KI-Agenten:Neu ist nur das Wort.
Der Begriff hat sich seit 2023 um das Hundertfache ausgebreitet. Die Verfahren dahinter nicht — sie stehen seit 2022 in der Literatur, breit zitiert und gut belegt.
Was ist ein KI-Agent?
Ein normaler Chatbot antwortet. Ein KI-Agent handelt: Er darf Werkzeuge benutzen — eine Datenbank abfragen, eine Mail verschicken, eine Rechnung anlegen — und entscheidet selbst, welches wann. Im Markt heißt das Agentic AI, KI-Agenten oder autonome Assistenten.
Fast jeder Softwareanbieter hat seit 2025 etwas „Agentic“ im Angebot. Dieser Artikel prüft eine einzige Frage: Steht hinter dem Begriff eine neue Technologie — oder ein neuer Name für Bekanntes? Wir haben 602.340 wissenschaftliche Arbeiten daraufhin abgefragt, wann das Wort auftauchte und wann die Verfahren, die es beschreibt.
So lesen Sie diesen Text · vier Belegarten
Das Wort wächst schneller als die Sache.
Die fünf meistzitierten Arbeiten, die das Wort „agentic“ verwenden, sind keine Agenten-Forschung. Es sind Modell-Ankündigungen — technische Berichte zu Produktveröffentlichungen, die den Begriff mitführen.
Das ist der Befund, der uns beim Auswerten überrascht hat. Wir hatten erwartet, an der Spitze der Zitationsliste Agenten-Architekturen zu finden. Dort stehen stattdessen Gemini 2.5 mit 2.846 Zitationen ✓, Qwen3-VL mit 1.838 ✓, gpt-oss mit 1.105 ✓ und InternVL3.5 mit 908 ✓ und Kimi K2 mit 850 ✓. Alle fünf sind Veröffentlichungsberichte zu Sprachmodellen.
Die eigentliche Agenten-Forschung liegt mehrfach darunter — beim Spitzenreiter um Faktor vier: AgentBench 706 ✓, ChatDev 498 ✓, der große Übersichtsartikel 673 ✓.
ohne Vergleich zu anderen Begriffen
arXiv:2210.03629 · 2.196 Zit.
Erst die Technik. Dann, viel später, das Wort.
Balkenbreite = 1 px je 4 Papiere. 2026-H2 ist unvollständig (Datenstand
23.07.2026) und deshalb nicht abgebildet. Begriffssuche in Titel und Abstract,
Tokengrenzen — keine Teilwort-Treffer. Die drei Mengen überschneiden sich.
Abfrage: 26.07.2026.
Daten als JSON ·
als CSV — nachrechnen erwünscht.
Der Verlauf zeigt drei Fäden, die zu unterschiedlichen Zeiten beginnen. Werkzeugnutzung ist der älteste ✓ — 2016 in der Literatur, dann ein Jahrzehnt stetiges Wachstum. LLM-Agenten als eigenes Feld starten Anfang 2023 ✓.
Und das Wort? Vereinzelte Treffer gibt es schon ab 2016 — das starke Wachstum setzt aber 2023 ein, bei vier Arbeiten pro Halbjahr. Im ersten Halbjahr 2026 sind es 3.131. Damit erscheint der Begriff häufiger als die beiden von uns untersuchten Technikbegriffe zusammen ✓ — auch wenn sich die Mengen überschneiden und einzelne Arbeiten mehrfach zählen.
Ob „agentic“ der am schnellsten wachsende Begriff der KI-Forschung insgesamt ist, sagen unsere Daten nicht ○ — dafür hätten wir gegen alle Begriffe prüfen müssen, nicht gegen zwei.
Drei Bausteine und ein Prüfrahmen — alle vor 2024 publiziert.
Wenn ein Anbieter „agentic“ sagt, meint er in der Regel eine Kombination aus drei Architekturmustern. Dazu kommt ein Prüfrahmen — der ist kein Bestandteil des Agenten, aber ohne ihn wissen Sie nicht, ob er funktioniert. Alle vier sind älter als die heutige Verbreitung des Begriffs.
