KI-Agent erstellen: So baust du deinen ersten eigenen Agenten

Einen eigenen KI-Agenten erstellst du heute auch ohne Programmierkenntnisse: Du nimmst ein Sprachmodell, gibst ihm eine klare Aufgabe, ein paar Werkzeuge und klare Grenzen, und das Modell entscheidet selbst, welchen Schritt es als Nächstes macht. Am einfachsten geht das mit einem Subagent in Claude Code, der nichts anderes ist als eine Markdown-Datei mit Name, Beschreibung und Anweisungen, oder mit dem AI Agent Node in n8n, wenn du lieber klickst als tippst. Bevor du loslegst, solltest du aber eine Frage ehrlich beantworten, nämlich ob du überhaupt einen Agenten brauchst oder ob eine feste Automatisierung reicht. In diesem Ratgeber zeig ich dir den Unterschied, die Werkzeuge, deinen ersten Agenten in fünf Schritten, wie du ihm Zugriff auf deine Apps gibst und welche Fehler dich am meisten Zeit kosten.

Was ist ein KI-Agent und was unterscheidet ihn von einem Workflow?

Die sauberste Unterscheidung, die ich kenne, kommt von Anthropic selbst. In ihrem Beitrag Building effective agents trennen sie zwei Arten von Systemen: Workflows, bei denen Sprachmodelle und Werkzeuge über vorher festgelegte Codepfade zusammenarbeiten, und Agenten, bei denen das Sprachmodell seinen eigenen Ablauf und seine Werkzeuge dynamisch selbst steuert.

Im Alltag heißt das ganz praktisch: Bei einem Workflow legst du vorher fest, was passiert. Eine Mail kommt rein, die KI fasst sie zusammen, die Zusammenfassung landet in Slack. Das läuft jedes Mal gleich, egal was in der Mail steht. Bei einem Agenten gibst du nur das Ziel vor, zum Beispiel „beantworte Kundenanfragen und schau dafür in unseren Unterlagen nach“, und der Agent entscheidet selbst, ob er erst in deinen Dokumenten sucht, dann im Kalender nachschaut oder direkt antwortet.

Für diesen Einstieg kannst du einen Agenten als Zusammenspiel aus drei Teilen beschreiben:

1. Ein Modell, das denkt und entscheidet, zum Beispiel Claude.
2. Eine Anweisung, die sagt, wofür der Agent da ist, wie er arbeiten soll und was er nicht darf.
3. Werkzeuge, mit denen er etwas tun kann: Dateien lesen, im Web suchen, eine Mail schreiben, einen Termin eintragen.

Der Agent arbeitet dann in einer Schleife: Er schaut sich die Aufgabe an, wählt ein Werkzeug, schaut sich das Ergebnis an und entscheidet, was als Nächstes kommt, bis die Aufgabe erledigt ist. Genau diese Schleife macht ihn flexibel, und genau diese Schleife macht ihn auch unberechenbarer als einen Workflow.

Brauche ich überhaupt einen KI-Agenten oder reicht eine Automatisierung?

Ich muss ehrlich sagen, dass die meisten Leute, die mich nach einem Agenten fragen, eigentlich eine Automatisierung brauchen. Und das sagt nicht nur ich. Anthropic schreibt im selben Beitrag, dass du immer die einfachste Lösung suchen und Komplexität nur dann dazunehmen solltest, wenn sie wirklich nötig ist, und dass das manchmal heißt, überhaupt keinen Agenten zu bauen.

Eine einfache Faustregel, mit der du das schnell entscheidest:

Ein Beispiel: Rechnungen aus dem Postfach in einen Ordner sortieren ist ein klassischer Workflow, weil der Ablauf immer gleich ist. Eine Rechercheaufgabe wie „finde heraus, welche drei Tools in meiner Branche gerade am meisten genutzt werden, und vergleiche sie“ ist dagegen ein Fall für einen Agenten, weil niemand vorher weiß, wie viele Suchen, Seiten und Zwischenschritte nötig sind.

