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

Die KI-Landschaft befindet sich im Umbruch: Neue Tools wie Claude Cowork, ChatGPT Agent und andere versprechen, alltägliche Arbeit zu übernehmen. Sie gehen weit über das bloße Generieren von Text oder Bildern hinaus: Sie sind als digitale Assistenten konzipiert, die Dich aktiv unterstützen und komplexe Aufgaben selbstständig erledigen. Zumindest ist das ihr Versprechen.

Aber wie funktionieren sie, was können sie heute leisten, und wie können sie Content-Professionals weiterhelfen? Das sind einige der Fragen, die ich mit der Übersicht auf dieser Seite beantworten möchte.

Außerdem werfe ich einen Blick hinter den Hype rund um dieses Thema. Viele KI-Anbieter sehen Agenten als den nächsten großen Schritt. Die Realität kollidiert jedoch 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. Das unterscheidet ihn von den Chatbots, die Du bereits kennst. Diese sind auf die Beantwortung direkter Anfragen spezialisiert. Das bedeutet: Sie werden in der Regel ohne einen konkreten Prompt nicht aktiv, erledigen immer nur eine Aufgabe zur Zeit und entwickeln von sich aus keinen Plan mit mehreren Schritten, um ein bestimmtes Ziel zu erreichen.

Agenten hingegen nutzen ihre künstliche Intelligenz, um Pläne zu entwickeln, Entscheidungen zu treffen und ihre Arbeitsschritte anzupassen. Sie können zudem über einen längeren Zeitraum im Hintergrund laufen oder auf Ergebnisse warten.

Ein weiterer wichtiger Faktor ist ihr Zugang zu externen Tools: KI-Agenten können das Internet durchsuchen, lokale Dokumente lesen, Computerprogramme steuern oder über Schnittstellen mit anderer Software kommunizieren. Sie bleiben nicht in einem Chat-Fenster isoliert, sondern führen konkrete Aktionen in Deinem digitalen Arbeitsbereich aus. Und obwohl manche der traditionellen Chatbots ebenfalls über solche Fähigkeiten verfügen können, bleiben sie dennoch darauf beschränkt, auf eine Eingabe zu reagieren.

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

Cloud oder lokal: Wo Agenten arbeiten (und warum das in Europa wichtig ist)

Nicht jeder Agent ist gleich. Ein entscheidender Unterschied liegt darin, wo diese Systeme ihre Arbeit erledigen. Das bestimmt, was sie leisten können und wie komplex ihr Einsatz ist. Es bestimmt auch ihre Sicherheitsrisiken und geografische Verfügbarkeit.

Die erste Variante sind cloudbasierte Agenten. Beispiele dafür sind ChatGPT Agent oder Manus. Der große Vorteil liegt in der Benutzerfreundlichkeit: Du musst keine Software installieren, sondern gibst dem Agenten seine Aufgabe einfach über den Browser. Danach kann er asynchron arbeiten. Du kannst Deinen Laptop schließen, während das System stundenlang im Hintergrund das Internet durchsucht oder Daten aufbereitet.

Der offensichtliche Nachteil ist der Datenschutz: Alle Informationen und Dokumente, die Du dem Agenten zur Verfügung stellst, landen auf externen Servern. Für Contentprofis in Europa ist das eine erhebliche Hürde. Aufgrund strenger DSGVO-Anforderungen zum Speicherort von Daten und des EU AI Acts sind Cloud-Agenten deshalb oft auf die USA beschränkt. Ein aktuelles Beispiel dafür ist Googles Gemini Spark.

Die zweite Variante sind lokale Agenten. Programme wie Claude Cowork oder Perplexity Personal Computer laufen direkt auf Deinem Computer. Diese Systeme können vorhandene lokale Tools nutzen, Dateien lesen, auf die Du ihnen Zugriff gewährst, und Aufgaben direkt im Betriebssystem ausführen. Da sie lokal arbeiten, vermeiden sie viele der aktuellen regulatorischen Verzögerungen in der EU und sind in Europa heute ohne Weiteres nutzbar. Das ist ein Vorteil unabhängig von den Datenschutzgesetzen Deiner Region, denn Du musst Dir auch keine Sorgen machen, dass externe Server Deine Daten versehentlich preisgeben.

