Chatbot, Agent, MCP, Skill, Human in the Loop schwirren durch jede Agentur, aber kaum jemand erklärt, wie sie zusammenhängen.
Kurz: Ein LLM ist das Gehirn, ein Chatbot verpackt es in eine Oberfläche, ein Agent kann damit handeln – sobald Kontext, Tools/MCP, Skills und ein Human in the Loop dazukommen.
Dieser Artikel erklärt die Kette, agenturspezifisch und ohne Tech-Kauderwelsch, versprochen 🤞
Warum scheitert AI in vielen Agenturen?
Es liegt selten an der Technik. Die Modelle sind da, genutzt werden sie längst.
Aber AI scheitert am fehlenden gemeinsamen Kontext: Jede:r promptet allein, auf eigenen Daten, die Ergebnisse bleiben inkonsistent und lassen sich im Team nicht verbessern.
Die Zahlen aus dem Agency Happiness Report 2026 sind deutlich:
98 % der Mitarbeitenden nutzen jeden Tag AI, rund die Hälfte der Kreativarbeit wird bald AI-gestützt erledigt, und 32 % der Kunden verlangen AI in neuen Projekten.
Trotzdem fühlen sich nur 16 % der Agenturen wirklich ready.
[.b-testimonial]Das Problem ist also nicht die Nutzung – die läuft längst. Das Problem ist der Rollout im Team.[.b-testimonial]
Wie hängen LLM, Chatbot und Agenten zusammen?
Ein LLM sagt Text voraus, kann aber nicht handeln.
Ein Chatbot ist ein LLM mit Oberfläche – praktisch, aber jede:r nutzt ihn für sich.
Ein Agent kann handeln, sobald Kontext, Tools und Freigaben dazukommen.
Die vier Begriffe bauen aufeinander auf und jeder löst genau das Problem des vorherigen:
- Das LLM ist das Gehirn – das Model, wie GPT-5, Claude Sonnet 4, Gemini 2.5.
Es kann eine Sache: Auf Basis deiner Prompts das nächst wahrscheinlichste Wort ausgeben und sich wiederholen, bis der Text als Stream ausgegeben wird.
Es kennt eure Agenturprozesse nicht und kann nichts aktiv tun.
- Der Chatbot bringt die Oberfläche – wie perplexity, Claude oder ChatGPT.
Du tippst, es antwortet. Es können System Prompts und Memories hinterlegt werden.
Aber in eurer Agentur chatten alle im eigenen Fenster, auf eigenem Kontext: zehn Leute, zehn Prompts, zehn Ergebnisse.
- Kontext ist der Angelpunkt.
Ein LLM weiß nur, was in seinem Kontextfenster steht. Ein Chatbot ist immer nur so gut wie das, was du jedes Mal mit deinem Prompt reinkopierst – und niemand kopiert die ganzen Agenturinfos rein. Gerade lange Chats werden schnell fuzzy.
Relevant sind Agentur-, Kunden-, Brand- und Projektkontext.
- Der Agent ist der Sprung zum Handeln.
Gib dem Chatbot Kontext und Werkzeuge, wie Websearch, Deep Research, und er arbeitet in einer Schleife, bis die Aufgabe erledigt ist – vom Text zur echten Vorarbeit im Projekt.
Deshalb lösen mehr Tools das Problem nie. Was fehlt, ist gemeinsamer Kontext – nicht noch ein Chatbot.
Was macht aus einem Chatbot einen Agenten?
Vier Bausteine: Tools & MCP, damit er handeln und andocken kann. Skills, damit er es auf deine gewünschte Art tut. Ein Human in the Loop, damit ein Mensch freigibt, bevor etwas rausgeht.
- Tools & MCP: ohne sie kann der Agent denken, aber nichts erreichen. Tools sind Websuche, Datenzugriff und vorderfinierte Aktionen. MCP ist quasi USB-C für AI und dockt ihn an CRM, ERP oder Slack an. Ohne beides fällt er zurück zum Chatbot.
- Skills: ohne sie handelt der Agent irgendwie, aber nicht so, wie ihr es wollt. Ein Skill ist die verpackte Anleitung „so machen wir das".
