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.
AI Agent in deinem Projekt?
Wenn du AI Agent in einem konkreten Workflow brauchst — wir haben das wahrscheinlich schon gebaut.