KI-Agenten lassen sich sinnvoller nach Aufgabe und Handlungsspielraum unterscheiden als nach Marketingbezeichnungen. Häufige Gruppen sind Recherche-, Coding-, Workflow-, Customer-Service-, Sales-, Daten- und Enterprise-Agenten.
Recherche-Agenten
Sie suchen über mehrere Schritte, vergleichen Quellen und erstellen strukturierte Ergebnisse.
Coding-Agenten
Sie arbeiten an Codebasen, bearbeiten Dateien, führen Tests oder Terminalbefehle aus und bereiten Änderungen vor.
Workflow- und Automationsagenten
Sie verbinden Apps, APIs und wiederkehrende Geschäftsabläufe.
Service- und Sales-Agenten
Sie bearbeiten Kundenanfragen, recherchieren Accounts oder unterstützen Vertriebsprozesse.
Enterprise-Agenten
Sie arbeiten mit Unternehmensdaten, Berechtigungen, Governance und fachlichen Kernsystemen.
Agenten konkret ansehen
Die Theorie wird verständlicher, wenn man reale Produkte vergleicht. AgentenIndex dokumentiert 57 Agenten und Plattformen mit offiziellen Quellen.
Alle Agentenprofile →Arten von KI-Agenten nach Aufgabe
Recherche-Agenten
Suchen und verbinden Informationen über mehrere Quellen und erstellen nachvollziehbare Ergebnisse.
Coding-Agenten
Arbeiten mit Repositories, Dateien, Terminal und Tests, um Softwareaufgaben zu bearbeiten.
Automatisierungs-Agenten
Verbinden Modelle mit Apps, APIs und Workflows und wählen innerhalb gesetzter Grenzen nächste Schritte.
Service- und Sales-Agenten
Bearbeiten Kundenanliegen, nutzen CRM- oder Helpdesk-Kontext und führen definierte Aktionen aus.
Enterprise-Agenten
Arbeiten mit Unternehmenswissen, Rollen, Berechtigungen und geschäftlichen Workflows.
Legal- und Fachagenten
Nutzen spezialisierte Datenquellen und Workflows für domänenspezifische Wissensarbeit.
Arten nach Autonomie
Eine zweite Einteilung betrachtet nicht die Aufgabe, sondern den Handlungsspielraum. Geführte Agenten benötigen häufig Bestätigung. Delegierte Agenten bearbeiten ein begrenztes Ziel bis zum Ergebnis. Kontinuierliche Agenten reagieren auf Zeitpläne oder Ereignisse. Multi-Agent-Systeme verteilen Teilaufgaben an mehrere spezialisierte Komponenten.
Arten nach Ausführungsumgebung
| Chat-/App-Agent | arbeitet innerhalb einer bestehenden Anwendung wie Chat, Workspace oder CRM |
|---|---|
| Browser-/Computer-Agent | interagiert mit Webseiten oder grafischen Oberflächen |
| Workflow-Agent | wird über Trigger, APIs oder Automationsplattformen gestartet |
| Entwickler-Agent | arbeitet in IDE, Terminal oder isolierter Coding-Umgebung |
| Enterprise-Agent | ist in Identitäts-, Daten- und Governance-Strukturen einer Organisation eingebettet |
Welche Art ist die richtige?
Die passende Kategorie ergibt sich aus dem Problem. Wenn ein Prozess vollständig vorhersehbar ist, reicht oft Automation. Wenn Informationen aus vielen Quellen bewertet werden müssen, passt ein Recherche-Agent. Wenn der Agent reale Aktionen ausführen soll, werden Berechtigungen und Human-in-the-loop wichtiger als die reine Modellqualität.
