KI-Agent oder Workflow? Wenn der Plan bricht, beginnt der Test KI-Agent oder Workflow? Wenn der Plan bricht, beginnt der Test

Der Text ist fertig. Der Auftrag nicht.

Ein Beispiel, kein Kundenfall: Ein System soll eine neue Kategorieseite erstellen. Es recherchiert Suchbegriffe, entwirft die Gliederung, formuliert den Text und erzeugt Metadaten. Kurz vor der Veröffentlichung fällt auf, dass eine zentrale Produkteigenschaft aus einem veralteten Servicetext stammt.

Bis dahin sah der Lauf agentisch aus. Das System hatte Informationen sortiert, Sprache erzeugt und Werkzeuge aufgerufen. Nun stimmt eine Annahme nicht mehr. Soll es die Quelle verwerfen, einen anderen freigegebenen Datenbestand prüfen, eine Rückfrage stellen oder den Lauf stoppen?

An diesem Punkt wird die Unterscheidung zwischen KI-Agent und Workflow praktisch. Nicht die Qualität des Entwurfs entscheidet. Entscheidend ist, was während der Ausführung geschieht, wenn der vorgesehene Weg nicht mehr trägt.

Tool Calling ist noch keine Entscheidung

Die hier verwendete Abgrenzung folgt dem Architekturgedanken in Anthropics „Building effective agents“: vorgegebene Ablaufpfade einerseits, dynamische Auswahl von Prozessschritten und Werkzeugen andererseits. Das ist eine nützliche Arbeitsdefinition, kein einheitlicher Industriestandard und kein Versprechen über die Zuverlässigkeit einer konkreten Implementierung.

Ein Workflow bildet einen bekannten Ablauf ab. Auf das Briefing folgt die Recherche, auf die Recherche der Entwurf, auf den Entwurf die Prüfung. Bedingungen können den Weg verzweigen. Wenn fehlende Pflichtangaben immer eine Rückfrage auslösen, bleibt auch diese Rückfrage Teil des vorab modellierten Prozesses.

Solche Workflows können komplex sein. Sie können mehrere Modelle einsetzen, Daten abrufen, Ergebnisse validieren, fehlgeschlagene Aufrufe wiederholen und Freigaben einholen. Auch Tool Calling macht sie nicht automatisch zu Agenten. Es bedeutet zunächst nur, dass ein Modell oder eine Anwendung eine definierte Funktion aufrufen kann.

Der Begriff KI-Agent wird im Markt uneinheitlich verwendet. Für die Praxis hilft eine enge Arbeitsdefinition: Ein agentisches System wählt während des Laufs anhand des aktuellen Zustands die nächste zulässige Handlung. Es berücksichtigt das Ziel, bisherige Ergebnisse, verfügbare Werkzeuge und gesetzte Grenzen.

Die Mechanik folgt einer Schleife: Zustand erfassen, Handlung auswählen, Werkzeug aufrufen, Ergebnis prüfen. Der Zustand kann Quellen, Zwischenergebnisse, offene Fragen oder Fehlermeldungen enthalten. Das Resultat verändert anschließend die nächste Entscheidung.

Planung allein genügt dafür nicht. Erstellt ein Modell zu Beginn eine Aufgabenliste, die danach unverändert abgearbeitet wird, bleibt die Ausführung workflowbasiert. Agentisch wird sie dort, wo ein neues Ergebnis den weiteren Weg tatsächlich verändern darf.

In belastbaren Systemen ist die Grenze selten absolut. Ein fester Workflow kann Auftrag, Rollen und Freigaben zusammenhalten, während eine agentische Komponente nur an einer offenen Stelle recherchiert oder zwischen erlaubten Werkzeugen wählt. Diese Mischform ist oft nützlicher als ein vermeintlich autonomer Gesamtlauf.

Die Störung legt die Mechanik offen

Auf dem vorgesehenen Pfad sehen Workflow und Agent häufig gleich aus. Beide nehmen einen Auftrag entgegen, rufen ein Werkzeug auf und liefern ein Ergebnis. Der Unterschied tritt hervor, sobald eine Quelle fehlt, ein Zugriff verweigert wird oder zwei freigegebene Systeme widersprüchliche Angaben liefern.

