Wie diese Seite zu lesen ist

Die Begriffe stehen alphabetisch. Jeder Eintrag sagt zuerst in einem Satz, was gemeint ist, dann, wie die Hersteller es in ihrer Dokumentation beschreiben — Zitate auf Englisch, weil die Dokumentationen so vorliegen —, und zuletzt, wo der Begriff in der Bibliothek praktisch wird. Wo Hersteller dasselbe Wort verschieden gebrauchen, steht das dabei; wir entscheiden nicht, wer recht hat. Rechtsbegriffe stammen aus Artikel 3 der KI-Verordnung, technische aus den Dokumentationen von OpenAI, Anthropic, Google, Microsoft und Mistral.

Agent

Ein Programm, das mit einem Sprachmodell eine Aufgabe über mehrere Schritte bearbeitet und dabei Werkzeuge aufruft, statt nur eine Frage zu beantworten. OpenAI beschreibt Agenten als Systeme, die Aufgaben selbstständig im Auftrag von Nutzern erledigen; nach der Entwicklerdokumentation können sie „plan and complete tasks using tools, work with other agents“. Anthropic grenzt sie von Workflows ab: Bei Workflows legt der Code den Ablauf fest, bei Agenten steuert das Modell „dynamically direct their own processes and tool usage“. Google nennt den Agenten in seinem Agent Development Kit „a self-contained execution unit“, Microsoft eine KI-Anwendung, die mit einem Modell Anfragen durchdenkt und Aktionen ausführt. Gemeinsam ist allen vier Beschreibungen: Das Modell entscheidet über die nächsten Schritte, ausgeführt werden sie außerhalb des Modells.

Wo es zählt: Was ein Agent kann und was er darf. Quellen: developers.openai.com/api/docs/guides/agents, openai.com/index/new-tools-for-building-agents (11.03.2025), anthropic.com/engineering/building-effective-agents (19.12.2024), adk.dev/agents, learn.microsoft.com/en-us/azure/ai-foundry/agents/overview — abgerufen 20.10.2026.

Agentic AI

Ein Sammelbegriff für KI, die nicht nur antwortet, sondern Entscheidungen trifft und handelt. Eine eigenständige Definition fanden wir nur bei Google Cloud: „focused on autonomous decision-making and action“. Microsoft gebraucht das Wort als Eigenschaft von Abläufen — „Agents + workflows = agentic workflows“ — und OpenAI nur als Attribut („agentic applications“), ohne es zu definieren. Für den Betreiber ist das Wort deshalb kein Prüfmerkmal: Was ein konkretes System tut, steht in der Dokumentation seiner Fähigkeiten, nicht in diesem Etikett.

Wo es zählt: Modelle im Überblick (dokumentierte Fähigkeiten je Hersteller). Quellen: cloud.google.com/discover/what-is-agentic-ai (Stand 16.09.2026), learn.microsoft.com/en-us/dotnet/ai/conceptual/agents (Stand 10.12.2025), openai.com/index/new-tools-for-building-agents — abgerufen 20.10.2026.

Anbieter und Betreiber (KI-Verordnung)

Die beiden Rollen, an denen die KI-Verordnung ihre Pflichten festmacht. Anbieter ist nach Artikel 3 Nummer 3, wer ein KI-System entwickelt oder entwickeln lässt und es unter eigenem Namen oder eigener Handelsmarke in Verkehr bringt oder in Betrieb nimmt — entgeltlich oder unentgeltlich. Betreiber ist nach Artikel 3 Nummer 4, wer ein KI-System „in eigener Verantwortung verwendet“; ausgenommen ist die persönliche, nicht berufliche Tätigkeit. Ein Unternehmen, das einen Agenten eines Herstellers im Betrieb einsetzt, ist in der Regel Betreiber; wer ein System unter eigenem Namen an Kunden gibt, kann Anbieter werden. Die Abgrenzung im Einzelfall ist eine Rechtsfrage.

Wo es zählt: Regeln auf einen Blick, Hochrisiko-KI-System. Quelle: Verordnung (EU) 2024/1689, Artikel 3 Nummern 3 und 4, eur-lex.europa.eu (CELEX 32024R1689) — abgerufen 20.10.2026.

