Noch vor wenigen Jahren war Künstliche Intelligenz für die meisten Menschen kaum zugänglich. KI-Systeme waren komplex, technisch und nur mit Spezialwissen nutzbar.

Das hat sich grundlegend geändert. Moderne KI-Systeme können heute über einen einfachen Eingabeschlitz bedient werden: ein Texteingabefeld – ähnlich wie ein Chat. Man tippt eine Aufgabe ein, und die KI antwortet.

Diese einfache Bedienung ist einer der Hauptgründe für die rasante Verbreitung von KI. Ein bekanntes Beispiel ist ChatGPT: Heute nutzen 700 bis 800 Millionen Menschen weltweit jede Woche – nicht nur IT-Experten, sondern ganz normale Anwenderinnen und Anwender aus Alltag und Beruf.

Der entscheidende Unterschied zu früher: KI ist heute über Sprache nutzbar – nicht über Programmierung. Damit wird Sprache zur Benutzeroberfläche. Und genau deshalb ist es so wichtig, zu verstehen, wie man diese Eingabe richtig nutzt.

Dieses Kapitel erklärt, wie man KI sinnvoll bedient, welche Denkweise hilfreich ist und wie typische Fehler vermieden werden können.

Der Prompt ist die zentrale Schnittstelle zwischen Mensch und Künstlicher Intelligenz. Er ist die Anweisung, mit der festgelegt wird, was die KI tun soll, in welchem Kontext und mit welchem Ziel.

Man kann sagen: Der Prompt ist das Briefing für die KI.

KI arbeitet nicht selbstständig. Sie reagiert ausschließlich auf das, was ihr vorgegeben wird. Deshalb entscheidet die Qualität des Prompts maßgeblich über die Qualität des Ergebnisses.

Die richtige Grundhaltung beim Prompting
Ein guter Prompt beginnt nicht mit Tippen, sondern mit Denken.
KI ist:
• kein Mensch
• kein klassisches IT-Tool

Sie ist eine Assistenz, die Vorschläge macht und Vorarbeit leistet.
Ergebnisse sind Entwürfe – keine fertigen Entscheidungen.

Was einen guten Prompt ausmacht
Ein guter Prompt enthält in der Regel fünf Elemente:
1. Ziel
Was soll am Ende entstehen?
2. Kontext
Worum geht es? Für wen ist das Ergebnis gedacht?
3. Rolle
Aus welcher Perspektive soll die KI arbeiten?
(z. B. Experte, Erklärer, Marketing-Sicht)
4. Rahmen
Ton, Länge, Stil, Format
5. Erwartung
Entwurf, Vorschlag oder finale Version?

Je klarer diese Punkte formuliert sind, desto besser kann die KI arbeiten.

Wie weit muss man beim Prompt denken?
Ein guter Prompt denkt ein bis zwei Schritte voraus.
Nicht nur: „Erstelle einen Text.“
Sondern:
• Wofür wird der Text genutzt?
• Welche Zielgruppe liest ihn?
• Welche Fragen könnten entstehen?
• Was darf auf keinen Fall passieren?

Ein guter Prompt entspricht der Erklärung, die man auch einem neuen Mitarbeitenden geben würde.

Prompting ist ein Dialog, kein Einmal-Befehl
Selten ist das erste Ergebnis perfekt.
Gute Nutzung bedeutet:
• nachschärfen
• Rückfragen stellen
• Varianten erzeugen
• Inhalte präzisieren

KI reagiert sehr sensibel auf kleine Änderungen im Prompt.

Denken in Prozessen statt in Einzelprompts
KI ist besonders stark bei wiederkehrenden Aufgaben.
Ein sinnvoller Prompt fragt nicht nur:
„Was soll die KI jetzt tun?“
Sondern auch:
• Wo passt diese Aufgabe in einen Prozess?
• Was kommt danach?
• Wo entscheidet der Mensch?

KI übernimmt Vorbereitung – der Mensch bleibt verantwortlich.

Typische Fehler beim Prompting
• zu vage Anweisungen
• fehlender Kontext
• falsche Erwartungen
• ungeprüfte Ergebnisse
• sensible Daten eingeben

Ein schlechter Prompt führt fast immer zu schlechten Ergebnissen – nicht die KI.

Qualitätskontrolle gehört zum Prompt dazu
Ein guter Prompt endet nicht mit der Ausgabe.
Er beinhaltet immer auch:
• Prüfung der Inhalte
• Plausibilitätscheck
• Anpassung an Zielgruppe und Kontext

Merksatz
KI beschleunigt Arbeit – sie ersetzt keine Prüfung.

