> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/akademie/building-intelligence-ki-und-maschinelles-lernen-in-buildingpro-suites/agenten.md).
# Agenten
Die folgenden Kapitel beschreiben die konzeptionellen und technischen Grundlagen hinter den agentischen Fähigkeiten unserer GenAI-Lösungen (z. B. Copilot Assistant). Es behandelt, wie agentische Lösungen strukturiert sind, wie natürliche Sprache in Datenbankabfragen übersetzt wird und warum agentische Integrationen mit Anwendungsfunktionen mehr Wert liefern können als die traditionelle UI-Navigation.
## Terminologie
### Tool-Aufrufe
Ein Sprachmodell für sich allein kann nur Text auf Grundlage seiner Trainingsdaten und des aktuellen Kontexts erzeugen. Es kann keine Live-Daten nachschlagen, keine Datenbank abfragen und nicht mit externen Systemen interagieren.
**Tool-Aufrufe** (auch Function Calling genannt) erweitert ein Sprachmodell um die Fähigkeit, während einer Unterhaltung externe Funktionen aufzurufen. Das Modell erhält Beschreibungen der verfügbaren Tools — ihre Namen, Parameter und ihre Aufgaben — und entscheidet anhand der Anfrage des Nutzers, wann und wie sie aufgerufen werden.
Zum Beispiel, wenn ein Nutzer fragt „Wie hoch ist die aktuelle Temperatur in Raum 302?“, rät das Modell nicht. Es ruft ein Tool auf, das nach dem Asset „Raum 302“ sucht, ein weiteres Tool, um zu prüfen, welche Temperaturdaten verfügbar sind, und ein drittes Tool, um die neuesten Messwerte abzurufen.
### Agent
Ein Agent ist ein Sprachmodell, das mit Tools und einem definierten Workflow für deren Verwendung ausgestattet ist.\
Der Agent entscheidet, welche Tools er aufruft, in welcher Reihenfolge, interpretiert Zwischenergebnisse, passt seinen Ansatz an, wenn etwas fehlschlägt, und setzt aus einem oder mehreren Tool-Ausgaben eine Endantwort zusammen.
### Subagenten
Ein Subagent ist ein spezialisiertes, in sich geschlossenes Sprachmodell, das eine bestimmte Teilaufgabe innerhalb eines größeren agentischen Workflows übernimmt. Anstatt einen monolithischen Agenten zu bauen, der alles erledigt, werden komplexe Aufgaben in fokussierte Komponenten zerlegt.
Wesentliche Eigenschaften von Subagenten:
* **Begrenzter Aufgabenbereich**: Jeder Subagent erledigt eine Sache gut (z. B. SQL generieren, ein Diagramm planen, ein Dokument erstellen)
* **Zustandslos**: Ein Subagent erhält typischerweise eine vollständig spezifizierte Anfrage und liefert ein Ergebnis zurück, ohne konversationales Gedächtnis oder einen mehrstufigen Kontext zu benötigen
* **Unabhängig weiterentwickelbar**: Der Subagent kann ausgetauscht, neu trainiert oder aktualisiert werden, ohne den orchestrierenden Agenten zu ändern, und umgekehrt
Der in BuildingPro Suites verwendete SQL-Subagent arbeitet beispielsweise zustandslos. Er erhält eine vollständig abgegrenzte Anfrage und liefert ein Abfrageergebnis zurück, ohne konversationales Gedächtnis zu benötigen. Diese Trennung hält jede Komponente einfacher und zuverlässiger.
Zum Beispiel erhält ein SQL-Subagent eine abgegrenzte Datenanfrage („Rufe die wöchentlichen Energiegesamtmengen für diese bestimmten Assets über die letzten 6 Monate ab“) und liefert ein Abfrageergebnis zurück. Er weiß nicht, wer der Nutzer ist, was zuvor besprochen wurde oder was mit dem Ergebnis passieren wird. Dieser Kontext gehört zum orchestrierenden Agenten.
### Agentisches System
Ein agentisches System ist ein System, in dem ein oder mehrere von LLMs angetriebene Komponenten in einer koordinierten Schleife arbeiten: planen, ausführen, Ergebnisse beobachten und sich über mehrere Schritte anpassen.\
\
Bemerkenswerte Fähigkeiten eines solchen Systems sind **Komposition und Selbstkorrektur**:
* Mehrere spezialisierte Agenten oder Subagenten arbeiten gemeinsam an einer Aufgabe
* Das System kann sich von Fehlern erholen (z. B. wird eine fehlgeschlagene Abfrage mit angepassten Parametern erneut versucht)
* Zwischenergebnisse beeinflussen die nachfolgenden Schritte (z. B. bestimmen Ergebnisse der Konzeptauflösung, welche Datenbankabfrage generiert werden soll)
* Der Workflow erstreckt sich über mehrere Denk- und Ausführungszyklen, nicht nur über ein einzelnes Anfrage-Antwort-Paar
Im BuildingPro Suites ist der Copilot Assistant ein agentisches System. Anstatt einfach eine Datenbank abzufragen und Zeilen zurückzugeben, macht sein Data Agent Folgendes:
1. Parst die Absicht des Nutzers in einen Konzeptgraphen (Orte, Messgrößen, Beziehungen)
2. Löst jedes Konzept iterativ mithilfe mehrerer spezialisierter Tools anhand des Live-Asset-Modells auf
3. Überträgt die SQL-Generierung an einen dedizierten SQL-Subagenten
4. Validiert und analysiert Ergebnisse mit deterministischen Prüfoperationen
5. Überträgt die Visualisierung optional an einen Visualisierungs-Subagenten
6. Erholt sich, falls ein Schritt fehlschlägt – indem der Umfang verfeinert, Abfragen erneut versucht oder der Nutzer um Klärung gebeten wird
### Agentische KI vs. Agenten
Die Begriffe „Agent“ und „agentische KI“ werden in der KI breit verwendet, oft synonym und [es gibt keine\
allgemein anerkannte Definition](#user-content-fn-1)[^1].
In der Praxis ist die Unterscheidung oft eine Frage des Umfangs:
| Begriff | Typische Bedeutung | Beispiel |
| ------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------- |
| Agent | Ein LLM mit Tools, meist auf eine bestimmte Aufgabe fokussiert | "Ich werde Daten aus einer Datenbank abrufen" |
| Agentische KI | Ein breiteres System, das über Ziele nachdenkt, Probleme in Teilprobleme zerlegt
und mehrere Agenten oder Tools auf eine Lösung hin koordiniert
| "Gib mir eine grobe Richtung, ein paar Tools und lass mich herausfinden, wie ich dorthin komme" |
Für die Zwecke dieser Dokumentation bezieht sich „Agent“ auf eine LLM-gestützte Komponente mit Tools und einem definierten Workflow. „Agentic“ beschreibt das Gesamtverhalten des Systems, wenn mehrere solcher Komponenten mit Planung, Delegation und Selbstkorrektur zusammenarbeiten.
[^1]: Der genaue Unterschied und die Abgrenzungen sind meist auf Marketing zurückzuführen.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.buildings.ability.abb/collection/german/akademie/building-intelligence-ki-und-maschinelles-lernen-in-buildingpro-suites/agenten.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.