AI im Recruiting · 9 min Lesezeit

Was sind KI-Agenten? Erklärung, Beispiele und Risiken für Unternehmen

Was sind KI-Agenten und wann lohnen sie sich? Unterschied zu Chatbots und Workflows, Bausteine, Beispiele aus dem Recruiting, typische Fehler und Checkliste.

Door Ingmar van Maurik · Founder & CEO, Making Moves


Kurze Antwort

Ein KI-Agent ist ein Sprachmodell, das selbst Schritte plant und dabei Tools aufruft, etwa einen Kalender, eine Datenbank oder eine API, und zwar in einer Schleife: planen, handeln, Ergebnis prüfen, nächsten Schritt wählen, bis das Ziel erreicht ist oder der Agent stoppen muss. Das macht Agenten flexibel, aber weniger vorhersehbar als einen festen Workflow. Für Unternehmen lautet die eigentliche Frage deshalb nicht "Können wir einen Agenten bauen?", sondern "Wo bringt diese Flexibilität einen Nutzen, und wo muss ein Mensch prüfen?"

Was genau ist ein KI-Agent?

Die meisten Definitionen laufen auf drei Elemente hinaus. Ein Agent hat:

  • Ein Ziel, zum Beispiel "Plane ein Interview mit dieser Kandidatin und zwei Interviewern in der nächsten Woche".
  • Tools, die er aufrufen kann: Kalender lesen, eine E-Mail entwerfen, einen Datensatz im Bewerbermanagementsystem aktualisieren.
  • Eine Schleife: Das Modell wählt eine Aktion, erhält das Ergebnis und entscheidet danach über den nächsten Schritt.
  • Der Unterschied zu klassischer Software liegt im letzten Punkt. In einem Skript legt die Entwicklerin die Reihenfolge vorab fest. Bei einem Agenten bestimmt das Modell die Reihenfolge während der Ausführung.

    Chatbot, Workflow oder Agent: der Unterschied

    ChatbotFester Workflow / AutomatisierungKI-Agent

    |---|---|---|---|

    Wer legt die Schritte fest?Niemand: eine Frage, eine AntwortDer Entwickler, vorabDas Modell, zur Laufzeit Führt Aktionen in Systemen aus?Meist nichtJa, immer dieselbenJa, je nach Situation VorhersehbarkeitHoch in der Form, schwankend im InhaltSehr hochGeringer, braucht Überwachung Geeignet fürFragen auf Basis bekannter InformationenWiederholbare Prozesse mit festen RegelnAufgaben mit Varianz, Ausnahmen und mehreren Systemen Typisches RisikoErfundene AntwortenBricht bei unerwarteten FällenFalsche Aktion, Schleifen, steigende Kosten

    Ein Workflow kann durchaus ein Sprachmodell enthalten, etwa um E-Mails zu klassifizieren. Er bleibt ein Workflow, solange die Schritte feststehen.

    Wann ein fester Workflow besser ist

    Wählen Sie einen deterministischen Workflow, wenn:

  • die Schritte immer gleich sind. Neue Bewerbung geht ein, Bestätigung senden, Datensatz anlegen.
  • Fehler teuer oder nicht umkehrbar sind und Sie jeden Schritt gegenüber Prüfern erklären müssen.
  • das Volumen hoch und die Marge gering ist. Ein Agent braucht oft mehrere Modellaufrufe pro Aufgabe. Ein fester Workflow ist günstiger und schneller.
  • die Regeln bereits bekannt sind. Lässt sich der Prozess als Flussdiagramm zeichnen, brauchen Sie meist keinen Agenten.
  • Eine gute Faustregel: Beginnen Sie mit der einfachsten Lösung, die funktioniert, und fügen Sie Autonomie nur dort hinzu, wo die Vielfalt der Arbeit sie verlangt.