Datenresidenz

Die Festlegung, in welcher Region die Daten eines Kunden verarbeitet und gespeichert werden. Anthropic beschreibt es als zwei getrennte Einstellungen: „manage where your data is processed and stored“. Bei OpenAI ist es eine Projekteinstellung, mit der der Standort der verarbeitenden Infrastruktur gewählt wird. Microsoft unterscheidet nach Bereitstellungsart: Ruhende Daten bleiben in der Geographie der Ressource, die Verarbeitung kann je nach Typ in anderen Regionen liegen. Zwei Dinge sind nicht dasselbe: Datenresidenz ist nicht Hosting beim Kunden, und sie endet nach OpenAI-Dokumentation dort, wo ein Agent Daten an einen externen Dienst weitergibt — etwa an einen MCP-Server.

Wo es zählt: Modelle im Überblick (Datenstandort), Werkzeuge und Schnittstellen, KI und Datenschutz. Quellen: platform.claude.com/docs/en/build-with-claude/data-residency, developers.openai.com/api/docs/guides/your-data, learn.microsoft.com/azure/ai-services/openai/how-to/deployment-types, developers.openai.com/api/docs/guides/tools-connectors-mcp (11.10.2026) — abgerufen 20.10.2026.

Freigabe, Freigabepunkt, Human in the loop

Eine Stelle im Ablauf, an der der Agent anhält und ein Mensch entscheidet, bevor es weitergeht. OpenAI beschreibt es für sein Agents SDK so: „pause agent execution until a person approves or rejects sensitive tool calls“. Microsoft führt es als Workflow-Schritt, der für externe Eingabe anhält und danach fortsetzt. In den Programmierschnittstellen ist die Freigabe ein Parameter, den der Entwickler setzt (bei OpenAI und Microsoft require_approval, bei Mistral requires_confirmation); in den Endnutzerprodukten eine Rückfrage an den Nutzer; dazu kommt die Freigabe von Apps durch den Administrator. Alle drei Ebenen sind abschaltbar — „der Agent fragt immer nach“ gilt nirgends von allein.

Wo es zählt: Aufgabenvorlagen (Feld „Freigabepunkte“), Werkzeuge und Schnittstellen. Quellen: openai.github.io/openai-agents-python/human_in_the_loop, learn.microsoft.com/en-us/agent-framework/user-guide/workflows/overview (Stand 25.08.2026) — abgerufen 20.10.2026; Herstellerseiten zu Freigabeparametern wie auf der Schnittstellen-Seite genannt — abgerufen 11.10.2026.

Halluzination

Eine Ausgabe, die plausibel klingt, aber falsch ist oder nicht zum vorgelegten Material passt. Anthropic: Text, der „factually incorrect or inconsistent with the given context“ ist. Google zählt dazu auch erfundene Verweise und nennt es „plausible-sounding but factually incorrect“. Microsoft gebraucht statt Halluzination den Begriff „ungrounded“: Angaben, die das Quellmaterial nicht deckt. Bei einem Agenten betrifft das nicht nur Antworten, sondern auch seine Berichte über das, was er getan hat — deshalb haben die Aufgabenvorlagen ein eigenes Feld „Nachweis“.

Wo es zählt: Aufgabenvorlagen (Felder „Abnahmekriterien“ und „Nachweis“). Quellen: platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations, docs.cloud.google.com/gemini/docs/discover/responsible-ai (Stand 13.10.2026), learn.microsoft.com/en-us/azure/ai-services/content-safety/concepts/groundedness (Stand 20.02.2026) — abgerufen 20.10.2026.

Hintergrundaufgabe

Ein Auftrag, der länger läuft, als ein Chat wartet: Der Agent arbeitet, ohne dass jemand zusieht, und das Ergebnis wird später abgeholt. OpenAI nennt es Hintergrundmodus der Responses API — „execute long-running tasks“, asynchron abrufbar. Microsoft führt in seinem Agent Framework eine Zustandsverwaltung für „long-running and human-in-the-loop scenarios“; die ältere Foundry-Dokumentation beschreibt Läufe mit Status wie in Bearbeitung, Eingabe erforderlich und abgeschlossen. Für den Betreiber heißt das: Je länger ein Agent allein arbeitet, desto wichtiger werden Grenzen, Freigabepunkte und ein Protokoll, das hinterher zeigt, was geschehen ist.

