Agentiver Chat — wenn KI die Arbeit übernimmt
Dies ist Artikel 2 unserer Serie „3 Ebenen der KI-Zusammenarbeit”. Artikel 1 behandelte Chat — die Kunst der Konversation mit KI. Jetzt erforschen wir, was passiert, wenn Konversation zur Schöpfung wird.
Es gibt einen Moment, den jeder erlebt, der von beratender zu agentiver KI wechselt.
Sie sprechen mit Claude oder ChatGPT darüber, wie man etwas aufbaut. Sie beschreiben, was Sie wollen. Die KI antwortet mit hilfreichen Ratschlägen, Code-Snippets, Schritt-für-Schritt-Anleitungen. Sie kopieren den Code, fügen ihn in Ihren Editor ein, führen ihn aus. Es funktioniert. Oder nicht. Sie gehen zurück zum Chat. Sie iterieren.
Dann zeigt Ihnen jemand Claude Code, Cursor oder den Agentenmodus von GitHub Copilot.
„Sehen Sie mal zu”, sagen sie. Sie beschreiben, was sie bauen wollen. Die KI antwortet nicht nur mit Ratschlägen. Sie öffnet Dateien. Sie durchsucht die Codebasis. Sie schreibt Code direkt in mehrere Dateien. Sie führt Tests aus. Sie erkennt Fehler und behebt sie. Sie committet Änderungen in git.
Das Gespräch hat keinen Ratschlag produziert. Es hat das eigentliche Produkt produziert.
Das ist der Wechsel vom Chat zum agentiven Chat. Von „zeig mir wie” zu „mach es einfach”.
Der Werkzeugrahmen
Der Unterschied liegt nicht im KI-Modell. Er liegt im Rahmen.
Wenn Sie auf claude.ai mit Claude chatten, sprechen Sie mit demselben Grundmodell wie bei Claude Code. Der Unterschied? Claude Code hat Werkzeuge:
- Dateisuche — Relevante Dateien in Ihrer Codebasis finden
- Read — Dateiinhalte öffnen und analysieren
- Write — Neue Dateien erstellen oder bestehende überschreiben
- Edit — Präzise Änderungen an bestimmten Zeilen vornehmen
- Bash — Befehle ausführen, Tests starten, git verwenden
- Grep — Muster in Dateien durchsuchen
Diese Werkzeuge verwandeln die KI vom Berater zum Ausführenden. Statt Ihnen zu sagen, was Sie tun sollen, erledigt sie die Arbeit selbst.
Das gleiche Muster existiert auf verschiedenen Plattformen:
| Plattform | Was sie hinzufügt | Ergebnis |
|---|---|---|
| ChatGPT | Nur Konversation | Ratschläge und Code-Snippets |
| Claude Code | Dateiwerkzeuge + Shell-Zugriff | Baut echte Projekte |
| GitHub Copilot | IDE-Integration | Schreibt Code beim Arbeiten |
| Cursor | Codebasis-Bewusstsein | Mehrere Dateien bearbeiten |
| Gemini CLI | Terminal + Dateizugriff | Ausführung über Befehlszeile |
Die Werkzeuge sind es, die KI agentiv machen. Geben Sie einer KI einen Hammer, und sie kann bauen. Lassen Sie sie in einem Chatfenster, und sie kann nur Konstruktion beschreiben.
Von Beratung zu Ausführung
So sieht der Wandel in der Praxis aus.
Beratungsmodus (traditioneller Chat):
Sie: „Ich muss eine Landing Page für ein SaaS-Produkt erstellen — mit Hero-Bereich, Feature-Raster, Preistabelle und Fußzeile.”
KI: „Hier ist eine HTML-Musterstruktur, die Sie verwenden können… [liefert Code-Snippet]. Für das Styling möchten Sie Tailwind-Klassen wie… verwenden [mehr Code]. Für die Preis-Komponente empfehle ich diesen Ansatz… [weiteres Snippet].”
Sie: [Kopiert Code, erstellt Dateien, fügt Snippets ein, behebt Fehler, geht zum Chat zurück, wiederholt]
Ausführungsmodus (agentiver Chat):
Sie: „Ich muss eine Landing Page für ein SaaS-Produkt erstellen — mit Hero-Bereich, Feature-Raster, Preistabelle und Fußzeile.”
