Was ist der Unterschied zwischen Assistent, Copilot, Chatbot und Agent

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

Was ist der Unterschied zwischen Assistent, Copilot, Chatbot und Agent

Stell dir diese vier Begriffe als Positionen auf einem Fernsteuerungs-Spektrum vor. Ein Chatbot ist wie ein Walkie-Talkie: Du sprichst, er antwortet, Ende der Interaktion. Ein Assistent ist wie ein smarter Lautsprecher, der für dich Dinge nachschlagen kann. Ein Copilot ist wie ein Beifahrer, der die Karte liest, Abbiegungen vorschlägt, aber nie das Lenkrad ergreift. Ein Agent ist das selbstfahrende Auto — er nimmt die Straße wahr, trifft Entscheidungen und handelt, ohne auf deine Zustimmung zu warten.

Krypto-KI-Projekte verwenden diese Labels nahezu austauschbar, dabei beschreiben sie sehr unterschiedliche Fähigkeitsstufen. Die wahre Bedeutung hinter jedem Label zu verstehen, ist entscheidend, um zu beurteilen, ob das Marketing eines Projekts zu seiner Technologie passt.

Kurz gesagt: Die vier Begriffe liegen auf einem Spektrum der Autonomie. Ein Chatbot spricht nur; ein Assistent ruft Informationen ab; ein Copilot schlägt Aktionen vor, die ein Mensch genehmigt; ein Agent entscheidet und handelt eigenständig.

Jeden Begriff definieren

Bevor wir die vier Kategorien nebeneinanderstellen, hilft es zu verstehen, was jede für sich bedeutet. Die folgenden Definitionen beschreiben das allgemeine Konzept, wie es in der gesamten KI-Branche verwendet wird, nicht nur in Krypto.

Chatbot

Ein Chatbot ist eine Software-Schnittstelle, die Texteingaben annimmt und Textausgaben zurückgibt. In seiner einfachsten Form folgt ein Chatbot einem Skript oder Entscheidungsbaum. Moderne Chatbots werden von LLMs angetrieben, was sie weit flexibler macht: Sie bearbeiten offene Fragen und halten innerhalb einer einzelnen Sitzung einen Gesprächsfaden aufrecht. Ein Chatbot erzeugt jedoch nach wie vor nur Text. Er durchsucht keine externen Datenbanken, nutzt keine Tools und ergreift keine Aktionen außerhalb des Gesprächsfensters.

Erkennbares Beispiel: ChatGPT in seinem Standardmodus. Du tippst eine Frage, es antwortet. Es durchsucht nicht das Web, führt keinen Code aus und interagiert nicht mit externen Systemen, sofern nicht ausdrücklich zusätzliche Tools aktiviert sind. Die Kernerfahrung ist: Text rein, Text raus.

Assistent

Ein Assistent geht einen Schritt über einen Chatbot hinaus, indem er eine Retrieval-Schicht hinzufügt. Er kann externe Datenquellen durchsuchen — Dokumente, Datenbanken, APIs —, um seine Antworten zu fundieren. Statt sich allein auf das zu verlassen, was sich das Modell während des Trainings eingeprägt hat, holt ein Assistent Live-Informationen ein und integriert sie in die Antwort. Das macht Assistenten nützlicher für faktische Anfragen, aktuelle Informationen und domänenspezifisches Wissen.

Erkennbares Beispiel: Apples Siri und Amazons Alexa sind Consumer-Assistenten. Sie beantworten Fragen, prüfen das Wetter, stellen Timer und schlagen Fakten nach, indem sie externe Dienste abfragen. Im Krypto-Kontext könnte ein DeFi-Assistent die On-Chain-Positionen eines Nutzers aus einem Blockchain-Indexer ziehen und sie in natürlicher Sprache erklären.

Copilot

Ein Copilot arbeitet an der Seite einer menschlichen Fachkraft und schlägt Aktionen vor, überlässt die endgültige Entscheidung aber dem Nutzer. Die wesentliche Unterscheidung ist, dass ein Copilot umsetzbare Empfehlungen liefert — nicht nur Informationen, sondern konkrete Schritte, die der Nutzer genehmigen oder ablehnen kann. Copilots sind in der Softwareentwicklung, Datenanalyse und in Trading-Oberflächen verbreitet, wo die Kosten einer falschen autonomen Aktion hoch sind.

