | mehrere Schritte, eigene Planung |
| Risiko bei Fehlern | falsche Auskunft | falsche Aktion, deshalb Bestätigungen und Grenzen nötig |
| Aufwand | gering bis mittel | mittel bis hoch, je nach Zahl der Anbindungen |
| Typischer Nutzen | weniger Standardanfragen im Support | Vorgänge ohne Mitarbeiter, neue Produktfunktionen |
Wann sich ein Agent lohnt
Ein Agent rechnet sich dort, wo heute Menschen wiederkehrende Vorgänge zwischen mehreren Systemen hin- und herschieben, oder wo Nutzer in deinem Produkt an zu vielen Formularen und Filtern scheitern. Typische Fälle:
- Kundenservice mit Handlungsbefugnis: Bestellstatus nachsehen, Lieferadresse ändern, Retoure anlegen, Termin verschieben.
- Buchung und Planung: freie Termine finden, mit Vorlieben abgleichen, einen Vorschlag zur Bestätigung vorlegen.
- Empfehlungen in Apps: statt zwanzig Filtern ein Satz wie „Was kann ich am Samstag mit zwei Freunden draußen machen?"
- Interne Abläufe: Angebote vorbereiten, Daten aus E-Mails in das CRM übernehmen, Berichte aus mehreren Quellen zusammenstellen.
Wann ein Chatbot reicht
Wenn 80 % der Anfragen Wissensfragen sind, ist ein sauber gebauter Chatbot mit guter Wissensbasis die bessere Investition. Er ist schneller live, günstiger im Betrieb und kann nichts kaputt machen. Und oft ist er die richtige erste Stufe: Aus den echten Gesprächen siehst du nach ein paar Wochen genau, welche Aufgaben Nutzer eigentlich erledigt haben wollen. Genau die bekommen dann Werkzeuge.
Manchmal ist auch gar keine KI die Antwort. Ein besseres Formular, eine klarere Navigation oder eine Suchfunktion lösen manches Problem günstiger. Das gehört zu einer ehrlichen Beratung dazu.
So startest du richtig
- Eine Aufgabe auswählen, nicht zehn. Die, die am häufigsten vorkommt und klar abgegrenzt ist.
- Erfolg messbar machen: Wie viele Vorgänge soll der Agent ohne Mitarbeiter abschließen? Wie schnell?
- Werkzeuge klein halten: Lesen zuerst, Schreiben erst mit Bestätigung durch den Nutzer.
- Mit echten Anfragen testen, bevor es live geht, und danach jedes Gespräch auswertbar halten.
Wie das technisch aussieht, beschreibe ich ausführlich in KI-Agent in die eigene App integrieren. Was dabei an Kosten entsteht, steht in Was kostet ein eigener KI-Agent?
Häufige Fragen
Ist ChatGPT ein Chatbot oder ein Agent?
Beides, je nach Einsatz. Das Sprachmodell selbst erzeugt nur Text. Zum Agenten wird es erst, wenn es Werkzeuge bekommt, also Funktionen, die es aufrufen darf, und in einer Schleife mehrere Schritte selbst plant.
Kann ein Chatbot später zum Agenten ausgebaut werden?
Ja, und das ist oft der beste Weg. Die Wissensbasis bleibt, dazu kommen nach und nach Werkzeuge für die Aufgaben, die in den echten Gesprächen am häufigsten auftauchen.
Wie verhindert man, dass ein KI-Agent falsche Aktionen ausführt?
Mit engen Werkzeugen, die nur genau das erlauben, was nötig ist, mit Prüfungen im eigenen Code statt im Prompt und mit einer Bestätigung durch den Nutzer vor jeder Aktion, die etwas verändert oder Geld kostet.
ist freier Web- und App-Entwickler aus Dortmund und baut AI Agents in eigene und fremde Produkte, darunter Lucy in der Social-App Thirdplaces. Mehr zur KI-Agenten-Entwicklung →