Agentic Workflows einfach erklärt

"Agentic" bedeutet so viel wie handlungsfähig oder eigenständig agierend – und genau das beschreibt den Kern von Agentic Workflows: KI-Systeme, die Aufgaben nicht nur auf Zuruf erledigen, sondern mehrstufige Prozesse selbstständig planen, ausführen und prüfen. Damit sind Agentic Workflows die praktische Anwendung von Agentic AI, einem der aktuell am stärksten wachsenden Bereiche der Künstlichen Intelligenz. Während es im Artikel "Was ist AI driven development?" um KI bei der Erstellung von Software ging, geht es hier darum, wie KI innerhalb von Geschäftsprozessen eigenständig handelt.

Was bedeutet "agentic"?

Der Begriff "agentic" stammt vom englischen "agent" (Akteur, Handelnder) und beschreibt KI-Systeme, die über die reine Beantwortung von Anfragen hinausgehen. Statt nur eine Antwort oder einen Text zu liefern, übernehmen agentic Systeme aktive Rollen: Sie setzen sich Zwischenziele, greifen auf Werkzeuge oder Datenquellen zu und passen ihr Vorgehen an, wenn sich die Ausgangslage ändert.

Damit lässt sich Agentic AI von Generative AI abgrenzen, mit der sie häufig verwechselt wird. Generative AI erzeugt auf eine konkrete Anfrage hin Inhalte – einen Text, ein Bild, einen Code-Abschnitt. Agentic AI geht einen Schritt weiter: Sie erledigt eine Aufgabe von Anfang bis Ende, einschließlich der Schritte dazwischen, ohne dass für jeden Teilschritt eine neue Anweisung nötig ist.

Agentic AI in der Praxis: Was ist ein Agentic Workflow?

Ein Agentic Workflow ist eine Abfolge von Schritten, die ein oder mehrere KI-Agenten eigenständig durchlaufen: Informationen sammeln, eine Lösung erarbeiten, das Ergebnis prüfen und bei Bedarf nachbessern. Anders als bei klassischer Automatisierung – etwa regelbasierten Workflow-Tools – sind Agentic Workflows nicht auf starre, im Voraus definierte Abläufe beschränkt.

Klassische Automatisierung funktioniert gut, solange Eingaben und Abläufe vorhersehbar sind: Wenn X eintritt, passiert Y. Sobald Daten jedoch in unterschiedlichen Formaten vorliegen, Ausnahmen auftreten oder Zwischenergebnisse bewertet werden müssen, stoßen feste Regeln an ihre Grenzen. Genau hier setzen Agentic Workflows an: Die KI bewertet Zwischenergebnisse selbst und entscheidet, wie es weitergeht – ähnlich wie ein:e Mitarbeiter:in, die eine Aufgabe eigenständig zu Ende bringt, statt bei der ersten Abweichung nachzufragen.

Multi-Agent-Systeme: mehrere spezialisierte KI-Agenten im Zusammenspiel

In der Praxis übernimmt häufig nicht ein einzelner KI-Agent die gesamte Aufgabe, sondern mehrere spezialisierte Agenten arbeiten zusammen – jeder mit einer klar abgegrenzten Aufgabe. Das ist effizienter als eine "Allzweck-KI" und macht das Gesamtsystem leichter nachvollziehbar und zu kontrollieren.

Ein gutes Beispiel dafür ist die KI-Pipeline, die wir für die Plattform apotheken-prospekte.de entwickelt haben. Drei KI-Systeme arbeiten dort im Zusammenspiel: Eines liest Produktnamen, Preise und Beschreibungen aus den Prospekten aus, ein zweites ordnet passende Produktbilder über eine Datenbank zu, ein drittes erkennt die Struktur des Prospekt-Layouts und setzt darauf präzise klickbare Bereiche. Erst im Zusammenspiel dieser drei Agenten entsteht aus einem PDF-Prospekt eine vollständig nutzbare Einkaufsplattform. Mehr dazu unter /referenzen/apotheken-prospekte.

Praxisbeispiel: Agentic Workflows für Stadtdaten

Auch außerhalb der Softwareentwicklung im engeren Sinn lassen sich Agentic Workflows sinnvoll einsetzen – etwa bei der Aufbereitung von Stadtdaten. Im Projekt Smart City Mobility Hub für die Stadtwerke Halle setzen wir Agentic Workflows ein, um Informationen zu Sehenswürdigkeiten, Veranstaltungen und weiteren Points of Interest aus verschiedenen Quellen zusammenzuführen und nutzbar zu machen – ergänzt durch KI-gestützte Routenoptimierung für den öffentlichen Nahverkehr.

Das Ergebnis ist eine App, die ÖPNV-Routing direkt mit Stadterlebnis verbindet: Wer eine Verbindung sucht, bekommt passende Sehenswürdigkeiten entlang der Strecke vorgeschlagen. Mehr zu diesem Projekt unter /referenzen/smart-city-mobility-hub.

Wo schaffen Agentic Workflows Mehrwert für Unternehmen?

Agentic Workflows lohnen sich vor allem dort, wo Prozesse mehrstufig sind, Eingaben variieren und Zwischenergebnisse bewertet werden müssen – etwa bei der Verarbeitung unterschiedlich strukturierter Dokumente, der Zuordnung von Daten aus mehreren Quellen oder mehrstufigen Freigabeprozessen.

Nicht jeder Prozess braucht diesen Ansatz: Für einfache, immer gleich ablaufende Aufgaben reicht klassische Automatisierung oft aus und ist schneller umzusetzen. Der entscheidende Unterschied ist, ob ein Prozess Bewertung und Anpassung erfordert – oder ob er sich vollständig im Voraus festlegen lässt. Mehr zu unserem Ansatz unter /aititans/agentic-workflows.

Häufige Fragen