Revision 663: Agentic AI – was kommt nach Prompting?

Schon wieder eine neue Buzzword-KI? Nicht ganz. In dieser Folge sprechen wir mit Robin Böhm über Agentic AI – ein Konzept, das gerade massiv Fahrt aufnimmt. Statt auf einen Prompt zu warten, werden KI-Agenten selbst aktiv: Sie analysieren Aufgaben, planen Schritte und setzen diese eigenständig um. Was bedeutet das für Entwickler:innen, Tools – und letztlich für uns als Nutzer:innen?

Schaunotizen

[00:01:36] Agentic AI Robin gibt einen praxisnahen Überblick: Was macht eine KI „agentisch“? Wie wird festgelegt, was ein Agent darf – und was nicht? Wir steigen ein mit einem technischen Abriss der Konzepte, die aktuell unter dem Schlagwort Agentic AI diskutiert werden: Fähigkeiten, Kontrollinstanzen, Kontextverwaltung und mehr.

Dabei geht es auch um Frameworks wie LangChain, den Umgang mit JSON-Kommandostrukturen, und um frühe Ansätze für Protokolle, mit denen Agenten sich gegenseitig über ihre Fähigkeiten austauschen können. Robin vergleicht den aktuellen Stand mit „Super Nintendo-Level“ – was aber nicht heißt, dass das Ganze ungefährlich wäre. Denn die nächste Iteration ist vielleicht nicht weit entfernt.

Wir diskutieren, wie Agentic AI bereits heute in Projekten auftaucht, wo es echte Automatisierungsvorteile gibt – und wo wir dringend Grenzen ziehen müssen. Besonders spannend wird es, wenn Robin beschreibt, wie sich unsere Erwartungen an „Tools“ verändern: Weg vom klassischen Button-Klick, hin zur Zieldefinition – und der Agent übernimmt.

Am Ende steht die Frage: Wie behalten wir als Entwickler:innen die Kontrolle – und wie gestalten wir diese Systeme so, dass sie nicht nur mächtig, sondern auch nachvollziehbar und verantwortungsvoll sind?

Keine Schaunotizen

LangChain Ein populäres Framework für agentenbasierte KI-Anwendungen – bringt Tools, Speicher und Entscheidungslogik zusammen. ReAct Prompting Ein Konzept, das Denk- und Aktionsschritte kombiniert – oft Basis für agentisches Verhalten bei LLMs.