Agentic AI bildet die nächste Stufe des Internets. Das Agentic Web bringt viele neue Chancen, aber auch große Risiken für Nutzer und Unternehmen.

ChatGPT, Gemini, Claude: generative KI hat die vergangenen Jahre geprägt. Doch so beeindruckend diese Systeme sind: Im Kern bleiben sie reaktive Werkzeuge. Sie antworten auf Eingaben. Die nächste Stufe geht weiter. Agentic AI plant eigenständig komplexe Abläufe, bedient digitale Werkzeuge und trifft Entscheidungen in Echtzeit, und das ohne menschliches Eingreifen. Und dieser Wandel betrifft nicht nur einzelne Apps. Er bringt ein völlig neues Internet hervor: das Agentic Web oder Web 4.0: eine Infrastruktur, in der KI-Agenten im Auftrag ihrer Nutzer kommunizieren, verhandeln und Transaktionen ausführen.

Das Wichtigste in Kürze

• Agentic AI verschiebt den Fokus von der reinen Contenterstellung zur autonomen Handlungssteuerung: KI plant, handelt und korrigiert sich selbst.
• Das Web 4.0 löst die browserbasierte Ära ab: KI-Agenten werden zu den primären Akteuren des Internets.
• Neue Protokolle wie MCP und ACP bilden das Rückgrat der Maschine-zu-Maschine-Kommunikation.
• Systemische Risiken wie Reward Hacking, algorithmische Kollusion und Haftungslücken erfordern völlig neue Governance-Ansätze.
• Europäische Souveränität: Das Konzept der „Agentic Tool Sovereignty" wird zum zentralen Erfolgsfaktor.

Vom statischen Web zum Web 4.0

Das Web hat in drei Jahrzehnten mehrere Paradigmenwechsel durchlaufen. Das Web 1.0 war ein reines Lese-Web: statische Seiten, verbunden durch Hyperlinks. Mit dem Web 2.0 kam Interaktivität: Social Media, nutzergenerierte Inhalte, mobile Apps. Trotzdem blieb das Grundprinzip gleich: Der Mensch navigiert, sucht und nutzt die Inhalte manuell.

Das Web 3.0 (Semantic Web) wollte Daten mit Technologien wie RDF und Knowledge Graphs maschinenlesbar machen. Die Vision war großartig, die Umsetzung scheiterte: Den damaligen KI-Systemen fehlte schlicht die kognitive Flexibilität.

Genau hier setzt das Web 4.0 an. Large Language Models liefern die fehlende kognitive Kapazität. Anstatt dass ein Mensch Webseiten durchsucht, übernimmt ein KI-Agent die Navigation: Er interagiert mit APIs, extrahiert Daten und liefert ein fertiges Ergebnis. Der Bot-Traffic hat inzwischen einen großen Anteil am gesamten Web-Traffic. Manche Statistiken wie zum Beispiel die der Thales Group sehen Bot-Traffic sogar schon vorne. Ein Grund dafür: Nutzer geben keine Klick-Befehle mehr, sondern sie delegieren Absichten an Maschinen.

Was macht Agentic AI anders?

Die Begriffe „KI-Agent" und „Agentic AI" werden oft synonym verwendet. Das führt zu Missverständnissen. Der entscheidende Unterschied: Ein LLM wie ChatGPT antwortet in einem einzigen Durchlauf auf eine Eingabe. Agentic AI hingegen nutzt das LLM als zentrale Steuereinheit innerhalb einer modularen Architektur und zeichnet sich durch vier Fähigkeiten aus:

1. Zielzerlegung: Statt sofort Text zu generieren, zerlegt das System ein abstraktes Ziel in logische Teilschritte:Recherche, Datenanalyse, Report-Erstellung.
2. Perceive-Reason-Act-Schleifen: Der Agent plant, handelt, analysiert die Ergebnisse und passt bei Fehlschlägen seine Strategie autonom an.
3. Multi-Agenten-Orchestrierung: Spezialisierte Agenten arbeiten zusammen: Einer recherchiert, einer schreibt Code, einer prüft die Qualität. Das reduziert Halluzinationen deutlich.
4. Langzeitgedächtnis: Memory-Module und Knowledge Graphs erlauben es, den Kontext über Sitzungen hinweg aufrechtzuerhalten.

Agentic Web: Was ändert sich konkret?

