Know Your Agent
Die Enzyklopädie der KI-Agenten
Welche Systeme entscheiden in einer Branche ohne menschlichen Einzelanstoß, nach welcher Logik entscheiden sie, und wer haftet für das Ergebnis. Kartiert wird der Agententyp – vom Regelwerk der Transaktionsüberwachung bis zum sprachmodellbasierten Rechercheagenten. Kein Produktkatalog. Eine Landkarte der Verantwortung.
Leitthese
Die Agentendebatte des Jahres 2026 beginnt fast überall beim Sprachmodell. Das ist historisch falsch und aufsichtlich folgenreich. In regulierten Prozessen arbeiten seit Jahrzehnten Systeme, die eine Umgebung wahrnehmen, entscheiden oder handeln, ohne dass ein Mensch jeden Schritt auslöst – Regelwerke, Zustandsmaschinen, Optimierer, Scoringmodelle und Oberflächenroboter. Sie enthalten kein Sprachmodell und bilden weiterhin einen erheblichen Teil produktiver Automatisierung.
Die zweite Fehlannahme folgt aus der ersten: dass Erklärbarkeit das Problem sei, das Sprachmodelle neu schaffen. Die regelbasierte Transaktionsüberwachung ist vollständig erklärbar – und liegt in der überwiegenden Zahl ihrer Alerts falsch. Erklärbarkeit und Richtigkeit sind zwei Eigenschaften, nicht eine.
Acht Entscheidungslogiken – plus RPA als Ausführungsklasse
Die erste und wichtigste Angabe jedes Eintrags ist die Entscheidungslogik. Sie ist unabhängig davon zu treffen, ob überhaupt ein Modell im Spiel ist. RPA wird gesondert geführt, weil es Handlungen ausführt, aber keine eigene fachliche Entscheidung trifft. „KI-gestützt“ gilt in diesem Dossier als Nichtangabe. Ausführlich behandelt das Fundamentstück 0.1.
| Klasse | Wie entschieden wird | Prüfbarkeit |
|---|---|---|
| Regelagent | Explizite Regeln, Schwellenwerte, Entscheidungstabellen | vollständig |
| Zustandsagent | Zustandsautomat oder Prozessmodell | vollständig bei Protokollierung |
| Planungs- und Optimierungsagent | Suche im Lösungsraum unter Nebenbedingungen | hoch für Ziel und Grenzen, gering für den Suchweg |
| Statistisches Scoring | Trainiertes Modell auf festen Merkmalen | mittel bis hoch, etablierte Validierung |
| Adaptives Lernen | Modell lernt im Betrieb weiter | schwierig, Stand zum Entscheidungszeitpunkt nötig |
| Reinforcement Learning | Lernen aus Rückmeldung entlang einer Belohnungsfunktion | gering |
| RPA · Ausführung | Skriptgesteuerte Schritte auf Oberflächen, ohne eigene Entscheidungslogik | vollständig im Ablauf, ohne fachliche Semantik |
| Cognitive Automation | Erkennungsverfahren plus nachgelagerte Regeln | zweigeteilt |
| Sprachmodellagent | Modell wählt Werkzeuge und Schritte zur Laufzeit | gering ohne eigens gebaute Protokollierung |
Frontier oder lokal – für die Teilmenge mit Modell
Diese Achse gilt nur dort, wo überhaupt ein Modell rechnet. Bei Regel-, Zustands- sowie Planungs- und Optimierungsagenten bleibt sie leer, und diese Leerstelle ist eine Information, kein Mangel. Wo ein Modell im Spiel ist, entscheidet seine Herkunft darüber, wo die Daten liegen, wer im Verarbeitungspfad sitzt und wer bei einem Versionswechsel den Termin setzt.
Frontier-Modelle
Dominieren dort, wo Reasoning-Tiefe, Werkzeuggebrauch und lange Kontexte den Ausschlag geben – und wo die Daten den Anbieter erreichen dürfen.