Muster 1 · Denken und Handeln verschränken
ReAct beschreibt im Oktober 2022 das Grundmuster ✓: Das Modell überlegt, führt eine Aktion aus, liest das Ergebnis, überlegt weiter. Mit 2.196 Zitationen ist es die meistzitierte echte Agenten-Arbeit in unserer Auswertung — drei Jahre vor dem Hype.
Muster 2 · Werkzeuge anbinden
ToolLLM zeigt im Juli 2023, wie ein Modell mit über 16.000 Schnittstellen umgeht ✓. Als Suchbegriff reicht „tool use“ in unserem Bestand bis 2016 zurück ✓ — ob jene frühen Arbeiten inhaltlich dem heutigen Verständnis von Werkzeugnutzung entsprechen, haben wir nicht geprüft: — Der belastbare Anker für das heutige Muster ist ToolLLM von 2023.
Muster 3 · Mehrere Agenten zusammenarbeiten lassen
ChatDev lässt im Juli 2023 mehrere Agenten gemeinsam Software bauen ✓ — jeder mit einer Rolle. Das Muster, das heute als „Multi-Agent-Orchestrierung“ verkauft wird, ist damit drei Jahre alt.
Prüfrahmen · Messen, ob es funktioniert
AgentBench liefert im August 2023 den ersten breiten Prüfstand ✓, τ-bench folgt 2024 mit realistischeren Aufgaben ✓. Dass Agenten messbar sind, ist also seit drei Jahren geklärt — die Ergebnisse sind es, die selten mitgeliefert werden.
„Agentic“ ist kein Produktmerkmal, sondern ein Sammelbegriff. Fragen Sie einen Anbieter, welches der vier Verfahren er konkret einsetzt — und lassen Sie sich die Messwerte für Ihren Anwendungsfall zeigen. Eine Antwort, die nur den Oberbegriff wiederholt, ist kein gutes Zeichen.
Die gute Nachricht daraus: Weil die Grundmuster nicht neu sind, gibt es Literatur, Prüfstände und Erfahrungswerte. Sie kaufen keine unerprobte Grundidee — der produktive Einsatz in Ihren Systemen kann trotzdem ein Experiment sein. Rechteverwaltung, Fehlhandlungen, Integrationen und Eskalationswege sind pro Betrieb neu, egal wie alt das Muster ist.
- Angewandte Regel
- Ein Begriff, dessen meistzitierte Vorkommen Produktankündigungen sind und nicht Fachbeiträge, wird im Markt vor allem als Etikett getragen — unabhängig davon, wie gut die darunterliegende Technik ist.
- Belegt durch
- Zitationsranking der 5.538 „agentic“-Treffer · arXiv:2210.03629 · 2307.16789 · 2307.07924 · 2308.03688
Was sich sehr wohl geändert hat.
Eine These, die nur in eine Richtung argumentiert, ist keine Prüfung. Deshalb hier der Einwand gegen unsere eigene Überschrift — er hat Substanz.
Dass die Grundmuster alt sind, heißt nicht, dass sich zwischen 2022 und 2026 nichts getan hätte. Verändert haben sich unter anderem: die Zuverlässigkeit beim Aufruf von Werkzeugen, die Länge des verarbeitbaren Kontexts, die Kosten pro Anfrage, die Verfügbarkeit standardisierter Schnittstellen und die Qualität der Modelle selbst.
Bekannte Bausteine können durch bessere Leistungswerte erstmals praktisch nutzbar werden ○. Ein Muster, das 2022 in einem Forschungsaufbau funktionierte und 2026 in einem Betriebsprozess funktioniert, hat einen realen Sprung hinter sich — auch wenn die Grundidee dieselbe blieb.
Die präzise Fassung unserer Überschrift lautet deshalb: Neu sind nicht die Grundmuster. Neu sind ihre Leistungsfähigkeit, ihre Verfügbarkeit und ihre Vermarktung. Für eine Kaufentscheidung ändert das die Frage — von „ist das ausgereift?“ zu „ist das für meinen Prozess ausgereift?“.
Was wir dazu nicht gemessen haben
- Wie stark hat sich die Zuverlässigkeit von Werkzeugaufrufen seit 2022 verbessert?
- — Wir haben Begriffshäufigkeiten ausgewertet, keine Benchmark-Ergebnisse über die Zeit.