    Die Bausteine eines zuverlässigen Agenten

    1. Modell. Das Sprachmodell, das plant und entscheidet, welches Tool es aufruft.

    2. Tools und APIs. Jeweils mit klarer Beschreibung, festen Eingaben und so wenigen Rechten wie möglich.

    3. Gedächtnis und Zustand. Was schon erledigt ist, welche Daten abgerufen wurden und wo die Aufgabe steht.

    4. Anweisungen. Das Ziel, die Grenzen und was der Agent tun soll, wenn etwas scheitert.

    5. Guardrails. Prüfungen von Ein- und Ausgaben, Limits für Schritte, Zeit und Kosten sowie eine Allowlist erlaubter Aktionen.

    6. Menschliche Freigabe. Ein verpflichtender Prüfpunkt für Aktionen, die nach außen sichtbar oder nicht umkehrbar sind.

    7. Logging und Tracing. Jeder Schritt, jeder Tool-Aufruf und jedes Ergebnis wird protokolliert, damit sich Fehler zurückverfolgen lassen.

    Beispiele aus Recruiting und Operations

    Interviews planen. Der Agent liest die Verfügbarkeit der Interviewer, schlägt drei Termine vor und bereitet eine Einladung vor. *Mensch in der Schleife:* Die Recruiterin gibt die Einladung frei, bevor sie an die Kandidatin geht, oder die Kandidatin wählt selbst aus den Vorschlägen.

    Bewerberakten ergänzen. Der Agent holt fehlende Angaben aus dem Bewerbermanagementsystem und den Formularen, fasst sie zusammen und markiert Lücken. *Mensch in der Schleife:* Der Recruiter prüft die Zusammenfassung. Der Agent bewertet keine Eignung und sagt niemandem ab. Nach Artikel 22 DSGVO darf eine Entscheidung mit erheblicher Wirkung für eine Person, etwa eine Absage, nicht ausschließlich auf automatisierter Verarbeitung beruhen, abgesehen von engen Ausnahmen, die zusätzliche Schutzmaßnahmen verlangen. Ein Mensch muss also wirklich entscheiden, nicht nur abzeichnen.

    Fragen von Bewerbenden beantworten. Der Agent beantwortet Fragen zu Ablauf, Zeitplan und Organisatorischem auf Basis freigegebener Informationen. *Mensch in der Schleife:* Fragen zu Gehalt, Absagen oder persönlichen Umständen gehen direkt an das Recruiting-Team. Bewerbende wissen, dass sie mit einem KI-Assistenten sprechen.

    Operations. Ein Agent sortiert eingehende Anfragen, führt Daten aus drei Systemen zusammen und bereitet einen Vorschlag vor. Umgesetzt wird der Vorschlag von einer Mitarbeiterin.

    In allen Beispielen gilt: Der Agent bereitet vor, ein Mensch entscheidet über alles, was Bewerbende betrifft.

    Typische Fehlerquellen

  • Endlose Wiederholungen. Eine API meldet einen Fehler, und der Agent versucht es immer wieder. Lösung: eine Höchstzahl an Versuchen mit Wartezeit, danach stoppen und melden.
  • Erfundene Ergebnisse bei Tool-Fehlern. Die Kalender-API antwortet nicht, trotzdem meldet der Agent den Termin als gebucht. Lösung: Erfolg nur auf Basis einer echten Erfolgsantwort des Systems melden.
  • Zu weitreichende Rechte. Ein Agent, der Lebensläufe liest, braucht kein Tool für externe E-Mails. Wie weit das gehen kann, zeigt [Prompt Injection erklärt](/de/artikel/prompt-injection-explained).
  • Ausufernde Kosten. Jeder Schritt ist ein Modellaufruf. Ohne Limit pro Aufgabe und pro Tag kann eine Schleife teuer werden. Mehr dazu in [Was ein KI-Agent kostet](/de/artikel/ai-agent-cost).
  • Kein Protokoll. Wer nicht nachvollziehen kann, was der Agent getan hat, kann Fehler weder erklären noch beheben.
  • Checkliste für den Einstieg