Lokale Agenten bringen jedoch eine andere Art von Sicherheitsrisiko mit sich: Um wirklich nützlich zu sein, benötigen sie häufig tiefen Zugriff auf Deine Festplatte und lokale Dateien. Machen sie einen Fehler, könnten sie wichtige Daten auf Deinem Computer verändern oder löschen. Einige lokale Systeme benötigen außerdem leistungsstarke Hardware, um flüssig zu laufen.

Die besten KI-Agenten für Content-Professionals

Die Unterschiede zwischen agentischen KI-Tools enden hier nicht. Ein Grund dafür: Viele Anbieter verwenden diesen Begriff für ihre Produkte sehr großzügig (um es milde auszudrücken). Um das Verständnis zu erleichtern, unterteile ich diese Dienste in drei Kategorien, je nachdem, wo und wie sie arbeiten. Dazu gebe ich Dir für jede Kategorie konkrete Beispiele.

1. Die Desktop-Manipulatoren (Lokale Agenten und Betriebssystem-Agenten)

Diese KI-Tools bedienen einen Computer ähnlich wie Du es tust: Sie navigieren durch Benutzeroberflächen, organisieren Ordner und verarbeiten lokale Dateien. Sie sind dann nützlich, wenn Aufgaben das Verschieben von Daten zwischen verschiedenen lokalen Programmen erfordern.

Sie eignen sich ideal für Profis, die mit heruntergeladenen Assets, unbearbeiteten Transkripten, fragmentierten lokalen Entwürfen und ähnlichen Anwendungsfällen arbeiten.

Claude Cowork (Anthropic): Claude Cowork ist in die Desktop-Anwendung für macOS und Windows integriert. Zugriff via Mobilgerät und Webbrowser wird gerade ausgerollt, aber mit begrenztem Funktionsumfang. Anthropic hat Cowork so konzipiert, dass es Agent-Fähigkeiten auch für nicht-technische Nutzer:innen zugänglich macht. Das System arbeitet direkt dort, wo Deine Arbeit bereits stattfindet. Es greift auf lokale Dateien und alltägliche Anwendungen zu. Du steuerst den Zugriff über drei Berechtigungsstufen: immer fragen, nur bei riskanten Aktivitäten fragen, nie fragen.

Dieses Risiko ist real: Risikokapitalgeber Nick Davidov berichtete etwa kürzlich, wie er Claude Cowork darum bat, den unordentlichen Computer-Desktop seiner Frau aufzuräumen. Der Agent interpretierte den vagen Prompt falsch, führte ein drastisches Löschskript aus und entfernte Familienfotos der letzten 15 Jahre. Zwar läuft jeder Code, den Claude zur Datenverarbeitung schreibt, in einer isolierten virtuellen Maschine, um Dein Kernbetriebssystem zu schützen. In Ordnern, auf die Du ihm Zugriff gewährst, kann er jedoch trotzdem erheblichen Schaden anrichten.

Als Contentprofi kannst Du es nutzen, um Ordner aufzuräumen, Interview-Transkripte zusammenzufassen oder Dateien in einem Rutsch umzubenennen. Cowork verbindet sich darüber hinaus mit Plattformen wie Google Workspace und Canva. Aber behalte den Agenten im Auge: Es ist beispielsweise immer eine gute Idee, erst um einen Plan zu bitten, bevor die KI loslegt.

Ein wichtiger Hinweis: Komplexe Aufgaben mit großen lokalen Dateien können die Limits des Standard-Pro-Abonnements für 20 $/Monat schnell aufbrauchen.

