KI-Agenten-Wiki

Was sind KI-Agenten?

Ein KI-Agent ist ein System, das ein definiertes Ziel verfolgt und innerhalb freigegebener Grenzen selbst Schritte auswählt und ausführt. Anders als ein Chatbot, der auf eine Frage antwortet, plant ein Agent, ruft Werkzeuge und Schnittstellen auf, prüft Zwischenergebnisse und setzt seine Arbeit fort, bis das Ziel erreicht ist oder ein Mensch übernimmt.

Agentische Abläufe verbinden Sprachmodelle mit festen Regeln, klassischer Automatisierung und menschlichen Entscheidungen. Wie viel ein Agent selbstständig tun darf, ist keine technische, sondern eine unternehmerische Festlegung.

KI-Agenten in AI-first- und AI-native-Geschäftsmodellen

Die Tools in diesem Wiki sind Mittel. Ihr Wert entsteht erst im Geschäftsmodell – entweder, indem ein bestehendes Unternehmen seine Prozesse vom Ergebnis her neu gestaltet (AI-first), oder, indem ein Angebot von Anfang an auf Agenten aufgebaut wird (AI-native).

KI-first-Geschäftsmodell (AI-first): Ein KI-first-Geschäftsmodell gestaltet Prozesse vom gewünschten Ergebnis her für KI-Agenten und Menschen – statt bestehende Abläufe unverändert zu lassen und sie nur mit KI-Werkzeugen zu beschleunigen.
KI-natives Geschäftsmodell (AI-native): Ein KI-natives Geschäftsmodell ist von Anfang an auf KI-Agenten aufgebaut: Agenten tragen den Kern der Wertschöpfung, und das Angebot würde ohne sie in dieser Form nicht existieren.

Die Kategorien

Die Auswahl der Kategorien und Projekte orientiert sich an der Open-Source-Liste awesome-agents, ergänzt um LangGraph und DeepAgents. Jede Kategorie erklärt, was die Werkzeuge leisten, welche Rolle sie im AI-first-Geschäftsmodell spielen und worauf Sie bei der Auswahl achten.

KI-Agenten-Frameworks62 Tools: Frameworks liefern das Gerüst, mit dem KI-Agenten planen, Werkzeuge aufrufen, Zustände halten und zusammenarbeiten – von LangChain, LangGraph und DeepAgents bis zu CrewAI, AutoGen und Hermes Agent.
Testing und Evaluation von KI-Agenten8 Tools: Werkzeuge für Tests, Evaluation, Tracing und Observability zeigen, ob ein KI-Agent tut, was er soll – bevor und während er im Betrieb wirkt.
KI-Agenten für die Softwareentwicklung56 Tools: Coding-Agenten schreiben, prüfen und ändern Code, bearbeiten Issues und arbeiten in Terminal, Editor oder Repository – vom Assistenten bis zum weitgehend selbstständigen Entwicklungsagenten.
Research-Agenten13 Tools: Research-Agenten durchsuchen Quellen, verdichten Informationen und erstellen Berichte – von der Marktrecherche bis zur wissenschaftlichen Literaturauswertung.
Conversational Agents und General Agents18 Tools: Gesprächsorientierte und allgemein einsetzbare KI-Agenten arbeiten über Chat, Messenger oder Desktop und übernehmen wechselnde Aufgaben – vom persönlichen Assistenten bis zum Generalisten mit Werkzeugzugriff.
Memory und Wissensmanagement für KI-Agenten13 Tools: Memory-Systeme, Knowledge Graphs und RAG-Werkzeuge geben KI-Agenten ein Gedächtnis – damit sie Kunden, Vorgänge und Unternehmenswissen über einzelne Gespräche hinaus kennen.
Automatisierung mit KI-Agenten13 Tools: Agentische Automatisierung verbindet Workflows, Schnittstellen und Bedienoberflächen – dort, wo feste Regeln allein nicht mehr ausreichen.
Browser-Agenten7 Tools: Browser-Agenten bedienen Websites wie ein Mensch: Sie navigieren, lesen, klicken und füllen Formulare aus – auch dort, wo es keine Schnittstelle gibt.

