Was Agenten sind, und worin sie sich von Chatbots unterscheiden

Der Begriff Agent ist 2026 mit dem Begriff KI fast gleichbedeutend geworden. Jede zweite Tool-Ankündigung verkauft „Agent-Funktionalität". Was dahintersteckt, variiert stark. Ein Chatbot ist kein Agent, ein Sprachmodell mit Tool-Use noch kein Agent, ein vollautonomer Workflow definitiv einer.

Definition: Was einen Agenten ausmacht

Vier Eigenschaften müssen gegeben sein.

Autonomie. Ein Agent trifft mehrere Entscheidungen in Folge, ohne dass ein Mensch jeden Schritt bestätigt. Ein klassisches Chat-Modell wartet auf jede nächste Eingabe. Ein Agent läuft selbständig durch.

Tool-Nutzung. Ein Agent kann externe Werkzeuge ansprechen. Web-Suche, MCP-Server, Code-Ausführung, Datei-Schreiben. Was über reines Text-Output hinausgeht, ist Tool-Use.

Reasoning. Ein Agent plant. Er zerlegt eine komplexe Aufgabe in Teil-Schritte, entscheidet, welcher Schritt als nächstes kommt, evaluiert Zwischen-Ergebnisse.

Beobachtung und Korrektur. Ein Agent merkt, wenn etwas nicht funktioniert. Er passt seinen Plan an, versucht alternative Wege, gibt im Notfall auf und meldet zurück.

Wer ein Chat-Tool nutzt, das auf jede Anweisung wartet, hat keinen Agenten. Wer ein Tool nutzt, das eine komplexe Aufgabe von A bis Z eigenständig löst, hat einen.

Drei Agent-Typen im Marketing

Typ 1: Browser-Agenten. Sie steuern einen Browser autonom, klicken, lesen, formularen aus, navigieren. Beispiele: Claude in Chrome, OpenAI Operator, ChatGPT Agent (mit Browser-Skill). Im Marketing relevant für Wettbewerbsbeobachtung, Influencer-Research, Daten-Sammlung aus öffentlich zugänglichen Quellen.

Typ 2: MCP-Agenten. Sie nutzen MCP-Server, um auf Marketing-Tools zuzugreifen (Meta Ads, Google Ads, HubSpot, Notion). Im Marketing relevant für Reporting-Pipelines, Kampagnen-Builds, automatisierte Asset-Pflege.

Typ 3: Coding-Agenten. Sie schreiben, testen und deployen Code, oft mit Editor- oder IDE-Integration. Im Marketing relevant für Automatisierungen, Custom-MCP-Wrapper, kleine interne Tools.

Diese drei Typen lassen sich kombinieren. Ein vollständiger Marketing-Workflow kann alle drei nutzen.

Was Agenten gut können

Drei Bereiche, in denen 2026 produktreife Anwendungen entstanden sind.

Wiederkehrende Workflows. Ein Reporting, das einmal definiert ist, läuft jeden Monat automatisch. Setup-Aufwand einmalig, Laufkosten gering. Beobachtbar bei mehreren Agenturen und Inhouse-Teams seit Anfang 2026.

Recherche-Aufgaben mit klarer Struktur. Wettbewerber-Audits, die jede Woche dieselbe Datenstruktur erzeugen. Influencer-Research mit definierten Kriterien. Trend-Beobachtung mit klaren Quellen.

Pre-Production-Tasks. Briefings vorbereiten, Asset-Listen pflegen, Routine-Kampagnen-Setups. Aufgaben, die früher Junior-Profile gemacht haben und die strukturell wiederholbar sind.

Was Agenten weniger gut können

Aufgaben mit hoher Marken-Sensibilität. Brand-Voice ohne Skills-Setup wird oft generisch. Tonalität rutscht in Floskeln.

Aufgaben mit komplexen Stakeholder-Dynamiken. Ein Agent kann ein Briefing strukturieren, aber nicht den Stakeholder-Call führen.

Strategische Originalität. Agenten variieren das Bekannte. Was wirklich neu ist, kommt selten aus einem Agent-Workflow.

Aufgaben mit nicht-reversiblen Konsequenzen. Live-Schaltung einer Kampagne ohne Mensch-im-Loop. Versand einer Marketingmail an die ganze Liste. Pricing-Entscheidungen. Hier gehört Mensch-im-Loop hin.

Fehler-Propagation, das Kern-Risiko

Ein Agent-Workflow ist eine Kette. Wenn Schritt 1 falsch interpretiert, propagiert sich der Fehler durch Schritt 2, 3, 4. Beispiel: Ein Reporting-Agent liest ein Brief-PDF, missversteht das Quartal, zieht GA4-Daten für falsche Zeitfenster, schreibt einen kompetent klingenden Bericht, schickt ihn in Slack. Der Fehler liegt in Schritt 1. Erkannt wird er meistens erst in Schritt 5 oder nie.

Schutz-Mechanismen:

• Bestätigungs-Schritte vor jedem Schreib-Aufruf.
• Audit-Logs aller Agent-Aufrufe.
• Quality Gates an kritischen Stellen (siehe /alltag/quality-gates).
• Schreib-Zugriffe nur auf Tools mit reversiblen Aktionen (Draft-Mode, Pre-Live).

Setup-Aufwand und ROI

Ein Agent zu bauen, der einen Routine-Workflow stabil macht, kostet zwischen zwei Stunden (einfache Reporting-Pipeline mit MCP) und zwei Wochen (komplexe Multi-Tool-Pipeline mit eigener Logik). Wer einmal aufsetzt und dann wöchentlich oder monatlich nutzt, hat den Aufwand nach drei bis fünf Läufen ausgeglichen. Wer für einen Einmal-Workflow einen Agenten baut, verbrennt Zeit.

Faustregel: Agent-Setup lohnt ab fünf wiederkehrenden Läufen.

Trade-offs

Take

Agenten sind nicht der nächste Hype, sondern eine echte operative Verschiebung. Sie taugen für wiederkehrende, klar strukturierte Workflows. Sie taugen nicht für strategische Originalität oder Marken-sensible Live-Schaltungen. Wer das nüchtern abgrenzt, baut tragfähige Setups. Wer Agenten als Allzweck-Lösung verkauft, baut Frust.

Was offen bleibt

Multi-Agent-Systeme, in denen mehrere Agenten parallel arbeiten und sich abstimmen, sind 2026 in der Experimentier-Phase. Erste produktive Setups bei großen Tech-Anbietern, kaum noch im Marketing-Werktag. Das könnte sich 2027 ändern. Beobachtung empfohlen.