- höchste Fähigkeit pro Aufgabe, geringste eigene Betriebslast
- Preis, Verfügbarkeit und Abkündigung liegen beim Anbieter
- Versionswechsel bricht validierte Prompts und Evals
- Datenabfluss als regulatorischer Kernkonflikt
Lokale & Open-Weight-Modelle
Die leisere Front. Kein Modellanbieter im Verarbeitungspfad – Datenhoheit allerdings nur, soweit auch Laufzeit, Abhängigkeiten und Netzwerkausgang kontrolliert sind.
- fixe Infrastrukturkosten statt variabler Token-Rechnung
- Versionswechsel selbst terminierbar
- eigene Betriebslast: Hosting, Updates, Evals, Sicherheit
- „Open Weight“ ist nicht „Open Source“ – Lizenz pro Release prüfen
Ein Datenmodell, zwei Profilebenen
Jeder Enzyklopädie-Eintrag folgt dem vollständigen Schema kya-agent-profile/v2. Für die schnelle Orientierung zeigt der Agentenpass 16 verdichtete Felder. Für Investitions- und Betriebsentscheidungen öffnet sich daraus das vollständige Profil. Felder ohne Anwendung bleiben ausdrücklich als „nicht anwendbar“ markiert.
Identität & Verantwortung
- Wirtschaftlich BerechtigterIn wessen Auftrag und zu wessen Vorteil handelt das System?
- KontrollinhaberWer konfiguriert, ändert, hält an – als Rolle, nicht als Team
- Verantwortliche FunktionZuordnung zur Kontroll- und Auslagerungssteuerung
- MarktreifePilot, Early Production, etabliert, abgelöst
Entscheidung
- EntscheidungslogikKlasse nach der Typologie oben
- Verbindliche EntscheidungsstelleWelche Komponente bindet den Vorgang?
- Modell- und LizenzstatusFrontier, lokal, hybrid – oder leer
- AutonomiegradVorschlag, Entscheidung unter Vorbehalt, Entscheidung
Handlung
- Inputs und DatenklassenWoraus speist sich die Entscheidung?
- AktionsrechteWelche Werkzeuge, welche Beträge, welche Systeme?
- Verbotene AktionenAbbruchbedingungen, Budget- und Betragsgrenzen
- OrchestrierungProzessmodell, Agentenlaufzeit, RPA – und wo modelliert
Betrieb & Nachweis
- AusführungsschichtWo läuft es: on premise, Cloud, Edge, Fremdsystem
- Memory und ZustandWas merkt sich das System über den Vorgang hinaus?
- Human ReviewModellierter Halt mit Zuständigkeit – oder Bestätigungsdialog
- Nachweiskette & EvidenzgradWas ist rekonstruierbar, und wie gut belegt ist der Eintrag?
16 Felder für Orientierung
Identität, Entscheidungslogik, Handlungsrahmen, Ausführung, menschliche Kontrolle und Nachweis auf einen Blick.
Die Investitions- und Betriebsentscheidung
- Wertbeitrag, messbarer Ausgangswert und größter Hebel
- einmaliger Invest, laufende Kosten und Dreijahres-TCO
- Eingangsvoraussetzungen, Inkubationsumgebung und Plattformreife
- Governance, Verantwortliche, Änderungskontrolle und Incident-Prozess
- Marktreife, Etablierung und Betreuungsintensität im Regelbetrieb
Branche als Einstieg, Agententyp als Eintrag
Eine Enzyklopädie katalogisiert das, worüber sie Auskunft gibt. Das ist nicht die Branche, sondern das System. Die Branche bleibt der Einstieg und der Hub; die Disziplin gliedert; der Enzyklopädie-Eintrag ist der Agententyp; konkrete Produkte erscheinen im Eintrag als Implementierungen mit Quelle.
Das hat eine offene Konsequenz für den Umfang: Aus 25 redaktionellen Einstiegspunkten mit jeweils vier bis sechs Agententypen werden im Vollausbau über einhundert Profile. Diese Einstiegspunkte sind bewusst nicht alle von derselben taxonomischen Art: Sie können Branche, Sektor, Berufsfeld, Disziplin oder Risikofeld sein und führen jeweils zu einer eigenen Agentenliste. Die vollständige maschinenlesbare Taxonomie bleibt feiner. Das Dossier ist als living angelegt und wird diesen Umfang über einen längeren Zeitraum erreichen, nicht in einer Staffel. Die Reihenfolge richtet sich nach der Watchdog-Nähe: regulierte Kerndisziplinen zuerst.
