In den letzten Kolumnen ging es um KI als Werkzeug: Sie stellen eine Frage, die KI antwortet. Sie geben einen Auftrag, die KI führt ihn aus. Agenten gehen einen Schritt weiter: Sie handeln selbstständig und entscheiden, welche Schritte nötig sind, um Ihr Ziel zu erreichen.

Beispiel 1: Ein einfacher Prompt

Die Aufgabe: „Fasse diesen Text zusammen.“ Die KI verarbeitet den Text und liefert eine Zusammenfassung. Ein Schritt, eine Antwort, fertig. Das ist ein klassischer Prompt.

Beispiel 2: Ein Workflow

Die Aufgabe: „Fasse diesen Text zusammen und schicke ihn an name@example.com.“ Hier passieren zwei Dinge: Zusammenfassen, dann E-Mail senden. Das klingt schon fortgeschrittener – aber es ist kein Agent. Warum? Weil alle Schritte von Anfang an feststehen. Die KI arbeitet eine lineare Abfolge ab: Schritt 1, dann Schritt 2. Sie muss nichts entscheiden, nichts herausfinden, auf nichts reagieren. Das ist ein Workflow oder Prozess – nützlich, aber vorhersehbar.

Beispiel 3: Ein Agent

Die Aufgabe: „Fasse diesen Text zusammen und arbeite das Feedback von XY ein.“ Jetzt wird es agentisch. Die KI muss plötzlich selbst entscheiden:

• Wie erreiche ich XY? Per E-Mail? Per Chat?
• Wie formuliere ich meine Anfrage?
• Was mache ich, wenn XY nicht antwortet?
• Wie interpretiere ich das Feedback, wenn es kommt?
• Welche Teile des Feedbacks sind relevant?

Der entscheidende Unterschied

Ein Agent arbeitet in einer Schleife: Handeln → Beobachten → Anpassen → Weiter handeln. Beim Workflow „schicke an name@example.com“ ist nach dem Senden Schluss. Beim Agenten „arbeite Feedback von XY ein“ muss die KI:

1. Handeln (Feedback anfragen)
2. Warten und beobachten (Was sagt XY?)
3. Anpassen (Feedback einarbeiten)
4. Eventuell nochmal nachfragen

Die einfache Faustregel: Bei einem Workflow wissen Sie vorher, was passiert. Bei einem Agenten nicht – die KI muss selbst entscheiden.

Ein Beispiel aus dem Gemeindealltag

Ein Bürger fragt per E-Mail, ob in seiner Straße eine Tempo-30-Zone eingerichtet werden kann. Eine alltägliche Anfrage, aber die Antwort erfordert einiges an Recherche: Sie durchsuchen die StVO, prüfen das Landesstraßengesetz, schauen nach ob eine Schule oder ein Kindergarten in der Nähe liegt, suchen vielleicht nach Unfallstatistiken, und recherchieren, wie andere Gemeinden das gelöst haben. Das dauert leicht ein bis zwei Stunden – Zeit, die Sie für andere Aufgaben nicht haben.

Wie ein Agent es machen könnte: Sie geben dem Agenten die Aufgabe: „Prüfe, unter welchen Voraussetzungen in der Müllergasse in Graz eine Tempo-30-Zone eingerichtet werden kann. Recherchiere die rechtlichen Grundlagen, prüfe ob Schulen oder Kindergärten in der Nähe sind, und finde Beispiele, wie vergleichbare Gemeinden das umgesetzt haben.“ Der Agent beginnt zu arbeiten – aber anders als bei einem einfachen Workflow weiß er vorher nicht, was er finden wird. Er muss unterwegs Entscheidungen treffen:

• Welche Rechtsquellen sind relevant? StVO? Landesstraßengesetz? Gibt es aktuelle Urteile?
• Wie findet er heraus, was in der Nähe der Müllergasse liegt? Google Maps? Gemeinde-GIS?
• Was zählt als „vergleichbare Gemeinde“? Ähnliche Einwohnerzahl? Ähnliche Verkehrssituation?
• Was macht er, wenn die Rechtslage nicht eindeutig ist?

Vielleicht findet der Agent eine klare Regelung im Landesrecht. Vielleicht stößt er auf einen Ermessensspielraum und sucht deshalb nach Präzedenzfällen. Vielleicht entdeckt er, dass kürzlich eine Novelle beschlossen wurde, und passt seine Recherche an. Am Ende liefert er Ihnen eine Zusammenfassung: Die rechtlichen Voraussetzungen, die Situation vor Ort, Beispiele aus anderen Gemeinden, und vielleicht sogar einen Entwurf für die Antwort an den Bürger.

Das ist der Unterschied zum Workflow: Der Agent reagiert auf das, was er findet. Er passt seinen Weg an. Er arbeitet nicht stur eine Liste ab, sondern verhält sich wie ein Mitarbeiter, dem Sie eine Aufgabe übergeben – und der selbstständig herausfindet, wie er sie am besten löst.

Wo stehen wir heute?

KI-Agenten sind keine Zukunftsmusik mehr. ChatGPT bietet seit Mitte 2025 einen „Agent Mode“ für zahlende Nutzer. Der Agent kann Websites navigieren, Formulare ausfüllen, Dateien bearbeiten und Recherchen durchführen. Sie können ihm sagen, was Sie erreichen wollen und er findet selbst heraus, wie. Auch Claude bietet mit „Claude in Chrome“ einen Browser-Agenten, der Webseiten lesen, interpretieren und Aktionen ausführen kann.

Der Hype um OpenClaw

In den letzten Wochen sorgte der KI-Agent OpenClaw (zuvor Clawbot, später Moltbot) auch in österreichischen Medien für Aufmerksamkeit. Das Programm verspricht, den Alltag seiner Nutzer zu organisieren: Es wird lokal auf dem eigenen Rechner installiert und erhält Zugriff auf E-Mail, Kalender, Chats und sogar Bezahlsysteme. Dadurch kann der Agent eigenständig Rechnungen bezahlen, Termine koordinieren oder E-Mails beantworten.

So verlockend das klingt, gibt es wesentliche Einschränkungen: Erstens erfordert OpenClaw Programmierkenntnisse und zweitens bestehen erhebliche Sicherheitsbedenken, da das System Zugang zu sensiblen Daten hat und potenziell Passwörter oder andere vertrauliche Informationen weitergeben könnte.

OpenClaw zeigt, wie leistungsfähig KI-Agenten inzwischen sein können und warum ein sorgfältiger Umgang mit Zugriffsrechten und Datensicherheit entscheidend ist. Für Gemeinden gilt klar: Solche experimentellen Systeme sind nicht für den produktiven Einsatz geeignet. Sie verdeutlichen jedoch, in welche Richtung sich die Technologie künftig entwickeln könnte.