In einem weiteren Artikel erkläre ich Claude Cowork ausführlicher, spreche über seine Funktionen und Möglichkeiten sowie einige praktische Anwendungsfälle.

OpenAI Codex (Knowledge Work Edition): Codex begann als Kommandozeilenwerkzeug für Softwareentwickler. OpenAI positionierte es 2026 neu, um auch allgemeine Wissensarbeiter anzusprechen. Es fungiert als lokales Kommandozentrum. Zur Interaktion kannst Du spezifische „Skills“ aufrufen (wie create-spreadsheet oder create-docx), um aufwendig formatierte Dokumente zu erstellen. Mit dem „Goal mode“ lassen sich außerdem wiederkehrende Aufgaben automatisieren, zum Beispiel: den Output eines Mitbewerbers jeden Freitag überwachen und bis Montagmorgen einen zusammenfassenden Bericht erstellen. (Nebenbei bemerkt: Skills und Scheduled Tasks sind auch mit Claude Cowork verfügbar.) Codex kann außerdem mehrere Agenten parallel betreiben: Ein Agent recherchiert ein Thema online, während ein anderer im Hintergrund eine Tabelle aktualisiert. Dabei übernimmt er nicht den aktiven Mauszeiger.

Obwohl Codex für die parallele Ausführung leistungsstark ist, behält es einen technischen Charakter. Zum Beispiel fehlt bislang ein integrierter Texteditor. Entdeckst Du einen Fehler in einem generierten Dokument, musst Du ein externes Programm öffnen, um ihn zu beheben. Das bringt etwas Reibung in den Schreibprozess.

Hinweis: Anfang Juli hat OpenAI ChatGPT Work vorgestellt. Wir werden Codex durch dieses Tool in einer kommenden Version dieses Überblicks ersetzen.

Apple Intelligence (Siri AI): Apple verfolgt einen anderen Ansatz und webt seinen Agenten direkt in das Betriebssystem ein. Siri AI soll Screen-Awareness nutzen, um zu sehen und zu verstehen, was auf Deinem Bildschirm angezeigt wird. Du kannst dann eine Datentabelle in einem PDF markieren und den Agenten anweisen, sie zusammenzufassen und per E-Mail an eine Kollegin oder einen Kollegen zu senden. Außerdem soll er in der Lage sein, Deine persönlichen Daten wie frühere E-Mails und Nachrichten zu durchsuchen, um bestimmte Details abzurufen.

Die Haupteinschränkungen betreffen Hardware und geografische Verfügbarkeit. Für den Betrieb der lokalen Modelle sind aktuelle Apple-Chips erforderlich. Außerdem gibt es anhaltende regulatorische Verzögerungen in Regionen wie der Europäischen Union. Hinzu kommt: Zunächst wird es nur auf Englisch funktionieren, und der Release ist erst für „später in diesem Jahr“ angekündigt.

Perplexity Personal Computer: Dieses Tool ist ein Hybrid: Es fungiert als Brücke zwischen der Cloud und Deinem lokalen Gerät. Es läuft als Hintergrundanwendung auf Deinem Mac (Windows folgt noch). Dadurch hat es Zugriff auf Deine lokalen Dateien und E-Mails. Komplexe Aufgaben sendet es jedoch zur Verarbeitung an Cloud-Modelle. Das macht es zu einem Desktop-Manipulator, der stark auf externe Server angewiesen ist. Du kannst es nutzen, um lokale Ordner zu organisieren oder Recherchen direkt auf Deinem Gerät zu bündeln.

2. Die Cloud-Researcher (Virtuelle Computer)

Diese Systeme sind auf das Sammeln und Strukturieren von Informationen in der Cloud spezialisiert. Du gibst ein komplexes Thema vor, und der Agent durchsucht selbstständig das Internet, bewertet Quellen, liest umfangreiche Dokumente und fasst die Ergebnisse in einem detaillierten Bericht zusammen. Diese Tools sind ideal, wenn Du Dich zum Beispiel in ein neues Fachgebiet einarbeiten musst.

