Agentic AI und der Unterschied zur Prozessautomatisierung

Agentic AI bezeichnet ein KI-System, das ein Ziel nicht nur beschreibt, sondern eigenständig darauf hinarbeitet. Technisch baut ein solcher Agent in der Regel auf einem grossen Sprachmodell (LLM) auf, das als Planungs- und Entscheidungsinstanz dient. Der Agent zerlegt eine Aufgabe in Schritte, wählt zur Laufzeit die passenden Werkzeuge und führt Aktionen aus, statt einem vorab definierten Ablauf zu folgen.

Drei Fähigkeiten sind dabei entscheidend. Erstens nutzt der Agent Werkzeuge: Suche, Code-Ausführung, APIs und Datenbanken. Zweitens hält er Kontext über mehrere Schritte hinweg, sodass frühere Ergebnisse in spätere Entscheidungen einfliessen. Drittens kann er bei Bedarf weitere Agenten anstossen, sogenannte Subagenten, die klar abgegrenzte Teilaufgaben übernehmen und ihr Resultat zurückmelden.

Aus diesem Zusammenspiel entsteht ein Verhalten, das dynamisch und adaptiv ist. Der Weg zum Ziel wird während der Ausführung gefunden und nicht vorher festgeschrieben. Genau das macht Agentic AI mächtig, wenn die Aufgabe offen ist, und zugleich anspruchsvoll, wenn Nachvollziehbarkeit und Wiederholbarkeit im Vordergrund stehen.

Klassische Prozessautomatisierung funktioniert grundlegend anders. Hier wird ein Ablauf einmal modelliert und dann exakt so ausgeführt: eine feste Folge von Schritten, orchestriert durch eine Workflow-Engine. Was passiert, wenn ein Schritt fehlschlägt, welche Bedingung zu welcher Verzweigung führt und in welcher Reihenfolge alles geschieht, ist im Voraus definiert.

Dieser deterministische Charakter ist kein Nachteil, sondern der eigentliche Wert. Ein fester Ablauf ist vorhersehbar, er lässt sich testen, versionieren und lückenlos protokollieren. Bei gleicher Eingabe liefert er das gleiche Ergebnis. Für Prozesse, bei denen Verlässlichkeit und Prüfbarkeit zählen, ist das die Basis für Vertrauen und für die Einhaltung regulatorischer Anforderungen.

Der Kern des Unterschieds lässt sich auf ein Wort verdichten: Determinismus. Prozessautomatisierung ist deterministisch, Agentic AI ist es nicht. Ein Agent wählt seinen Weg zur Laufzeit selbst, was ihn flexibel, aber schwerer vorhersehbar macht. Entlang mehrerer Dimensionen wird der Kontrast konkret:

• Determinismus: Der Prozess folgt einem festen Skript, der Agent entscheidet situativ und kann bei gleicher Eingabe unterschiedliche Wege wählen.
• Vorhersehbarkeit: Der Prozess liefert reproduzierbare Ergebnisse, der Agent liefert plausible, aber nicht garantiert identische Resultate.
• Kontrolle und Auditierbarkeit: Der Prozess ist Schritt für Schritt nachvollziehbar, der Agent verlangt zusätzliche Beobachtung, um sein Vorgehen transparent zu machen.
• Flexibilität: Der Prozess ist stark bei klar umrissenen Aufgaben, der Agent ist stark bei offenen, unstrukturierten Fragestellungen.
• Fehlerbild: Der Prozess bricht sichtbar an definierten Stellen ab, der Agent kann subtil vom Ziel abweichen oder unerwartete Werkzeuge aufrufen.
• Passende Einsatzfälle: Der Prozess passt zu Routine und Compliance, der Agent passt zu Rechercheaufgaben, Assistenz und dynamischer Werkzeugnutzung.

Wichtig ist die Einsicht, dass keiner der beiden Ansätze grundsätzlich überlegen ist. Sie lösen unterschiedliche Klassen von Problemen. Die eigentliche Kompetenz liegt darin, für eine konkrete Aufgabe die richtige Wahl zu treffen und die Grenze zwischen beiden bewusst zu ziehen.