Der Unterschied ist wichtig, weil ein Agent mehr kostet, langsamer ist und mehr Fehlerquellen hat. Wenn ein fester Ablauf reicht, ist der feste Ablauf fast immer die bessere Wahl.

Welche Werkzeuge gibt es, um einen KI-Agenten zu erstellen?

Es gibt inzwischen ziemlich viele Wege, aber für den Einstieg reichen dir drei, je nachdem, wie du am liebsten arbeitest.

Claude Code Subagents

Claude Code ist ein KI-Agent, der in deinem Terminal läuft, und du kannst ihm eigene, spezialisierte Helfer geben, die sogenannten Subagents. Laut der Dokumentation zu Subagents läuft jeder Subagent in seinem eigenen Kontextfenster, hat einen eigenen Systemprompt, eigenen Zugriff auf Werkzeuge und eigene Berechtigungen. Definiert wird er als Markdown-Datei mit einem kurzen Kopfteil aus Name und Beschreibung, abgelegt in ~/.claude/agents/.

Das ist für mich der einfachste Einstieg, weil du keine einzige Zeile Code schreiben musst. Du schreibst eine Textdatei, und fertig ist dein Agent. Wenn Claude Code bei dir noch nicht läuft, fang mit der Anleitung Claude Code installieren an.

Der AI Agent Node in n8n

Wenn du lieber visuell arbeitest, ist n8n ein guter Weg. Laut der n8n-Dokumentation zum AI Agent Node baust du dort einen Agenten, indem du ein Chatmodell und ein oder mehrere Werkzeuge verbindest, und der Agent entscheidet dann selbst, welches Werkzeug er aufruft, um die Aufgabe zu lösen. Der Vorteil: Du kannst den Agenten direkt in deine bestehenden Automatisierungen einbauen, also zum Beispiel erst einen festen Workflow laufen lassen und nur an der Stelle, wo es eine Entscheidung braucht, den Agenten ranlassen. Wie du solche Abläufe beschreibst, statt sie zusammenzuklicken, zeig ich dir in n8n Workflows mit Claude Code.

Das Claude Agent SDK

Für alle, die irgendwann doch programmieren wollen, gibt es das Claude Agent SDK. Damit bekommst du dieselben Werkzeuge, dieselbe Agenten-Schleife und dasselbe Kontextmanagement, die auch Claude Code antreiben, nur eben programmierbar in Python und TypeScript. Das ist der Weg, wenn du einen Agenten in deine eigene App oder auf einen Server bringen willst. Für den ersten Agenten brauchst du das aber nicht.

Wie erstelle ich meinen ersten KI-Agenten mit Claude Code Subagents?

Wir bauen jetzt zusammen einen kleinen Recherche-Agenten, der ein Thema im Web recherchiert und dir eine kurze, belegte Zusammenfassung zurückgibt. Das ist ein guter erster Agent, weil er nützlich ist, nur liest statt verändert und du sofort siehst, ob er funktioniert.

1Schritt 1: Eine einzige Aufgabe festlegen

Schreib dir in einem Satz auf, was dein Agent tun soll. Nicht „hilft mir bei allem“, sondern zum Beispiel „recherchiert ein Thema und liefert mir fünf Kernaussagen mit Quelle“. Je enger die Aufgabe, desto zuverlässiger der Agent.

2Schritt 2: Die Datei anlegen

Leg im Ordner ~/.claude/agents/ eine neue Datei an, zum Beispiel recherche.md. Den Ordner findest du in deinem Benutzerordner. Wenn er noch nicht existiert, legst du ihn einfach an, oder du sagst Claude Code: „Leg mir im Ordner ~/.claude/agents eine Datei recherche.md an.“

3Schritt 3: Name, Beschreibung und Anweisung schreiben

Oben in die Datei kommt der Kopfteil, darunter die eigentliche Anweisung:

---
name: recherche
description: Recherchiert ein Thema im Web und liefert fünf Kernaussagen mit Quelle. Nutzen, wenn ich etwas recherchiert haben will.
---

Du bist ein gründlicher Rechercheur.