Agenten sprechen keine menschliche Sprache mehr

Amazon Science beschreibt eine Zukunft, in der Agenten nicht über Textprompts kommunizieren, sondern über sogenannte Embeddings. Das sind mathematische Vektoren, die Konzepte in hochdimensionalen Räumen repräsentieren. Ein Beispiel: Ein Reise-Agent muss einem Buchungsportal nicht die gesamte Präferenz-Historie als Text senden. Er wandelt sie in einen Vektor um, der Aggregator gleicht ihn mit tausenden Hotels ab. Das ist effizienter und schützt die Privatsphäre: Rohdaten verlassen das Endgerät nie.

Das folgende Beispiel stammt aus dem Beitrag von Amazon Science. In diesem Beispiel sind die roten, grünen und blauen Punkte dreidimensionale Embeddings von Restaurants, in denen die drei Personen Alice, Bob und Chris gegessen haben. Ein reales Embedding könnte im Gegensatz dazu hunderte von Dimensionen haben. Jeder Punkt stellt das Zentrum eines der Cluster dar, und seine Werte stehen für die Präferenzen der entsprechenden Person. KI-Agenten könnten solche Vektorrepräsentationen anstelle von Text verwenden, um Informationen untereinander auszutauschen.

Abbildung 1: Beispiel für ein Embedding. Quelle: Amazon Science. Übersetzung erstellt mit Google Nano Banana 2

Das Ende der Aufmerksamkeitsökonomie

Wenn KI-Agenten das Suchen und Kaufen übernehmen, verlieren visuell optimierte Werbeanzeigen ihre Wirkung. Marken müssen ihre Produkte für Maschinenlogik optimieren: strukturiert, semantisch ausgezeichnet und objektiv verifizierbar. Visa und Cloudflare bauen bereits Zahlungstoken für autonome Agenten-Transaktionen.

Wer regiert das Agentic Web?

Die Harvard Journal of Law & Technology sieht das Internet an einem Scheideweg: Dominieren proprietäre Walled Gardens, die Agenten in geschlossenen Ökosystemen isolieren? Oder setzen sich offene Protokolle durch, die plattformübergreifende Agenten mit portablen Identitäten ermöglichen? Die Antwort bestimmt, ob das Agentic Web ein dezentrales Netzwerk wird, oder die Macht weniger Tech-Konzerne weiter zementiert.

Die Protokolle: Das Rückgrat des neuen Webs

Das größte Problem heute ist Fragmentierung. Agenten, gebaut mit unterschiedlichen Frameworks wie LangChain, CrewAI oder AutoGPT können nicht miteinander reden. Unter dem Dach des W3C und der Linux Foundation entstehen deshalb neue Standards:

Wo Agentic AI heute schon funktioniert

Pharmakologie

Auf Plattformen wie Causaly arbeiten Agenten arbeitsteilig an der Medikamentenentwicklung: Einer extrahiert Daten aus Millionen Fachartikeln, einer prüft die Methodik, ein dritter verifiziert die Konsistenz. Literaturreviews, die Monate dauerten, schrumpfen auf Tage.

Edge AI (Fraunhofer ITWM)

Die Neural Architecture Search Engine (NASE) des Fraunhofer Institute for Industrial Mathematics (ITWM) entwirft maßgeschneiderte neuronale Netze für ressourcenbeschränkte Hardware. Der Ingenieur sagt einfach, was er braucht. Das System entscheidet autonom über das Wie, inklusive Echtzeit-Tests auf physischen Chips. Ergebnis: Entwicklungszeit von Monaten auf Wochen.

Finanzwesen

Multi-Agenten-Netzwerke automatisieren KYC-Prozesse ("Know Your Customer"): Ein Agent scannt Sanktionslisten, einer analysiert Transaktionsmuster, einer erstellt regulatorische Meldungen – lückenlos und ohne menschliche Übergabeverluste.

Die Risiken: Warum Governance jetzt Chefsache ist

Die Autonomie bringt Risiken mit sich, die das klassisches Risikomanagement überfordern können. Das liegt vor allem an den folgenden Faktoren und Eigenschaften der KI-Agenten:

Zielabweichung: Agenten suchen den effizientesten Weg. Bei unpräzisen Zielen nehmen sie gefährliche Abkürzungen (Reward Hacking).

Verhaltensdrift: In Netzwerken lernender Agenten verschieben sich Sicherheitsparameter schleichend. Preisbildungs-Agenten können stillschweigend kartellähnliche Absprachen treffen, ohne je dafür programmiert worden zu sein.

