KI-Agenten erklärt für Contentprofis: Tools, Anwendungsfelder und erste Schritte

In der KI-Welt findet gerade ein großer Umbruch statt: Neue Tools wie Claude Cowork, ChatGPT Work und andere versprechen, Dir alltägliche Arbeit abzunehmen. Sie gehen weit über das Generieren von Texten oder Bildern hinaus: Sie sind als digitale Assistenten konzipiert, die Dich aktiv unterstützen und komplexe Aufgaben selbstständig erledigen. So lautet zumindest das Versprechen.

Aber wie funktionieren sie, was können sie heute schon, und wie helfen sie Content-Profis weiter? Diese und weitere Fragen möchte ich mit der Übersicht auf dieser Seite beantworten.

Außerdem schaue ich hinter den Hype rund um dieses Thema. Viele KI-Anbieter sehen in Agenten den nächsten großen Schritt. Doch die Realität kollidiert immer mal wieder mit ihren Versprechen.

Was sind KI-Agenten?

Im Kern ist ein KI-Agent ein System, das ein vorgegebenes Ziel weitgehend selbstständig verfolgt. Damit unterscheidet er sich von den Chatbots, die Du bereits kennst: Die sind darauf spezialisiert, direkte Anfragen zu beantworten. Das bedeutet, dass sie ohne konkreten Prompt meist nicht aktiv werden, immer nur eine Aufgabe auf einmal bearbeiten, und sie entwickeln nicht von sich aus einen mehrstufigen Plan, um ein Ziel zu erreichen.

Agenten dagegen nutzen ihre künstliche Intelligenz, um Pläne zu erstellen, Entscheidungen zu treffen und ihre Arbeitsschritte anzupassen. Außerdem können sie über einen längeren Zeitraum im Hintergrund laufen oder auf Ergebnisse warten.

Ein weiterer wichtiger Faktor ist der Zugriff auf externe Tools: KI-Agenten können das Internet durchsuchen, lokale Dokumente lesen, Computerprogramme steuern oder über Schnittstellen mit anderer Software kommunizieren. Sie bleiben nicht auf ein Chatfenster beschränkt, sondern führen konkrete Aktionen in Deinem digitalen Arbeitsumfeld aus. Und auch wenn manche Chatbots einige dieser Fähigkeiten ebenfalls haben, reagieren sie weiterhin immer nur auf eine Eingabe auf einmal. Das macht einen großen Unterschied.

Kurz gesagt: Ein Chatbot reagiert in erster Linie, ein Agent ist darauf ausgelegt zu handeln.

Cloud oder lokal: Wo Agenten arbeiten

Nicht jeder Agent ist gleich. Ein entscheidender Unterschied ist, wo diese Systeme arbeiten. Davon hängt ab, was sie können und wie aufwendig ihr Einsatz ist.

Die erste Variante sind reine Cloud-Agenten. Beispiele sind Manus oder Googles Gemini Spark. Der große Vorteil ist die einfache Nutzung: Du musst keine Software installieren, sondern gibst dem Agenten seine Aufgabe einfach über den Browser. Danach kann er asynchron arbeiten. Du kannst Deinen Laptop zuklappen, während das System womöglich stundenlang das Internet durchsucht oder im Hintergrund Daten aufbereitet.

Die zweite Variante sind lokale Agenten. Programme wie Claude Cowork, ChatGPT Work oder Perplexity Personal Computer laufen direkt auf Deinem Gerät. Diese Systeme können vorhandene lokale Tools nutzen, Dateien lesen, auf die Du ihnen Zugriff gibst, und Aufgaben direkt im Betriebssystem ausführen.

Lokale Agenten bringen allerdings eine andere Art von Sicherheitsrisiko mit: Um wirklich nützlich zu sein, brauchen sie oft Zugriff auf Deine Festplatte und Deine lokalen Dateien. Machen sie einen Fehler, können sie wichtige Daten auf Deinem Computer verändern oder löschen.