Wo es zählt: Aufgabenvorlagen (Felder „Umfang“ und „Nachweis“). Quellen: developers.openai.com/api/docs/guides/background, learn.microsoft.com/en-us/agent-framework/overview/agent-framework-overview (Stand 25.08.2026), learn.microsoft.com/en-us/azure/ai-foundry/agents/concepts/threads-runs-messages (Stand 06.03.2026, dort als auslaufend gekennzeichnet) — abgerufen 20.10.2026.

Kontextfenster

Die Menge an Text, die ein Modell bei einer Antwort gleichzeitig vor sich hat — Anweisung, bisheriger Verlauf, gelesene Dokumente, Werkzeugergebnisse und die Antwort selbst. Anthropic definiert es als „all the text a language model can reference when generating a response“ und grenzt es vom Trainingsmaterial ab; Google vergleicht es mit dem Kurzzeitgedächtnis. Für Agenten ist es die harte Grenze: Alles, was ein Werkzeug zurückgibt, landet im Kontextfenster — und alles, was dort steht, kann das Modell beeinflussen, auch eine Anweisung in einer gelesenen E-Mail (siehe Prompt Injection).

Wo es zählt: Werkzeuge und Schnittstellen (Abschnitt „Welche Daten den Betrieb verlassen“). Quellen: platform.claude.com/docs/en/build-with-claude/context-windows, ai.google.dev/gemini-api/docs/long-context (Stand 15.10.2026) — abgerufen 20.10.2026.

MCP-Server (Model Context Protocol)

Ein Programm, das einem Agenten über einen offenen Anschlussstandard Werkzeuge, Daten und Vorlagen anbietet. Das Model Context Protocol nennt sich selbst „an open-source standard for connecting AI applications to external systems“; die Spezifikation trägt seit Juli 2026 die Revision 2026-07-28 und liegt bei der Agentic AI Foundation unter dem Dach der Linux Foundation. Die Anwendung des Betreibers ist der Host, in ihr hält ein Client die Verbindung zu genau einem Server. Ein Server kann lokal auf dem eigenen Rechner laufen oder entfernt im Netz; der Begriff sagt nichts darüber, wo Daten verarbeitet werden, und nichts darüber, ob der Server vertrauenswürdig ist.

Wo es zählt: Werkzeuge und Schnittstellen. Quellen: modelcontextprotocol.io/docs/getting-started/intro, modelcontextprotocol.io/specification/2026-07-28, blog.modelcontextprotocol.io (09.12.2025) — abgerufen 11.10.2026.

Multi-Agent-System

Mehrere Agenten, die an einer Aufgabe zusammenarbeiten — meist einer, der verteilt, und mehrere, die Teilaufgaben übernehmen. Google stellt sein Agent Development Kit ausdrücklich dafür vor; Microsoft beschreibt in seinem Agent Framework „graph-based workflows for explicit multi-agent orchestration“, bei denen der Ablauf zwischen den Agenten im Code festgelegt ist. OpenAI setzt das mit zwei Mechanismen um: Ein Agent nutzt einen anderen als Werkzeug und behält das Gespräch, oder er übergibt es ganz („handoff“). Für den Betreiber vervielfacht sich damit die Frage nach Zugriffen und Freigaben: Jeder beteiligte Agent hat eigene Werkzeuge und eigene Rechte.

Wo es zählt: Was ein Agent kann und was er darf. Quellen: adk.dev/workflows, learn.microsoft.com/en-us/agent-framework/overview/agent-framework-overview (Stand 25.08.2026), openai.github.io/openai-agents-python/multi_agent — abgerufen 20.10.2026.

Orchestrierung

Die Steuerung, in welcher Reihenfolge und mit welcher Aufgabenteilung mehrere Agenten oder Arbeitsschritte laufen. OpenAI definiert es knapp als „the flow of agents in your app“. Anthropic beschreibt das Muster „Orchestrator-Workers“: Ein zentrales Modell zerlegt die Aufgabe, delegiert die Teile an Arbeits-Modelle und führt die Ergebnisse zusammen. Google nennt die zentrale Rolle Koordinator, Microsoft in einem seiner Muster Manager-Agent, der spezialisierte Agenten „dynamically coordinates“. Entscheidend für die Kontrolle: Ob die Aufteilung im Code feststeht oder das Modell sie zur Laufzeit selbst wählt — Anthropic trennt genau daran Workflow und Agent.

