Eigentlich sind sie ziemlich nervig: Chatbots werden überwiegend im Helpdesk und bei Kund:innenkontakt eingesetzt und sollen einerseits schnelle Hilfe bei einfachen Fragen liefern, aber auch menschliche Ressourcen einsparen. In der Realität klappte das über viele Jahre nur mittelmäßig gut. Zwar hat sich seit dem ersten Chatbot Eliza, der 1966 entwickelt wurde, viel getan: Größere Datenbanken, mehr Rechenpower und nicht zuletzt KI haben die Technologie verbessert und zugänglicher gemacht. Doch auch KI-Chatbots machen noch immer Fehler und tun nicht unbedingt das, was sie sollen.

Das soll sich mit einer neuen Generation der praktischen Helfer nun ändern: Die Rede ist von KI-Agenten. Dabei handelt es sich um Softwareentitäten, die autonom handeln, um bestimmte Ziele zu erreichen. Sie nehmen Informationen aus ihrer Umgebung wahr, treffen Entscheidungen und ergreifen entsprechende Maßnahmen. Außerdem interagieren sie sowohl mit ihrer Umgebung als auch mit anderen KI-Agenten.

Ihr großer Vorteil gegenüber einfachen Chatbots liegt in ihrer Eigenständigkeit – sie müssen nicht irgendwann an einen Menschen abgeben, sondern lösen Probleme autonom. Das spart im besten Fall Ressourcen und Zeit.

Man unterscheidet grundlegend zwischen fünf Klassen von KI-Agenten. Sie unterscheiden sich darin, wie „intelligent“ die Agenten wahrgenommen werden und wie es um ihre Fähigkeiten steht.

Einfache Reflexagenten funktionieren nach einem Wenn-dann-Prinzip und orientieren sich an festen Regeln und Mustern. Sie nehmen ihre Umgebung nur im Hier und Jetzt wahr und können sich nicht „erinnern“.

Ein Beispiel ist etwa ein Thermostat, das die Heizung anschaltet, sobald die Raumtemperatur unter einen bestimmten Wert fällt.

Modellbasierte Reflexagenten sammeln die Informationen, die sie über ihre Sensoren erhalten, und können Entwicklungen und Verläufe berücksichtigen. Sie verfügen also über eine Art „Gedächtnis“.

Künstliche Intelligenzen, die Schach spielen können, sind ein Beispiel für modellbasierte Reflexagenten.

Noch einen Schritt weiter gehen zielbasierte Agenten. Sie arbeiten auf ein Ziel, eine wünschenswerte Situation, hin. Dafür simulieren sie verschiedene Optionen und wählen die beste aus.

Ein Beispiel ist hier eine Anlageberater-KI, die verschiedene Investitionsmöglichkeiten anhand der potenziellen Gewinne und Risiken bewertet.

Anstelle eines Ziels haben diese Agenten den größtmöglichen Nutzen im Fokus. Sie führen Kosten-Nutzen-Analysen durch und vergleichen dann die Ergebnisse.

Nutzenbasierte Agenten kommen beispielsweise in selbstfahrenden Autos zum Einsatz. Sie sorgen etwa dafür, dass das Fahrzeug seine Insass:innen auf der schnellsten Route sicher und unter Einhaltung der Verkehrsregeln ans Ziel bringt.

Lernende Agenten können auch in bisher unbekannten Umgebungen eingesetzt werden – durch maschinelle Lerntechniken verbessern sie ihre Leistung. Ihr Verhalten passen sie aufgrund des Gelernten und ihrer Erfahrungen an.

Spam-Filter, die nach Nutzer:innen-Feedback lernen, welche E-Mails sie aussortieren sollen, sind ein Beispiel für lernende Agenten.

Weil KI-Agenten eigenständig Entscheidungen treffen, muss sichergestellt werden, dass sie das nur innerhalb dessen tun, was wir ethisch und moralisch für richtig halten.

Je nach Typ benötigen KI-Agenten außerdem große Mengen an Daten, um ihre Entscheidungen treffen zu können. Hier spielt einerseits der Datenschutz eine wichtige Rolle. Gleichzeitig müssen die Programme aber auch so gut abgesichert sein, dass niemand unbefugt auf sie zugreifen kann.

Zudem müssen KI-Agenten im Umgang mit Menschen in der Lage sein, deren Bedürfnisse und Absichten richtig zu lesen und einzuordnen.

Bereits jetzt vollbringen KI-Agenten Beeindruckendes – und erledigen Dinge, die viel mit unserem Alltag zu tun haben. Da wäre beispielsweise Sima, der das Gaming grundlegend verändern könnte, oder ein KI-Programmierer namens Devin.

Gleichzeitig funktioniert maschinelles Lernen immer besser, KI-Agenten werden im selben Maß besser darin, aus Erfahrungen zu lernen und Handlungsschlüsse daraus zu ziehen. Das wird sich auch auf die Zusammenarbeit von Mensch und Maschine auswirken.