Tipp: Lies hier wie du neun typische Risiken bei der Arbeit mit KI-Agenten vermeiden kannst.

Für den Datenschutz spielt das übrigens keine Rolle. Auch wenn du ChatGPT, Claude, Gemini und andere über eine lokal installierte App nutzt, werden dennoch alle Informationen in die Cloud gesendet und dort verarbeitet. Anders ist das nur bei solchen Tools, die eine KI nutzen, die direkt auf deinem Rechner oder einem selbst verwalteten Server laufen.

Die Grenze zwischen den beiden Varianten verschwimmt. Claude Cowork zum Beispiel startete als lokaler Agent, kann inzwischen aber auch in der Cloud laufen (im Web und in der mobilen App). Bei ChatGPT Work ist es genauso: In der Desktop-App kann es auf Deine Dateien und Programme zugreifen, im Web und auf dem Smartphone läuft es in der Cloud. In dieser Übersicht sortiere ich Agenten danach, was sie besonders macht. Bei diesen beiden ist das die Fähigkeit, auf Deinem eigenen Computer zu arbeiten, denn sie eröffnet Einsatzmöglichkeiten, die ein reiner Cloud-Agent nicht abdecken kann. Dass sie auch in der Cloud arbeiten können, ist eher ein Bonus.

Top-KI-Agenten für Content-Profis

Eine Warnung vorab: Viele Anbieter verwenden Begriffe wie „KI-Agent“ oder „agentische KI“ sehr großzügig für ihre Produkte (um es diplomatisch auszudrücken). Damit Du den Überblick behältst, teile ich diese Dienste in drei Kategorien ein, je nachdem, wo und wie sie arbeiten. Zu jeder Kategorie gebe ich Dir außerdem konkrete Beispiele.

1. Die Desktop-Bediener (lokale und Betriebssystem-Agenten)

„Desktop-Bediener“ nutzen einen Computer ähnlich, wie Du es tust: Sie navigieren durch Benutzeroberflächen, organisieren Ordner und verarbeiten lokale Dateien. Sie sind nützlich, wenn Daten zwischen verschiedenen lokalen Programmen herumwandern müssen.

Für Profis sind sie ideal, wenn es um heruntergeladene Assets, unbearbeitete Transkripte, verstreute lokale Entwürfe und ähnliche Anwendungsfälle geht.

Claude Cowork (Anthropic): Claude Cowork ist eine Desktop-Anwendung für macOS und Windows. Der Zugang per Smartphone und Web ist inzwischen als Beta verfügbar, allerdings mit eingeschränktem Funktionsumfang: Die Desktop-App bleibt die vollständige Version.

Anthropic hat Cowork entwickelt, damit Wissensarbeiter Agenten-Fähigkeiten ohne technischen Hintergrund nutzen können. Das System arbeitet direkt dort, wo Deine Arbeit ohnehin stattfindet, denn es greift auf lokale Dateien und alltägliche Anwendungen zu.

Außerdem hat es einen eigenen integrierten Browser: Cowork kann Websites öffnen, Seiten lesen, Bedienelemente anklicken und Text eingeben, zum Beispiel um Webformulare auszufüllen oder Zahlen aus Dashboards zu ziehen, die keine API anbieten. Dieser Browser ist von Deinem Alltagsbrowser getrennt, deshalb sieht Claude Deine geöffneten Tabs, Lesezeichen oder gespeicherten Passwörter nicht. Den Zugriff steuerst Du über drei Berechtigungsstufen: Es fragt immer nach Deiner Zustimmung, nur bei riskanten Aufgaben oder gar nicht.

Dieses Risiko ist real: Der Venture-Capital-Investor Nick Davidov berichtete in einem Post von seinem Versuch, mit Claude Cowork den unaufgeräumten Desktop seiner Frau zu ordnen. Der Agent missverstand den vagen Prompt, führte ein rabiates Löschskript aus und löschte versehentlich 15 Jahre an Familienfotos. Zwar läuft jeder Code, den er zur Datenverarbeitung schreibt, in einer isolierten virtuellen Maschine, um Dein Betriebssystem zu schützen. In den Ordnern, auf die Du ihm Zugriff gibst, kann er trotzdem großen Schaden anrichten.

