Blog

Was ist ein agentisches LMS — und die Frage, die sie trennt

Agentische Plattformen lassen KI-Agenten allein arbeiten. Der Unterschied, der die Beschaffung entscheidet: Wendet der Agent diese Arbeit an, oder übergibt er sie?

The Lurno teamAugmental31. August 20268 Min. Lesezeit

Jede Lernplattform wird sich binnen eines Jahres agentisch nennen, das Wort allein ist also schon fast wertlos. Eine Frage stellt das Signal wieder her, und sie zielt nicht darauf, wie fähig die Agenten sind. Sie lautet: Wenn ein Agent eine Arbeit beendet, wendet er sie selbst an oder übergibt er sie einem Menschen? Alles, was eine Institution freigeben muss, folgt aus der Antwort.

Agentisches LMS

Eine Lernplattform, auf der KI-Agenten mehrstufige Arbeit selbstständig ausführen — einen Kurs aus Quellmaterial entwerfen, eine Abgabe nach einem Raster bewerten, einen Bericht zusammenstellen — statt eine Eingabe nach der anderen zu beantworten. Der Begriff beschreibt, wie viel einer Aufgabe das System ungefragt übernimmt. Über die Frage, wer für das Ergebnis geradesteht, sagt er für sich genommen nichts.

Die Kategorie kam schnell und von oben. Docebo kündigte AgentHub auf seiner Inspire-Veranstaltung am 21. April 2026 an und beschrieb Agenten, die über Unternehmenswissen und Kompetenzen hinweg „schlussfolgern, entscheiden und handeln", mit vollständiger Verfügbarkeit im Herbst. Absorb veröffentlichte am 5. Juni 2026 eine Definition des agentischen Lernsystems — Agenten, die „innerhalb von Lernabläufen handeln" — und berichtete, die Architektur habe in der Aura-Beta 40 bis 60 % der routinemäßigen Verwaltungstickets gelöst, „ohne dass ein Mensch eine Warteschlange geöffnet hat". Eine Reihe von Kaufratgebern für 2026 führt agentische Plattformen inzwischen als eigene Kategorie.

Was unterscheidet ein KI-gestütztes LMS von einem agentischen?

„KI-gestützt" beschreibt Funktionen, die an ein bestehendes Produkt angesetzt wurden: ein Zusammenfassen-Knopf, ein Fragengenerator, ein Chatfenster. Jede tut eine Sache, wenn man sie darum bittet. „Agentisch" beschreibt den Umfang: Das System übernimmt eine ganze Aufgabe über mehrere Schritte, entscheidet innerhalb dieser Aufgabe, was als Nächstes kommt, und macht weiter, ohne bei jedem Zug angestoßen zu werden. Der Sprung dazwischen ist real. Und er ist der Punkt, an dem die Frage, wer das Ergebnis anwendet, aufhört, theoretisch zu sein.

Der Riss innerhalb der Kategorie

Diese Absorb-Zahl lohnt eine Pause, denn sie widerlegt eine faule Fassung dieses Textes. Wiederkehrende Fragen zu Anmeldungen und Zertifikaten abzufangen ist genau die Stelle, an der Autonomie sich auszahlt: Die Fragen wiederholen sich, die Antworten stammen aus freigegebenen Inhalten, und eine falsche kostet jemanden eine zweite E-Mail. Dort braucht niemand einen Menschen davor. Der Einsatz ist innerhalb einer Lernplattform nicht gleichmäßig verteilt, und eine überall angewandte Regel „ein Mensch gibt alles frei" ergibt nur ein langsameres Produkt. Das Argument ist enger: Es geht um die Handvoll Stellen, an denen ein Fehler teuer ist.

Zwei Entwürfe werden unter demselben Wort verkauft, und sie verhalten sich sehr verschieden, sobald zum ersten Mal etwas schiefgeht.

Agenten, die handeln. Der Agent schließt die Aufgabe ab und wendet das Ergebnis an. Ein Kurs wird veröffentlicht, eine Anmeldung zugewiesen, ein Bericht eingereicht. Sie erfahren es hinterher, meist durch eine Benachrichtigung. Das meint der größte Teil der Kategorie mit agentisch, und darauf sind die Demos gebaut.
Agenten, die vorschlagen. Der Agent schließt dieselbe Aufgabe ab und hält an. Was er erzeugt hat, kommt als Entwurf, als Eintrag in einer Warteschlange, als vorgeschlagene Note — und ein benannter Mensch wendet es an oder eben nicht. Die Arbeit ist dieselbe; der letzte Schritt gehört jemandem, den man fragen kann, warum.