Erkennbares Beispiel: GitHub Copilot. Während ein Entwickler Code tippt, schlägt Copilot Vervollständigungen, Funktionsimplementierungen und sogar ganze Logikblöcke vor. Der Entwickler prüft jeden Vorschlag und entscheidet, ob er ihn annimmt, ändert oder ablehnt. Der Copilot committet niemals Code und deployt nichts von sich aus. In einem Krypto-Trading-Kontext könnte ein Copilot eine Swap-Transaktion entwerfen, die geschätzte Slippage anzeigen und darauf warten, dass der Nutzer signiert.

Agent

Ein Agent repräsentiert die höchste Autonomiestufe. Er nimmt seine Umgebung wahr, überlegt, was zu tun ist, wählt und nutzt Tools und führt Aktionen aus — alles, ohne für jeden Schritt menschliche Zustimmung zu benötigen. Agenten haben typischerweise Gedächtnis (sie erinnern sich an vergangene Interaktionen und Ergebnisse), Tool-Zugang (sie können APIs aufrufen, Code ausführen oder mit Smart Contracts interagieren) und eine zielorientierte Schleife (sie arbeiten weiter auf ein Ziel hin, statt auf einen einzelnen Prompt zu reagieren).

Erkennbares Beispiel: AutoGPT demonstriert das Agentenkonzept. Bei einem übergeordneten Ziel wie „recherchiere Wettbewerber und schreibe einen Bericht“ zerlegt es das Ziel in Teilaufgaben, durchsucht das Web, schreibt Entwürfe und iteriert — alles ohne menschliches Eingreifen bei jedem Schritt. Im Krypto-Bereich könnte ein On-Chain-Agent Liquiditätspools überwachen, ein Ungleichgewicht erkennen und durch autonomes Signieren einer Transaktion einen Rebalancing-Trade ausführen.

Das Autonomie-Spektrum

Die vier Kategorien sind keine starren Schubladen — sie bilden ein Spektrum der Autonomie. Reale Produkte liegen oft zwischen zwei Kategorien oder kombinieren Elemente mehrerer.

Stufe	Begriff	Nimmt Daten wahr	Ruft Infos ab	Schlägt Aktionen vor	Führt Aktionen aus	Hat Gedächtnis
1	Chatbot	Nein	Nein	Nein	Nein	Nur Sitzung
2	Assistent	Teilweise	Ja	Manchmal	Nein	Begrenzt
3	Copilot	Ja	Ja	Ja	Nein (Nutzer entscheidet)	Mäßig
4	Agent	Ja	Ja	Ja	Ja (autonom)	Persistent

Ein Produkt kann sich legitim entlang dieses Spektrums entwickeln — als Chatbot beginnen, Retrieval hinzufügen (Assistent), dann Entscheidungsunterstützung (Copilot) und schließlich autonome Ausführung (Agent). DecAIHub erfasst den aktuellen überprüfbaren Zustand, nicht die Roadmap.

Grenzfälle sind häufig. Ein Produkt könnte Daten abrufen (Assistent) und manchmal Aktionen vorschlagen (Copilot), sie aber nie ausführen (kein Agent). Es in genau eine Schublade zu stecken, ist weniger wichtig als zu verstehen, was es tatsächlich tut.

Schneller Vergleich

Begriff	Kernidee	Autonomie	Typische Aktionen	Krypto-KI-Beispiel
Chatbot	Reagiert auf Text-Prompts	Niedrig	Beantwortet Fragen, folgt einem Skript	Ein Telegram-Bot, der auf Anfrage Token-Preise zurückgibt
Assistent	Beantwortet Fragen und ruft relevante Daten ab	Niedrig–mittel	Durchsucht Dokumente, fasst zusammen, erklärt	Ein DeFi-Helfer, der On-Chain-Daten zieht und eine Position erklärt
Copilot	Schlägt menschliche Entscheidungen vor und unterstützt sie	Mittel	Entwirft Transaktionen, empfiehlt Parameter, hebt Risiken hervor	Eine Trading-Oberfläche, die Swap-Routen zur Genehmigung durch den Nutzer vorschlägt
Agent	Nimmt wahr, entscheidet und handelt — potenziell mit Gedächtnis und Tools	Hoch	Führt Trades aus, rebalanciert Portfolios, ruft Smart Contracts autonom auf	Ein On-Chain-Agent, der Liquiditätspools überwacht und ohne Nutzereingabe rebalanciert

