KI-Agenten – Werkzeuge auf dem Weg zur Lösung

By Autor In Allgemein On 15. Oktober 2025

Nachdem im ersten Teil dieser Reihe die Grundlagen von KI-Agenten erläutert wurden, widmen wir uns nun dem Praxiseinsatz. Denn während viele Online-Tutorials versprechen, komplexe Prozesse mit wenigen Klicks zu automatisieren, bleiben in der Realität oft Datenschutz, Prozessintegration und Architekturfragen außen vor. Deshalb wird im Folgenden eine reale Anwendung beschrieben, in der ein KI-Agent eine typische, praxisnahe Aufgabe übernimmt.Nachdem im ersten Teil dieser Reihe die Grundlagen von KI-Agenten erläutert wurden, widmen wir uns nun dem Praxiseinsatz. Denn während viele Online-Tutorials versprechen, komplexe Prozesse mit wenigen Klicks zu automatisieren, bleiben in der Realität oft Datenschutz, Prozessintegration und Architekturfragen außen vor. Deshalb wird im Folgenden eine reale Anwendung beschrieben, in der ein KI-Agent eine typische, praxisnahe Aufgabe übernimmt.

Im letzten Beitrag haben wir beschrieben, was ein KI-Agent ist und aus welchen Komponenten er besteht. Dabei wurden die folgenden Komponenten vorgestellt:
• Ein Large Language Model (LLM): Simuliert logisches Denken und Sprachverständnis
• mehrere Anweisungen: Definieren die Ziele, die Verhaltensweisen und die Einschränkungen, die der KI-Agent einhalten soll. Hierin liegt die große Flexibilität und Anpassungsfähigkeit eines KI-Agenten. Gleichzeitig stellt dies aber eine Herausforderung dar, da Sprache nicht eindeutig ist.
• ein oder mehrere Tools: Ermöglichen es dem KI-Agenten, diese Tools aufzurufen und weiteres Spezialwissen abzurufen oder Maßnahmen zu ergreifen, also sogenannte Aktionen auszuführen.

Quelle: https://learn.microsoft.com/de-de/azure/ai-foundry/agents/overview

Mittlerweile gibt es eine kaum noch zu überblickende Vielzahl von Frameworks für Softwareentwickler sowie eine große Anzahl von Low-Code und No-Code-Systemen für Nicht-Programmierer, mit denen KI-Agenten schnell und einfach erstellt werden können.

Auf LinkedIn und YouTube existieren viele Anleitungen, die zeigen, wie solche Agenten mit n8n, PowerAutomate und anderen Tools erstellt werden können. Die jeweiligen Autoren der Beiträge und die Ersteller der Videos preisen an, dass sich damit nahezu alles automatisieren ließe. Ein großer Teil dieser Anleitungen behandelt jedoch nur die üblichen Themen wie die automatisierte Zusammenfassung und Beantwortung von E-Mails oder die Zusammenfassung von Texten aller Art.

Diese KI-Agenten-Beispiele sind für das professionelle Umfeld häufig ungeeignet. Denn in diesen Beispielen werden die Datenschutzanforderungen oft ignoriert. Zudem lösen die dort vorgestellten Agenten nur kleinere überschaubare Aufgaben, die nicht Teil eines Prozesses sind. Sie ersetzen keine Anforderungsdefinition, Daten-Architektur und Prozess-Architektur. Ein KI-Agent ist nach heutigem Stand lediglich ein Werkzeug und keine eigenständige Lösung, sondern lediglich ein Bestandteil einer Lösung.

Ein Beispiel aus der Praxis
Ursprünglich war geplant, im zweiten Teil dieser Serie zu zeigen, wie ein KI-Agent mithilfe bereitgestellten Wissens technische Probleme bearbeitet und selbstständig entscheidet, wann er ein Problem nicht lösen kann, um dann ein Support-Ticket an die Experten zu senden. Da sich in einem aktuellen Kundenprojekt jedoch eine typische Aufgabe ergibt, die von einem KI-Agenten gelöst werden kann, wird diese praxisrelevante Situation beschrieben.

Aufgabe
Es soll ein KI-Agent erstellt werden, der einen Schüler-Stundenplan verarbeitet und Schulfächer und Unterrichtszeiten ermittelt. Sind die Unterrichtszeiten auf dem Stundenplan nicht enthalten, soll der KI-Agent die Unterrichtszeiten auf der Webseite der Schule suchen und abrufen, um dann eine Excel-Tabelle mit den Daten des Stundenplans zu erstellen.

Diese Anforderung erscheint als ein Beispiel aus einem privaten Umfeld. Es gibt aber Kinder, die es nicht alleine schaffen, regelmäßig am Schulunterricht teilzunehmen und daher staatlich geförderte Unterstützung benötigen. Für meinen Kunden, der über 200 Schulbegleiter organisiert, die über 300 Kinder betreuen und fördern, um am Schulunterricht teilzunehmen, ist das Auslesen der Stundenpläne eine wichtige Aufgabe für die Verwaltungsmitarbeiter. Sie müssen wissen, wann welches Kind in welcher Schule welchen Unterricht hat und benötigen diese Informationen, um sie in die Planungssoftware zur Koodination der Schulbegleiter zu übertragen. Die Stundenpläne werden aktuell noch mühsam durch Verwaltungsmitarbeiter abgelesen und die Daten manuell in die Planungssoftware eingetragen.

Herausforderung:
Die Stundenpläne gibt es in vielen verschiedenen Formaten, die auch handschriftlich ausgefüllt werden. Nicht immer sind die Unterrichtszeiten darauf vermerkt. Für den erwähnten Kunden soll der zeitliche Aufwand für das Auslesen der Stundenpläne deutlich reduziert werden. Zu diesem Zweck soll ein Stundenplan-Agent erstellt werden, der diese Aufgabe übernimmt.

