Agentische Workflows sind Prozesse, in denen ein oder mehrere KI-Agenten eine komplexe Aufgabe in Schritte zerlegen und diese autonom ausführen, wobei sie Entscheidungen treffen, externe Tools aufrufen und ihre eigenen Ergebnisse ohne ständige menschliche Intervention überprüfen. Im Gegensatz zu einer einfachen Modellabfrage plant, agiert und korrigiert sich das System hier in iterativen Zyklen, bis ein Ziel erreicht ist.
Ihre Bedeutung liegt darin, dass sie die Automatisierung von Aufgaben ermöglichen, die zuvor eine kontinuierliche Überwachung erforderten, indem sie Fähigkeiten verketten, die ein einzelner Prompt nicht lösen kann. Sie stützen sich üblicherweise auf verschiedene Muster:
- Planung: Aufteilung des Ziels in geordnete Teilaufgaben.
- Tool-Nutzung: Abfrage von APIs, Datenbanken oder Ausführung von Code.
- Reflexion: Bewertung der Ausgabe und erneuter Versuch bei Mängeln.
Ein praktisches Beispiel wäre ein Agent, der zu einem Thema recherchiert: Er sucht nach Quellen, liest Dokumente, gleicht Daten ab und verfasst einen Bericht, wobei er Schritte wiederholt, wenn er Lücken entdeckt. Die wichtigste Nuance ist, dass Autonomie Risiken birgt – Fehler, die sich fortpflanzen, oder unerwünschte Aktionen –, weshalb es ratsam ist, Grenzen, Validierungen und, falls kritisch, menschliche Kontrollpunkte einzubauen.