Als Content-Profi kannst Du damit Ordner sortieren, Interview-Transkripte zusammenfassen oder viele Dateien auf einmal umbenennen, vorausgesetzt, Du behältst es im Auge. Es lässt sich außerdem mit Plattformen wie Google Workspace und Canva verbinden. Eine Einschränkung gibt es: Komplexe Aufgaben mit vielen lokalen Dateien können die Limits des „Pro“-Abos für 20 US-Dollar im Monat schnell aufbrauchen.

In einem anderen Artikel erkläre ich Claude Cowork ausführlicher, gehe auf seine Funktionen und Fähigkeiten ein und zeige einige praktische Anwendungsfälle. Wenn Du Dich fragst, wann Du Cowork nutzen solltest und wann Du besser beim normalen Chat bleibst, hilft Dir dieser Vergleich von Chat und Cowork weiter.

ChatGPT Work (OpenAI): ChatGPT Work ist ein Agent, der direkt in ChatGPT integriert ist, sowohl im Web als auch in der Desktop-App für Mac und Windows. Wie Claude Cowork hat es eine eigene Version von Skills, Connectors und Scheduled Tasks. Diese wiederkehrenden Aufgaben lassen sich auch durch Ereignisse auslösen, etwa eine neue Gmail- oder Slack-Nachricht.

Interessant wird Work in dieser Kategorie durch die Desktop-App: Dort kann es auch die Dateien und Programme auf Deinem Computer nutzen, sofern Du es erlaubst, und es bringt einen integrierten Browser mit. Im Web und auf dem Smartphone läuft es stattdessen in der Cloud. Wie sich Work im Vergleich zu Cowork schlägt, beleuchte ich in einem separaten Artikel.

Grundlage von Work ist Codex, das bereits viele Nutzer außerhalb der Softwareentwicklung gewonnen hatte. Codex selbst bleibt OpenAIs eigenständiges Tool fürs eigentliche Programmieren, in derselben Desktop-App.

Behalte Deine Nutzung im Blick: Work zehrt vom selben Kontingent wie Codex, und wie schnell es aufgebraucht ist, hängt von der Aufgabe ab.

Neueinsteiger in diesem Markt setzen derweil auf dasselbe Rezept. Kimi Work zum Beispiel ist eine Desktop-App für macOS und Windows, die lokalen Ordnerzugriff, Browser-Automatisierung und geplante Aufgaben kombiniert.

Apple Intelligence (Siri AI): Apple geht einen anderen Weg und integriert seinen Agenten direkt ins Betriebssystem. Siri AI erkennt und versteht über die sogenannte On-Screen Awareness, was gerade auf Deinem Bildschirm angezeigt wird, und kann Fragen dazu beantworten oder darauf reagieren. Apples eigenes Beispiel: Während Du die Website eines Sportteams ansiehst, bittest Du Siri, alle kommenden Heimspiele zu finden und in Deinen Kalender einzutragen. Außerdem kann sie Deine persönlichen Daten wie frühere E-Mails und Nachrichten durchsuchen, um bestimmte Details abzurufen.

Siri AI ist jetzt live: Apple hat sie am 14. September veröffentlicht, und zwar als Beta, gemeinsam mit iOS 27, macOS 27 und den anderen neuen Versionen seiner Betriebssysteme. Die wichtigsten Einschränkungen betreffen Hardware, Sprache und Region. Du brauchst ein Gerät, das Apple Intelligence unterstützt, also ein iPhone 15 Pro oder neuer oder einen Mac mit M1-Chip oder neuer. Vorerst funktioniert Siri AI nur auf Englisch. Französisch, Japanisch, Koreanisch, Portugiesisch und Spanisch folgen im Oktober. Deutsch steht nicht auf dieser Liste. In der EU bietet Apple Siri AI auf iPhone, iPad und Apple Watch vorerst nicht an. Der Mac ist nicht betroffen, sofern das System auf Englisch eingestellt ist. Apple warnt außerdem vor täglichen Nutzungslimits und plant, künftig für erweiterten Zugang Geld zu verlangen.