Wenn du ein Thema bekommst:
1. Such nach aktuellen, seriösen Quellen.
2. Lies die wichtigsten Seiten selbst, statt nur Suchergebnisse zu überfliegen.
3. Gib genau fünf Kernaussagen zurück, jede mit dem Link zur Quelle.
4. Wenn du etwas nicht belegen kannst, schreib das ehrlich dazu.

Erfinde keine Zahlen und keine Quellen.

Die Beschreibung ist wichtiger, als sie aussieht, weil Claude Code daran erkennt, wann es diesen Agenten einsetzen soll. Schreib also klar rein, wofür er da ist und wann er gerufen werden soll.

4Schritt 4: Werkzeuge bewusst wählen

Laut Dokumentation kann jeder Subagent eigene Werkzeuge und Berechtigungen haben. Für einen Recherche-Agenten heißt das: Websuche und Lesen ja, Dateien löschen oder verändern nein. Das ist der wichtigste Sicherheitsgurt, den du hast: Begrenze Werkzeuge und Berechtigungen, damit der Agent nur die Aktionen ausführen kann, die du ausdrücklich zulässt.

5Schritt 5: Testen und nachschärfen

Starte Claude Code und gib eine Aufgabe, zum Beispiel: „Nutz den Recherche-Agenten und finde heraus, was MCP ist und wofür man es braucht.“ Schau dir das Ergebnis genau an. Fehlt eine Quelle, ist eine Aussage zu schwammig oder hat der Agent zu viel gemacht, dann passt du die Anweisung an und testest noch mal. Ehrlich gesagt ist das die eigentliche Arbeit: nicht das Anlegen, sondern drei, vier Runden Nachschärfen, bis der Agent genau so arbeitet, wie du willst.

Ein Vorteil, den du schnell merkst: Weil der Subagent in seinem eigenen Kontextfenster läuft, müllt er dein Hauptgespräch nicht mit zwanzig gelesenen Webseiten zu. Du bekommst nur das Ergebnis zurück, und deine eigentliche Session bleibt sauber.

Wie gebe ich meinem Agenten Werkzeuge und Zugriff auf meine Apps?

Ein Agent wird erst richtig nützlich, wenn er an deine echten Daten kommt, also an deinen Kalender, deine Notizen oder dein CRM. Dafür gibt es MCP, das Model Context Protocol. Laut der offiziellen MCP-Einführung ist MCP ein offener Standard, um KI-Anwendungen mit externen Systemen zu verbinden, beschrieben als eine Art USB-C-Anschluss für KI-Anwendungen. Als Beispiel nennt die Seite Agenten, die auf Google Kalender und Notion zugreifen.

Das Prinzip: Für eine konkrete App brauchst du einen passenden MCP-Server. Den verbindest du einmal mit Claude Code oder einem anderen Programm, und ab dann kann dein Agent die Werkzeuge dieser App nutzen, zum Beispiel Termine lesen, eine Notiz anlegen oder einen Datensatz suchen.

Drei Dinge würde ich dir dabei mitgeben:

• Nur verbinden, was der Agent wirklich braucht. Ein Recherche-Agent braucht keinen Zugriff auf dein Postfach.
• Erst lesen, dann schreiben. Lass einen neuen Agenten am Anfang nur Daten lesen. Schreibrechte gibst du erst, wenn du ihm vertraust.
• Wissen und Werkzeuge trennen. Wiederkehrende Abläufe und Anleitungen packst du besser in Skills, Zugriff auf Apps über MCP. Welche Skills ich selbst nutze, liest du in meine wichtigsten Skills und Tools.

Was kostet ein eigener KI-Agent und welche Fehler solltest du vermeiden?

