Glossar · KI & LLMs
LLM-basierter Loop aus Reasoning + Tool-Use, der eigenständig mehrstufige Aufgaben löst, statt nur einzelne Antworten zu generieren.
Definition
Ein Agent unterscheidet sich von einem klassischen Chatbot durch zwei Eigenschaften: Er hat Zugriff auf Tools (Function Calling), und er läuft in einer Schleife, in der er Schritt für Schritt plant, ausführt, beobachtet und neu plant, bis ein Ziel erreicht ist oder ein Stop-Kriterium greift.
Typische Bausteine: System-Prompt mit Rolle und Constraints, ein Tool-Set, optional eine RAG-Wissensbasis, ein Gedächtnis (Conversation-History oder externe Memory-Schicht) und eine Orchestrierung, die Token-Budget und Loop-Tiefe begrenzt.
Production-Agents brauchen mehr Engineering als Demo-Agents: Idempotenz für jedes Tool, Dead-Letter-Handling für gescheiterte Steps, Observability (welcher Tool-Call hat was kostet, wie lange gedauert), und harte Limits gegen Endlosschleifen.
So nutzen wir das bei adsbird
Wir bauen Agents für Tier-1-Support, Sales-Qualifizierung, Recruiting-Pre-Screen und interne Ops-Automation. Beispiel: Ein Voice-AI-Agent, der eingehende Calls qualifiziert, HubSpot-Kontakte sucht/anlegt, Kalender-Slots prüft und bei komplexen Fragen sauber an einen Menschen eskaliert.
Verwandte Begriffe
Wo wir AI Agent im Detail erklären
AI Agent in deinem Projekt?
Wenn du AI Agent in einem konkreten Workflow brauchst, wir haben das wahrscheinlich schon gebaut.