Was ist ein Agent?

Ein Workflow folgt einem festen Ablauf. Ein Agent plant die nächsten Schritte selbst und passt sie bei Bedarf an.

Das KI-Modell analysiert die Aufgabe und den bisherigen Stand. Es überlegt: Was weiß ich bereits? Was fehlt noch? Welches Werkzeug hilft als nächstes? Dieser Schritt ist für den Benutzer unsichtbar, er findet intern im Sprachmodell statt.

Der Agent führt den gewählten Schritt aus: Er ruft ein Werkzeug auf, stellt eine Anfrage, liest eine Datei oder berechnet etwas. Dieser Schritt ist sichtbar, in n8n erscheint er als Ausführung eines Sub-Nodes.

Das Ergebnis der Aktion fließt zurück an das Sprachmodell. Der Agent wertet aus: Hat das geholfen? Bin ich fertig? Was muss ich als nächstes tun?

Ist die Aufgabe noch nicht gelöst, beginnt der Ablauf erneut. Der Agent nutzt dabei die Erkenntnisse aus den vorherigen Schritten. Sobald das Ziel erreicht ist, liefert er das endgültige Ergebnis zurück.

HTTP Request: APIs und Webdienste abfragen. Das vielseitigste Werkzeug für externe Daten und Dienste.

Calculator: Mathematische Berechnungen zuverlässig ausführen. Sprachmodelle können bei Zahlen Fehler machen, ein Rechner liefert konsistente Ergebnisse.

Wikipedia oder Websuche: Aktuelle Informationen abrufen, die nicht im Trainingsstand des Modells enthalten sind.

Code Ausführung: Eigenen JavaScript oder Python Code verwenden, wenn fertige Werkzeuge nicht ausreichen.

Eigene Workflows als Werkzeuge: Bestehende n8n Workflows können selbst als Werkzeug dienen. Ein Agent ruft sie dann wie einen externen Dienst auf.

Innerhalb eines Durchlaufs „erinnert" sich der Agent an alles, was bisher passiert ist: alle Gedanken, Aktionen und Beobachtungen des aktuellen ReAct-Zyklus. Dieses Gedächtnis endet, wenn der Workflow abgeschlossen ist.

In n8n gibt es einen Memory-Node, der die letzten N Nachrichten einer Unterhaltung speichert. Nützlich für Chat-Agenten, die sich an frühere Fragen im selben Gespräch erinnern sollen.

Für dauerhaftes Gedächtnis über mehrere Sitzungen hinweg werden Informationen in einer externen Datenbank gespeichert, z.B. Airtable, Supabase oder eine einfache JSON-Datei. Der Agent schreibt beim Abschluss wichtige Erkenntnisse hinein und liest sie beim nächsten Start wieder aus.

Für große Mengen an Dokumenten oder Notizen. Inhalte werden als mathematische Vektoren gespeichert, sodass der Agent nicht nach exakten Begriffen suchen muss, sondern nach inhaltlicher Ähnlichkeit. In n8n über den Vector Store-Node einbindbar.

„Fasse die wichtigsten Punkte aus diesen fünf Dokumenten zusammen" ist kein fester Ablauf, es braucht Urteilsvermögen. Ein Agent kann das, ein einfacher Workflow nicht.

Manchmal reicht eine API-Abfrage, manchmal braucht es fünf. Ein Agent passt die Tiefe seiner Recherche an die Aufgabe an, ein Workflow muss alle möglichen Schritte vorab kennen.

Freitext, natürliche Sprache, Bilder oder gemischte Formate, ein Agent kann damit umgehen, ein Workflow erwartet definierte Datenstrukturen.

Chat-Interfaces, bei denen der Benutzer Rückfragen stellt und der Agent auf den Gesprächsverlauf reagieren soll, sind typische Agenten-Anwendungen. Unser Gitarren-Akkord-Assistent ist ein gutes Beispiel: „Kannst du das etwas jazziger machen?" Der Agent versteht den Kontext der vorherigen Antwort.

Jeder ReAct-Zyklus erzeugt API-Kosten. Ein Agent, der fünf Iterationen benötigt, verbraucht fünfmal so viele Tokens wie ein einzelner LLM-Aufruf. Bei häufig laufenden Agenten summiert sich das schnell. Immer Obergrenzen für Iterationen setzen.

Sprachmodelle erfinden manchmal Antworten, die plausibel klingen aber falsch sind. In einem Agenten kann das dazu führen, dass er ein Werkzeug mit falschen Parametern aufruft oder eine Schlussfolgerung zieht, die nicht stimmt. Kritische Ergebnisse immer prüfen.

Ohne klare Begrenzung kann ein Agent denselben Ablauf immer wieder ausführen, ohne zu einem Ergebnis zu kommen. Deshalb sollte in n8n immer eine maximale Anzahl von Durchläufen festgelegt werden (Standardwert: 10).

Bei einem Workflow ist der Ablauf klar definiert und dadurch gut nachvollziehbar. Agenten reagieren flexibler, ihr Verhalten ist jedoch schwerer vorherzusagen. Das erschwert Tests und Fehlersuche. Für sicherheitskritische Aufgaben, etwa das Löschen von Daten oder das Versenden von E Mails, sind klassische Workflows meist die bessere Wahl.

Der zentrale Baustein eines Agenten. Er verarbeitet die Aufgabe, nutzt Werkzeuge und erzeugt das Ergebnis. Konfiguriert werden unter anderem das Sprachmodell, die maximale Anzahl von Durchläufen, der System Prompt und die verfügbaren Werkzeuge.

Werkzeuge werden als eigene Nodes mit dem Agenten verbunden. Der Agent entscheidet selbst, wann und wie er sie verwendet. Klare Namen und präzise Beschreibungen verbessern die Zuverlässigkeit deutlich.

Der System Prompt definiert das Verhalten des Agenten: Sprache, Stil, Regeln und Einschränkungen. Je präziser diese Vorgaben formuliert sind, desto nachvollziehbarer arbeitet der Agent.

Diese Begriffe werden häufig miteinander vermischt. Die nächste Seite erklärt die Unterschiede, Zusammenhänge und typischen Einsatzbereiche anhand konkreter Beispiele.

Für den praktischen Einstieg folgt anschließend die Installation von n8n. Ob Cloud, Docker oder Desktop Version: Der passende Einstieg hängt vom Einsatzzweck ab. Die Setup Seite erklärt die wichtigsten Möglichkeiten und zeigt einen einfachen Einstieg ohne Serverkenntnisse.