Wie man sie in der Praxis unterscheidet

Die Grenze zwischen diesen Kategorien ist nicht immer scharf, aber ein paar diagnostische Fragen helfen:

Ergreift das System reale Aktionen (signiert Transaktionen, ruft Verträge auf, bewegt Gelder) ohne den Nutzer zuerst zu fragen? Wenn ja, ist es näher an einem Agenten. Wenn es nur Aktionen zur Bestätigung durch den Nutzer vorschlägt, ist es ein Copilot.
Ruft es externe Daten ab (On-Chain-Zustand, APIs, Datenbanken), um seine Antworten zu fundieren? Wenn ja, ist es mindestens ein Assistent. Ein Chatbot arbeitet typischerweise nur mit dem Text im Gespräch.
Hat es ein Gedächtnis über Sitzungen hinweg? Agenten und manche Copilots halten den Kontext über die Zeit. Die meisten Chatbots behandeln jedes Gespräch als neu.
Nutzt es Tools? Ein Agent kann Smart Contracts aufrufen, Orakel abfragen oder mit Protokollen interagieren. Ein Chatbot erzeugt Text und nichts weiter.
Verfolgt es mehrstufige Ziele? Ein Agent zerlegt ein übergeordnetes Ziel in Teilaufgaben und arbeitet sie ab. Ein Chatbot, Assistent oder Copilot reagiert nacheinander auf einzelne Prompts.

Diese Fragen dienen auch als schnelles Audit beim Lesen des Marketings eines Projekts. Wenn ein Projekt sich „Agent“ nennt, die Antwort auf die Fragen 1, 3, 4 und 5 aber „nein“ lautet, ist das Label aufgebläht.

Beispiele aus der Praxis über das Spektrum hinweg

Zu verstehen, wo bekannte Produkte auf dem Spektrum liegen, hilft dabei, die Erwartungen an Krypto-KI-Projekte zu kalibrieren.

Produkt	Kategorie	Warum
ChatGPT (Standard)	Chatbot	Text rein, Text raus. Keine Tool-Nutzung, keine autonomen Aktionen.
ChatGPT mit Plugins/Tools	Assistent bis Copilot	Ruft Daten ab, durchsucht das Web, führt Code aus — aber der Nutzer initiiert jede Aktion.
Apple Siri	Assistent	Beantwortet Fragen, ruft Live-Daten ab, steuert Geräte — aber nur auf ausdrückliche Befehle hin.
GitHub Copilot	Copilot	Schlägt Code-Vervollständigungen und -Implementierungen vor; der Entwickler prüft und nimmt jede an oder lehnt sie ab.
AutoGPT	Agent	Bei einem Ziel plant, sucht, schreibt, bewertet und iteriert es ohne schrittweise menschliche Zustimmung.
Perplexity	Assistent	Durchsucht das Web und synthetisiert Antworten mit Quellenangaben, ergreift aber keine Aktionen und trifft keine Entscheidungen.

Selbst Flaggschiffprodukte sind manchmal schwer perfekt einzuordnen. Siri kann Smart-Home-Geräte steuern (eine agentenähnliche Aktion), aber nur, wenn ausdrücklich gefragt (Assistentenverhalten). Das Label beschreibt den dominanten Betriebsmodus.

Wo es in DecAIHub-Projektkarten auftaucht

Das Feld AI component beschreibt die zugrunde liegende Technologie. Das Feld AI use case beschreibt, was das System für den Nutzer tut. Zusammen offenbaren sie, ob die Selbstbeschreibung des Projekts (Agent, Copilot usw.) zu seiner tatsächlichen Fähigkeit passt.

Wenn zum Beispiel AI component „GPT API integration“ sagt und AI use case „beantwortet Nutzerfragen zu Token-Beständen“, funktioniert das Projekt als Chatbot oder Assistent — unabhängig davon, ob die Landing-Page es „autonomen Agenten“ nennt.