KI: „Ich erstelle eine Landing Page für Sie. Ich beginne mit der Struktur…”
[Erstellt index.html]
[Erstellt styles.css]
[Schreibt Hero-Bereich-HTML]
[Implementiert Feature-Raster]
[Baut Preis-Komponente]
[Fügt Fußzeile hinzu]
[Startet lokalen Dev-Server zum Testen]
[Prüft Ausgabe, erkennt Abstandsproblem]
[Behebt Padding im Hero-Bereich]
[Committet Änderungen in git]KI: „Fertig. Die Landing Page ist unter localhost:3000 erreichbar. Ich habe den Abstand im Hero-Bereich angepasst, um der modernen SaaS-Ästhetik besser zu entsprechen. Möchten Sie noch etwas hinzufügen?”
Der Input ist gleich. Der Output ist grundlegend verschieden. Einer produziert Anweisungen. Der andere produziert das Produkt.
Die wahre Stärke: Die Feedbackschleife
Aber hier ist, was Ihnen niemand über agentiven Chat sagt, bis Sie es selbst erlebt haben.
Sie wissen eigentlich nicht, was Sie wollen, bis Sie es sehen.
Das ist kein Fehler in Ihrem Denken. So lernen Menschen. Wir sind schlecht in Spezifikationen, aber ausgezeichnet in der Bewertung. Wir können nicht perfekt beschreiben, was wir wollen, aber wir erkennen es, wenn wir es sehen.
Im Beratungsmodus erzeugt das Reibung. Sie beschreiben, was Sie wollen. KI gibt Ihnen Code. Sie implementieren ihn. Sie schauen ihn an. Sie merken, er ist nicht ganz richtig. Sie gehen zurück zum Chat. Sie versuchen zu formulieren, was falsch ist. Sie bekommen mehr Code. Sie iterieren. Die Schleife ist langsam, weil der Implementierungsschritt manuell ist.
Im agentiven Modus ist die Schleife eng. Die KI baut. Sie prüfen. Sie sagen „das, aber mit mehr Abstand hier und fetten Überschriften”. Die KI aktualisiert es sofort. Sie sehen die Änderung. „Besser, aber jetzt wirkt der Preisbereich unausgewogen.” Die KI passt an. Drei Minuten später haben Sie etwas, das Sie zu Beginn nicht hätten spezifizieren können.
Das Gespräch produziert nicht nur das Produkt. Es enthüllt, was das Produkt sein soll.
Das ist der Schlüssel. Sie versuchen nicht, die Spezifikation zu perfektionieren, bevor Sie bauen. Sie bauen, um die Spezifikation zu entdecken.
Ich zeige Ihnen anhand eines realen Beispiels, wie das aussieht.
Bauen durch Entdecken
Letzte Woche bat ich Claude Code, ein einfaches Dashboard zur Verfolgung von Content-Performance zu erstellen. So verlief das Gespräch tatsächlich:
Ich: „Ich brauche ein Dashboard, das unsere 10 meistbesuchten Blogbeiträge nach Traffic anzeigt.”
[Claude erstellt eine einfache Tabelle mit Beitragstiteln und Seitenaufrufen]
Ich: „Guter Anfang. Können Sie Trendanzeigen hinzufügen? Also ob der Traffic im Vergleich zur Vorwoche gestiegen oder gefallen ist?”
[Claude fügt Pfeile und prozentuale Änderungen hinzu]
Ich: „Schön. Könnten Sie diese Prozentsätze farbig markieren? Grün für Wachstum, Rot für Rückgang.”
[Claude fügt bedingte Farbgebung hinzu]
Ich: „Hmm, die Tabelle wirkt eng. Könnten Sie mehr Abstand schaffen und die Titel als klickbare Links zu den eigentlichen Beiträgen gestalten?”
[Claude passt Abstände an und fügt Links hinzu]
Ich: „Wissen Sie, was nützlich wäre? Die Aufschlüsselung nach Traffic-Quellen zu sehen. Also wie viel aus Google kommt, wie viel aus sozialen Medien, wie viel direkt.”