Perplexity Personal Computer: Dieses Tool ist ein Hybrid: Es schlägt eine Brücke zwischen der Cloud und Deinem lokalen Rechner. Es läuft als Hintergrundanwendung auf Deinem Mac oder Windows-PC und hat dadurch Zugriff auf Deine lokalen Dateien und E-Mails. Komplexe Aufgaben schickt es jedoch zur Verarbeitung an Cloud-Modelle. Damit ist es ein Desktop-Bediener, verlässt sich aber stark auf externe Server. Du kannst es nutzen, um lokale Ordner zu ordnen oder Rechercheergebnisse direkt auf Deinem Gerät zusammenzuführen.

2. Die Cloud-Rechercheure (virtuelle Computer)

„Cloud-Rechercheure“ sind darauf spezialisiert, Informationen in der Cloud zu sammeln und zu strukturieren. Du gibst ein komplexes Thema vor, und der Agent durchsucht selbstständig das Internet, bewertet Quellen, liest umfangreiche Dokumente und fasst die Ergebnisse in einem ausführlichen Bericht zusammen. Diese Tools sind zum Beispiel ideal, wenn Du Dich in ein neues Fachgebiet einarbeiten musst.

Manus: Manus ist für offene Web-Aufgaben gedacht. Du gibst Manus ein Ziel vor, es zerlegt das Ziel in Teilaufgaben und öffnet einen virtuellen Browser, um die Antworten zu finden. Für ein erstes Recherche-Briefing eignet es sich gut. Es gibt eine kostenlose Stufe mit 300 Credits pro Tag, die sich gut eignet, um KI-Agenten ohne finanzielles Risiko auszuprobieren. Allerdings musst Du Deinen Verbrauch im Auge behalten: Eine einzige komplexe Recherche kann zwischen 500 und 900 Credits verbrauchen. Deshalb kann die Preisgestaltung auf Credit-Basis bei intensiver Nutzung sehr unberechenbar und teuer werden. Außerdem tut sich Manus mit sehr komplexen Aufgaben schwer und verliert gelegentlich sein Ziel aus den Augen.

Perplexity Computer: Das ist das cloudbasierte Angebot von Perplexity. Seine größte Stärke ist die Faktentreue, denn er nennt zu jeder Antwort und jeder Zahl die Quelle. Außerdem ist er nativ in Microsoft-365-Anwendungen integriert: Du kannst Microsoft Word öffnen und den Agenten anweisen, auf Basis einer Live-Recherche im Web ein Dokument zu entwerfen. Er schreibt den Text und fügt die Quellenangaben direkt in Deine Datei ein.

ChatGPT Agent: OpenAI hat seinen früheren Cloud-Agenten ChatGPT Agent eingestellt und setzt stattdessen auf ChatGPT Work (siehe oben).

Tipp: Wenn Du nur einen Recherche-Agenten brauchst, findest Du „Deep Research“-Funktionen auf allen großen Plattformen, darunter Claude, Gemini, ChatGPT und Perplexity. Mehr über Deep Research und seinen Nutzen im Marketing erfährst Du in diesem Artikel. Außerdem habe ich einen Vergleich der wichtigsten Deep-Research-Angebote veröffentlicht.

3. Die Ökosystem-Integratoren (Suite-Agenten)

Große Softwarekonzerne integrieren Agenten direkt in ihre bestehenden Office-Suiten. Dadurch haben diese Agenten Zugriff auf interne Unternehmensdaten und Kommunikationskanäle. Als einzelner Content Creator wirst Du diese Tools selten selbst kaufen, aber Du begegnest ihnen womöglich, wenn Deine Kunden diese großen Plattformen nutzen.