Ein anschauliches Beispiel ist ein interner Assistent oder Chatbot, der über echte Werkzeuge verfügt. Eine Mitarbeiterin stellt eine Frage, die sich nicht mit einer einzelnen Datenbankabfrage beantworten lässt, etwa: Welche offenen Punkte gibt es zu Kunde X und was sollten wir als Nächstes tun?

Ein starrer Prozess müsste jede denkbare Frage vorab kennen. Ein Agent hingegen entscheidet selbst, welche Werkzeuge er kombiniert. Er durchsucht die Wissensdatenbank, fragt das CRM ab, prüft den Ticketstand und entwirft daraus einen Entwurf für eine Antwort oder ein Dokument. Reicht sein Kontext nicht aus, übergibt er eine Teilaufgabe an einen spezialisierten Subagenten, der zum Beispiel nur für die Vertragsprüfung zuständig ist.

Genau dieses offene, werkzeugnutzende Verhalten kann ein fest verdrahteter Ablauf nicht gut abbilden. Sobald die Bandbreite möglicher Anfragen gross und die nötige Kombination von Quellen unvorhersehbar ist, spielt Agentic AI ihren Vorteil aus: Sie improvisiert einen sinnvollen Lösungsweg, statt an einer nicht vorgesehenen Situation zu scheitern.

Umgekehrt gibt es Abläufe, bei denen Autonomie ein Risiko und kein Vorteil ist. Wiederkehrende, mengenstarke, compliancerelevante oder geschäftskritische Prozesse verlangen, dass jeder Schritt vorhersehbar bleibt. Rechnungsstellung, Datenpipelines und Freigabeprozesse sind typische Beispiele: Hier zählt, dass tausend Durchläufe exakt gleich ablaufen und jederzeit prüfbar sind.

Für diesen verlässlichen Unterbau setzen wir bei ORO Solutions auf eine Workflow-Engine, konkret auf Temporal. Sie führt langlaufende Prozesse robust aus, wiederholt fehlgeschlagene Schritte kontrolliert und macht jeden Zustand nachvollziehbar. Das ergibt ein deterministisches Rückgrat, auf das sich ein Unternehmen verlassen kann, auch wenn einzelne Systeme zeitweise ausfallen.

Die spannendste Architektur entsteht nicht durch ein Entweder-oder, sondern durch eine bewusste Kombination. Ein deterministischer Workflow bildet das verlässliche Rückgrat, und dort, wo offenes Schlussfolgern und flexible Werkzeugnutzung echten Mehrwert schaffen, wird gezielt ein Agent eingebettet. So bleibt die Gesamtlösung steuerbar, ohne auf die Stärken autonomer KI zu verzichten.

Damit ein Agent innerhalb eines solchen Systems sicher arbeitet, braucht es Leitplanken. In der Praxis haben sich drei bewährt:

• Human-in-the-loop: Ein Mensch bestätigt kritische Aktionen, bevor sie ausgeführt werden.
• Begrenzter Werkzeugumfang: Der Agent erhält nur Zugriff auf die Werkzeuge und Daten, die seine Aufgabe wirklich erfordert.
• Beobachtbarkeit: Jeder Schritt, jeder Werkzeugaufruf und jede Entscheidung wird protokolliert und ist im Nachhinein prüfbar.

So verbindet sich die Verlässlichkeit des deterministischen Prozesses mit der Anpassungsfähigkeit von Agentic AI. Genau an dieser Schnittstelle entstehen Lösungen, die im Alltag tragen und nicht nur in der Demo überzeugen.

Sie möchten wissen, welche Teile Ihrer Prozesse sich für einen deterministischen Workflow eignen und wo ein KI-Agent echten Nutzen stiftet? Sprechen Sie mit unserem CTO. Wir analysieren Ihren Anwendungsfall und entwerfen eine Architektur, die Autonomie dort zulässt, wo sie hilft, und Kontrolle dort sichert, wo sie zählt.