2026 wandelte sich das KI-Modewort von „Chatbot“ zu Agent. Statt eine Frage zu beantworten, nimmt ein KI-Agent ein Ziel entgegen und arbeitet Schritt für Schritt daran, minuten-, stunden- oder sogar tagelang. Dieser Beitrag erklärt mit Ideen aus Ihrem Informatikkurs, wie Agenten funktionieren, und betrachtet dann zwei echte Beispiele von 2026 – einschließlich dessen, was schiefging.
Chatbot vs. Agent
GCSE-Kernstoff
| Merkmal | Chatbot | Agent |
|---|---|---|
| Eingabe | Eine Nachricht | Ein Ziel |
| Schritte | Eine Antwort | Viele, unterwegs gewählt |
| Werkzeuge | Meist keine | Suchen, Code ausführen, Dateien lesen und bearbeiten, andere Programme aufrufen |
| Wer entscheidet den nächsten Schritt? | Der Nutzer | Das Modell, anhand der bisherigen Ergebnisse |
Die Agentenschleife
Im Kern führen die meisten Agenten eine einfache Schleife aus, die man als Pseudocode schreiben könnte:
ziel ← Aufgabe vom Nutzer
WHILE ziel nicht erreicht AND schritte < grenze
plan ← Modell wählt die nächste Aktion
ergebnis ← gewähltes Werkzeug ausführen (Suche, Code, Bearbeiten)
ergebnis zum Gedächtnis hinzufügen
IF Modell hält ziel für erreicht THEN stopp
ENDWHILE
dem Nutzer berichtenDie Agentenschleife: planen, mit einem Werkzeug handeln, das Ergebnis beobachten, den Fortschritt prüfen und wiederholen, bis das Ziel erreicht oder eine Schrittgrenze erreicht ist. Schema.
Beachten Sie zwei Konzepte aus der A-Level-Informatik: eine iterative Schleife mit Abbruchbedingung (einschließlich einer Schrittgrenze, damit sie nicht endlos läuft) und Zustand (das wachsende Gedächtnis dessen, was bisher passiert ist). Der große Unterschied zu einem normalen Programm: Der „Planen“-Schritt wird nicht von einem Programmierer geschrieben, sondern zur Laufzeit von einem Sprachmodell gewählt.
Kurzcheck
Warum enthält die Bedingung der Agentenschleife „schritte < grenze“?
Viele Agenten gleichzeitig
A-Level-Vertiefung
Große Aufgaben lassen sich auf viele parallel arbeitende Agenten verteilen, wie auf ein Team. Zwei Beispiele von 2026:
- Biologische Suche: Etwa 949 Claude-Agentensitzungen liefen 21,5 Stunden über öffentliche DNA-Datenbanken, sammelten rund 200.000 Enzym-Genbündel, bewerteten 3.564 Kandidatenfamilien und fanden ein mögliches neues Enzymsystem, das menschliche Forschende anschließend im Labor untersuchten[1]. Siehe unseren Beitrag zur Entdeckung des ART-Enzyms.
- Mathematik: Dutzende Claude-Agenten schrieben in 11 Tagen einen 13 Millionen Zeilen langen Lean-Beweis von Fermats letztem Satz, definierten Begriffe und bewiesen Zwischenergebnisse, auf denen andere aufbauten[2]. Siehe KI formalisiert Fermats letzten Satz.
Das ist Zerlegung (Dekomposition), eine Kernidee des informatischen Denkens: ein Problem in Teile zerlegen, die sich getrennt lösen lassen, und dann die Ergebnisse zusammensetzen.
Der Unterschied, den Lernende oft übersehen
Leistungsfähig ist nicht dasselbe wie zuverlässig.
Risiken, über die man nachdenken sollte
- Unvorhersehbarkeit: Derselbe Agent kann bei verschiedenen Läufen verschiedene Wege gehen.
- Berechtigungen: Ein Agent, der Dateien bearbeiten oder Nachrichten senden kann, kann damit auch Fehler machen; vernünftige Systeme begrenzen daher die erlaubten Werkzeuge und fragen vor riskanten Aktionen einen Menschen.
- Kosten und Energie: Lange Agentenläufe verbrauchen viel Rechenleistung (das Fermat-Projekt nutzte etwa sechs Milliarden Ausgabe-Tokens[2]).
- Verantwortung: Ein Mensch muss weiterhin für das verantwortlich sein, was ein Agent tut.