Eine praktische Agenten-Taxonomie
| Typ | Hauptziel | Typische Tools | Wichtige Kontrolle |
|---|---|---|---|
| Recherche | Informationen beschaffen und synthisieren | Web, Dateien, Datenquellen | Quellenprüfung |
| Coding | Software verändern | Repository, Terminal, Tests | Code Review und Secrets |
| Automation | Apps und Prozesse verbinden | APIs, SaaS, Workflows | Schreibrechte und Logs |
| Service/Sales | Kundenprozesse bearbeiten | CRM, Helpdesk, Knowledge | Identität, Übergaben, Richtlinien |
| Enterprise | geschäftliche Aufgaben im Organisationskontext | interne Daten, Rollen, Systeme | Governance und Berechtigungen |
| Fachagent | domänenspezifische Wissensarbeit | Spezialdatenbanken, Dokumente | Fachreview |
Reaktive und proaktive Agenten
Reaktive Agenten starten durch eine Anfrage. Proaktive Agenten können auf Ereignisse, Zeitpläne oder Zustandsänderungen reagieren. Ein Support-Agent ist beispielsweise reaktiv, wenn er nur eingehende Fragen beantwortet. Ein Monitoring-Agent wird proaktiv, wenn er selbstständig neue Signale prüft und bei einem Schwellenwert aktiv wird.
Single-Agent oder Multi-Agent
Ein einzelner Agent ist einfacher zu testen und zu betreiben. Multi-Agent-Systeme lohnen sich, wenn Teilaufgaben wirklich unterschiedliche Rollen, Tools oder Berechtigungen erfordern. Die bloße Aufteilung einer Aufgabe auf mehrere „Personas“ bringt nicht automatisch bessere Ergebnisse.
Generalisten und Spezialisten
Generalistische Agenten können viele Werkzeuge und Aufgaben abdecken, benötigen aber gute Routing- und Berechtigungslogik. Spezialisten sind enger begrenzt und dadurch oft leichter zu evaluieren. In Unternehmen entsteht häufig eine Kombination: eine zentrale Oberfläche leitet Aufgaben an spezialisierte Agenten oder Workflows weiter.
Wie AgentenIndex kategorisiert
AgentenIndex ordnet ein Produkt nach seinem primären praktischen Einsatz ein und kann zusätzliche Merkmale separat erfassen. Eine Plattform wie Microsoft Copilot Studio ist deshalb eher „Automatisierung/Plattform“ als ein einzelner Consumer-Agent. Ein Produkt wie ChatGPT Deep Research fällt in „Recherche“, obwohl es Teil einer größeren Anwendung ist. Diese Trennung soll Vergleiche fairer machen.
Fünf Fragen zur Auswahl
- Welche Aufgabe soll tatsächlich erledigt werden?
- Welche Daten und Tools werden benötigt?
- Wie viel Autonomie ist wirklich nötig?
- Welche Fehler wären akzeptabel, welche nicht?
- Wie wird Erfolg gemessen und kontrolliert?
Konkrete Beispiele aus dem AgentenIndex
Bei Recherche-Agenten gehören ChatGPT Deep Research, Gemini Deep Research, Claude Research und Perplexity Deep Research zu den bekannten integrierten Research-Funktionen. Im Coding-Bereich stehen beispielsweise OpenAI Codex, Claude Code und GitHub Copilot Coding Agent.
Automatisierungsplattformen wie Make AI Agents, n8n Agents oder Microsoft Copilot Studio sind wiederum eher Bau- und Orchestrierungsumgebungen als einzelne Endnutzeragenten. Genau deshalb ist die Produktart im Index ein eigenes Feld.
Warum es keine perfekte Taxonomie gibt
Produkte verändern sich schnell und überschneiden Kategorien. Ein Recherche-Agent kann Dateien analysieren, ein Coding-Agent kann Websuche nutzen und eine Enterprise-Plattform kann viele spezialisierte Agenten enthalten. Kategorien sind deshalb Orientierungshilfen, keine harten technischen Grenzen.
Praxisregel
Wählen Sie nicht zuerst eine Agentenart und suchen dann ein Problem. Beginnen Sie mit der Aufgabe, dem benötigten Kontext und den zulässigen Aktionen. Die passende Agentenklasse ergibt sich daraus.