ChatGPT Agent (OpenAI): Dieser Agent arbeitet vollständig in der Cloud. Er nutzt einen visuellen Browser, um Websites zu navigieren, Schaltflächen anzuklicken und Daten zu extrahieren. Du kannst ihn zum Beispiel beauftragen, mehrere Websites von Wettbewerbern zu analysieren. Danach arbeitet er selbstständig weiter. Am Ende fasst er die Daten in einem strukturierten Dokument oder einer Präsentation zusammen. Er eignet sich gut für umfangreiche Recherchen.

Er unterliegt jedoch klaren Nutzungslimits: Das Standard-Abo ChatGPT Plus (20 $/Monat) ist auf 40 Agent-Nachrichten pro Monat beschränkt. Das liegt daran, dass agentische Aufgaben in Schleifen „denken“ und dabei 50- bis 100-mal mehr Kontingent verbrauchen als ein normaler Chat. Einige schlecht formulierte Anfragen können Dein monatliches Kontingent schnell aufbrauchen.

Er kann außerdem bei komplexen Website-Layouts oder Anmeldebildschirmen feststecken. Stößt er auf eine Login-Schranke, musst Du manuell seinen „Take over browser“-Modus aktivieren, weil der Agent seine Screenshots bei der Passworteingabe absichtlich deaktiviert, um Deine Privatsphäre zu schützen.

Manus: Manus ist für offene Web-Aufgaben konzipiert. Du gibst ein Ziel vor, und es unterteilt dieses in Teilaufgaben und öffnet einen virtuellen Browser, um die Antworten zu finden. Es eignet sich gut, um ein erstes Recherche-Briefing zu erstellen. Es bietet eine kostenlose Stufe mit 300 täglichen Credits, was es zu einem guten Einstiegspunkt macht, um KI-Agenten ohne finanzielles Risiko zu testen.

Du musst jedoch auch hier Deinen Verbrauch im Auge behalten: Eine einzelne komplexe Rechercheaufgabe kann zwischen 500 und 900 Credits benötigen. Die kreditbasierte Abrechnung kann deshalb sehr unvorhersehbar und teuer werden, wenn Du stark darauf angewiesen bist. Außerdem kommt es bei sehr komplexen Aufgaben gelegentlich an seine Grenzen und verliert das Ziel aus den Augen.

Perplexity Computer: Das ist das rein cloudbasierte Angebot von Perplexity. Seine größte Stärke ist faktische Genauigkeit, da es die Quelle jeder Antwort und jeder Zahl angibt. Es ist außerdem nativ in Microsoft-365-Anwendungen integriert: Du kannst Microsoft Word öffnen und den Agenten anweisen, ein Dokument auf Basis aktueller Web-Recherchen zu verfassen. Er schreibt den Text und fügt die Quellenangaben direkt in Deine Datei ein.

Tipp: Wenn Du nur einen Recherche-Agenten suchst, findest Du solche „Deep Research“-Funktionen auf allen großen Plattformen, darunter Claude, Gemini, ChatGPT und Perplexity. Erfahre in diesem Artikel mehr über Deep Research und seine Nützlichkeit im Marketing. Ich habe außerdem 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 sie Zugang zu internen Unternehmensdaten und Kommunikationskanälen. Als selbstständige Content-Creatorin oder Content-Creator wirst Du diese Tools selten selbst kaufen, könntest ihnen aber begegnen, wenn Deine Kunden diese großen Plattformen nutzen.

Notion Agents: Für Content-Teams, die ihren Betrieb bereits in Notion abwickeln, ist das eine sehr nützliche Option. Notion hat kürzlich autonome Agenten eingeführt, die rund um die Uhr auf Basis von Zeitplänen oder bestimmten Auslösern laufen können. Du kannst sie anweisen, einen Content-Kalender zu erstellen, Social-Media-Posts zu entwerfen oder mehrstufige Aufgaben über Hunderte von Notion-Seiten hinweg auszuführen. Es ist im Business-Tarif enthalten (20 $/Nutzer/Monat), wobei benutzerdefinierte Agenten zusätzliche Credit-Käufe erfordern.