Notion Agents: Für Content-Teams, die ihre Abläufe bereits in Notion organisieren, ist das eine einfach zugängliche Option. Notion hat kürzlich autonome Agenten eingeführt, die rund um die Uhr nach Zeitplan oder auf bestimmte Auslöser hin laufen können. Du kannst sie anweisen, einen Content-Kalender aufzubauen, Social-Media-Posts zu entwerfen oder mehrstufige Arbeiten über Hunderte von Notion-Seiten hinweg zu erledigen. Enthalten ist das in der Business-Stufe (20 US-Dollar pro Nutzer und Monat), für individuelle Agenten musst Du allerdings zusätzliche Credits kaufen.

Microsoft Copilot Cowork: Dieses Tool führt mehrstufige Workflows direkt in der Microsoft-365-Umgebung aus. Es kann Meeting-Notizen in Teams auswerten, E-Mails über Outlook versenden und dazu passend eine Präsentation in PowerPoint entwerfen. Für Unternehmensumgebungen ist es gut geeignet. Für unabhängige Freelancer ist das Preismodell jedoch eine große Hürde: Zuerst brauchst Du eine Basislizenz für Microsoft 365 Copilot (rund 30 US-Dollar pro Nutzer und Monat). Danach wird die Nutzung dynamisch nach Verbrauch abgerechnet, und zwar in „Copilot Credits“ zu 0,01 US-Dollar pro Credit. Ein leichter E-Mail-Entwurf kostet vielleicht 1,25 US-Dollar, eine aufwendige Recherche mit mehreren Tools kann dagegen mehr als 25 US-Dollar pro Durchlauf kosten. Diese fehlende Kalkulierbarkeit macht das Ganze ohne Rückendeckung durch ein Unternehmen weitgehend unpraktikabel. Ein weiterer Grund, warum sich die Kosten kaum abschätzen lassen: Benchmark-Ergebnisse allein sagen wenig darüber aus, was ein Agent tatsächlich kostet, denn auch fehlgeschlagene Versuche und Token-Budgets zählen mit.

Gemini Spark (Google): Google setzt bei diesem Agenten auf einen Always-on-Ansatz. Spark soll dauerhaft im Hintergrund von Google Workspace laufen. Du kannst es so einrichten, dass es Deinen Gmail-Posteingang überwacht, Kundeninformationen aus neuen E-Mails herauszieht und die Daten automatisch in einem Google Sheet erfasst. Außerdem gibt es eine Gemini-App für den Mac, in der Spark mit lokalen Dateien arbeiten kann (Beta), etwa indem es PDFs aus Deinem Downloads-Ordner in vorgesehene Ablageorte einsortiert. Spark startete als reines US-Produkt für die teure Stufe Google AI Ultra (bis zu 200 US-Dollar pro Monat). Inzwischen hat Google den Zugang erweitert: Es ist jetzt Teil des regulären Tarifs Google AI Pro für etwa 20 US-Dollar im Monat und in den meisten Ländern verfügbar. Aber nicht in Europa: Der EWR, die Schweiz und das Vereinigte Königreich bleiben weiterhin ausgeschlossen, selbst wenn Du für Ultra zahlst.

HubSpot Agent Hub: Auch Marketing-Plattformen bauen eigene Agenten. HubSpot hat Agent Hub und Agent Builder als öffentliche Beta gestartet, verfügbar für Kunden mit Professional- oder Enterprise-Tarif. Mit Agent Builder beschreibst Du eine Aufgabe in einfacher Sprache und erhältst einen individuellen Agenten, der die Kundendaten nutzen kann, die HubSpot bereits hat, etwa Kontaktdatensätze und die Deal-Historie. Agent Hub ist das Dashboard, das zeigt, was Deine Agenten in Marketing, Vertrieb und Kundenservice gerade tun. Wenn Deine Kunden ihr Marketing in HubSpot abwickeln, solltest Du das auf dem Radar haben.

