AAllgemein

Agentic Workflow (Agenten-Workflow)

Mehrschritt-Prozess, in dem Agenten planen, Tools nutzen und prüfen.

Ein Agentic Workflow (Agenten-Workflow) ist ein mehrschrittiger Arbeitsablauf, in dem ein KI-Agent Aufgaben eigenständig plant, passende Tools aufruft, Zwischenergebnisse überprüft und den Prozess iterativ verbessert, bis ein Ziel erreicht ist. Im Unterschied zu einem einzelnen Prompt ist es ein orchestrierter Ablauf mit klaren Rollen (Planen, Ausführen, Prüfen) und oft mehreren Systemkomponenten.

Was bedeutet „Agentic Workflow“?

„Agentic“ beschreibt, dass ein System nicht nur Text generiert, sondern handlungsfähig ist: Es kann Entscheidungen treffen, Arbeitsschritte ableiten, Informationen beschaffen und Aktionen ausführen. Typischerweise basiert das auf einem Large Language Model (LLM) (z. B. ChatGPT), das als „Controller“ fungiert, und auf Tool-Schnittstellen wie Function Calling / Tool Use.

Wie funktioniert ein Agenten-Workflow? (typische Schritte)

  • 1) Ziel & Kontext verstehen: Der Agent interpretiert die Aufgabe, Randbedingungen (Zeit, Budget, Datenzugriff) und gewünschte Ausgabeformate.
  • 2) Plan erstellen: Er zerlegt das Ziel in Teilaufgaben (z. B. Recherche, Datenabfrage, Entwurf, Validierung). Hier hilft oft Prompt Engineering für robuste Instruktionen.
  • 3) Tools auswählen und nutzen: Der Agent ruft Funktionen/APIs auf (z. B. CRM, E-Mail, Websuche, Datenbank, Code-Ausführung). In Workflows mit Unternehmenswissen kommen häufig RAG (Retrieval-Augmented Generation), Embeddings und eine Vektordatenbank (Vector Database) zum Einsatz.
  • 4) Ergebnisse prüfen (Guardrails): Der Agent bewertet Plausibilität, Vollständigkeit und Richtlinienkonformität, reduziert Halluzinationen (Hallucinations) und fordert bei Bedarf zusätzliche Informationen an.
  • 5) Iteration & Abschluss: Bei Fehlern oder Lücken wird nachgebessert; am Ende wird das Ergebnis strukturiert ausgegeben und ggf. als Aktion ausgeführt (z. B. Ticket erstellen, Bericht versenden).

Beispiele aus Praxis & Automation

  • Support-Automation: Ein Agent liest eine Kundenanfrage, sucht per RAG (Retrieval-Augmented Generation) in der Wissensdatenbank, formuliert eine Antwort, prüft Tonalität/Policy und erstellt ein Ticket mit Lösungsvorschlag.
  • Sales-Research: Der Agent sammelt Firmendaten, bewertet Fit-Kriterien, erstellt eine personalisierte Outreach-Mail und legt Leads im CRM an – mit Tool-Aufrufen über Function Calling / Tool Use.
  • n8n-Orchestrierung: In n8n wird der Ablauf als Pipeline modelliert (Trigger → Agent → Tools → Review → Output), kombiniert mit Automatisierung (Automation) für wiederkehrende Prozesse.

Warum sind Agentic Workflows wichtig?

Agenten-Workflows machen KI von „Antworten geben“ zu „Arbeit erledigen“. Sie erhöhen die Zuverlässigkeit durch Prüf- und Feedbackschleifen, skalieren Routineaufgaben und verbinden Generierung mit echten Systemaktionen. Gleichzeitig steigen Anforderungen an Qualitätssicherung, Logging und Verantwortlichkeiten – hier spielen AI Governance, Datenschutz (DSGVO/GDPR) & KI und ggf. der EU AI Act eine Rolle.

Was beeinflusst Aufwand und Kosten?

Die Kosten hängen u. a. von Modellwahl und Tokenverbrauch (siehe Inference), Anzahl Tool-Calls, Datenzugriff (RAG/Vektordatenbank), Sicherheitsanforderungen sowie Betriebsprozessen (z. B. MLOps) ab. Für Anpassungen können Fine-Tuning oder LoRA relevant sein, wenn Standardmodelle die gewünschte Struktur/Qualität nicht stabil liefern.