KI Agenten für Beginner: Alle Grundlagen in 9 Min Einfach Erklärt
Jonas Keil
https://www.youtube.com/watch?v=yN2iYWbwFFs

Transkript (automatisch erstellt)

0:00 KI-Agenten sind die Zukunft von künstlicher Intelligenz. Aber was bedeutet das für dich konkret? Ich habe mich die letzten Jahre intensiv mit LMS
0:08 auseinandergesetzt und bereits auch schon dazu unterrichtet. Wenn du jetzt im Job schon regelmäßig KI Tools nutzt und wissen willst, wie KI Agenten dich
0:16 noch effizienter machen, dann bleib dran, denn dieses Video ist genau für dich. Du verstehst KI-Agenten am besten in drei Schritten. Wir fangen an mit
0:22 einem Tool, das du auf jeden Fall kennst, nämlich ChatGBT. Dann schauen wir uns an, wie daraus KI Workflows entstehen und am Ende weißt du genau,
0:30 was einen KI Agenten ausmacht und für jeden Schritt bekommst du Beispiele, die du sofort in deinem Joballtag anwenden kannst, um Zeit zu sparen. Viel Spaß.
0:38 Starten wir mit Level 1 und das sind Large Language Models. Du kennst ja GPT, Clode oder Gemini. Das sind alles Beispiele für sogenannte LMs und diese
0:47 Modelle sind super, um Text zu generieren und Fragen zu beantworten. Hier eine Übersicht, wie das genau funktioniert. Du als Mensch gibst dem LM
0:55 Eingabe, nämlich den Prompt und das LM gibt dir dann auf Basis vom Prompt eine Ausgabe. Z.B. Wenn ich Chat GPT bitte mir eine E-Mail zu schreiben, um meinen
1:05 Kollegen für heute Nachmittag zum Meeting einzuladen, dann kann es das natürlich machen. Die Frage ist der Input und die E-Mail ist der Output.
1:11 Aber was, wenn ich ChatGBT jetzt bitten möchte in meinen Kalender zu gehen und mir dieses Meeting zu buchen? Ohne dass du und ich die Antwort sehen, wissen wir
1:19 schon, dass er das nicht hinbekommt, weil er keinen Zugriff auf deinen Kalender hat. Das heißt, Large Language Models wie GPT, Claud, Gemini sind zwar
1:28 gut, um Texte zu generieren, aber sie haben drei grundlegende Probleme. Erstens, sie können Tools benutzen, um z.B. auf deinen Kalender oder deine
1:37 E-Mails zuzugreifen. Zweitens, sie sind nicht reproduzierbar, das heißt, sie produzieren keine konsistenten Ergebnisse. Du kennst das, mal gibt dir
1:45 Chetchibt eine richtig gute Antwort und ein anderes Mal halluziniert er die Hälfte davon. Und drittens, sie sind passiv, das heißt, sie warten auf unsere
1:53 Eingabe, bevor sie aktiv werden. Also, merkte bis hierhin, LMS sind gut im Text zu generieren, aber haben diese drei zentralen Beschränkungen. Daher kommen
2:01 wir jetzt zu Level 2, nämlich den KI Workflows. Mit diesen Workflows kannst du jetzt nämlich dein LM Tools wie z.B. deinen Kalender, Outlook oder Notion
2:10 kombinieren. Z.B. wenn du Chat GBT direkt bittest in deinen Kalender zu schauen, dann schlägt es fehl, weil er darauf keinen Zugriff hat. Aber wenn du
2:18 dir einen Workflow erstellst, bei der dein E-Mailienst jede neue E-Mail an ChatGBT weiterleitet und du ChatGBT außerdem mit deinem Kalender verknüpfst,
2:26 sodass er dort gegebenenfalls Meetings eintragen kann, dann sprechen wir von einem sogenannten KI Workflow. Um bei diesem konkreten Beispiel zu bleiben,
2:34 dieser Workflow kann jetzt deine E-Mails anschauen und deinen Kalender bearbeiten, aber er könnte jetzt z.B. nicht das Wetter für heute abrufen.