Allerdings beweist auch eine elegante Fehlerbehandlung noch keine agentische KI. Erwartbare Abweichungen lassen sich als feste Verzweigungen modellieren. Aussagekräftig wird der Test, wenn das System den veränderten Zustand bewerten und daraus eine neue zulässige Handlung ableiten muss.

Beispiel: Zwei Quellen, zwei Materialangaben

Angenommen, ein Redaktionsteam erstellt eine Landingpage aus einem Produktkatalog, einem Markenbriefing und vorhandenen Servicetexten. Im Katalog steht ein anderes Material als in der aktuellen Produktbeschreibung. Auch dieses Szenario dient nur der Veranschaulichung.

Ein einfacher Workflow übernimmt die als führend definierte Quelle. Ein besserer Workflow erkennt den Konflikt über eine Validierungsregel und leitet ihn an die zuständige Person weiter. Eine agentische Komponente könnte zusätzlich prüfen, welche weiteren freigegebenen Quellen zur Klärung zugelassen sind, den passenden Datenbestand abrufen und das Ergebnis erneut bewerten.

Der Agent ist damit nicht automatisch die bessere Lösung. Ist die Quellenhierarchie eindeutig, ist eine feste Regel leichter zu testen und nachzuvollziehen. Agentische Auswahl wird erst sinnvoll, wenn mehrere zulässige Wege bestehen und ihre Eignung vom konkreten Zustand abhängt.

Auch der Abbruch ist eine Handlung. Wenn sich der Widerspruch nicht belastbar auflösen lässt, darf das System nicht über ihn hinwegformulieren. Sprachliche Plausibilität ersetzt keine Quellenprüfung.

Wo ein guter Workflow überlegen ist

Autonomie ist keine Reifestufe, die jeder Prozess erreichen muss. Die bessere Architekturfrage lautet: An welcher Stelle ist die nächste Handlung wirklich offen?

Viele Aufgaben in Content, SEO-Automatisierung und Business Operations besitzen einen stabilen Pfad. Pflichtfelder prüfen, Dateien konvertieren, strukturierte Informationen validieren oder freigegebene Inhalte an einen festgelegten Kanal übergeben: Zusätzliche Entscheidungsfreiheit schafft hier nicht automatisch zusätzlichen Wert. Sie vergrößert zunächst den Raum, der getestet und kontrolliert werden muss.

Das gilt auch für den Einsatz generativer KI in der Suche. Google knüpft KI-generierte Inhalte an bestehende Qualitätsanforderungen und verweist bei massenhaft erzeugten Seiten ohne Mehrwert auf seine Spamregeln. Die Hinweise von Google zu KI-generierten Inhalten geben einem agentisch erstellten Text keinen Sonderstatus.

Strukturierte Daten zeigen, wie nützlich feste Verfahren sein können. Sie folgen einem standardisierten Format, das Informationen über eine Seite maschinenlesbar beschreibt. Für Erzeugung und technische Prüfung ist deshalb meist ein kontrollierter Ablauf geeigneter als eine offene Entscheidungsschleife. Den fachlichen Rahmen erläutert Googles Einführung in strukturierte Daten.

Agenten werden dort interessant, wo sich der Lösungsweg nicht zuverlässig vorab festlegen lässt: bei der Recherche über uneinheitliche Quellen, der Diagnose eines unbekannten Fehlers oder der Auswahl zwischen mehreren geeigneten Werkzeugen. Wiederholt sich eine agentische Entscheidung jedoch zuverlässig, kann sie oft als feste Regel in die Workflow-Automatisierung zurückkehren.

Testen Sie den Lauf, nicht die Antwort

Ein Agent braucht nicht möglichst viele Werkzeuge, sondern einen passenden Aktionsraum. Leserechte, Schreibrechte und Aktionen mit unmittelbarer Außenwirkung sollten getrennt sein. Ein System kann selbstständig recherchieren und Ergebnisse vergleichen, ohne Inhalte zu veröffentlichen oder Budgets zu verändern.

