KI-Agenten einrichten: Schritt für Schritt

Was ist ein KI-Agent – und warum brauchst du einen?

Ein KI-Agent unterscheidet sich von einem einfachen KI-Chat: Während du bei ChatGPT eine Frage stellst und eine Antwort bekommst, kann ein Agent eine Aufgabe bekommen und dann selbstständig mehrere Schritte unternehmen, um sie zu erledigen – inklusive Internetsuche, Dateizugriff oder das Aufrufen von APIs.

Stell dir vor, du sagst deinem Agenten: “Analysiere die letzten 30 Blog-Posts von Mitbewerber X und erstelle einen Bericht über deren Content-Strategie.” Ein Agent kann das erledigen, ohne dass du jeden Schritt vorgeben musst.

Option A: Agent mit Claude Code (Entwickler-fokussiert)

Claude Code ist der einfachste Weg, einen Coding-Agenten aufzusetzen.

Installation

npm install -g @anthropic-ai/claude-code

Dann einfach claude im Terminal starten. Du wirst nach deinem Anthropic API-Key gefragt.

Ersten Agenten-Task definieren

Wechsle in ein Projektverzeichnis und starte Claude Code:

cd /dein/projekt
claude

Gib dann eine konkrete Aufgabe:

Analysiere die Struktur dieses Projekts und erstelle eine README.md 
mit Architektur-Übersicht, Setup-Anleitung und einer Liste aller 
wichtigen Dateien mit ihrer Funktion.

Claude Code liest daraufhin alle relevanten Dateien, versteht die Struktur und erstellt die README. Du kannst den Fortschritt verfolgen und bei Bedarf Korrekturen einwerfen.

CLAUDE.md: Der Speicher deines Agenten

Eine der wichtigsten Dateien für einen guten Agenten-Workflow ist die CLAUDE.md – eine Datei, die im Projekt-Root liegt und dem Agenten Kontext über das Projekt, die Regeln und den Stil gibt.

Beispiel-Inhalt:

# Projekt: Mein SaaS-Tool

## Stack
- Backend: FastAPI (Python)
- Frontend: React + TypeScript
- DB: PostgreSQL

## Konventionen
- Deutsche Kommentare im Code
- Fehler immer loggen, nie still ignorieren
- Tests für alle neuen Funktionen

## Was der Agent darf
- Neue Dateien erstellen
- Bestehende Dateien editieren
- Tests ausführen

## Was der Agent NICHT darf
- Produktions-Umgebung ändern
- Dateien löschen ohne Rückfrage

Option B: Agent mit n8n (No-Code/Low-Code)

Für Nutzer ohne Programmierkenntnisse bietet n8n eine mächtige Lösung zum Bauen von KI-Agenten.

Das AI Agent-Node in n8n

n8n hat ein natives “AI Agent”-Node, das einen LLM mit Tools verbindet. So richtest du es ein:

1. Lege einen neuen Workflow an
2. Füge das “AI Agent”-Node hinzu
3. Wähle als Chat Model “OpenAI Chat Model” oder “Anthropic Claude”
4. Verbinde Tools: Du kannst dem Agenten Zugriff auf Web Search, Calculator, Wikipedia, HTTP Request und mehr geben
5. Definiere einen System-Prompt, der dem Agenten erklärt, was er tun soll

Beispiel: Recherche-Agent

Du bist ein Recherche-Assistent. Deine Aufgabe ist es, Fragen über 
Unternehmen und Märkte zu beantworten. Du nutzt dafür Websuche und 
Wikipedia. Deine Antworten sind immer auf Deutsch, präzise und 
enthalten konkrete Quellen.

Trigger: Webhook (damit du den Agenten per API aufrufen kannst) oder manuell.

Option C: Python mit LangChain oder Autogen (Fortgeschrittene)

Für Entwickler, die volle Kontrolle wollen, ist ein Python-basierter Agent die flexibelste Option.

from anthropic import Anthropic

client = Anthropic()

# Einfacher Agent mit Tool-Nutzung
def simple_agent(task: str):
    tools = [
        {
            "name": "web_search",
            "description": "Sucht im Internet nach aktuellen Informationen",
            "input_schema": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "Suchanfrage"}
                },
                "required": ["query"]
            }
        }
    ]
    
    message = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=4096,
        tools=tools,
        messages=[{"role": "user", "content": task}]
    )
    
    return message

Qualitätskontrolle: Wann eingreifen?

Egal welche Option du wählst: Gute Agenten-Systeme haben klare Grenzen, wann der Agent eigenständig handelt und wann er rückfragt.

Darf eigenständig:

• Lesen und Analysieren
• Entwürfe erstellen
• Recherchieren

Muss rückfragen:

• Dateien löschen
• Externe APIs aufrufen (vor allem kostenpflichtige)
• Öffentliche Inhalte veröffentlichen
• Änderungen in Produktionssystemen

Erste Schritte in der Praxis

Starte klein: Definiere eine sehr spezifische Aufgabe, die heute noch manuell erledigst, und automatisiere nur diese. Beobachte, wie gut der Agent arbeitet. Erweitere den Scope schrittweise.

Der häufigste Fehler beim Einstieg in KI-Agenten ist es, zu viel auf einmal zu wollen. Ein gut funktionierende, einfacher Agent bringt mehr als ein komplexer, der ständig Fehler macht.