[Claude fügt eine Spalte mit Mini-Balkendiagrammen zur Quellenverteilung hinzu]
Ich: „Das ist perfekt. Noch eine Sache — könnten wir eine Datumsbereichsauswahl hinzufügen, damit ich verschiedene Zeiträume vergleichen kann?”
[Claude implementiert die Datumsauswahl und aktualisiert die Datenabruflogik]
Ergebnis: Ein Dashboard, das ich zu Beginn nicht hätte spezifizieren können. Ich entdeckte durch Iteration, was ich brauchte.
Vergangene Zeit: 12 Minuten von der ersten Nachricht bis zum fertigen Produkt.
Hätte ich versucht, eine vollständige Spezifikation im Voraus zu schreiben, würde ich noch daran schreiben. Oder schlimmer: Ich hätte das Falsche spezifiziert und es perfekt gebaut.
Das ist die Superkraft des agentiven Chats. Nicht nur, dass KI ausführen kann. Sondern dass die Ausführung schnell genug ist, um Entdeckungen zu ermöglichen.
Der unendliche Prozess
Hier ist etwas, das wie ein Problem klingt, aber eigentlich ein Feature ist: Sie werden nie fertig sein.
Jedes Mal, wenn Sie überprüfen, was die KI gebaut hat, werden Ihnen Verbesserungen einfallen. Die Überschriften größer machen. Animation hinzufügen. Das Farbschema ändern. Eine Suchfunktion hinzufügen. Das Layout neu ordnen. Mit einer API integrieren. Authentifizierung hinzufügen.
In der traditionellen Entwicklung fühlt sich das erschöpfend an. Jede neue Idee bedeutet mehr Implementierungsarbeit. Mehr Zeit. Mehr Aufwand. Der Backlog wächst schneller, als Sie ihn abarbeiten können.
Im agentiven Chat fühlt sich das natürlich an. Weil Implementierung nicht mehr das Nadelöhr ist. Ideen fließen direkt in die Ausführung.
Sie denken: „Was wäre, wenn wir einen Dunkelmodus-Schalter hinzufügen?”
Sie sagen: „Füge einen Dunkelmodus-Schalter hinzu.”
Dreißig Sekunden später existiert er.
Sie denken: „Das mobile Layout könnte besser sein.”
Sie sagen: „Verbessere die mobile Darstellung.”
Es ist erledigt.
Der Prozess wird endlos, weil die Kosten der Iteration gegen null streben.
Das ist kein Fehler. So findet kreative Arbeit tatsächlich statt. Sie bauen, bewerten, verfeinern. Der Unterschied ist die Geschwindigkeit. In der traditionellen Entwicklung dauert die Schleife Stunden oder Tage. Im agentiven Chat dauert sie Sekunden oder Minuten.
Das Produkt fühlt sich nie „fertig” an, weil Sie ständig entdecken, was es sein könnte. Aber das ist kein Chaos — das ist Handwerkskunst, die durch Geschwindigkeit ermöglicht wird.
Wie es sich wirklich anfühlt
Lassen Sie mich ehrlich darüber sein, wie diese Arbeitsweise wirklich ist, denn die Marketingmaterialien lassen sie perfekt klingen.
Sie ist nicht perfekt.
Die KI wird Sie manchmal missverstehen. Sie wird Änderungen vornehmen, die Sie nicht wollten. Sie wird Dinge kaputt machen, die funktioniert haben. Sie wird Dateipfade oder Funktionsnamen halluzinieren, die nicht existieren. Sie müssen sie korrigieren.
Aber hier ist, was mich überrascht hat: Korrektur ist schneller als Erstellung.
Wenn Claude Code eine Funktion mit einem Fehler schreibt, kann ich sagen „behebe den Fehler in Zeile 47” und er ist sofort behoben. Wenn es missversteht, was ich wollte, kann ich sagen „Schaltfläche eigentlich auf die linke Seite” und es passt sich an. Die Feedbackschleife ist so eng, dass Fehler günstig sind.