Prüfungsähnliche Frage
Ein KI-Agent soll eine große Datenbank nach Mustern durchsuchen. Beschreiben Sie zwei Wege, die Ergebnisse zu prüfen, bevor man ihnen vertraut. [4 Punkte]
Musterantwort und Punkteverteilung anzeigen
- die Suche mehrmals (oder mit anderen Einstellungen) wiederholen und sehen, ob dasselbe Ergebnis herauskommt: prüft die Reproduzierbarkeit (1 Punkt)
- ist es nicht reproduzierbar, das Ergebnis mit Vorsicht behandeln / untersuchen, warum (1 Punkt)
- das Ergebnis unabhängig prüfen, z. B. mit einer anderen Methode, einem Experiment oder einem formalen Prüfer wie einem Beweisassistenten (1 Punkt)
- das Ergebnis von menschlichen Fachleuten begutachten lassen (Peer-Review), bevor es genutzt oder veröffentlicht wird (1 Punkt)
Worauf der Prüfer achtet: zwei verschiedene Prüfmethoden, jeweils mit dem, was sie zeigen.
Häufiger Fehler: „die KI fragen, ob sie sicher ist“. Eine Selbsteinschätzung desselben Systems ist keine unabhängige Prüfung.
Algorithmen, Iteration und Zerlegung sind zentral für die GCSE- und A-Level-Informatik, und Agenten liefern ein modernes, einprägsames Beispiel. Wie die Modelle in Agenten lernen, lesen Sie in Backpropagation erklärt; für schrittweises Denken siehe Algorithmus-Grundlagen.
Quellen und weiterführende Literatur
- The Next Web: Anthropic says Claude found a new enzyme system with CRISPR-like repeats (Sep 2026) — Agentensitzungen, Stunden, Kandidaten, die zehn Wiederholungen
- Anthropic: Formalizing Fermat's Last Theorem (4 Sep 2026) — Dutzende Agenten, 11 Tage, Tokens, Einschränkungen
- The Neuron: AI in Science and Math, September 2026 — monatlicher Überblick über KI-Forschungsagenten
Zuletzt überprüft: 5. Oktober 2026. Die Angaben sind typische veröffentlichte Werte, und Vorschriften können sich ändern. Die Formulierung in Prüfungen variiert je nach Lehrplan — bitte den eigenen prüfen.
Häufig gestellte Fragen
Was ist ein KI-Agent?
Ein KI-System, das selbstständig über viele Schritte auf ein Ziel hinarbeitet: Es plant, nutzt Werkzeuge wie Websuche, Codeausführung oder Dateibearbeitung, betrachtet die Ergebnisse und entscheidet, was als Nächstes zu tun ist – bis die Aufgabe erledigt ist oder es nicht weiterkommt. Ein Chatbot beantwortet eine Nachricht nach der anderen; ein Agent macht weiter.
Was können KI-Agenten 2026 tatsächlich?
Echte Beispiele vom September 2026: Etwa 950 Claude-Agentensitzungen durchsuchten 21,5 Stunden lang DNA-Datenbanken und fanden ein mögliches neues Enzymsystem in Viren, und Dutzende Claude-Agenten schrieben in 11 Tagen einen 13 Millionen Zeilen langen, computergeprüften Beweis von Fermats letztem Satz. In beiden Fällen setzten Menschen das Ziel und prüften die Ergebnisse.
Sind KI-Agenten zuverlässig?
Nicht ganz. Bei der Enzymsuche wurde dieselbe Kampagne zehnmal wiederholt, und keine Wiederholung fand das Ergebnis erneut. Beim Fermat-Beweis hinterließen gescheiterte Versuche etwa 7 % des Nicht-Boilerplate-Codes. Agenten können leistungsfähig sein, aber ihre Ergebnisse brauchen eine unabhängige Prüfung.
Worin unterscheidet sich ein Agent von einem normalen Programm?
Ein normales Programm folgt Schritten, die ein Programmierer vorab geschrieben hat. Den nächsten Schritt eines Agenten wählt zur Laufzeit ein Sprachmodell, je nachdem, was es bisher gesehen hat. Das macht Agenten flexibel, aber weniger vorhersagbar – deshalb sind Tests, Grenzen für erlaubte Werkzeuge und menschliche Kontrolle wichtig.
Bewertungen und Rezensionen von Lesern
Bewerten Sie diesen Artikel in mehreren Kategorien — Ihre Rückmeldung hilft anderen Lesern und uns bei der Verbesserung.
War dieser Artikel hilfreich für Sie?
Sagen Sie uns, was Sie denken — eine Korrektur, eine unbeantwortete Frage, oder ein Thema, das Sie als Nächstes behandelt sehen möchten.
Lieber persönlich sprechen? Buchen Sie ein kostenloses Videogespräch zu einer passenden Zeit: 15 Minuten für eine kurze Frage, 30 für alles andere. Die Zeiten erscheinen in Ihrer Zeitzone.
Über den Autor
Sudershan Soni
Gründer und leitender Tutor bei Mostak Services — Tutor für Mathematik, Naturwissenschaften, Informatik und MINT mit Master-Abschluss und über 20 Jahren Berufserfahrung, unterrichtet Schüler von der 11+-Prüfung und GCSE bis zum A-Level und darüber hinaus, online weltweit.
Vollständiges Profil lesen