Optimizely Virtual Teammates: Optimizely hat Virtual Teammates gestartet: Agenten mit klar definierter Rolle, begrenzten Berechtigungen und Zugriff auf den Kontext Deiner Organisation, die wiederkehrende Marketingaufgaben übernehmen. Sie laufen nach Zeitplan oder bei bestimmten Ereignissen, und Du entscheidest, wann ein Mensch ihre Arbeit freigeben muss. Zum Start gibt es fünf Rollen, darunter einen Analysten für SEO und KI-Suche sowie einen Marketing-Analysten.

Claude Tag (Anthropic): Claude Tag bringt Claude als festes Teammitglied in Slack. Jeder in einem Channel kann @Claude erwähnen, um eine Aufgabe zu übergeben. Claude merkt sich, was im Channel besprochen wurde, und kann stunden- oder tagelang an Projekten arbeiten. Seit einem Update im August liest Claude den gesamten Kontext einer Unterhaltung und entscheidet selbst, ob es sich einschaltet. Gestartet ist Claude Tag als Beta für die Tarife Claude Team und Enterprise. Deshalb begegnest Du Claude Tag eher im Teamumfeld, als dass Du es selbst kaufst.

Was Agenten heute im Content-Marketing leisten können

Die Versprechen der Softwareanbieter klingen verlockend. Am Ende zählt aber nur der Nutzen im Alltag. Wenn wir den Hype beiseiteschieben, zeichnen sich derzeit vier Bereiche im Content-Marketing ab, in denen KI-Agenten tatsächlich nützlich sein können.

Tiefgehende Recherche und Briefings: Wenn Du Dich in ein neues Thema einarbeiten musst, kostet das meist viel Zeit. Ein Cloud-Recherche-Agent wie Manus oder ChatGPT Work kann Dutzende Fachartikel, Studien und Websites lesen. Er extrahiert Fakten, vergleicht Quellen und erstellt für Dich ein strukturiertes Briefing. Du startest Deine Schreibarbeit nicht mehr mit einer leeren Seite, sondern mit einer soliden Informationsgrundlage. Wenn Du ein Tool wie Perplexity Computer nutzt, nennt der Agent außerdem seine Quellen. So kannst Du die Zahlen, Fakten und Aussagen im Briefing direkt überprüfen. Wie oben erwähnt: Ähnliche, wenn auch einfachere und weniger leistungsfähige Tools sind Gemini Deep Research, Claude Research und andere.

Content Repurposing auf Autopilot: Idealerweise wird ein guter Inhalt mehrfach genutzt. KI-Agenten können solche Repurposing-Workflows beschleunigen. Du kannst dem System einen ausführlichen Fachartikel übergeben, und der Agent erstellt selbstständig passende Posts für LinkedIn, einen Teaser für den Newsletter und ein Skript für ein kurzes Video. Mit den entsprechenden Berechtigungen kann ein Automatisierungs-Agent diese Entwürfe direkt in Deinem Redaktionsplan oder Content-Management-System ablegen.

Digitale Fleißarbeit erledigen: Hunderte Bilder für das Web komprimieren und umbenennen, große Tabellen mit SEO-Metadaten füllen oder alte Blogbeiträge nach toten Links durchsuchen: Solche Aufgaben kosten viel Zeit. Desktop-Bediener wie Claude Cowork oder ChatGPT Work eignen sich gut für diese Art von Routinearbeit. Sie navigieren durch lokale Ordner und Programme und arbeiten ihre Liste ab. So gewinnst Du Zeit für wichtigere Dinge.

