Agentur versus Autonomie: Zwei zentrale Konzepte in agenter KI aufklären
Erfahren Sie, wie man mithilfe eines einfachen mentalen Modells und Beispielen die Handlungsfähigkeit (Agency) eines KI-Agenten von seiner Unabhängigkeit bei der Handlung (Autonomie) unterscheiden kann.
In jüngster Zeit rückt das Verständnis von Agentic AI stärker in den Fokus, und bei der Untersuchung der Funktionsweise von KI-Agenten tauchen zwei Begriffe auf, die auf den ersten Blick fast austauschbar erscheinen:
Agentialität.
Autonomie.
Auf den ersten Blick verschwimmen diese beiden Konzepte miteinander. Agentialität wird als die Fähigkeit eines Systems definiert, zu handeln, Entscheidungen zu treffen und Ziele anzustreben. Unmittelbar danach folgt die Autonomie, die als die Fähigkeit eines Agenten beschrieben wird, zu ermitteln, wie er ein Ziel mit den ihm zur Verfügung stehenden Informationen und Ressourcen erreichen kann, ohne dass ein Mensch ihm jeden Schritt vorgibt.
Dort entsteht die Verwirrung. Wenn Agentialität bereits Entscheidungsfindung und Handeln umfasst und Autonomie ebenfalls Entscheidungsfindung und Handeln beinhaltet, welchen Sinn hat es dann, für etwas, das wie dasselbe Verhalten aussieht, zwei separate Begriffe zu verwenden?
Diese Verwirrung verwandelte sich in einen nützlichen Lernmoment, sobald die Konzepte geklärt wurden.
Zuerst musste ich die beiden voneinander trennen
Der Weg dorthin bestand darin, jeden Begriff in einfacheren Worten zu formulieren.
Bei Agency lautet die Frage:
Kann das System Entscheidungen treffen und entsprechend handeln?
Bei Autonomie lautet die Frage:
Inwieweit kann das System diese Entscheidungen unabhängig treffen und umsetzen, ohne dass ein Mensch jede Bewegung steuert?
Das ist der fehlende Teil. Unter Handlungsfähigkeit versteht man, ob überhaupt die Fähigkeit zum Handeln und Entscheiden vorhanden ist. Unter Autonomie geht es um wie viel Freiheit das System bei der Ausübung dieser Fähigkeit hat. Wenn man es so formuliert, überschneiden sich die beiden Konzepte nicht mehr und beschreiben stattdessen unterschiedliche Dimensionen desselben Systems.
Ein Agent kann Handlungsfähigkeit ohne vollständige Autonomie haben
Ein Beispiel macht das konkret. Angenommen, ein KI-Agent erhält ein Ziel:
Resolve a customer's payment issue.
Der Agent bewertet die Situation und durchdenkt sie:
I should check the payment status.
Dann:
I should retry the failed transaction.
Dann:
I should notify the customer.
Hier überlegt das System, welche Handlungen sinnvoll sind. Dieser Überlegungsprozess ist Handlungsfähigkeit.
Stellen Sie sich nun vor, derselbe Agent müsste vor jeder einzelnen Handlung pausieren und nachprüfen:
Agent:
"I want to check the payment system."
Human:
"Approved."
Dann:
Agent:
"I want to retry the transaction."
Human:
"Approved."
Der Agent entscheidet weiterhin selbst, was er als Nächstes tun will. Doch ein Mensch bleibt der Kontrolleur, der jeden Schritt vor seiner Ausführung genehmigt. Somit verfügt der Agent über Handlungsmacht, doch seine Autonomie ist stark eingeschränkt.
Nun die Autonomie erhöhen
Geben Sie nun diesemselben Agenten ein Ziel anstelle einer Checkliste:
Goal:
Resolve the customer's failed payment.
Und lassen Sie ihn den Prozess selbst durchführen:
Inspect payment status
↓
Identify the problem
↓
Choose the appropriate tool
↓
Retry the payment
↓
Verify the result
↓
Notify the customer
Beachten Sie, was fehlt: Es gibt keine Anweisung wie
First do this.
Then do this.
Now call this API.
Now check this.
Now send this.
Nur das Ziel wurde festgelegt. Das System ermittelte die Reihenfolge der Aktionen selbst, indem es auf den verfügbaren Informationen und Ressourcen zurückgriff. In diesem Moment wird Autonomie von einer abstrakten Definition zu etwas, das man tatsächlich beobachten kann.
Die eigentliche Frage ist nicht nur:
Kann dieses System Entscheidungen treffen?
Dazu gehört auch:
Wie viel menschliche Überwachung ist beim Treffen und Ausführen dieser Entscheidungen erforderlich?
Das mentale Modell, das man beibehalten sollte
Nachdem man sich mit all diesen Definitionen auseinandergesetzt hat, kommt ein erfrischend einfaches Modell zum Vorschein.