Ohne Skills liefert er zwar schnell, aber generisch und nicht markenkonform.
- Human in the Loop: ohne ihn wird AI zum Risiko. Der Kontrollpunkt, an dem der Agent auf Freigabe wartet, bevor etwas nach außen geht. Je fähiger der Agent, desto größer der Schaden eines ungeprüften Schritts. Niemand möchte Kund:innen einfach automatisierte Mails rüberwerfen..
Auf einen Blick:
Ein Agent = LLM (denken) + Kontext (wissen) + Tools/MCP (handeln) + Skills (konsistent) + Human in the Loop (freigeben).
Wie sieht ein AI-Agent in der Agentur aus?
Am Beispiel eines Briefing-Agenten:
Ein neues Briefing startet den Agenten, er liest den Kontext, prüft mit einem Skill, handelt über Tools und legt das Ergebnis einem Menschen zur Freigabe vor.
- ⚡ Trigger: Ein neues Briefing landet im Projekt
- 🗺 System-Prompt: die Rolle – „Briefing-Reviewer"
- 👀 Kontext: Agentur- und Kundenwissen aus den Docs
- 🪄 Skill: euer Briefing-Template mit den Prüfkriterien
- 🧰 Tools & 🔌 MCP: Zugriff aufs Projekt, Websuche, Slack
- 🙋 Human in the Loop: der Account Lead gibt die Rückfrage-Mail frei
Das Ergebnis in Minuten statt Stunden:
- geprüftes Briefing
- dokumentierte offene Punkte
- fertiger Mail-Entwurf
AI-Rollout in Agenturen
Die Kette aller AI-Elemente zu verstehen ist die Basis eures AI-Rollouts. Sie im ganzen Team zum Laufen zu bringen, ist ein eigenes Thema: So können Agenturen AI in Phasen ausrollen, von einzelnen Personen bis zur vollständig agentischen Agentur – jede Phase braucht ihre eigene Struktur.
Fazit
Die Modelle sind da, die Tools sind da – über das Ergebnis entscheidet, ob die Elemente zusammenspielen.
Ein LLM ohne Kontext ist blind, ein Agent ohne Skills generisch, jeder Agent ohne Human in the Loop ein Risiko.
Auf einen Blick: die Begriffe im Zusammenhang
- LLM – das Gehirn, das Text vorhersagt
- Chatbot – LLM mit Oberfläche, aber isoliert
- Kontext – was die AI weiß; der Angelpunkt
- Agent – ein Chatbot, der handeln kannMCP – dockt den Agenten an eure Tools an
- Skill – bringt ihm eure Arbeitsweise bei
- Human in the Loop – die menschliche Freigabe
👉 Stimmt die Kette, hört AI auf, ein Sammelsurium von Einzel-Prompts zu sein, und fängt an, als ein System zu arbeiten.
FAQs
Was ist der Unterschied zwischen einem Chatbot und einem Agenten?
Ein Chatbot kann reden, ein Agent kann handeln. Der Chatbot beantwortet deine Frage im Chatfenster; der Agent nutzt Tools und Kontext, um in einer Schleife eine Aufgabe wirklich zu erledigen – etwa ein Briefing prüfen und die Rückfrage-Mail entwerfen.
Brauchen Agenturen eigene Entwickler für AI-Agenten?
Nein. Über Standards wie MCP und fertige Agent-Vorlagen lassen sich Agenten anbinden und anpassen, ohne selbst zu programmieren. Wichtig ist weniger Code als vielmehr zentraler Kontext, geteilte Skills und klare Rechte.
Sind AI-Agenten in Agenturen DSGVO-konform?
Das hängt vom Setup ab. Entscheidend sind EU-Hosting, dass Kundendaten nicht ins Training fließen, klare Zugriffsrechte und ein Human in the Loop für alles, was nach außen geht. In awork laufen Agenten modellunabhängig und DSGVO-konform auf Servern in der EU.
Wo stehen die meisten Agenturen beim AI-Rollout?
In den frühen Phasen: einzelne Personen nutzen Chatbots, Best-Practices werden mündlich geteilt. Nur 16 % fühlen sich wirklich ready. Der nächste Schritt ist zentraler Kontext und geteilte, spezialisierte Agenten.
