Skip to main content

KI-Agenten (Archetyp)

Hinweis: Dieses Dokument ist eine automatische Übersetzung des englischen Originals.

KI-Agenten (Archetyp)

Archetyp-Seiten auf DecAIHub beschreiben gängige Projekt-Blaupausen — wiederkehrende Muster dafür, wie Krypto-KI-Projekte aufgebaut sind, was sie anbieten und welche Rolle KI in ihrem Produkt spielt. Der Archetyp „KI-Agenten" umfasst Projekte, deren primäres Produkt das Erstellen, Bereitstellen oder Betreiben von KI-Agenten ist: autonome Software, die Daten wahrnimmt, darüber argumentiert und Aktionen ohne kontinuierliche menschliche Anweisung ausführt.

Kurz gesagt: In diesem Archetyp IST der Agent das Produkt — nicht eine Funktion, die an etwas anderes angeflanscht ist.

Was diesen Archetyp definiert

Ein Projekt passt zum KI-Agenten-Archetyp, wenn sich sein Kernangebot um Agenten dreht, statt Agenten als sekundäre Funktion zu nutzen. Der Agent — seine Erstellung, Bereitstellung, sein Betrieb oder seine Monetarisierung — ist der Hauptgrund für die Existenz des Projekts. Dies grenzt den Archetyp von Projekten ab, die zufällig intern einen Agenten nutzen (z. B. ein DeFi-Protokoll mit einem KI-gestützten Rebalancer), deren primäres Produkt aber etwas anderes ist. Im KI-Agenten-Archetyp gilt: Entfernt man den Agenten, entfernt man das Produkt.

Archetypen sind deskriptiv, keine Empfehlungen. Sie helfen Lesern, oberflächlich ähnliche Roadmaps zu vergleichen und konsistente Fragen zu Belegen, Sicherheit und Architektur zu stellen. Zwei Projekte im selben Archetyp können sich in Reife und verifizierbarer KI-Tiefe stark unterscheiden.

Häufige Muster

Innerhalb dieses Archetyps treten mehrere unterschiedliche Produktmuster wiederholt im gesamten DecAIHub-Register auf.

Agenten-Frameworks

Build-your-own-Agent-Toolkits. Diese Projekte stellen SDKs, Bibliotheken und Entwicklertools zum Erstellen benutzerdefinierter KI-Agenten bereit. Sie umfassen typischerweise vorgefertigte Module für Gedächtnis, Planung, Tool-Nutzung und Chain-Interaktion. Das Produkt ist das Framework selbst — die darauf aufgebauten Agenten gehören Drittentwicklern.

Typische AI components: agentic framework, agent SDK, AI agent platform (workflows/tools/KB).

Agenten-Launchpads

Agenten erstellen, bereitstellen und tokenisieren. Diese Plattformen ermöglichen es Nutzern, einen Agenten zu bauen, ihm einen Token zuzuweisen und ihn on-chain zu starten — oft mit No-Code- oder Low-Code-Schnittstellen. Das Muster kombiniert Agenten-Erstellung mit Token-Ausgabe in einem einzigen Ablauf. Dies ist einer der häufigsten Use Cases in der Kategorie: AI agent creation + launch.

Typische Use Cases: AI agent creation + launch, build + deploy AI agents, no-code agent deployment.

Agenten-Marktplätze

Vorgefertigte Agenten entdecken und nutzen. Marktplatz-Projekte aggregieren von anderen erstellte Agenten und ermöglichen es Nutzern, Agentendienste zu durchsuchen, zu mieten oder zu kaufen. Der Marktplatz übernimmt Entdeckung, Bezahlung (in der Regel in Tokens) und manchmal Reputation. Die KI gehört den einzelnen Agenten-Erstellern, nicht dem Marktplatz selbst.

Typische AI components: agent marketplace, agent registry, agent discovery.

Agentisches OS

Vollständige Betriebssysteme für autonome Agenten. Diese Projekte gehen über einzelne Frameworks hinaus und versuchen, eine vollständige Umgebung aufzubauen, in der Agenten sich koordinieren, Ressourcen teilen, Tools nutzen und mit mehreren Chains interagieren können. Sie positionieren sich als die Infrastrukturschicht für eine „Agenten-Ökonomie".

Typische AI components: agentic OS, multi-agent orchestration, agent swarm.

Vertikale Agenten

Zweckgebaute Agenten für bestimmte Domänen. Statt eine allgemeine Plattform bereitzustellen, bauen diese Projekte Agenten für eine einzelne Vertikale: DeFi-Trading-Agenten, Gaming-NPCs, Social-Media-Persönlichkeiten, Consumer-Assistenten oder Infrastrukturverwaltungs-Agenten. Die KI ist eng fokussiert, und der Wert hängt davon ab, wie gut der Agent seine spezifische Aufgabe erfüllt.

Typische Use Cases: AI bots/agents for crypto, AI-powered DeFi agent, autonomous trading agent, AI companion.

Was diese Muster verbindet

Trotz unterschiedlicher Produktformen teilen alle Projekte in diesem Archetyp dieselbe strukturelle Eigenschaft: der Agent ist das Produkt. Das Projekt nutzt KI nicht nur als eine Funktion unter vielen — das gesamte Wertversprechen hängt von der Existenz, Qualität und Autonomie des Agenten ab.

