Wie ein KI-Agent Schritt für Schritt arbeitet (ReAct & Plan-and-Execute)

Vielleicht kennst du das: Du schickst deiner KI eine Aufgabe, die aus mehreren Schritten besteht – „Schau in den Unterlagen nach, prüf die Zuständigkeit und bereite eine Antwort vor“ – und bekommst irgendein halbgares Ergebnis zurück. Nicht falsch, aber auch nicht das, was du gebraucht hättest. Der Grund ist fast immer derselbe: Da hat ein einfacher Chatbot in einem Rutsch geantwortet, statt wie ein Mitarbeiter Schritt für Schritt vorzugehen.

Ein echter KI-Agent macht genau das anders. Er zerlegt eine Aufgabe, arbeitet sie ab, schaut zwischendurch nach und korrigiert sich. In diesem Artikel zeige ich dir, wie das konkret abläuft – an vier Arbeitsmustern, die hinter guten Agenten stecken. Keine Sorge, das bleibt in Alltagssprache.

ReAct: denken, handeln, prüfen, weiter

Das wichtigste Grundmuster heißt ReAct – das ist die Kurzform für „Reasoning and Acting“, also „Denken und Handeln“. Die Idee dahinter ist simpel: Die KI wechselt in kleinen Runden zwischen Überlegen und Tun.

Eine Runde sieht so aus:

• Denken: Die KI überlegt, was der nächste sinnvolle Schritt ist. („Ich brauche erst den Materialpreis, bevor ich kalkulieren kann.“)
• Handeln: Sie benutzt ein Werkzeug (Tool) – zum Beispiel sie schlägt in einer Preisliste nach, fragt eine Datenbank ab oder ruft eine Website auf.
• Prüfen: Sie schaut sich das Ergebnis an. Passt es? Fehlt noch etwas?
• Weiter: Auf Basis des Ergebnisses überlegt sie den nächsten Schritt – und die Runde beginnt von vorn.

Stell dir vor, du hast einen Handwerksbetrieb und eine Anfrage kommt rein: „Ich bräuchte ein neues Waschbecken samt Anschluss.“ Ein ReAct-Agent denkt: „Erst nachsehen, ob das Modell lieferbar ist.“ Er fragt den Bestand ab, sieht „nicht auf Lager“, denkt neu: „Dann eine Alternative vorschlagen“, sucht ein vergleichbares Modell und baut daraus einen Entwurf. Er reagiert also auf das, was er unterwegs herausfindet – statt stur einen einzigen Plan durchzuziehen. Das ist der Unterschied zu einem Chatbot, der einfach drauflosredet.

Plan-and-Execute: erst der Plan, dann die Arbeit

ReAct ist stark, wenn man flexibel reagieren muss. Aber manchmal ist es klüger, sich erst einen Überblick zu verschaffen. Dafür gibt es das Muster Plan-and-Execute – auf Deutsch: „planen und ausführen“.

Hier macht die KI zuerst einen kompletten Plan – eine nummerierte Liste von Schritten – und arbeitet die dann der Reihe nach ab. Das hat zwei Vorteile: Du (oder ich) kannst den Plan vorher ansehen und freigeben, bevor irgendetwas passiert. Und die KI verzettelt sich seltener, weil sie das Ziel im Blick behält.

Faustregel: ReAct ist der Handwerker, der sich von Schritt zu Schritt vortastet. Plan-and-Execute ist der, der erst den Zettel schreibt und ihn dann abarbeitet. Gute Agenten kombinieren beides.

Ein Beispiel aus der Immobilienverwaltung: Eine Schadensmeldung kommt rein. Der Agent plant zuerst – 1. Schaden einordnen, 2. Zuständigkeit klären (Mieter, Eigentümer, Versicherung), 3. passenden Handwerker vorschlagen, 4. Terminvorschlag vorbereiten. Diesen Plan siehst du auf einen Blick. Erst danach fängt die KI an, ihn abzuarbeiten. Läuft ein Schritt schief, merkt sie es und passt den Plan an, statt blind weiterzumachen.