Die Unterscheidung beeinflusst auch die Kategorisierung. Die Kategorie AI/Agents und ihre Unterkategorien (Consumer, DeFi, Gaming) sind Produkten vorbehalten, die agentenfähige Fähigkeiten nachweisen.

Warum die Unterscheidung für DecAIHub wichtig ist

Wenn DecAIHub die AI reality bewertet, ist eine der Prüfungen, ob das Projekt die Fähigkeit hat, die es behauptet. Ein Projekt, das sich als „autonomer KI-Agent“ vermarktet, aber nur eine Drittanbieter-Chatbot-API umhüllt, wirft eine Evidenzlücke auf.

Die Projektkartenfelder AI component und AI use case erfassen, was die KI tatsächlich tut. Wenn ein Projekt „Agent“ sagt, das überprüfbare Verhalten aber auf Chatbot-Niveau ist, spiegelt sich diese Lücke im ai_score wider.

Labels sind auch für Nutzererwartungen wichtig. Ein Nutzer, der „autonomer KI-Agent“ sieht, erwartet, dass das Produkt eigenständig handelt. Stellt sich heraus, dass das Produkt ein Chatbot ist, untergräbt die Diskrepanz das Vertrauen.

Häufige Übertreibungen

„Agent“ für einen Chatbot verwendet. Das Projekt nimmt Text an, ruft eine LLM-API auf und gibt Text zurück. Keine Tool-Nutzung, kein Gedächtnis, keine autonome Aktionsschleife. Das ist ein Chatbot, kein Agent.
„Copilot“ für ein einfaches Dashboard verwendet. Die Oberfläche zeigt Daten an, macht aber keine Vorschläge und entwirft keine Aktionen. Das ist näher an einem Assistenten oder sogar einer statischen Anzeige.
„KI-Assistent“ ohne Retrieval. Das Produkt leitet den Prompt des Nutzers an GPT weiter und gibt die Antwort wörtlich zurück. Ohne eigenes Retrieval, Ranking oder Kontextinjektion ist das ein API-Wrapper, kein Assistent.
„Autonomer Agent“ mit manueller Ausführung. Das System empfiehlt Aktionen, verlangt aber, dass der Nutzer jeden Schritt ausführt. Das ist Copilot-Verhalten, kein Agentenverhalten. Autonomie impliziert Ausführung, nicht nur Vorschlag.

DecAIHub behandelt das selbstangegebene Label als Ausgangspunkt, nicht als Evidenz. Die Evidenz kommt aus Tier-1-Artefakten: Code, Architektur-Dokumentation, funktionierende Demos und veröffentlichte Metriken.

Was dieser Begriff allein nicht beweist

Ein Produkt als „Chatbot“, „Assistent“, „Copilot“ oder „Agent“ zu bezeichnen, bestätigt für sich genommen nicht, dass KI vorhanden ist oder dass die KI echt ist. Das Label beschreibt die angestrebte Autonomiestufe, nicht die Evidenz der KI-Fähigkeit. DecAIHub verifiziert Letztere über Tier-1-Artefakte: Code, Dokumentation, Demos und Metriken.

Das Label sagt dir, was das Projekt sein möchte; die Evidenz sagt dir, was es ist.

Nicht verwechseln mit

Automatisierung vs. echte KI — ein regelbasierter Trading-Bot, der Wenn/Dann-Logik folgt, ist Automatisierung, kein KI-Agent, selbst wenn er autonom handelt. Echte KI-Agenten nutzen Machine-Learning-Modelle, um wahrzunehmen, zu überlegen und zu entscheiden.
API-Wrapper — Prompts an ein Drittanbieter-LLM weiterzuleiten und die Antwort zurückzugeben, ist kein Assistent, Copilot oder Agent; es ist ein Durchreichen.
LLM — das Modell selbst ist ein Baustein. Ob das Produkt ein Chatbot, Copilot oder Agent ist, hängt davon ab, welche Logik, Tools und Autonomie um das LLM herum aufgebaut sind.
AI component — die AI component beschreibt die Technologie (z. B. „fine-tuned DeepSeek with RAG“), während das Label Chatbot/Assistent/Copilot/Agent das Verhalten und die Autonomiestufe des Produkts beschreibt.

Häufig gestellte Fragen

Ist Siri ein KI-Agent?