Microsoft Copilot Cowork: Dieses Tool führt mehrstufige Workflows direkt in der Microsoft-365-Umgebung aus. Es kann Besprechungsnotizen in Teams analysieren, E-Mails über Outlook versenden und eine passende Präsentation in PowerPoint entwerfen. Es eignet sich gut für Unternehmensumgebungen. Das Preismodell ist jedoch eine erhebliche Hürde für unabhängige Freiberufler: Zunächst benötigst Du eine Microsoft-365-Copilot-Basislizenz (ca. 30 $/Nutzer/Monat). Danach wird die Nutzung dynamisch auf Verbrauchsbasis mit „Copilot Credits“ zum Preis von 0,01 $ pro Credit abgerechnet. Während ein einfacher E-Mail-Entwurf etwa 1,25 $ kosten kann, kann eine aufwendige, Tool-übergreifende Rechercheaufgabe mehr als 25,00 $ pro Durchlauf kosten. Diese fehlende Kostensicherheit macht es für Selbstständige ohne Unternehmensbudget weitgehend unpraktikabel.

Gemini Spark (Google): Google verfolgt bei diesem Agenten einen Always-on-Ansatz. Spark soll kontinuierlich im Hintergrund von Google Workspace laufen. Du kannst ihn so einrichten, dass er Deinen Gmail-Posteingang überwacht, Kundeninformationen aus neuen E-Mails extrahiert und die Daten automatisch in einer Google-Tabelle erfasst. Wie das Microsoft-Angebot richtet es sich strikt an Unternehmensbudgets. Der Zugang erfordert ein Google-AI-Ultra-Abonnement, was es in die Kategorie von 100 bis 200 $ pro Monat einordnet, weit jenseits des üblichen KI-Tool-Budgets von 20 $. Es ist derzeit auch auf eine begrenzte Beta für Nutzer in den USA beschränkt. Wir werden sehen, ob, wann und wie Google Spark einem breiteren Publikum zugänglich macht.

Was Agenten im Content-Marketing heute leisten können

Die Versprechen der Software-Anbieter sind verlockend. Am Ende zählt aber nur die alltägliche Nützlichkeit. Lassen wir den Hype beiseite, zeichnen sich im Content-Marketing derzeit vier Bereiche ab, in denen KI-Agenten tatsächlich hilfreich sein können.

Tiefgehende Recherchen und Briefings: Wenn Du Dich in ein neues Thema einarbeiten musst, kostet das in der Regel viel Zeit. Ein Cloud-Recherche-Agent wie Manus oder ChatGPT Agent kann Dutzende von Fachartikeln, Studien und Websites lesen. Er extrahiert Fakten, vergleicht Quellen und erstellt Dir ein strukturiertes Briefing. Du startest Deine Schreibarbeit damit nicht mehr mit einem leeren Blatt, sondern mit einer soliden Informationsbasis. Wie oben erwähnt: Ähnliche, wenn auch einfachere und weniger leistungsstarke Tools sind Gemini Deep Research, Claude Research und andere.

Content-Wiederverwendung auf Autopilot: Im Idealfall sollte ein guter Inhalt mehrfach genutzt werden. KI-Agenten können solche Repurposing-Workflows beschleunigen. Du übergibst dem System einen umfangreichen Fachartikel, 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 Deinen Redaktionsplan oder Dein Content-Management-System einspielen.

Beim UPLOAD Magazin findest du einen ausführlichen Artikel von mir zum Thema Content-Recycling mit KI. Dort gehe ich auf konkrete Workflows und Prompts ein. Zum Abruf des Artikels benötigst du einen kostenlosen UPLOAD Community-Zugang, den du dir in einem Schritt einrichten kannst.