2:41 Warum? Ganz einfach, weil wir das passende Modul dafür nicht hinzugefügt haben. Das heißt, ein Workflow folgt immer genau dem Pfad, den wir ihm vorher
2:50 vorgegeben haben. Und falls du ihr etwas technisch werden willst, dieser Fah wird auch als Steuerlogik bezeichnet. Ein KI Workflow folgt also immer der vorher
2:59 definierten Steuerlogik. Alles klar? Lass uns das Ganze soweit erstmal zusammenfassen. Wir sind von einem LM ohne Tools und mit chaotischem Output zu
3:07 einem KI Workflow mit Tools und mit vorhersagbarem Output gekommen. So ein Workflow richtig gut hinzubekommen, klingt zwar in der Theorie erstmal
3:15 leicht, ist in der Praxis aber extrem schwer umzusetzen und gerade entstehen deshalb super viele Startups nur rund um dieses Thema Workflow. Was du dafür
3:22 nämlich brauchst, ist extrem gutes Prompt Engineering. Und falls sich das interessiert, du findest jetzt mehr dazu in meinem KI Deepd Workbook. Da zeige
3:30 ich dir in drei Tagen, wie du Chat GPT und C richtig anwendest. Also check es jetzt gern aus. Erster Link in der Videobeschreibung. Zurück zu den KI
3:37 Workflows. Was bedeuten sie für dich in der Praxis? Ich habe dir hier mal einen simplen KI Workflow gebaut, anlehnend an das Tutorial von Helena Lio. Das kann
3:44 ich dir sehr empfehlen, verlinke ich dir auch unten in der Videobeschreibung. Was genau passiert hier? In meiner Recherche für Videos kommt es häufig vor, dass ich
3:51 zwar auf Paper stoße, die ich extrem interessant finde, die aber extrem komplex und wissenschaftlich geschrieben sind. Und jetzt habe ich mir daraus eine
3:58 Automatisierung gebaut, die ich jeden Morgen um 8 Uhr laufen lassen kann. Einfach gesagt, was hier passiert ist, dass ich diese Artikel in ein Google
4:04 Sheets einfüge, die dann an Perplexity weitergeleitet werden. Perplexity fasst mir diesen Artikel zusammen, speichert es in einem Google Docs, dass ich hier
4:12 habe und weil ich es ganz spannend fand, leite ich diese Zusammenfassung von Perplexity hier auch an Gemini weiter. Und Gemini erstellt mir daraus einen
4:19 Blogpost und den speichere ich mir dann in diesem Google Doc. Und um dir den Ablauf hier einmal zu zeigen, gehen wir jetzt in unser Google Sheet. Fügen hier
4:27 den Link zum Artikel ein, den wir zusammenfassen möchten und können jetzt diesen Workflow hier aktivieren und dann siehst du, nimmt er sich diesen Artikel
4:33 aus dem Google Sheets. Jetzt wird Perity diesen Artikel zusammenfassen. Jetzt ist es damit fertig, speichert es sich dann in dem Google Doc und Gemini wird jetzt
4:42 auf Basis von dieser Zusammenfassung einen Blogpost erstellen. Können uns hier mal die Zusammenfassung angucken. Das sieht doch schon ganz ordentlich
4:48 aus. Und wenn wir uns jetzt die Blogposts anschauen, damit bin ich jetzt nicht so happy. Außerdem finde ich den Blogpost viel zu lang. Das heißt, was
4:55 ich jetzt machen muss, ist, ich muss hier wieder zurückgehen und diesen Workflow ändern. Genauer gesagt, muss ich hier ins Gemini Modul gehen und
5:02 müsste jetzt hier diesen Prompt anpassen, mit der der Blogpost erstellt wird, indem ich z.B. schreibe sei konkret und komme zum Punkt. Das hier
5:11 aber auch nur als Beispiel, was ich dir damit eigentlich zeigen wollte. Solange wir über das Ergebnis selbstständig iterieren und den Prompt danach anpassen
5:18 müssen, solange haben wir noch keinen KI Agenten. Das heißt, dieser Workflow könnte extrem kompliziert sein. Er könnte 1000 Module haben meinetwegen.
5:28 Solange wir diese Module selbst erstellen, sprechen wir nicht von einem KI Agenten, sondern wir sprechen von einem KI Workflow. Behalt das im
5:36 Hinterkopf, wenn wir uns die KI Agenten genauer anschauen. Also, wann können dir Workflows am meisten helfen? Wenn du erstens Tools benutzen willst, zweitens
5:44 einen stabilen Ablauf brauchst und drittens vorheragbare Ergebnisse haben willst. Aber um so einen Workflow zu erstellen, mussten wir jetzt noch zwei
5:52 Dinge machen und diese beiden Dinge unterscheiden einen Workflow von einem KI-Agenten. Stell dir noch mal den Workflow von gerade vor. Das Ziel ist ja
6:00 Zusammenfassungen und Blogposts zu erstellen. Und dafür müssen wir zwei Dinge machen. Wir müssen erstens planen. Das heißt, wir müssen uns überlegen, wie
6:07 speichere ich die Artikel am besten, welche KI nehme ich für die Zusammenfassungen, wo speichere ich die Blogposts und zweitens müssen wir die
6:14 Tools manuell verbinden. Das heißt, wir müssen die Artikel mit Perplexity verbinden, Perplexity so einstellen, dass es dann die Artikel zusammenfasst,
6:22 das Ganze im Google Doc speichern und mit Gemini auch noch einen Blogpost schreiben lassen. Und der einzige Schritt und das ist jetzt der wichtigste
6:29 Punkt in diesem ganzen Video. Um aus einem KI Workflow einen KI Agenten zu machen, muss ich durch ein LM ersetzt werden. Das heißt sowohl das Planen als
6:39 auch das Tools benutzen wird jetzt der Agent erledigen. Das heißt, anstatt einem festen Workflow überlegt sich der Agent jetzt selbst den besten Ansatz.