Haftungslücken: Wenn Agent A über Protokoll B ein fehlerhaftes Tool von Anbieter C nutzt und Schaden entsteht, wer haftet dann? Nach aktuellem Recht ist das nicht geklärt.

Kontrollverlust: Agenten agieren in Millisekunden. Das Zeitfenster für menschliche Eingriffe schrumpft gegen null.

Worauf Unternehmen achten sollten

Um das Potenzial der Agentic AI zu heben und gleichzeitig die beschriebenen Risiken zu beherrschen, stehen Unternehmen vor einer enormen Transformationsaufgabe. 

Eine aktuelle Studie von AWS in Zusammenarbeit mit dem Harvard Business Review Analytic Services zeigt eine große Lücke hinsichtlich der möglichen Umsetzung: Nur 13 Prozent der befragten Unternehmensvertreter gehen davon aus, dass ihre Datenarchitektur auf agentische Systeme vorbereitet ist. Im Bereich der Governance-Strukturen sind es lediglich 11 Prozent, und nur 5 Prozent sehen ihre Belegschaft als ausreichend geschult an, um diese Technologien sicher zu orchestrieren.

In der EU gibt es außerdem verschiedene Regelungen, die beim Einsatz von Agentischer KI zu beachten sind. Dabei ist vor allem der EU AI Act zu nennen

EU AI Act: Vorsicht Reklassifizierung

Agentische Systemegelten bei einem Einsatz im Personalwesen, Finanzsektor oder in kritischen Infrastrukturen als Hochrisiko-KI. Das heißt: kontinuierliches Risikomanagement, fälschungssicheres Logging und automatisierte Risikoerkennung (Art. 9, 11 & 12). Besonders tückisch ist Artikel 25 des AI Acts: Wenn ein lizenzierter Agent durch autonomen Werkzeuggebrauch „wesentliche Veränderungen" am System vornimmt, wird das Unternehmen plötzlich selbst zum „Anbieter" – mit der vollen regulatorischen Last.

Agentic Tool Sovereignty und Gaia-X

Das spezifisch europäische Problem: Wenn ein Agent während einer Aufgabe autonom eine externe API aufruft, zum Beispiel eine US-Datenbank, überträgt er Daten über geopolitische Grenzen. Das bricht die konventionellen DSGVO-Mechanismen, weil Standardvertragsklauseln eine vorherige Identifikation des Datenimporteurs erfordern. Die Lösung: Föderierte Infrastrukturen wie Gaia-X, die dem Agenten kryptografisch garantieren, dass er ausschließlich auf DSGVO-konforme Schnittstellen zugreifen darf.

Fazit: Das Internet wird von Maschinen bewohnt

Die Transition zum Agentic Web passiert genau jetzt. Das Internet wird vom passiven Wissensarchiv zum autonomen Handlungsraum. Der Erfolg in dieser Ära hängt von robusten Protokollen und ethischen Leitplanken ab, die hart in die Infrastruktur eincodiert werden.

FAQs

Was unterscheidet Agentic AI von generativer KI?

Generative KI reagiert auf Eingaben. Agentic AI plant eigenständig, nutzt Werkzeuge und korrigiert sich selbst: proaktiv statt reaktiv.

Was ist das Agentic Web?

Agentic Web ist die nächste Evolutionsstufe des Internets. Nicht mehr Menschen, sondern KI-Agenten dominieren hier: Sie kommunizieren, verhandeln und agieren autonom.

Welche Protokolle sind wichtig?

Das Model Context Protocol (MCP) für Werkzeugzugriff, das Agent Communication Protocol (ACP) für systemübergreifende Interoperabilität und A2A für die gegenseitige Entdeckung von Agenten.

Warum ist Agentic Tool Sovereignty für Europa so wichtig?

Weil Agenten zur Laufzeit autonom externe APIs aufrufen und dabei Daten über Grenzen transferieren können. Ohne föderierte Infrastrukturen drohen massive DSGVO-Verstöße.

Wer haftet, wenn ein Agent Schaden anrichtet?

Das ist rechtlich ungeklärt. Der EU AI Act adressiert das Problem teilweise über Reklassifizierungsrisiken. Vollständige Klarheit fehlt aber noch.

Wie sollten Unternehmen starten?

Mit eingegrenzten Pilotprojekten in einzelnen Bereichen mit klarem ROI und der Qualifikation der Teams, die agentische Systeme sicher orchestrieren müssen.