Human in the Loop ist dabei kein Beweis für Agentik, sondern eine Grenze der Wirkung. Auch ein klassischer Workflow kann eine Freigabe enthalten. Relevant ist, dass Veröffentlichung, Budgetentscheidung oder nicht umkehrbare Änderungen erst nach einer klar zugeordneten menschlichen Entscheidung erfolgen.

Für die Beurteilung braucht es eine prüfbare Ausführungsspur. Sie sollte zeigen, welchen Zustand das System vorfand, welche Aktion es auswählte, welches Werkzeug antwortete und ob das Resultat den weiteren Weg veränderte. Eine sprachlich überzeugende Endausgabe reicht als Nachweis nicht aus.

1. Definieren Sie das gewünschte Ergebnis, die erlaubten Werkzeuge und klare Abbruchbedingungen.
2. Dokumentieren Sie den normalen Ablauf zunächst als Workflow-Baseline.
3. Variieren Sie Quellenlage, Berechtigungen und Werkzeugantworten, statt nur den Idealfall zu testen.
4. Prüfen Sie, ob neue Ergebnisse die nächste Handlung verändern oder lediglich einen vorbereiteten Fehlerzweig auslösen.
5. Vergleichen Sie den agentischen Lauf mit einer festen Regel. Rechtfertigt die offene Entscheidung ihre zusätzliche Komplexität nicht, ist der Workflow die reifere Lösung.

Vier Störungen, vier erwartete Grenzen

Für eine erste Arbeitsprobe können Sie den bereits beschriebenen Artikelauftrag viermal variieren. Das sind vorgeschlagene Testfälle, keine dokumentierten ANORA-Testergebnisse:

• Die führende Quelle fehlt. Das System darf eine andere zugelassene Quelle suchen oder nachfragen, aber keine Eigenschaft ergänzen, nur um fertig zu werden.
• Das Lesewerkzeug meldet fehlende Rechte. Der Lauf muss die Berechtigungsgrenze respektieren; ein alternativer Zugriff auf dieselben geschützten Daten ist kein erfolgreicher Umweg.
• Ein Werkzeug antwortet nach einer Zeitüberschreitung doch noch. Eine erneute Ausführung darf keine doppelte externe Wirkung verursachen. Prüfen Sie den tatsächlichen Zielzustand, nicht nur die Erfolgsmeldung.
• Eine neue Quelle widerlegt einen Zwischenschritt. Erwartet wird eine sichtbare Neubewertung oder eine begründete Übergabe, nicht die unveränderte Fertigstellung des ursprünglichen Plans.

Notieren Sie Eingangszustand, erlaubte Handlung, tatsächliche Aktion und Ergebnis. Ein begründeter Stopp kann korrekt sein. Erst danach lohnt der Vergleich von Zeit und Kosten. Für die Grundbegriffe hilft KI-Agent im Glossar; die Einführung in einen begrenzten betrieblichen Ablauf beschreibt KI-Automation im Mittelstand.

Die Blockade verrät die Architektur

Ein guter Workflow ist kein Agent zweiter Klasse. Er ist die richtige Form für Arbeit, deren Übergänge bekannt, prüfbar und wiederholbar sind. Ein Agent wird dort relevant, wo die Ausführung neue Informationen erzeugt und diese Informationen die nächste Handlung verändern müssen.

In der Praxis arbeiten beide Prinzipien am besten zusammen. Der Workflow hält Ziel, Kontext, Rollen und Freigaben verbunden. Agentische Komponenten übernehmen nur jene Stellen, an denen eine echte Auswahl nötig ist. Danach kehrt das Ergebnis in den kontrollierten Prozess zurück.

Wenn der erwartete Weg versperrt ist, wird der Unterschied sichtbar: Löst das System lediglich einen vorbereiteten Ersatzpfad aus, sehen Sie einen Workflow. Aktualisiert es den Zustand, wählt innerhalb klarer Grenzen eine neue Handlung und prüft deren Wirkung, arbeitet eine agentische Komponente. Stoppt sie bei unauflösbarer Unsicherheit oder übergibt an einen Menschen, ist das keine Schwäche. Es ist kontrollierte Ausführung.