6:47 Das heißt, der überlegt, wie könnte ich dieses Problem am besten angehen? Speichere ich die Artikel als Links oder als PDF? Welches LM nehme ich am besten,
6:54 um die Texte zusammenzufassen? nehme ich vielleicht Clot? Moment, ich nehme besser Perplexity. Ja, das ergibt Sinn. Und so arbeitet sich der KI Agent jetzt
7:02 Schritt für Schritt vor und übernimmt den Denkprozess, den du vorher für die Erstellung des Workflows durchlaufen hast. Also noch mal, in einem Workflow
7:10 musstest du die ganzen Entscheidungen selbst treffen und du musstest die richtigen Tools auswählen. Das wird jetzt durch einen KI Agenten ersetzt.
7:17 Das heißt, aus diesem kontrollierten Workflow, wo du alles überwachen konntest, wird jetzt eine Blackbox. Während du vorher die volle Kontrolle
7:24 über deinen Workflow hattest, gibst du jetzt dem KI-Agenten lediglich ein Ziel vor und er ermittelt den besten Workflow selbst und erstellt ihn intern, ohne
7:32 dass du daran viel beeinflussen kannst. Eine zentrale Technik hierbei ist Iteration. Das heißt, wenn der KI Agent feststellt, dass der Output nicht
7:39 zufriedenstellend war, kann es zurückgehen und die Aufgabe noch mal komplett neu angehen. Komisch, die Zusammenfassung entspricht noch nicht
7:45 wirklich dem Paper. Soll ich zurückgehen und den Prompt ändern oder sollte ich versuchen, ein anderes LM zu nehmen? Was bei Iteration noch oft zum Einsatz
7:53 kommt, ist das hinzufügen weiterer LMS. Im Workflow habe ich den Output ja überprüft und entschieden, dass er nicht gut genug war. Deshalb bin ich zu Gemini
8:01 gegangen und habe den Prompt noch mal verändert. Ein KI Agent könnte jetzt mich durch ein Kritiker LM ersetzen, das dann für mich überprüft, ob der Output
8:09 zufriedenstellend ist. Und in diesem Fall, wo es ein Kritiker LM und ein Antwort LLM gibt, die gegenseitig interagieren, spricht man auch von einem
8:17 sogenannten zwei Agentensystem. So, das war bis hierhin aber erstmal alles nur Theorie. Lass uns jetzt mal ein Beispiel anschauen, wie das Ganze in der Praxis
8:24 aussieht. Und meiner Meinung nach ein perfektes Beispiel für einen KI Agenten ist Claud Code. Ich habe ihn letztens zum ersten Mal benutzt und war wirklich
8:31 positiv überrascht von den Ergebnissen. Ich wollte, dass er mir eine kleine App erstellt, die mir das aktuelle Wetter in Potzam Brandenburg anzeigt, wo ich
8:37 derzeit wohne. Und ich finde, anhand der Ausgabe siehst du hier wunderbar, dass er plant, also sich hier zuerst eine D-Do Liste erstellt und er führt auch im
8:45 Hintergrund eine Suche aus, um die richtige Wetterapp zu finden undiert schrittweise über den fertigen Code, bis das Ergebnis zufriedenstellend ist. Und
8:52 ja, was soll ich sagen? Ich denke, für 10 Cent und 2 Minuten Arbeit kann sich das Ergebnis auf jeden Fall sehen lassen. Also Zusammenfassung, ein LM,
8:59 auch Large Language Model genannt, ist ein einfaches Sprachmodell, das für einen Input eine Ausgabe generiert. Wir sind dann von diesem LM zu einem
9:06 Workflow gekommen, indem wir Tools eingebunden und feste Abläufe definiert haben und indem wir dann die zentralen Entscheidungen, also wie wir das Problem
9:14 angehen wollen, welche Tools wir benutzen wollen und die Iterierung über das Ergebnis an ein LM ausgelagert haben, sind wir schließlich beim KI
9:22 Agenten angekommen. Dieses Video ist natürlich eine Anlehnung an das großartige Video von Jeff Su zu diesem Thema, dessen Thumbnail ich einfach
9:28 übernommen habe. Ich hoffe, er ist mir nicht böse. Für dich geht's jetzt hier weiter, wenn du wissen möchtest, ob Chat GBT dich eigentlich dümmer macht. Ich
9:34 würde sagen, du und ich, wir sehen uns dort.