Wo es zählt: Aufgabenvorlagen (Feld „Umfang“). Quellen: openai.github.io/openai-agents-python/multi_agent, anthropic.com/engineering/building-effective-agents (19.12.2024), adk.dev/workflows/collaboration, learn.microsoft.com/en-us/agent-framework/user-guide/workflows/orchestrations/overview (Stand 25.08.2026) — abgerufen 20.10.2026.

Prompt Injection

Eine Anweisung, die in Inhalten steckt, die ein Agent liest — in einer E-Mail, einem Dokument, einer Webseite — und die er befolgt, als käme sie vom Betreiber. Anthropic schreibt zur Computerbedienung, das Modell werde in manchen Fällen „follow commands found in content“, auch wenn sie den eigenen Anweisungen widersprechen; Google Workspace warnt vor Inhalten aus unbestätigten Quellen, die „hidden instructions that can hijack your session“ enthalten können; Microsoft rät, Werkzeugargumente und -ergebnisse als nicht vertrauenswürdige Eingabe zu behandeln. Lesen ist deshalb nicht harmlos: Ein Agent mit Lesezugriff auf fremde Inhalte und Schreibzugriff irgendwo anders ist die Kombination, vor der die Hersteller selbst warnen.

Wo es zählt: Werkzeuge und Schnittstellen, Grundgrenzen. Quellen: platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool, developers.google.com/workspace/guides/configure-mcp-servers, learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/function-calling — abgerufen 11.10.2026.

Sandbox

Eine abgeschottete Umgebung mit möglichst wenigen Rechten, in der ein Agent Code ausführt oder einen Rechner bedient, ohne an das übrige System zu kommen. Anthropic schreibt, Computerbedienung „requires a sandboxed computing environment“, und empfiehlt eine eigene virtuelle Maschine oder einen Container mit minimalen Rechten; Google rät ebenso, den Agenten „in a sandboxed VM or container“ laufen zu lassen. Die Sandbox begrenzt, was ein Fehler oder eine eingeschleuste Anweisung anrichten kann — sie ersetzt aber keine Freigabe für Aktionen mit Außenwirkung, etwa das Senden einer Nachricht.

Wo es zählt: Was ein Agent kann und was er darf. Quellen: platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool, ai.google.dev/gemini-api/docs/computer-use — abgerufen 11.10.2026.

Scope (Berechtigungsumfang)

Der Umfang dessen, was ein Zugriffsschlüssel erlaubt, mit dem ein Agent an ein Postfach, einen Kalender oder eine Dateiablage angebunden ist — vergeben über das Anmeldeverfahren OAuth, bei dem der Dienst einen Schlüssel mit begrenztem Umfang statt des Passworts bekommt. OpenAI: „The available tools depend on which scopes your OAuth token has available to it.“ Beispiele aus Herstellerseiten: drive.readonly erlaubt Lesen in Google Drive, gmail.compose das Anlegen von Entwürfen, Mail.Read das Lesen in Outlook. Der Name eines Scopes sagt nicht, was das Werkzeug tut: OpenAI führt für das Lese-Werkzeug search_emails den Scope gmail.modify. Die MCP-Sicherheitshinweise empfehlen „a progressive, least-privilege scope model“ — so wenig Rechte wie nötig, schrittweise erweitert.

Wo es zählt: Werkzeuge und Schnittstellen, Aufgabenvorlagen (Feld „Eingaben“). Quellen: developers.openai.com/api/docs/guides/tools-connectors-mcp, docs.mistral.ai/studio/connectors/providers/google, support.claude.com (Microsoft-365-Connector), modelcontextprotocol.io/docs/2026-07-28/tutorials/security/security_best_practices — abgerufen 11.10.2026.

Unteragent

Ein Agent, der von einem anderen Agenten für eine Teilaufgabe gestartet wird und ihm nur das Ergebnis zurückgibt. Anthropic beschreibt Unteragenten in Claude Code als „specialized AI assistants that handle specific types of tasks“, die in einem eigenen Kontext arbeiten und nur die Zusammenfassung zurückmelden. Bei Google heißt die Liste der Kind-Agenten eines Koordinators sub_agents; die Delegation entscheidet das Modell. OpenAI kennt das Wort in seiner Dokumentation nicht und löst dasselbe über „agents as tools“ und „handoffs“. Für den Betreiber gilt bei Unteragenten dasselbe wie beim Hauptagenten: eigene Werkzeuge, eigene Rechte, eigener Nachweis.