Digitale Routinearbeit erledigen: Hunderte von Bildern für das Web komprimieren und umbenennen, große Tabellen mit SEO-Metadaten befüllen oder alte Blogbeiträge nach defekten Links durchsuchen: Das sind zeitaufwendige Aufgaben. Desktop-Manipulatoren wie Claude Cowork eignen sich gut für diese Art von Wiederholungsarbeit. Sie navigieren durch lokale Ordner und Programme, um ihre Liste abzuarbeiten. Du gewinnst Zeit für wichtigere Dinge.

Wiederkehrendes Reporting automatisieren: Am Monatsende müssen oft Zahlen aus verschiedenen Systemen zusammengeführt werden. Du musst wissen, wie viele Seitenaufrufe es gab, wie 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 Veränderungen gegenüber dem Vormonat und bringen alles in einem Dokument zusammen.

Zwei Beispiele aus meiner eigenen Nutzung:

1. Ich habe in Claude Cowork eine wiederkehrende Aufgabe, die jeden Montag festgelegte Schlagwörter hier auf Smart Content Report auf neue Artikel prüft. Claude listet sie mir auf, und ich kann entscheiden, ob ich daraus einen Newsletter machen möchte. Gebe ich grünes Licht, erstellt Claude das vollständige HTML der E-Mail auf Basis einer Vorlage. Ich muss dieses HTML nur ins Backend einfügen, den Inhalt bei Bedarf anpassen und den Newsletter planen. Das nutze ich für die beiden Newsletter ChatGPT Update und Claude Update.
2. Eine weitere solche Aufgabe läuft jeden Freitag. Sie schaut, was wir unter der Woche auf UPLOAD Magazin und Smart Content Report veröffentlicht haben und was für die kommende Woche geplant ist, und entwickelt dann Content-Empfehlungen für unsere LinkedIn-Seite und andere Social-Media-Profile. Das ist sehr nützlich für mich, weil ich dadurch nicht bei null anfangen muss.

Die Realität: Grenzen, Risiken und warum Projekte scheitern

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

Ein Problem sind schlechte Daten. Agenten benötigen qualitativ hochwertige Informationen, um zu funktionieren. Gibst Du einem Agenten Zugriff auf eine chaotische Ordnerstruktur mit veralteten Dokumenten und widersprüchlichen Informationen, wird er chaotische Ergebnisse liefern. Ein Agent kann ein grundlegendes Organisationschaos nicht auf magische Weise beheben.

Das bedeutet: 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.

Neue Technologie bringt außerdem neue Sicherheitsrisiken mit sich. Wenn KI-Agenten Zugriff auf Deine lokalen Dateien oder Unternehmenssysteme erhalten, wird das zu einem wichtigen Thema. Die größte Bedrohung ist derzeit die indirekte Prompt-Injektion: Das passiert, wenn böswillige Anweisungen in einem scheinbar harmlosen Dokument, einer E-Mail oder einer Website versteckt sind. Liest Dein Agent dieses Dokument während seiner Recherche, könnte er den versteckten Text als Befehl interpretieren. Da der Agent die Berechtigung hat, Tools zu nutzen, könnte er unwissentlich sensible Daten preisgeben oder Dateien auf Basis dieses versteckten Befehls verändern.

Dieses Risiko nimmt je nach Agent unterschiedliche Formen an. Sicherheitsforscher haben beispielsweise kürzlich Schwachstellen in browserbasierten Agenten wie Perplexity Comet identifiziert, die als „CometJacking“ bezeichnet werden. Da der Agent den Kontext über alle geöffneten Tabs hinweg beibehält, könnten böswillige Anweisungen auf einer nicht vertrauenswürdigen Webseite den Agenten theoretisch dazu bringen, sensible Daten aus einem benachbarten authentifizierten Tab auszulesen und zu exfiltrieren (etwa Deinem geöffneten CRM oder E-Mail-Posteingang).