Im Fokus

Vier Projekte, nach denen besonders häufig gefragt wird, mit eigener Seite:

LangChain: LangChain ist ein Open-Source-Framework für KI-Agenten und LLM-Anwendungen. Es verbindet Sprachmodelle über eine einheitliche Schnittstelle mit Werkzeugen, Daten und Systemen – und ist der Einstieg in das Ökosystem aus LangGraph, DeepAgents und LangSmith.
LangGraph: LangGraph ist ein Low-Level-Framework zur Orchestrierung langlaufender, zustandsbehafteter KI-Agenten. Abläufe werden als Graph modelliert – mit dauerhafter Ausführung, Human-in-the-Loop und Gedächtnis.
DeepAgents: DeepAgents (Deep Agents) ist ein Open-Source-Agent-Harness von LangChain: ein meinungsstarker Agent, der sofort läuft und Planung, Sub-Agenten, Dateisystem, Kontextmanagement und Freigaben bereits mitbringt.
Nous Hermes und Hermes Agent: Nous Research steht hinter zwei Dingen, die oft verwechselt werden: der Hermes-Modellfamilie mit offenen Gewichten und Hermes Agent, einem selbstlernenden Open-Source-Agenten, der mit beliebigen Modellen arbeitet.

Agenten-Tools wirksam einsetzen

Ob ein Framework oder Agent im Unternehmen wirkt, entscheidet sich selten an der Technik allein. Fünf Fragen gehören an den Anfang:

Ergebnis zuerst: Welches geschäftliche Ergebnis soll der Agent verantworten – und woran messen Sie es? Aktivität ist kein Ergebnis.
Mandat und Verantwortung: Wer setzt Ziele, wer entscheidet, wer greift ein? Ein Agent braucht einen autorisierten Auftrag, keinen Freibrief.
Abgestufte Handlungsrechte: Welche Aktionen bereitet der Agent vor, welche empfiehlt er, welche führt er mit Freigabe aus, welche erledigt er innerhalb festgelegter Grenzen selbst?
Evaluation: Wie prüfen Sie Qualität und Wirkung, bevor ein Agent mehr Spielraum bekommt – und während er arbeitet?
Betrieb: Wer wartet, überwacht und verbessert das System dauerhaft? Ein Agent ist nie fertig.

AI-first-Coaching →REVAGO-Potenzial prüfen

Glossar: Begriffe rund um KI-Agenten

Die wichtigsten Begriffe kurz erklärt.

KI-Agent (AI Agent): System, das ein definiertes Ziel verfolgt und innerhalb freigegebener Grenzen Schritte auswählt und ausführt – mit Sprachmodellen, Werkzeugen, Regeln und menschlichen Entscheidungen.
Agentic AI: Sammelbegriff für KI-Systeme, die nicht nur antworten, sondern planen und handeln. Im Vertrieb spricht man von Agentic Sales.
AI-first / KI-first: Prozesse vom gewünschten Ergebnis her für Agenten und Menschen gestalten, statt bestehende Abläufe nur mit KI-Werkzeugen zu beschleunigen.
AI-native / KI-nativ: Geschäftsmodell, das von Anfang an auf KI-Agenten aufgebaut ist und ohne sie in dieser Form nicht existieren würde.
KI-first Operating Model: Betriebsmodell, in dem Agenten, feste Regeln, klassische Automatisierung und menschliche Entscheidungspunkte zusammenwirken.
Human-in-the-Loop (HITL): Bewusst gestaltete menschliche Entscheidungs-, Prüf- und Eingriffspunkte in einem agentischen Ablauf.
Multi-Agent-System: Mehrere spezialisierte Agenten teilen sich eine Aufgabe, etwa durch Delegation an Sub-Agenten oder durch Rollen in einem Team.
Agent Harness: Vorkonfigurierter Agent mit fester Arbeitsweise (Planung, Kontext, Werkzeuge), der sich erweitern lässt – etwa DeepAgents.
Orchestrierung: Steuerung der Reihenfolge, Verzweigungen und Übergaben in einem agentischen Ablauf – etwa als Graph in LangGraph.
Tool Calling (Function Calling): Fähigkeit eines Sprachmodells, strukturiert Werkzeuge oder Schnittstellen aufzurufen und deren Ergebnis weiterzuverarbeiten.
Model Context Protocol (MCP): Offener Standard, über den Agenten auf Werkzeuge, Datenquellen und Anwendungen zugreifen können.
Retrieval-Augmented Generation (RAG): Der Agent sucht vor seiner Antwort in Dokumenten oder Datenbanken und stützt sich auf die gefundenen Inhalte.
Agent Memory: Kurz- und Langzeitgedächtnis, mit dem ein Agent Informationen über eine Aufgabe oder Sitzung hinaus behält.
Evaluation (Evals): Systematische Bewertung von Agentenverhalten – einzelner Antworten ebenso wie ganzer Abläufe.
Tracing und Observability: Nachvollziehbare Protokolle von Entscheidungen, Werkzeugaufrufen und Kosten im laufenden Betrieb.
Sandbox: Abgeschottete Ausführungsumgebung, in der ein Agent Code oder Befehle ausführt, ohne andere Systeme zu gefährden.
Computer Use und Browser-Agenten: Agenten, die Bedienoberflächen von Desktop-Anwendungen oder Websites wie ein Mensch bedienen.
Open-Weight-Modell: Sprachmodell, dessen Gewichte veröffentlicht sind und das sich selbst betreiben lässt – etwa die Hermes-Modelle von Nous Research.
Prompt Injection: Versteckte Anweisungen in Inhalten, die einen Agenten zu unerwünschten Handlungen verleiten sollen. Grenzen werden deshalb auf Ebene der Werkzeuge gezogen.