AGENCY
Can I decide and act toward a goal?
Und:
AUTONOMY
How independently can I decide and act
without step-by-step human direction?
Das ist es schon. Es gibt keinen Grund, sich eine umfangreiche Definition ständig im Kopf zu merken.
Agency → Fähigkeit.
Autonomie → Unabhängigkeit.
Dann sieht künstliche Intelligenz mit Agentschaft anders aus
Vor Erreichen dieses Punktes ist es verlockend, künstliche Intelligenz-Anwendungen in einem einfachen Ablauf vorzustellen:
User asks something
↓
Model generates something
↓
User receives response
Aber Agents fügen eine völlig neue Ebene hinzu.
Das System könnte ein Ziel haben.
Es könnte Bewusstsein für seine Umgebung besitzen.
Es könnte Werkzeuge und Ressourcen zur Verfügung haben, auf die es zurückgreifen kann.
Anstatt dass jedem Zwischenschritt explizit mitgeteilt wird, kann es selbst herausfinden, welche Aktionen sinnvoll sind.
Das verändert das Bild davon, was ein Agent tatsächlich ist:
GOAL
↓
Observe available information
↓
Decide what to do
↓
Use available resources
↓
Take action
↓
Continue toward the goal
In diesem Bild übernehmen Agilität und Autonomie jeweils eine klare Aufgabe.
Agilität bezieht sich darauf, ob das System überhaupt entscheiden und handeln kann.
Autonomie bezieht sich darauf, wie viel Unabhängigkeit es dabei hat.
Warum diese Unterscheidung für Ingenieure wichtig ist
Eine Definition allein zu kennen reicht selten aus. Es hilft, weiter mit Fragen wie diesen voranzukommen:
„Warum muss dieser Begriff überhaupt existieren?“ „Wie unterscheidet er sich von dem, der gerade behandelt wurde?“ „Welche Funktion erfüllt er eigentlich innerhalb des Systems?“
Das gleiche Muster zeigt sich bei Agency und Autonomie.
Anfangs könnte die mentale Karte so aussehen:
Agency → decision-making
Autonomy → decision-making
???
Sobald man genauer untersucht, was sie voneinander unterscheidet, sieht es so aus:
Agency
→ capability to decide and act
Autonomy
→ independence in deciding and acting
Jetzt nimmt jedes Konzept einen eigenen, klaren Platz ein bei der mentalen Modellierung dieser Systeme.
Das ist weitaus nützlicher, als sich einfach zwei definitionsartige Angaben aus einem Wörterbuch einzuprägen.
Fazit
Der größte Wandel im Verständnis ergibt sich daraus, dass ein System nicht in dem Moment autonom wird, in dem es in der Lage ist, Entscheidungen zu treffen.
Tatsächlich gibt es zwei getrennte Fragen, die gestellt werden sollten.
Kann das System überhaupt Entscheidungen treffen und Maßnahmen zur Erreichung eines Ziels ergreifen?
Das ist Handlungsfähigkeit.
Und:
Wie viel Unabhängigkeit hat es bei der Ausübung dieser Fähigkeit, ohne dass ein Mensch jede Bewegung steuert?
Das ist Autonomie.
Der Unterschied zwischen beiden ist subtil.
Aber sobald man das versteht, wirkt künstliche Intelligenz mit Handlungsfähigkeit nicht mehr so abstrakt.
Das ist wirklich der lohnende Aspekt des Lernens in diesem Bereich.
Ein neuer Begriff taucht auf.
Er wird in Frage gestellt.
Er wird mit dem bereits Bekannten verglichen.
Seine Schwachstellen werden getestet.
Und schließlich entsteht ein Modell, das einfach genug ist, um es jemand anderem ohne Verweis auf die Quellenmaterialien zu erklären.
Das ist in der Regel das Zeichen dafür, dass etwas tatsächlich verinnerlicht wurde.
Die Agentur gibt an, ob ein System in der Lage ist, Entscheidungen zu treffen und zu handeln. Die Autonomie zeigt an, wie unabhängig es dies tun kann.
Verwandte Artikel
- Agentic AI erklärt: Von Sprachmodellen zu autonomen Agenten — Eine strukturierte Übersicht darüber, wie LLMs durch Werkzeuge, Speicher, Planung, Mehr-Agenten-Architekturen und MCP-Integration zu agierenden Systemen werden.
- AI-Agenten verstehen: Ziele, Werkzeuge, Speicher und der Agenten-Zyklus — Eine für Anfänger geeignete Erklärung, wie sich AI-Agenten von Chatbots unterscheiden, mit Schwerpunkt auf Kernkomponenten, dem Entscheidungszyklus, Autonomiegraden und praktischen Anwendungsfällen.