Die vergangenen Jahre standen im Zeichen immer größerer Sprachmodelle: mehr Parameter, mehr Trainingsdaten, mehr Rechenleistung. 2026 zeichnet sich eine Gegenbewegung ab. Statt eines einzelnen, universellen KI-Riesen für alle Anwendungsfälle setzen immer mehr Unternehmen auf kleinere, gezielt zugeschnittene Modelle – schneller, günstiger im Betrieb und oft treffsicherer für den konkreten Anwendungsfall als ein generisches Large Language Model.
Die meisten KI-Assistenten, die heute in Unternehmen im Einsatz sind, funktionieren nach einem einfachen Muster: Eine Anfrage geht rein, eine Antwort kommt raus – und mit dem nächsten Chat beginnt alles wieder bei null. Hermes Agent, ein quelloffenes Projekt von Nous Research, bricht mit diesem Muster. Statt als Wrapper um eine Cloud-API zu laufen, installiert sich Hermes dauerhaft auf dem eigenen Server, merkt sich Kontext über Sitzungen hinweg und baut sich mit der Zeit ein wachsendes Repertoire an wiederverwendbaren Fähigkeiten auf. Für Unternehmen, die lokale KI-Agenten – wie bereits im Beitrag zu Ollama beschrieben – ernsthaft evaluieren, lohnt ein genauer Blick.
Agentic AI – zu Deutsch etwa: agentische künstliche Intelligenz – beschreibt KI-Systeme, die nicht nur auf einzelne Eingaben reagieren, sondern eigenständig mehrstufige Aufgaben planen, ausführen und dabei flexibel auf veränderte Rahmenbedingungen reagieren. Im Gegensatz zu klassischen KI-Assistenten, die eine Anfrage erhalten und eine Antwort liefern, handeln agentische Systeme zielorientiert: Sie zerlegen komplexe Aufgaben in Teilschritte, wählen geeignete Werkzeuge aus, führen diese aus und überprüfen das Ergebnis – und das ohne menschliche Intervention bei jedem Einzelschritt.
Der Begriff leitet sich vom englischen Wort “agent” (Handelnder, Vertreter) ab. Ein KI-Agent ist ein System, das in seiner Umgebung wahrnimmt, entscheidet und handelt – kontinuierlich und auf ein übergeordnetes Ziel hin ausgerichtet.