Siri lässt sich am besten als Assistent beschreiben, nicht als Agent. Sie reagiert auf ausdrückliche Nutzerbefehle — „Wie ist das Wetter?“ oder „Stelle einen Timer“ —, indem sie externe Dienste abfragt und das Ergebnis zurückgibt. Siri kann Smart-Home-Geräte steuern, führt diese Aktionen aber nur auf direkte Anweisung hin aus. Sie überwacht nicht autonom die Umgebung, setzt sich keine eigenen Ziele und führt keine mehrstufigen Pläne ohne menschliche Initiierung aus.

Was unterscheidet einen Copilot von einem Assistenten?

Der wesentliche Unterschied ist die Umsetzbarkeit. Ein Assistent ruft Informationen ab und präsentiert sie: „Dein Portfolio besteht zu 60 % aus ETH und 40 % aus Stablecoins.“ Ein Copilot geht weiter, indem er eine konkrete Aktion vorschlägt: „Deine ETH-Allokation liegt über dem Ziel — hier ist ein Rebalancing-Trade, genehmige zur Ausführung.“ Der Assistent informiert; der Copilot empfiehlt. Beide überlassen die endgültige Entscheidung dem Menschen, aber der Copilot berechnet die Aktion vor, damit der Nutzer mit einem einzigen Klick zustimmen kann.

Kann ein Chatbot zu einem Agenten werden?

Ja, aber nicht durch bloßes Hinzufügen eines Labels. Der Übergang vom Chatbot zum Agenten erfordert das Hinzufügen konkreter technischer Fähigkeiten: Retrieval (um ein Assistent zu werden), Entscheidungslogik und Aktionsentwurf (um ein Copilot zu werden) sowie autonome Ausführung mit Gedächtnis und Tool-Nutzung (um ein Agent zu werden). Jeder Schritt erfordert echte Entwicklungsarbeit. Ein Projekt kann sich legitim entlang dieses Pfads entwickeln, aber das aktuelle Label sollte zur aktuellen Fähigkeit passen, nicht zum geplanten künftigen Zustand.

Warum bevorzugen Krypto-Projekte das Label „Agent“ gegenüber „Chatbot“?

„Agent“ impliziert Autonomie, Intelligenz und Raffinesse — Eigenschaften, die Aufmerksamkeit erregen und Token-Nutzennarrative rechtfertigen. Ein Chatbot klingt einfach; ein Agent klingt hochmodern. Viele Krypto-KI-Projekte werten ihre Marketingsprache lange auf, bevor ihre Technologie das Label rechtfertigt. Das Label selbst ist keine Evidenz — die zugrunde liegende AI component, der Use Case und die Tier-1-Artefakte bestimmen die wahre Kategorie.

Welcher Typ ist am schwersten als echte KI zu verifizieren?

Agenten sind am schwersten zu verifizieren, weil ihre Behauptungen am komplexesten sind. Zu verifizieren, dass ein Chatbot ein LLM nutzt, ist unkompliziert — teste das Gespräch und prüfe die API-Logs. Zu verifizieren, dass ein Agent autonom eine Umgebung überwacht, über Ziele nachdenkt und mehrstufige Pläne ausführt, erfordert tiefere Evidenz: Architekturdiagramme, Ausführungsprotokolle und Demonstrationen autonomen Verhaltens über die Zeit. Je höher die behauptete Autonomie, desto höher die Evidenz-Messlatte.

Siehe auch

Externe Referenzen

Wooldridge, M. „An Introduction to MultiAgent Systems.“ John Wiley and Sons, 2009. Ein grundlegendes Lehrbuch über Agentenarchitekturen und Autonomiestufen.
Wang, L. et al. „A Survey on Large Language Model based Autonomous Agents.“ arXiv, 2023. https://arxiv.org/abs/2308.11432
Anthropic. „Building effective agents.“ 2024. https://www.anthropic.com/research/building-effective-agents
Microsoft. „What is a copilot?“ https://learn.microsoft.com/en-us/microsoft-copilot-studio/fundamentals-what-is-copilot-studio
Shavit, Y. et al. „Practices for Governing Agentic AI Systems.“ OpenAI, 2023. https://cdn.openai.com/papers/practices-for-governing-agentic-ai-systems.pdf