Der zweite ist langsamer. Das ist ein echter Preis und gehört klar gesagt: Wenn Sie einen Assistenten wollen, der die Sache einfach erledigt, wird ein Freigabeschritt Sie ärgern. Was Sie für die Verzögerung bekommen, ist, dass ein Modellfehler ein abgelehnter Entwurf ist statt eines Vorfalls — ein Unterschied, der nur gelegentlich zählt und dann sehr.

Lurno

Der Agent erzeugt die Arbeit und übergibt sie. Ein Mensch wendet sie an, und der Nachweis hält fest, was vorgeschlagen wurde, neben dem, was angenommen wurde — einschließlich dessen, was abgelehnt wurde, der Eintrag, der belegt, dass die Kontrolle etwas getan hat.

Not this

Dem Agenten wird gesagt, er solle vor wichtigen Aktionen nachfragen, wobei das Modell selbst beurteilt, was wichtig ist, im selben Kontextfenster wie das Material, das es lesen sollte.

Dieses zweite Muster verdient einen Namen, weil es verbreitet ist und wie das erste klingt. Ein System, in dem dem Modell gesagt wird, es solle um Erlaubnis bitten, ist kein System, in dem das Modell ohne sie nicht weiterkommt. Das erste ist eine Vorgabe, der das Modell folgen kann. Das zweite ist eine Wand. Fragen Sie, welches Ihnen gezeigt wird, und bitten Sie darum, die Wand zu sehen.

Warum das eine Beschaffungsfrage ist und keine Geschmacksfrage

Für ein Unternehmen, das interne Compliance-Erinnerungen automatisiert, ist Autonomie vor allem eine Effizienzentscheidung. Für eine Schule, eine Hochschule oder einen regulierten Arbeitgeber ist sie eine Frage der Governance und zunehmend des Rechts. Gesetzgeber haben begonnen, Regeln dazu zu schreiben, wo KI in der Bewertung stehen darf — mehrere US-Bundesstaaten haben sich dazu bewegt, ob KI die primäre Grundlage einer Note sein darf, und die Lage ändert sich weiter. FutureEds Legislative Tracker ist der praktische Ort, um zu prüfen, was in diesem Halbjahr für Sie gilt und nicht im letzten.

Selbst wo noch nichts geschrieben steht, kommt die Frage in jedem institutionellen Kauf an derselben Stelle. Jemand unterschreibt ein Papier, das festhält, was das System unbeaufsichtigt tun darf. Diese Person braucht eine kürzere Antwort als die Beschreibung der Anweisungen an das Modell.

Darf KI Schülerarbeiten benoten?

Es kommt darauf an, was Sie mit benoten meinen. Eine vorgeschlagene Bewertung nach einem Raster samt ausgeschriebener Begründung zu erzeugen, ist gut erreichbar und spart echte Zeit. Diese Bewertung einer Schülerin als ihr Ergebnis freizugeben, ist ein anderer Akt mit anderen Folgen, und es ist der, über den Regeln geschrieben werden. Bitten Sie einen Anbieter, beides im Gespräch zu trennen. Behandelt die Antwort es als eine Sache, ist das die Antwort.

Ersetzen agentische KI-Systeme Lehrkräfte?

In keinem der beiden Entwürfe, wenn auch auf verschiedene Weise. Ein Agent, der handelt, braucht weiterhin jemanden, der für das Getane geradesteht — die Arbeit wandert, die Verantwortung nicht, und der Mensch erfährt es hinterher. Ein Agent, der vorschlägt, hält diesen Menschen vor die Entscheidung statt dahinter. Was in beiden Fällen verschwindet, ist der Teil des Berufs, den niemand verteidigt: einen ersten Entwurf schreiben, die vierzigste Abgabe nach demselben Raster bewerten, jeden Monat denselben Bericht neu bauen. Das Urteil darüber, ob ein Entwurf stimmt, eine Note fair ist oder eine Zahl bedeutet, was sie zu bedeuten scheint, ist der geschützte Teil — und der, für den Institutionen bezahlen.

Sechs Fragen an einen agentischen Anbieter

Sie sind danach geordnet, wie viel sie üblicherweise offenlegen, und die erste ist das ganze Gespräch wert.