Sechs Cluster
Der Bauplan ist offen einsehbar: Was geplant ist, steht hier, bevor es geschrieben ist. Cluster 0 und 5 bilden das Fundament, auf das jeder Disziplin-Eintrag verweist, statt seine Grundlagen neu zu erklären. Sie entstehen zuerst.
Fundament: Typologie und Begriffe
Was ein Agent ist, unabhängig davon, ob ein Modell darin rechnet.
Querschnitt: Modelle, Stacks, Regulierung
Die Referenzstücke, auf die jeder Disziplin-Eintrag verweist.
Regulierte Kerndisziplinen
Branchen, in denen ein handelndes System von der ersten Zeile an auf eine Aufsichtsbehörde trifft. Jede Disziplin wird in ihre Agententypen zerlegt.
Wissensberufe
Disziplinen, deren Kernprodukt Text, Urteil und Recherche ist.
Wirtschaft & Betrieb
Die Breite der Realwirtschaft: dort, wo Agenten am schnellsten skalieren und am wenigsten beaufsichtigt werden.
Risiko & Angriff
Agenten als Werkzeug der Abwehr – und als Werkzeug der Täter.
Aus der Enzyklopädie wird ein Arbeitsinstrument
Geplant ist eine offene Webapp für moderierte Design-Thinking- und EventStorming-Sessions. Sie soll nicht automatisch ein LLM empfehlen, sondern zwischen Workflow, Regeln, RPA, klassischem ML, LLM-Assistent, kontrolliertem Agenten und hybrider Architektur unterscheiden.
Am Ende stehen ein begründeter Lösungsvorschlag, Alternativen, Kontrollanforderungen und ein vorbefülltes Agentenprofil nach kya-agent-profile/v2. Zwei vorhandene Repository-Kandidaten sind intern verglichen. Verlinkt wird erst der zusammengeführte, auf Profil v2 migrierte und redaktionell freigegebene Stand.
Know Your Agent: Wer haftet, wenn ein KI-Agent das Konto leerräumt?
Der Text, aus dem dieses Dossier hervorgegangen ist. Dort stand die Haftungsfrage im Vordergrund: Was passiert, wenn ein System im Namen eines Menschen handelt und der Schaden entsteht, bevor irgendjemand hinsieht. Die Enzyklopädie macht daraus eine systematische Landkarte.
Redaktionelle Regeln dieses Dossiers
- Entscheidungslogik zuerst. Jeder Eintrag benennt seine Klasse nach der Typologie. „KI-gestützt“ gilt als Nichtangabe und als redaktioneller Fehler.
- Bindende Stelle ausweisen. Bei hybriden Systemen zählt nicht die auffälligste Komponente, sondern diejenige, deren Ergebnis den Vorgang bindet.
- Modelldisziplin. Wo ein Modell rechnet, werden Frontier und lokal/Open Weight getrennt benannt. Wo keines rechnet, bleibt das Feld leer.
- Quellenkanon. Produkte und Modellzugehörigkeit nur mit belegbarer, verlinkter Quelle. Wo ein Anbieter die Modellbasis nicht dokumentiert, steht das als Einordnung markiert – nicht als Tatsache.
- Beleglücken benennen. Wo Zahlen kursieren, die sich in Primärquellen nicht halten lassen, steht das ausdrücklich im Text. Anbietereigene Angaben werden als solche gekennzeichnet.
- Enzyklopädie-Ton. Erklärend und vergleichend, mit Watchdog-Schärfe im Risikokapitel. Keine Vendor-Werbung, keine Rezension.
- Aktualität. Living Dossier: Marktverschiebungen werden im bestehenden Eintrag nachgezogen statt als neue Folge veröffentlicht. Jeder Eintrag trägt ein sichtbares Aktualisierungsdatum.