Dieses Risiko wird durch „Shadow IT“ verstärkt: Einzelpersonen setzen Agenten vielleicht auf eigene Faust ein, um ihre Arbeit zu beschleunigen, ohne ihre Sicherheits- oder IT-Teams zu informieren. Verwendest Du jedoch Agenten, die sich mit Deiner E-Mail oder Deinem Dateisystem verbinden, musst Du genau kontrollieren, worauf sie zugreifen können.

Und schließlich: Der Begriff „autonomer Agent“ ist irreführend. In professionellen Umgebungen ist vollständige Autonomie selten das Ziel. Der Standardansatz ist ein „Human in the Loop“-Setup. Das bedeutet: Der Agent erledigt die zeitaufwendige Vorarbeit, aber ein Mensch muss kritische Aktionen genehmigen, bevor sie ausgeführt werden.

Du solltest keinen Agenten einen Beitrag veröffentlichen, eine E-Mail an einen Kunden senden oder Dateien löschen lassen, ohne eine vorherige Prüfung. Der Agent agiert stattdessen wie ein Assistent, der einen Entwurf vorbereitet. Du bleibst die Redakteurin oder der Redakteur, der die Arbeit überprüft, Halluzinationen erkennt, und die abschließende Genehmigung erteilt. Menschliches Eingreifen ist ein notwendiger Teil des Workflows.

Jetzt einsteigen oder warten? Ein praktischer Aktionsplan

Angesichts all der Versprechen und aktuellen Einschränkungen: Was ist der beste Ansatz für Content-Professionals? Meine Empfehlung ist ein stufenweises Vorgehen, ausgehend von Deinem aktuellen Risikowillen und Deinen bestehenden Zugängen.

Stufe 1: Fang mit dem an, was Du hast. Wenn Du bereits ein 20-$/Monat-Abonnement besitzt, starte damit. Nutze ChatGPT Agent für rechercheintensive Browser-Aufgaben oder das Formatieren von Präsentationen. Nutze Perplexitys Comet Assistant für einfache Web-Zusammenfassungen. Teste Claude Cowork. Das sind risikoarme Wege, um ein Gespür für das Prompting von Agenten zu entwickeln, ohne zusätzliches Geld auszugeben.

Stufe 2: Setz auf einen lokalen Agenten. Wenn Du Freiberuflerin oder Freiberufler in der EU bist und mit großen Mengen an Transkripten, unordentlichen Entwürfen und heruntergeladenen Assets arbeitest, etabliere einen lokalen Agenten als Standard. Claude Cowork ist derzeit die klarste, codefreie Option, die in Europa verfügbar ist. Erstelle „Skills“ für Deine wiederkehrenden Aufgaben (zum Beispiel ein Podcast-Transkript in Show Notes umwandeln) und betreibe ihn in einem isolierten Ordner, um Sicherheitsrisiken zu verringern. Ich persönlich schätze diese Hilfe mittlerweile und das trotz einiger Einschränkungen und einer gewissen Einarbeitungszeit.

Stufe 3: Warte bei den großen Enterprise-Tools. Sofern Du nicht über ein Unternehmens-IT-Budget verfügst, meide die komplexe Preisstruktur von Microsoft Copilot Cowork und den teuren Google-Ultra-Tarif (100+ $/Monat) für Gemini Spark. Warte damit, bis die Credit-Preise sich stabilisieren oder sie in Standard-Abonnements integriert werden.

Mein Fazit: KI-Agenten sollen das Versprechen eines vollwertigen „KI-Assistenten“ einlösen, und für bestimmte Aufgaben und unter bestimmten Umständen gelingt ihnen das heute bereits.

Du solltest zwar noch nicht erwarten, Deinem künstlichen Assistenten alle lästigen Routineaufgaben delegieren zu können. Wer diese Tools jedoch heute sicher einzusetzen lernt und ihre Kontingentgrenzen, Sicherheitsrisiken und Prompt-Feinheiten versteht, wird in einigen Jahren einen operativen Vorteil haben.