Die Kosten hängen davon ab, welchen Weg du wählst. Ein Claude Code Subagent kostet dich nichts extra, braucht aber Claude Code, und das ist nicht im kostenlosen Plan enthalten: Du brauchst ein bezahltes Claude-Abo oder Guthaben in der Claude Console, die Details stehen in der Installationsanleitung. Wichtig: Laut Dokumentation zählen Subagents zu denselben Nutzungsgrenzen wie deine normale Arbeit mit Claude Code. Wie viel du konkret verbrauchst, hängt von den jeweiligen Aufgaben und Aufrufen ab. Bei n8n und dem Agent SDK können für Modellaufrufe API-Kosten anfallen, prüf dafür die Preis- und Abrechnungsbedingungen des Modells, das du nutzt.

Die Fehler, die ich am häufigsten sehe, auch bei mir selbst am Anfang:

1. Ein Agent für alles. Ein Agent, der recherchieren, Mails schreiben und Rechnungen prüfen soll, macht alles ein bisschen und nichts richtig. Lieber drei kleine Agenten mit je einer Aufgabe.
2. Zu viele Werkzeuge. Jedes Werkzeug ist eine Entscheidung mehr, die der Agent treffen muss, und ein Risiko mehr. Gib ihm nur, was er braucht.
3. Agent statt Automatisierung. Wenn der Ablauf immer gleich ist, bau einen Workflow. Das ist günstiger, schneller und berechenbarer.
4. Schwammige Beschreibung. Wenn in der Beschreibung nicht klar steht, wofür der Agent da ist, wird er zur falschen Zeit gerufen oder gar nicht.
5. Nicht prüfen. Ein Agent liefert seine Fehler im selben selbstbewussten Ton wie seine richtigen Ergebnisse. Lass wichtige Ergebnisse gegenprüfen, zum Beispiel mit einem zweiten Modell, wie ich es in Codex neben Claude Code nutzen zeige.

Wenn dein Agent langsam wird, ungenau arbeitet oder plötzlich viel mehr verbraucht als gedacht, liegt das meistens am Setup und nicht am Modell. Die typischen Ursachen findest du in Claude Code Fehler.

Wie bringst du deinen KI-Agenten in den Alltag und lernst weiter?

Der erste Agent ist schnell gebaut, der Nutzen kommt aber erst, wenn du ihn wirklich jeden Tag einsetzt. Mein Vorschlag, wie du vorgehst:

1. Eine Woche lang beobachten. Schreib dir auf, welche Aufgaben du immer wieder machst und die Zeit fressen: Recherche, Zusammenfassungen, Antworten auf ähnliche Fragen, Nachfassen bei Angeboten und Planung.
2. Die nervigste Aufgabe zuerst. Bau für genau diese eine Aufgabe einen Agenten oder einen Workflow, je nachdem, was die Tabelle von oben sagt.
3. Zwei Wochen nutzen, dann erweitern. Erst wenn der erste Agent zuverlässig läuft, kommt der zweite dazu.
4. Fertige Agenten anschauen. Es lohnt sich auch zu sehen, wohin die großen Anbieter gehen. In meinem Artikel über Claude Duet erkläre ich, was ein fertiger Agent von Anthropic kann und warum ich meine Agenten trotzdem lieber selbst baue.

Am schnellsten lernst du das übrigens nicht allein, sondern mit Leuten, die gerade dasselbe bauen. Dafür gibt es den KI Agenten Club: Dort findest du Ressourcen aus meinen Videos und Austausch mit Leuten, die mit KI bauen.

Fazit

Einen eigenen KI-Agenten zu erstellen ist heute kein Projekt mehr für Entwickler, sondern eine Textdatei mit einer klaren Aufgabe, ein paar ausgewählten Werkzeugen und ein paar Runden Nachschärfen. Der wichtigste Schritt kommt aber davor: ehrlich prüfen, ob du überhaupt einen Agenten brauchst oder ob ein fester Workflow die Aufgabe besser, günstiger und berechenbarer erledigt. Wenn es ein Agent sein soll, starte mit einem Claude Code Subagent für genau eine Aufgabe, gib ihm erst Lese- und dann Schreibrechte, verbinde deine Apps über MCP und baue dein Team von dort aus Stück für Stück aus. Wenn du dabei nicht allein bauen willst, findest du den KI Agenten Club unter https://vishalpunia.com/club.