Viele messen. Wenige liefern den Code mit.
Dieselbe Prüfung wie im Reality-Check zu KI-Loops, angewandt auf die Agenten-Literatur. Wichtig ist die genaue Frage: Wie viele Arbeiten sind in unserem Datensatz als empirisch klassifiziert — und bei wie vielen ist dort ein Code-Verweis hinterlegt?
4.801 als empirisch klassifiziert
3.058 als empirisch klassifiziert
1.567 als empirisch klassifiziert
Warum hier eine Spanne steht und keine Zahl
Die naheliegende Aussage wäre: „Vier von fünf Arbeiten messen, ohne Code zu liefern.“ Sie lässt sich aus diesen Zahlen nicht ableiten. Wir kennen zwei Randwerte — wie viele empirisch sind und wie viele Code haben — aber nicht ihre Schnittmenge. Möglich wäre, dass alle 982 Code-Arbeiten empirisch sind. Möglich wäre auch das Gegenteil.
Was sich exakt bestimmen lässt, sind die Grenzen. Bei 5.538 Treffern, davon 4.801 empirisch und 982 mit Code, liegt die Zahl der Arbeiten, die empirisch sind und keinen Code führen, zwischen 3.819 und 4.556:
Obergrenze 4.801 − max(0; 4.801 + 982 − 5.538) = 4.801 − 245 = 4.556
Untergrenze 4.801 − min(4.801; 982) = 4.801 − 982 = 3.819
Zwischen 69 und 82 Prozent der „agentic“-Treffer sind als empirisch klassifiziert und führen keinen Code-Verweis ✓. Für LLM-Agenten liegt die Spanne bei 75 bis 80 Prozent, für Werkzeugnutzung bei 70 bis 80. Alle drei landen im selben Band — das ist die belastbare Aussage. Den exakten Wert liefern wir nach, sobald die Kreuzabfrage läuft: —
Und was daraus nicht folgt: Ein fehlender Code-Verweis heißt nicht, dass eine Arbeit ihre Messmethode verschweigt. Datensatz, Prüfstand, Metrik und Versuchsaufbau können im Papier vollständig beschrieben sein. Es heißt auch nicht, dass niemand das Ergebnis nachgebaut hat — andere Gruppen können eine Methode aus der Beschreibung implementiert haben, und Code kann außerhalb der von uns erfassten Felder liegen.
Für eine Kaufentscheidung heißt das: Verlangen Sie einen Testlauf auf Ihren eigenen Daten, nicht eine Benchmark-Zahl aus einer Folie. Öffentliche Prüfstände wie AgentBench und τ-bench existieren seit Jahren — sie passen allerdings nicht auf jeden Anwendungsfall. Ein eigener, auf Ihren Prozess zugeschnittener Test ist oft aussagekräftiger. Entscheidend ist, dass überhaupt gemessen wird und dass Sie das Ergebnis sehen.
- Angewandte Regel
- Ohne hinterlegten Code ist eine unabhängige Reproduktion erheblich aufwendiger — und für einen Entscheider nicht unmittelbar prüfbar. Das sagt nichts darüber aus, ob das Ergebnis stimmt.
- Belegt durch
- Eigene Auswertung, 10.505 Treffer in drei Abfragen · Datenstand 23.07.2026 · Schnittmengen als Schranken, nicht als Punktwerte
Wie diese Zahlen entstanden sind.
Wer Belege verlangt, muss sein eigenes Verfahren offenlegen — auch dort, wo er es selbst nicht vollständig belegen kann.
- Datenbasis
- 602.340 arXiv-Arbeiten aus cs.AI, cs.LG, cs.CL, cs.CV, cs.RO · 01.04.2007 bis 23.07.2026 · 11,6 Mio. Referenzkanten
- Suchverfahren
- Begriffssuche in Titel und Abstract — nicht im Volltext. FTS5 mit Tokengrenzen (unicode61), daher keine Teilwort-Treffer. Suchbegriffe: agentic · llm agent | llm agents | language model agent · tool use | tool-use | function calling | tool calling
- Wichtigste Einschränkung
- Wir zählen Vorkommen des Begriffs, nicht Themen. Eine Arbeit, die „agentic“ nur beiläufig erwähnt, zählt genauso wie eine, die davon handelt. Anteil der Arbeiten, die tatsächlich Agenten behandeln: — Genau das stützt allerdings den Kernbefund: Der Begriff reist mit.