Wiederkehrendes Reporting automatisieren: Am Monatsende müssen Zahlen oft aus verschiedenen Systemen zusammengetragen werden. Du willst wissen, wie viele Seitenaufrufe es gab, wie hoch die Interaktionsrate in den sozialen Medien war und wie viele Newsletter-Abonnenten dazugekommen sind. Agenten können diese Datenquellen selbstständig auslesen. Sie ziehen die Zahlen, berechnen die Veränderung gegenüber dem Vormonat und führen alles in einem Dokument zusammen.

Zwei Beispiele aus meiner eigenen Nutzung:

1. Ich habe in Claude Cowork eine wiederkehrende Aufgabe, die jeden Montag bestimmte Tags hier auf Smart Content Report auf neue Artikel prüft. Claude listet sie für mich auf, und ich entscheide, ob daraus ein Newsletter werden soll. Gebe ich grünes Licht, erstellt Claude auf Basis einer Vorlage das komplette HTML der E-Mail. Ich muss dieses HTML nur noch im Backend einfügen, die Inhalte bei Bedarf anpassen und den Newsletter planen.
2. Eine weitere solche Aufgabe läuft jeden Freitag. Sie schaut sich an, was wir in dieser Woche auf UPLOAD Magazin und Smart Content Report veröffentlicht haben und was für die kommende Woche geplant ist, und entwickelt daraus Content-Empfehlungen für unsere LinkedIn-Seite und andere Social-Media-Profile.

Die Realität: Grenzen, Risiken und warum Projekte scheitern

Das alles klingt großartig, aber KI-Agenten sind keine fehlerlosen Arbeitskräfte. Wenn Projekte mit KI-Agenten scheitern, liegt es selten an mangelnder künstlicher Intelligenz. Meist liegt es an der Umgebung, in der sie arbeiten.

Ein Problem sind schlechte Daten. Agenten brauchen hochwertige Informationen, um zu funktionieren. Wenn Du einem Agenten Zugriff auf eine chaotische Ordnerstruktur mit veralteten Dokumenten und widersprüchlichen Informationen gibst, liefert er chaotische Ergebnisse. Ein Agent kann grundlegende organisatorische Unordnung nicht einfach wegzaubern.

Das heißt: Bevor Du einen Agenten erfolgreich einsetzen kannst, um Dein Unternehmenswissen zusammenzufassen oder Kundendaten zu analysieren, musst Du sicherstellen, dass Deine Daten sauber, gut strukturiert und aktuell sind.

Hinzu kommt: Neue Technik bringt auch neue Sicherheitsrisiken. Sobald KI-Agenten Zugriff auf Deine lokalen Dateien oder Unternehmenssysteme bekommen, wird das zu einem großen Problem. Die größte neu aufkommende Bedrohung ist die indirekte Prompt Injection: Dabei werden schädliche Anweisungen in einem scheinbar harmlosen Dokument, einer E-Mail oder einer Website versteckt. Liest Dein Agent dieses Dokument bei seiner Recherche, interpretiert er den versteckten Text möglicherweise als Befehl. Da der Agent Tools nutzen darf, könnte er aufgrund dieses versteckten Befehls unbemerkt sensible Daten preisgeben oder Dateien verändern.

Dieses Risiko nimmt je nach Agent unterschiedliche Formen an. So haben Sicherheitsforscher kürzlich Schwachstellen namens „CometJacking“ in browserbasierten Agenten wie Perplexity Comet entdeckt. Weil der Agent den Kontext über alle geöffneten Tabs hinweg behält, könnten schädliche Anweisungen auf einer nicht vertrauenswürdigen Webseite den Agenten theoretisch kapern und dazu bringen, sensible Daten aus einem benachbarten, angemeldeten Tab (etwa Deinem offenen CRM oder E-Mail-Postfach) auszulesen und abzugreifen.

Verstärkt wird dieses Risiko durch „Schatten-IT“. Häufig setzen Einzelne Agenten auf eigene Faust ein, um ihre Arbeit zu beschleunigen, ohne ihr Security- oder IT-Team zu informieren. Wer aber Agenten nutzt, die auf E-Mails oder das Dateisystem zugreifen, muss genau kontrollieren, worauf sie zugreifen dürfen.