Supervisor und Agenten-Team: Chef verteilt, Spezialisten liefern

Wird ein Ablauf richtig verzweigt, reicht ein einzelner Agent oft nicht mehr aus. Dann arbeite ich mit einem Team aus mehreren spezialisierten Agenten, das von einem Supervisor koordiniert wird – einem „Chef-Agenten“, der die Arbeit verteilt und die Ergebnisse wieder zusammenführt.

Das kannst du dir wie eine kleine Werkstatt vorstellen. Der Chef nimmt den Auftrag an und gibt ihn an die richtigen Leute weiter: Einer recherchiert, einer rechnet, einer prüft. Jeder Unter-Agent kann für sich das ReAct-Muster benutzen. Der Supervisor sorgt dafür, dass am Ende ein sauberes Gesamtergebnis rauskommt.

So könnte das bei einer Handwerks-Anfrage aussehen:

• Ein Rechercheur-Agent prüft Machbarkeit und schaut Materialien nach.
• Ein Kalkulations-Agent stellt daraus einen groben Kostenrahmen zusammen.
• Ein Prüfer-Agent kontrolliert das Ergebnis auf Lücken und Ungereimtheiten.
• Am Ende gibt der Meister – also ein Mensch – das Angebot frei.

Der letzte Punkt ist mir wichtig: Die KI nimmt die Klickarbeit ab, nicht die Verantwortung. An den entscheidenden Stellen wartet der Ablauf auf deine Freigabe. Diese festen Haltepunkte sind kein Nachteil, sondern der Grund, warum du dem System vertrauen kannst. Mehr dazu, wo genau der Mensch entscheidet, habe ich in meinem Artikel über Human-in-the-Loop beschrieben.

Agentic RAG: die KI holt sich die richtigen Unterlagen

Bleibt eine Frage: Woher weiß der Agent bei alledem, was in deinem Betrieb gilt? Genau hier kommt RAG ins Spiel – das heißt, die KI bekommt die richtigen eigenen Unterlagen als Kontext, statt aus dem Bauch zu antworten. Also deine Preislisten, deine Verträge, deine Hausordnung.

Bei Agentic RAG geht der Agent noch einen Schritt weiter: Er holt sich diese Unterlagen nicht nur einmal, sondern aktiv und mehrfach – und prüft dabei, ob die Quelle wirklich zur Frage passt. Findet er nichts Passendes, sucht er gezielt nach oder fragt lieber nach, statt etwas zu erfinden. Für dich heißt das: Die Antwort steht auf deinen Dokumenten, nicht auf Vermutungen.

Praktisch: Meldet eine Mieterin ein Heizungsproblem und fragt, wer die Kosten trägt, sucht der Agent gezielt in ihrem Mietvertrag und der Hausordnung nach der passenden Klausel – und bereitet auf dieser Grundlage eine Antwort vor, die du nur noch freigibst.

Warum das für verzweigte Abläufe der Unterschied ist

Die meisten echten Geschäftsabläufe sind eben kein gerades Fließband. Sie verzweigen sich: „Wenn lieferbar, dann so – wenn nicht, dann anders.“ Genau dafür sind diese Muster gemacht. Ein Agent, der denkt, handelt und prüft, kommt mit solchen Wenn-dann-Situationen zurecht, weil er unterwegs reagieren kann, statt an einer Weggabelung stehenzubleiben.

In der Praxis kombiniere ich diese Bausteine je nach Fall: einen sauberen Plan für den Überblick, ReAct für die flexible Feinarbeit, ein Team für die verzweigten Stellen, Agentic RAG für die Faktenbasis – und feste Freigabepunkte, an denen ein Mensch das letzte Wort hat. Für sehr viele wiederkehrende Abläufe gibt es dafür ein erprobtes Muster, das ich auf deinen Betrieb anpasse, statt bei null anzufangen.

Wenn du einen Ablauf hast, der zu verzweigt für ein simples Formular ist, lohnt sich ein genauer Blick. Wie ich mehrere Agenten als Team für solche mehrstufigen Abläufe baue, liest du auf meiner Seite zur Multi-Agenten-Automatisierung – oder erzähl mir direkt von deinem Fall im kostenlosen Erstgespräch. Ehrlich, geerdet und ohne Hype.