Umsetzung:
Ein anderer KI-Agent in der Software-Entwicklung hilft bei der Erstellung des Stundenplan-Agenten, indem er die Programmierung des gewünschten Stundenplan-Agenten übernimmt. Dies soll die Entwicklungszeit verkürzen und die Kosten für die Erstellung des Stundenplan-Agenten senken. Zur besseren Unterscheidung der beiden KI-Agenten werden nachfolgend die folgenden Begriffe verwendet:
•  „Entwicklungs-Agent“, der sich eigentlich aus mehreren Agenten zusammensetzt, und bei der Programmierung hilft und
•  „Stundenplan-Agent“, der
•  die Stundenpläne nach Stunden und Schulfächern analysiert,
•  die Unterrichtszeiten der Schule sucht, wenn sie auf dem Stundenplan nicht zu finden sind,
•  Standard-Zeiten anbietet, wenn die Unterrichtszeiten nicht im Internet gefunden werden
•  die Daten in eine Excel-Datei schreibt.

Mit folgender Anweisung zur Erstellung eines KI-Agenten wurde begonnen: Ich möchte einen KI-Agenten erstellen lassen, der Azure OpenAI als LLM verwendet und einen Screenshot eines Stundenplans einer deutschen Schule analysiert. Der Stundenplan liegt als Foto im .jpg oder .png-Format vor. Die Daten des Stundenplans sollen als Excel-Tabelle bereitgestellt wird. Wenn die Zeiten der jeweiligen Stunden nicht auf dem Stundenplan stehen, soll der Anwender nach dem Namen der Schule gefragt werden und nach der Adresse oder Postleitzahl. Der Agent soll damit die Schule identifizieren und die Webseite der Schule finden und dort nach den Unterrichtszeiten suchen, um diese dann ebenfalls in die Excel-Datei einzutragen, so dass zu jeder Stunde des Stundenplans das Schulfach und die Unterrichtszeiten abgelesen werden können. Die Anwendung soll komplett in Python implementiert werden und für ein User-Interface soll das Streamlit-Framework verwendet werden.

Der Entwicklungs-Agent antwortet:

Nachdem dem Entwicklungs-Agenten bestätigt wurde, dass er so vorgehen darf, beginnt er mit seiner Arbeit und meldet nach wenigen Minuten die Fertigstellung:

Nach aktuellem Stand der Technik ist das erstellte Programm nicht perfekt und fehlerfrei. Der von einem Entwicklungs-Agenten erstellte Stundenplan-Agent funktioniert noch nicht und gibt diverse Fehlermeldungen aus. Aus Gründen der Übersichtlichkeit werden an dieser Stelle nicht alle Fehlermeldungen abgebildet sind, sondern nur einige. Dies soll die Arbeit mit einem Entwicklungs-Agenten vereinfacht darstellen.

Dem Entwicklungs-Agenten werden die Fehlermeldungen nach und nach mitgeteilt. Nach drei bis vier weiteren Dialogen über Fehler und Änderungen konnte der erste Test des Stundenplan-Agenten durchgeführt werden. Links oben im Bild ist der Stundenplan zu sehen, rechts unten des Exel-Sheet als Resultat.

Die Zeit für die Erstellung der ersten lauffähigen Version des Stundenplan-Agenten betrug 60 Minuten mit
• Erstellung des Prompts
•  Dialog mit dem KI-Agenten in der Entwicklungs-Umgebung VisualStudio
•  Bereitstellung eines KI-Modells in Microsoft Azure
•  Dialoge über Fehlerbehebung
•  Erste einfache Tests

Weitere Herausforderungen
Damit verfügt der Stundenplan-Agent jedoch noch nicht über alle in der Praxis notwendigen Fähigkeiten. Auf Schulwebseiten werden für den Begriff „Stundenplan“ auch die Begriffe „Stundentafel“, „Zeittafel“ und „Unterrichtszeiten“ verwendet. Die Stundenpläne sind teilweise auch als PDF-Datei hinterlegt. Auf manchen Schulwebseiten werden sie direkt dargestellt, auf anderen findet sich nur ein Link zum Download der PDF-Datei. An dieser Stelle beginnt die Detailarbeit, in der oftmals die Tücken lauern. Ohne die Definition von Grenzen, in denen der Stundenplan-Agent suchen soll, und ohne die Definition von Formaten, die er erkennen und auslesen soll, wird eine Bewertung, ob er die Anforderungen erfüllt, sehr schwierig. Im praktischen Beispiel wurden die Schulen festgelegt, bei denen der Stundenplan-Agent suchen soll, und die einmal gefundenen Unterrichtszeiten einer Schule wurden in einer Datenbank gespeichert, ebenso wie die Unterrichtszeiten, die manuell gesucht werden mussten.Aktuell erstellt der Stundenplan-Agent eine Excel-Datei als Ergebnis. Dadurch müssen die Mitarbeiter die Unterrichtszeiten nicht mehr in die Planungssoftware eintippen, sondern können sie per Copy & Paste übertragen.

Fortsetzung folgt…
Im nächsten Schritt wird ein zusätzlicher Agent erstellt, der die Planungssoftware bedient und die Daten direkt einträgt. Idealerweise würden die Daten über eine Schnittstelle in die Planungssoftware übertragen. Da die Planungssoftware solche Schnittstellen aktuell aber nicht bietet, kann ein KI-Agent hier Erleichterung schaffen. Darüber wird im nächsten Beitrag berichtet.

Alle Produktnamen sind geschützte Marken und Markennamen der jeweiligen Hersteller.
Titelbild mit KI generiert.