Das bedeutet, dass die Bewertung von Projekten in diesem Archetyp eine Prüfung des Agenten selbst erfordert: Argumentiert er, oder folgt er einem festen Skript? Nutzt er eine echte AI component (LLM, Reinforcement Learning, Planungsmodul), oder ist er eine regelbasierte Automatisierung, die als „Agent" bezeichnet wird?

Leser sollten außerdem Plattform-Behauptungen („wir ermöglichen Agenten") von Instanz-Behauptungen („unser Agent hat X on-chain getan") unterscheiden. Beide können valide sein, erfordern aber unterschiedliche Arten von Beweisen.

Wo dieser Archetyp in DecAIHub-Karten erscheint

Beim Lesen einer Projektkarte, die zu diesem Archetyp gehört, achten Sie auf:

  • Kategorie — typischerweise AI/Agents, oft kombiniert mit einem Domänen-Tag (DeFi, Infra, Consumer, Gaming, Meme).
  • AI component — sollte einen konkreten Mechanismus benennen: agentic framework, agent marketplace, AI agent platform, agent swarm, multi-agent orchestration. Vage Werte sind ein Warnsignal.
  • Use Case — gängige Werte: build + deploy AI agents, AI agent creation + launch, AI bots/agents for crypto, no-code agent builder. Der Use Case sollte beschreiben, was der Nutzer mit dem Agenten-Produkt tut.
  • ai_score — spiegelt wider, wie viele verifizierbare Belege für die KI-Fähigkeiten des Agenten existieren. Siehe DecAI Fit.

Was dieser Archetyp nicht beweist

Unter dem KI-Agenten-Archetyp klassifiziert zu sein bedeutet, dass ein Projekt als agentenzentriert positioniert ist. Die Klassifizierung allein bestätigt nicht, dass:

  • tatsächliche Agenten in der Produktion laufen und autonome Aufgaben ausführen;
  • die Agenten echte KI statt fester Skripte oder einfacher API-Wrapper nutzen;
  • die Plattform sinnvolle Nutzer- oder Entwicklerakzeptanz hat;
  • der Token notwendig ist, damit die Agenten funktionieren;
  • die Agenten des Projekts sicherer, intelligenter oder autonomer sind als Alternativen.

Viele Agenten-Projekte sind Plattformen in einem frühen Stadium mit wenigen tatsächlich bereitgestellten Agenten. Die Lücke zwischen Vision und verifizierbarer Realität ist in diesem Archetyp oft groß — was den AI reality-Score und das Evidenz-Tier besonders wichtig macht.

Nicht verwechseln mit

  • Kategorie AI/Agents — das Kategorie-Label auf oberster Ebene. Die Archetyp-Seite beschreibt das gängige Produktmuster; die Kategorie-Seite beschreibt das Klassifizierungssystem.
  • KI-Assistent-Archetyp — Assistenten reagieren auf Nutzer-Prompts, handeln aber typischerweise nicht autonom. Siehe Assistent vs. Agent.
  • KI-Infra-Layer-Archetyp — Infrastrukturprojekte stellen Tools und Ressourcen bereit, die Agenten nutzen können, aber die Infra selbst ist kein Agent.
  • Automatisierung — regelbasierte Skripte, die vordefinierte Logik ohne Lernen oder Argumentieren ausführen. Siehe Automatisierung vs. echte KI.

Häufig gestellte Fragen

Ist „Archetyp" dasselbe wie die Kategorie AI/Agents?

Nein. Die Kategorie AI/Agents ist ein Label auf oberster Ebene in der Taxonomie. Ein Archetyp erklärt wiederkehrende Produktformen innerhalb und im Umfeld dieses Labels (Frameworks, Marktplätze, vertikale Agenten). Nutzen Sie Archetypen für narratives Muster-Matching; nutzen Sie Kategorien und AI component-Werte für strukturierten Vergleich.

Warum schneiden zwei Agenten-Projekte mit ähnlichen Landing Pages beim ai_score unterschiedlich ab?

ai_score spiegelt verifizierbare Belege für KI-Behauptungen wider — Dokumentation, Code, Demos, messbares Verhalten — nicht Marketing-Ähnlichkeit. Zwei agentenzentrierte Visionen können stark auseinandergehen, sobald Tier-1-Belege angewendet werden.

Sollten Leser erwarten, dass jeder Agenten-Marktplatz proprietäres Modelltraining hostet?

Nicht unbedingt. Marktplätze konzentrieren sich oft auf Entdeckung, Bezahlung und Schnittstellen, während Ersteller Modelle und Richtlinien liefern. Bewerten Sie jede Schicht separat: Plattform-Infra, Ersteller-Modelle und On-Chain-Ausführungs-Belege.

Externe Referenzen

  • Multi-agent system — Wikipedia — Überblick über koordinierte autonome Agenten, nützlicher Hintergrund für „Schwarm"- und Orchestrierungs-Behauptungen.
  • Planning (AI) — Wikipedia — Einführung in die Planung als zentrale KI-Disziplin, die in Agenten-Designs häufig referenziert wird.

Siehe auch

No comments to display

Back to top