Vergleichen Sie das mit traditioneller Entwicklung, wo ich Code schreibe, ihn ausführe, einen Fehler sehe, den Bug finde, ihn behebe, erneut teste. Oder schlimmer: die falsche Sache implementiere und sie neu schreiben muss.
Bei agentivem Chat kostet eine Kurskorrektur Sekunden. Bei manuellem Codieren kostet sie Minuten oder Stunden.
Das verändert die Psychologie des Bauens. Statt im Voraus perfekt zu sein (was Sie verlangsamt), können Sie schnell und iterativ sein. Bauen, prüfen, verfeinern. Bauen, prüfen, verfeinern.
Die Iterationsgeschwindigkeit ist wichtiger als die Genauigkeit des ersten Versuchs.
Wann agentiven Chat einsetzen
Agentiver Chat ist nicht das richtige Werkzeug für alles. Hier glänzt er:
Agentiven Chat verwenden für:
- Den Aufbau neuer Dinge von Grund auf (Websites, Werkzeuge, Dokumente, Präsentationen)
- Änderungen über mehrere Dateien hinweg
- Erkunden, was Sie wollen, durch Iteration
- Neue Technologien oder Frameworks erlernen
- Schnelles Prototyping von Ideen
- Repetitive Aufgaben, die Dateimanipulation erfordern
Agentiven Chat nicht verwenden für:
- Tiefe, chirurgische Präzision in komplexen Systemen
- Hochriskante Situationen, bei denen Fehler teuer sind (Finanzsysteme, Medizingeräte)
- Arbeit in stark regulierten Umgebungen ohne Genehmigungsprozesse
- Aufgaben, die primär strategisches Denken erfordern, nicht Ausführung
- Situationen, in denen menschliches Urteilsvermögen wichtiger ist als Ausführungsgeschwindigkeit
Das Muster: Agentiver Chat glänzt bei Erstellung und Iteration. Er hat Schwierigkeiten bei hochriskanter Präzision und strategischem Urteil.
Für die meiste Wissensarbeit — Prototypen erstellen, Inhalte produzieren, Berichte zusammenstellen, Ideen erkunden — ist er transformativ.
Die Brücke zu autonomen Agenten
Agentiver Chat befindet sich zwischen zwei Welten.
In Artikel 1 haben wir Chat als Grundlage besprochen — wie Konversation es Ihnen ermöglicht, in natürlicher Sprache mit KI zu arbeiten. Agentiver Chat nimmt diese Konversation und gibt ihr Ausführungskraft. Sie sind immer noch im Gespräch, aber jetzt produziert das Gespräch echte Arbeit.
In Artikel 3 erkunden wir autonome Agenten — bei denen KI ohne kontinuierliche menschliche Aufsicht arbeitet. Wo Sie Ziele definieren und KI herausfindet, wie sie diese über Stunden, Tage oder Wochen erreicht.
Agentiver Chat ist die Brücke. Er lehrt Sie, wie man mit KI arbeitet, die Maßnahmen ergreift. Er zeigt Ihnen, was passiert, wenn Konversation zur Schöpfung wird. Er bereitet Sie auf den letzten Wandel vor: von Konversation zu Delegation.
Das Gespräch zählt weiterhin. Sie sind immer noch da, leiten, bewerten, korrigieren den Kurs. Aber die Arbeit geschieht mit KI-Geschwindigkeit.
Das ist der Schlüssel. Nicht nur Ratschläge. Ausführung. Nicht nur Planung. Bauen.
Wenn Sie KI Werkzeuge geben, wird Konversation zur Schöpfung.
Agentiven Chat selbst ausprobieren
Bereit, den Wandel von Beratung zu Ausführung zu erleben?
Beginnen Sie mit diesen Plattformen:
- Claude Code — Terminal-basiertes agentives Codieren (kostenloser Tarif verfügbar)
- Cursor — IDE mit eingebauten agentiven Fähigkeiten
- TeamDay — Agentive KI für Geschäftsanwender (Multi-Agenten-Orchestrierung)
Teil der Serie „3 Ebenen der KI-Zusammenarbeit”: Chat | Agentiver Chat | Autonome Agenten