  • Wählen Sie einen klar abgegrenzten Prozess mit messbarem Ziel, etwa die Dauer bis zum Interviewtermin.
  • Zeichnen Sie den Prozess zuerst als Workflow. Setzen Sie einen Agenten nur dort ein, wo das Diagramm nicht reicht.
  • Geben Sie dem Agenten nur die nötigen Tools und Rechte, anfangs am besten nur Lesezugriff.
  • Legen Sie fest, welche Aktionen eine menschliche Freigabe brauchen.
  • Setzen Sie Limits für Schritte, Zeit und Kosten pro Aufgabe.
  • Sorgen Sie ab dem ersten Tag für Logging und Tracing.
  • Erstellen Sie einen Testsatz mit echten, auch schwierigen Fällen und lassen Sie ihn bei jeder Änderung laufen.
  • Prüfen Sie DSGVO und Artikel 22, sobald Bewerbende oder Beschäftigte betroffen sind.
  • Woran Sie erkennen, ob jemand zuverlässige Agenten bauen kann

    Eine Demo sagt wenig aus. Fragen Sie danach, was schiefgeht. Wer echte Erfahrung hat, erklärt sofort, wie der Agent mit einem Tool umgeht, das nicht antwortet, warum dieses Tool genau diese Rechte hat, wo ein Mensch freigibt, wie man sieht, was der Agent getan hat, und was das Ganze pro Monat kostet. Fragen Sie auch, wann die Person keinen Agenten bauen würde. Wer immer einen Agenten vorschlägt, schaut nicht auf Ihren Prozess.

    Sie möchten das strukturiert prüfen? Der KI-Kompetenztest kombiniert Szenariofragen und eine Praxisaufgabe, unter anderem zu Agenten, Rechten und Evaluation. Mehr zur Messung dieser Fähigkeiten lesen Sie in KI-Kompetenzen bewerten. Sie möchten selbst einen Agenten im Recruiting einsetzen? Sehen Sie sich unser AI Hiring System an.

    Häufig gestellte Fragen

    Was sind KI-Agenten, einfach erklärt?

    Software, in der ein Sprachmodell selbst den nächsten Schritt wählt und dafür Tools wie einen Kalender oder eine Datenbank nutzt, bis ein Ziel erreicht ist.

    Ist ein Chatbot ein KI-Agent?

    Meist nicht. Ein Chatbot beantwortet Fragen. Ein Agent führt zusätzlich Aktionen in Systemen aus und bestimmt deren Reihenfolge selbst.

    Darf ein KI-Agent Bewerbenden absagen?

    Nicht eigenständig. Artikel 22 DSGVO beschränkt ausschließlich automatisierte Entscheidungen mit erheblicher Wirkung. Lassen Sie den Agenten vorbereiten und einen Menschen entscheiden.

    Wie fange ich mit KI-Agenten im Unternehmen an?

    Mit einem abgegrenzten Prozess, minimalen Rechten, menschlicher Freigabe für externe Aktionen, Kostenlimits und einem Protokoll jedes Schritts. Messen Sie das Ergebnis, bevor Sie ausweiten.

    Zusammenfassung

  • Ein KI-Agent plant und ruft Tools in einer Schleife auf, um ein Ziel zu erreichen.
  • Nutzen Sie einen festen Workflow, wo die Schritte bekannt sind, und einen Agenten nur dort, wo Varianz es verlangt.
  • Bauen Sie mit minimalen Rechten, Guardrails, menschlicher Freigabe und Tracing.
  • Im Recruiting gilt: Der Agent bereitet vor, ein Mensch entscheidet.
  • Prüfen Sie Agenten-Entwickler daran, was schiefgeht, nicht an einer Demo.
  • Sie möchten wissen, ob Ihr Team oder Dienstleister zuverlässige Agenten bauen kann? Sehen Sie sich den KI-Kompetenztest an oder nehmen Sie Kontakt auf.


    Erstgespräch vereinbaren · Unser AI Hiring System ansehen