Und nicht zuletzt: Der Begriff „autonomer Agent“ ist irreführend. Im professionellen Umfeld ist volle Autonomie selten das Ziel. Der Standardansatz ist ein „Human in the Loop“-Setup. Das heißt: Der Agent erledigt die zeitaufwendige Vorarbeit, aber ein Mensch muss kritische Aktionen freigeben, bevor sie ausgeführt werden.

Du solltest einen Agenten nicht ohne finale Kontrolle einen Beitrag veröffentlichen, eine E-Mail an einen Kunden senden oder Dateien löschen lassen. Der Agent agiert wie ein Assistent, der einen Entwurf vorbereitet. Die redaktionelle Kontrolle liegt bei Dir: Du prüfst die Arbeit, erkennst Halluzinationen und gibst am Ende das finale Okay. Das Eingreifen des Menschen gehört zwingend zum Workflow.

Tipp: Lies hier wie du neun typische Risiken bei der Arbeit mit KI-Agenten vermeiden kannst.

Jetzt einsteigen oder abwarten? Ein praktischer Aktionsplan

Was ist angesichts aller Versprechen und aktuellen Einschränkungen der beste Weg für Content-Profis? Meine Empfehlung: ein Vorgehen in Stufen, abgestimmt auf Deinen aktuellen Kenntnisstand und Deine Abos.

Stufe 1: Starte mit dem, was Du schon hast. Wenn Du bereits ein Abo für 20 US-Dollar im Monat bezahlst, fang dort an. Nutze zum Beispiel ChatGPT Work für recherchelastige Browser-Aufgaben oder für die Formatierung von Präsentationen. Das ist ein risikoarmer Weg, ein Gespür für das Prompting von Agenten zu entwickeln, ohne zusätzliches Geld auszugeben.

Stufe 2: Entscheide Dich für einen lokalen Agenten. Wenn Du als Freelancer in der EU mit großen Mengen an Transkripten, unaufgeräumten Entwürfen und heruntergeladenen Assets zu tun hast, setze auf einen lokalen Agenten. Claude Cowork ist derzeit die klarste No-Code-Option, die in Europa verfügbar ist, mit ChatGPT Work als enger Alternative. Baue „Skills“ für Deine wiederkehrenden Aufgaben (etwa um ein Podcast-Transkript in Shownotes zu verwandeln) und lass den Agenten nur in einem strikt isolierten Ordner arbeiten, um die Sicherheitsrisiken im Griff zu behalten. Ich persönlich habe Cowork trotz mancher aktueller Einschränkungen und einigem Ausprobieren schätzen gelernt.

Stufe 3: Warte bei den schwergewichtigen Enterprise-Tools ab. Solange Du kein Unternehmens-IT-Budget im Rücken hast, lass die Finger von der komplizierten Preisgestaltung von Microsoft Copilot Cowork. Warte damit, bis sich die Credit-Preise stabilisiert haben oder es in Standard-Abos gebündelt wird. Gemini Spark dagegen ist kein Luxusprodukt mehr: Es ist im Tarif Google AI Pro für 20 US-Dollar im Monat enthalten. Im EWR, in der Schweiz und im Vereinigten Königreich ist es jedoch nicht verfügbar und kommt damit für viele aus meiner Leserschaft gar nicht erst in Frage.

Mein Fazit: KI-Agenten sollen das Versprechen eines vollwertigen „KI-Assistenten“ einlösen, und für manche Aufgaben und unter bestimmten Umständen tun sie das heute schon.

Du solltest noch nicht erwarten, dass Du Deine gesamte Fleißarbeit an Deinen künstlichen Assistenten abgeben kannst. Aber wer heute lernt, diese Tools sicher zu nutzen, und dabei ihre Nutzungslimits, Sicherheitsrisiken und die Feinheiten des Promptings versteht, wird in ein paar Jahren einen Vorsprung im Arbeitsalltag haben.