Häufige Fragen zu KI-Agenten

Was ist ein KI-Agent?

Ein KI-Agent ist ein System, das ein definiertes Ziel verfolgt und innerhalb freigegebener Grenzen selbst Schritte auswählt und ausführt. Er plant, ruft Werkzeuge und Schnittstellen auf, prüft Zwischenergebnisse und arbeitet weiter, bis das Ziel erreicht ist oder ein Mensch übernimmt.

Welches Framework eignet sich für KI-Agenten?

Das hängt von der Aufgabe ab. LangChain eignet sich für Agenten mit vielen Integrationen, LangGraph für steuerbare, zustandsbehaftete Abläufe mit Human-in-the-Loop, DeepAgents für langlaufende Aufgaben mit Planung und Sub-Agenten. CrewAI, AutoGen oder LlamaIndex setzen andere Schwerpunkte. Wichtiger als die Wahl ist, Ergebnis, Mandat, Freigaben und Betrieb vorher zu klären.

Wie setzt man KI-Agenten wirksam in einem AI-first-Geschäftsmodell ein?

Beginnen Sie beim Ergebnis, nicht beim Tool: Legen Sie fest, welches geschäftliche Ergebnis ein Agent verantwortet, wer das Mandat erteilt und welche Aktionen er vorbereitet, empfiehlt, mit Freigabe ausführt oder selbstständig erledigt. Danach folgen Evaluation vor und während des Einsatzes und ein dauerhafter Betrieb, der den Agenten wartet und verbessert.

Was ist der Unterschied zwischen AI-first und AI-native?

AI-first beschreibt ein bestehendes Unternehmen, das seine Prozesse vom Ergebnis her für Agenten und Menschen neu gestaltet. AI-native beschreibt ein Geschäftsmodell, das von Anfang an auf KI-Agenten aufgebaut ist und ohne sie in dieser Form nicht existieren würde.

Setzt REVAGO die Tools aus diesem Wiki ein?

Das Wiki ist eine neutrale Einordnung. REVAGO ist mit keinem der aufgeführten Projekte verbunden. Welche Technik in einem REVAGO-Auftrag zum Einsatz kommt, richtet sich nach Ihrem Ziel, Ihrem Mandat und Ihren Systemen.

Alle Tools von A bis Z

Jedes Projekt verlinkt auf seinen Eintrag in der jeweiligen Kategorie. 190 Tools.

Vom Tool zum Ergebnis

Im AI-first-Coaching klären Sie, welche Ergebnisse KI-Agenten in Ihrer Marktbearbeitung verantworten sollen und in welchem Rahmen. Danach gestaltet, entwickelt und betreibt REVAGO Ihr System. Sie zahlen für Ergebnisse – nicht für Aktivität.

REVAGO-Potenzial prüfen →AI-first-Coaching

Neutrale Einordnung, keine Empfehlung einzelner Anbieter. REVAGO ist mit den aufgeführten Projekten nicht verbunden. Beschreibungen beruhen auf den öffentlichen Angaben der Projekte; Funktionsumfang und Lizenzen können sich ändern. Auswahl nach awesome-agents (kyrolabs), Stand 19. Oktober 2026.