Merksätze zum Prompt
• Der Prompt ist das wichtigste Werkzeug im Umgang mit KI.
• Je klarer der Mensch denkt, desto besser arbeitet die KI.
• Prompting ist Kommunikation, keine Technik.

KI-Agenten sind eine weiterentwickelte Form der Nutzung von Künstlicher Intelligenz. Während klassische KI auf einzelne Anfragen reagiert, können KI-Agenten einen Auftrag selbstständig in mehrere Schritte zerlegen und abarbeiten.

Einfach gesagt:
Ein KI-Agent bekommt ein Ziel – und erledigt die notwendigen Schritte eigenständig, innerhalb klar definierter Regeln.

Was KI-Agenten von klassischer KI unterscheidet
Klassische KI:
• reagiert auf einzelne Prompts
• liefert eine Antwort
• wartet auf die nächste Anweisung

KI-Agenten:
• erhalten ein Ziel oder einen Auftrag
• planen Zwischenschritte
• führen diese nacheinander aus
• nutzen dafür ggf. weitere Werkzeuge oder Daten

Der Mensch gibt Ziel, Rahmen und Grenzen vor – der Agent übernimmt die operative Ausführung. 

Welche KI-Agenten und Agenten-Systeme gibt es heute?
Heute gibt es keine „eine“ Agenten-KI, sondern unterschiedliche Systeme und Ansätze. Man kann sie grob in vier Kategorien einteilen.

1) Agenten auf Basis von ChatGPT / OpenAI
Diese Agenten nutzen große Sprachmodelle als „Gehirn“ und können mit Werkzeugen kombiniert werden.
Beispiele:
• ChatGPT mit Tools / Advanced Features (Recherche, Analyse, Dateiverarbeitung, Code, Automatisierung)
• Custom GPTs: spezialisierte Agenten für klar definierte Aufgaben
• Auto-GPT: einer der ersten experimentellen KI-Agenten, der Ziele selbstständig abarbeitet
• BabyAGI: Forschungsnaher Agentenansatz zur Aufgabenzerlegung

Typisch:
• stark bei Text, Recherche, Planung
• flexibel, aber kontrollbedürftig

2) Agenten in Unternehmenssoftware
Hier sind KI-Agenten direkt in bestehende Anwendungen eingebettet.
Beispiele:
• Microsoft Copilot (M365) – Agenten für Meetings, E-Mails, Dokumente
• Salesforce Einstein Copilot – Agenten für CRM-Aufgaben
• SAP Joule – Agenten zur Unterstützung von Geschäftsprozessen

Typisch:
• klarer Einsatzkontext
• weniger flexibel
• dafür besser integrierbar und sicherer

3) Automatisierungs- und Workflow-Agenten
Diese Agenten verbinden KI mit festen Prozessen und Workflows.
Beispiele:
• n8n (mit KI-Modulen)
• Zapier Agents
• Make.com (mit KI-Steuerung)

Typisch:
• Auslösen von Aufgaben
• Weitergabe von Ergebnissen
• Kombination aus Regeln und KI 

Sehr geeignet für:
• wiederkehrende Routinen
• klar definierte Abläufe

4) Spezialisierte Agenten-Plattformen
Diese Systeme sind gezielt für Agentenlogik entwickelt.
Beispiele:
• LangChain Agents
• CrewAI
• Semantic Kernel (Microsoft)

Typisch:
• mehrere Agenten arbeiten zusammen
• klare Rollenverteilung
• eher für fortgeschrittene Nutzer

Was all diese Agenten gemeinsam haben
Unabhängig vom Namen gilt:
• Agenten handeln nicht eigenverantwortlich
• sie verfolgen vorgegebene Ziele
• sie arbeiten innerhalb definierter Regeln

Und vor allem:
Je selbstständiger der Agent, desto wichtiger sind Kontrolle, Transparenz und menschliche Verantwortung.

Wofür KI-Agenten heute sinnvoll sind
KI-Agenten eignen sich besonders für:
• Recherche & Vorarbeit
• Auswertung großer Informationsmengen
• Vorbereitung von Texten, Berichten oder Übersichten
• wiederkehrende, klar strukturierte Aufgaben

Nicht geeignet sind sie für:
• strategische Entscheidungen
• rechtliche Bewertungen
• ethisch sensible Fragen
• unbeaufsichtigte Automatisierung

Merksatz
KI-Agenten können Aufgaben ausführen – aber Ziel, Kontrolle und Verantwortung bleiben immer menschlich.