- Überschneidungen
- 5.538 + 3.235 + 1.732 = 10.505 Treffer in drei Abfragen, nicht 10.505 verschiedene Arbeiten. Anteil der Mehrfachtreffer: —
- Zitationen
- Referenzkanten innerhalb dieses Bestands. Zitate aus Arbeiten außerhalb fehlen — die tatsächliche Zitationszahl liegt höher. Kein Google-Scholar-Wert.
- Code-Erkennung und „empirisch“
- Felder llm_has_code und llm_is_empirical, befüllt durch eine LLM-gestützte Auswertung von Abstract und Metadaten. Nicht manuell validiert. Erwartete Fehlerquote: — · Aussagen auf Basis dieser Felder beschreiben den Datensatz, nicht die Publikationsrealität.
- Schnittmengen
- Für die Kombination „empirisch und ohne Code“ liegt keine Kreuzabfrage vor. Angegeben sind deshalb die aus den Randwerten exakt ableitbaren Ober- und Untergrenzen, keine Punktwerte.
- Papier-Rollen
- Die Einstufung als „Modell-Bericht“, „Agenten-Forschung“, „Prüfstand“ oder „Übersicht“ ist unsere Einordnung, keine Angabe der Autoren und kein Metadatenfeld.
Die Wachstumszahl trägt als Größenordnung, nicht als Punktwert ○. Ob 700-fach oder 783-fach — die Aussage bleibt: Der Begriff ist in drei Jahren von einer Randnotiz zur beherrschenden Vokabel dieses Themenfelds geworden, während die Grundmuster dahinter deutlich älter sind. Ein Ranking gegen alle Begriffe der KI-Forschung haben wir nicht erstellt: —
Fünf Fragen an jeden Agenten-Anbieter.
Diese Fragen trennen ein Produkt von einem Etikett. Sie folgen direkt aus den Belegen oben.
- 01 Welches der drei Muster setzen Sie ein — verschränktes Denken-Handeln, Werkzeugnutzung oder Mehr-Agenten-Aufteilung? „Alle“ ist keine Antwort.
- 02 Wie messen Sie, ob es funktioniert — auf einem öffentlichen Prüfstand wie AgentBench oder τ-bench, oder auf einem Test für unseren Prozess? Und mit welcher Erfolgsquote?
- 03 Was passiert, wenn der Agent eine Aktion falsch ausführt — eine Mail an den falschen Kunden, eine Buchung auf das falsche Konto? Wer merkt es, wann?
- 04 Welche Rechte bekommt der Agent in unseren Systemen — lesend, schreibend, löschend? Und wie werden sie entzogen?
- 05 Läuft ein Testbetrieb auf unseren echten Daten, bevor Budget freigegeben wird?
- Angewandte Regel
- Frage 01 und 02 folgen aus den Belegen dieses Artikels. 03 bis 05 sind Betriebserfahrung — sie stehen so nicht in der ausgewerteten Literatur.
Vier Antworten, die wir nicht geben.
Diese Fragen entscheiden über den Erfolg eines Agenten-Projekts. Unsere Daten beantworten sie nicht — deshalb stehen sie offen statt gefüllt.
Leerstellen
- Wie viele der 5.538 Arbeiten handeln tatsächlich von Agenten?
- — Wir zählen Begriffsvorkommen, nicht Themen. Eine Themenklassifikation liegt nicht vor.
- Wie hoch ist die Fehlerquote von KI-Agenten im echten Betrieb?
- — Prüfstände messen Laborbedingungen. Betriebsdaten aus Unternehmen sind nicht öffentlich.
- Was kostet ein Agenten-Projekt im Mittelstand?
- — Keine belastbare Spanne aus unseren Quellen. Hängt an Integrationstiefe und Anzahl der Systeme.
- Ab wann lohnt sich ein Agent gegenüber einer klassischen Automatisierung?
- — Keine Studie in unserem Bestand vergleicht beides nach Aufwand und Nutzen.