Listen Sie jede Aktion auf, die ein Agent ohne Menschen ausführen kann. Schriftlich, nicht auf einer Folie. Die Länge der Pause vor der Antwort ist ein Datenpunkt.
Ist die Bestätigung eine Anweisung oder eine Kontrolle? Entscheidet das Modell, wann es um Erlaubnis fragt, ist die Erlaubnis unverbindlich. Hat der Agent keinen Weg zum echten Objekt, ist es eine Kontrolle.
Wer gibt eine Note frei? Nicht wer sie hinterher überschreiben kann — wer sie freigibt. Das sind zwei Systeme.
Was zeigt der Nachweis? Ein Protokoll dessen, was der Agent tat, ist schwächer als ein Nachweis, der festhält, was vorgeschlagen, was angewandt, von wem, und was abgelehnt wurde.
Können wir die Agenten abschalten? Pro Organisation, nicht pro Mandant. Ein Verbund braucht oft eine Schule mit und eine ohne.
Was passiert an einem schlechten Tag? Fragen Sie, was eine falsche Antwort kostet und wer davon erfährt. „Sie korrigieren hinterher" und „es hat niemanden erreicht" sind verschiedene Produkte.

Wo Lurno steht, und was es uns kostet

Lurno ist die zweite Spalte. Seine Agenten entwerfen Lektionen und Fragen aus den Dokumenten, die Sie hochladen, mit der Quelle neben jedem Punkt; sie schlagen Bewertungen nach Ihrem Raster über eine anonymisierte Abgabe vor; sie begleiten Lernende in aufsteigenden Modi; und sie verwandeln eine normal formulierte Frage in einen Bericht. Keiner von ihnen kann die eigene Arbeit anwenden, und das ist keine Einstellung: Es gibt keinen Weg von einem Agenten zu einer freigegebenen Note oder einem veröffentlichten Kurs. Die folgenreichsten Aktionen brauchen zwei verschiedene Personen, und keine darf die sein, die die Änderung vorgeschlagen hat.

Der Berichts-Agent ist der klarste Fall. Er schreibt die Berichtsdefinition und liest Ihre Daten nie. Was er vorschlägt, läuft durch dieselben Berechtigungsprüfungen wie ein von Hand gebauter Bericht — er kann also keine Zahl erfinden und keine Organisation zeigen, die die fragende Person nicht ohnehin sehen durfte.

Die Verzögerung ist real. Es gibt keinen Modus, in dem unsere Agenten in ein laufendes Programm schreiben oder eine Note allein freigeben. Wenn Sie Autonomie wollen, sind wir der falsche Eintrag auf Ihrer Liste, und das sollte man jetzt wissen.
SCORM, xAPI und LTI sind in Entwicklung. Im Produkt modelliert, die Laufzeit wird noch gebaut. In SCORM-Paketen eingeschlossenes Material ist heute keine Quelle, in der wir einen Agenten verankern können.
Agenten lassen sich vollständig abschalten, pro Organisation. Alles andere läuft weiter — sie kommen hinzu, sie tragen nichts.

Ist das dasselbe wie KI mit Mensch in der Schleife?

Fast, obwohl der Ausdruck es untertreibt. „Mensch in der Schleife" beschreibt meist einen Prüfschritt über einem System, das auch allein laufen könnte: Die Autonomie ist da, und man stellt einen Kontrollpunkt davor. Hier ist die Freigabe die Architektur: Nichts, was ein Agent erzeugt, erreicht eine lernende Person, eine Note oder einen Bericht, ohne dass jemand es annimmt — es gibt darunter also keinen autonomen Weg zu prüfen. Der praktische Unterschied zeigt sich, wenn der Prüfschritt unter Last steht. Einen Kontrollpunkt kann man überspringen. Einen fehlenden Weg nicht.

Hebt ein Freigabeschritt den Sinn agentischer KI nicht auf?

Nur wenn der Sinn war, Menschen zu entfernen. Der teure Teil der Arbeit ist nicht der Klick, der einen Entwurf annimmt — es ist, den Entwurf zu erzeugen, nach dem Raster zu bewerten, den Bericht zusammenzustellen. Ein Agent, der das tut und anhält, hat die Stunden genommen und das Urteil gelassen. Für die meisten Institutionen ist das der Tausch, den sie wollten, und mehrere dürfen nur diesen machen.

Wenn Sie agentische Plattformen prüfen, stellen Sie die erste Frage allen und vergleichen Sie die schriftlichen Antworten. Unsere bekommen Sie vor dem Gespräch statt währenddessen, und schließt sie uns aus, ist das eine gut gesparte Stunde. Demo buchen, oder nachlesen, was jeder unserer Agenten allein darf, auf der KI-Seite.