Wo es zählt: Aufgabenvorlagen (Feld „Nachweis“). Quellen: code.claude.com/docs/en/sub-agents, adk.dev/workflows/patterns, openai.github.io/openai-agents-python/handoffs — abgerufen 20.10.2026.

Werkzeug und Werkzeugaufruf

Ein Werkzeug ist eine Funktion, die dem Modell angekündigt wird und die es anfordern kann — E-Mails suchen, eine Datei lesen, einen Termin anlegen. OpenAI nennt es „a piece of functionality that we tell the model it has access to“, die MCP-Spezifikation „Functions for the AI model to execute“. Der Werkzeugaufruf („function calling“, „tool use“ — zwei Namen für dasselbe) läuft bei allen fünf gelesenen Herstellern gleich: Das Modell erzeugt eine Anfrage mit Name und Argumenten, ausgeführt wird sie außerhalb des Modells — in der Anwendung des Betreibers oder auf der Plattform des Herstellers. Google: „The model doesn’t execute the function itself.“ Welche Werkzeuge ein Agent bekommt, zieht die Grenze dessen, was er tun kann.

Wo es zählt: Werkzeuge und Schnittstellen. Quellen: developers.openai.com/api/docs/guides/function-calling, modelcontextprotocol.io/specification/2026-07-28, platform.claude.com/docs/en/agents-and-tools/tool-use/overview, ai.google.dev/gemini-api/docs/function-calling (Stand 23.09.2026), docs.mistral.ai/capabilities/function_calling, learn.microsoft.com/en-us/azure/foundry/agents/how-to/tools/function-calling — abgerufen 11.10.2026.

Zero Data Retention

Eine Vereinbarung mit dem Hersteller, nach der Anfragen und Antworten nicht gespeichert werden. Anthropic beschreibt sie so: „Anthropic does not store customer prompts or responses at rest“; OpenAI und Mistral gewähren sie nach eigener Angabe nur auf Antrag beziehungsweise Freigabe. Sie gilt nicht für alles: Bei Anthropic ist der MCP-Connector ausdrücklich „not covered by ZDR arrangements“, bei Mistral gilt sie nur für zustandslose Endpunkte, nicht für die Produkte Work und Chat. Wer mit Zero Data Retention plant, muss je Werkzeugart prüfen, ob sie dort greift — die Schnittstellen-Seite führt das je Hersteller auf.

Wo es zählt: Werkzeuge und Schnittstellen, Modelle im Überblick. Quellen: platform.claude.com/docs/en/manage-claude/api-and-data-retention, platform.claude.com/docs/en/agents-and-tools/mcp-connector, developers.openai.com/api/docs/guides/your-data, docs.mistral.ai/admin/monitor-comply/zero-data-retention — abgerufen 11.10.2026.

Fehlt ein Begriff? Die Seite wächst mit den Fragen, die über den Frage-Block eingehen. Wer die Begriffe im Zusammenhang lesen will, beginnt bei Was ein Agent kann und was er darf; wer eine Aufgabe für einen Agenten beschreiben will, bei den Aufgabenvorlagen.

---

Stand 20. Oktober 2026. Alle Angaben nach der Dokumentation der genannten Hersteller, der Spezifikation des Model Context Protocol (Revision 2026-07-28) und dem Wortlaut der Verordnung (EU) 2024/1689, abgerufen an den je Eintrag genannten Tagen; Hilfeseiten ohne absolutes Datum sind mit dem Abrufdatum geführt. Zitate sind kurz und wörtlich aus den englischen Originalen. Keine Rechtsberatung. Diese Seite ist redaktionell und unbezahlt; es gibt hier keine Anzeigen und keine Anbieterplatzierungen.

Weitere Seiten der Bibliothek: Agenten-Bibliothek · Aufgabenvorlagen · Was ein Agent kann und was er darf · Regeln auf einen Blick · Modelle im Überblick · Werkzeuge und Schnittstellen · KI-Agenten für Unternehmen (Verzeichnis) · Hochrisiko-KI-System (Verzeichnis)