Gerade die letzte Frage ist in der Praxis die teuerste ○ — weil ein gut gebautes Skript oft billiger und zuverlässiger ist als ein Agent. Das lässt sich nur am konkreten Prozess entscheiden, nicht aus einem Datensatz.
Ihren Prozess bewerten lassen DoWell UG · Hamburg
Alle Quellen dieses Artikels.
| arXiv-ID | Titel | Datum | Rolle | Zit. |
|---|---|---|---|---|
| 2507.06261 | Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context | 2025-07-07 | Modell-Bericht | 2.846 |
| 2210.03629 | ReAct: Synergizing Reasoning and Acting in Language Models | 2022-10-06 | Agenten-Forschung | 2.196 |
| 2511.21631 | Qwen3-VL Technical Report | 2025-11-26 | Modell-Bericht | 1.838 |
| 2508.10925 | gpt-oss-120b & gpt-oss-20b Model Card | 2025-08-08 | Modell-Bericht | 1.105 |
| 2508.18265 | InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, Efficiency | 2025-08-25 | Modell-Bericht | 908 |
| 2507.20534 | Kimi K2: Open Agentic Intelligence | 2025-07-28 | Modell-Bericht | 850 |
| 2307.16789 | ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs | 2023-07-31 | Agenten-Forschung | 803 |
| 2308.03688 | AgentBench: Evaluating LLMs as Agents | 2023-08-07 | Prüfstand | 706 |
| 2309.07864 | The Rise and Potential of Large Language Model Based Agents: A Survey | 2023-09-14 | Übersicht | 673 |
| 2307.07924 | ChatDev: Communicative Agents for Software Development | 2023-07-16 | Agenten-Forschung | 498 |
| 2406.12045 | τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains | 2024-06-17 | Prüfstand | 493 |
| 2502.12110 | A-MEM: Agentic Memory for LLM Agents | 2025-02-17 | Agenten-Forschung | 460 |
| 2308.11432 | A Survey on Large Language Model based Autonomous Agents | 2023-08-22 | Übersicht | 314 |
| 1604.05393 | An Adaptive Learning Mechanism for Selection of Increasingly More Complex Systems | 2016-04-19 | Ältester Treffer · inhaltlich ungeprüft | — |
| BrunoSan arXiv | Eigene Auswertung über 602.340 Arbeiten · Begriffssuche mit Tokengrenzen · Zitationen aus 11,6 Mio. aufgelösten Referenzkanten | 2026-07-26 | Eigene Erhebung | — |
„Rolle“ ist unsere Einordnung des Papiertyps, keine Angabe der Autoren. Zitationszahlen sind Referenzkanten innerhalb des BrunoSan-Bestands, nicht Google-Scholar-Werte.
Was Leser dazu meistens fragen.
Heißt „bekannt“, dass KI-Agenten Unsinn sind?
Was unterscheidet einen Agenten von einem Chatbot?
Warum sind Modell-Ankündigungen ein Problem für die Statistik?
Sollten wir dann lieber warten?
Ist dieser Text mit KI erstellt?
Diese Zahlen stammen nicht aus einer Suchmaschine. Sie stammen aus 602.340 wissenschaftlichen Arbeiten, die bei uns als einzelne Objekte vorliegen — jedes mit eigener ID, verknüpft über 11,6 Millionen Referenzkanten. Deshalb können wir sagen, wann ein Begriff zum ersten Mal auftauchte, wie er sich ausgebreitet hat und welche Art von Arbeit ihn trägt. Ein reiner Stichwortindex ohne Objekt- und Zitationsgraph kann das nicht.
Dieselbe Technik, angewandt auf Ihre Dokumente: Atomizer macht Verträge, Rechnungen und Protokolle über Nacht zu abfragbaren Objekten. BrunoSan Assistant beantwortet Fragen darauf — mit Quelle zur Originalstelle, nicht mit einer plausiblen Formulierung. Den arXiv-Bestand selbst gibt es als MCP-Server für eigene Agenten.
Kein
Verifier, kein KI-Loop →
Wenn ein Agent selbstständig arbeitet,
braucht er eine Instanz, die schlechte Arbeit zurückweist. Was die Forschung seit 2016
dazu sagt.