KI-Agenten-Beispiele: 40 echte Agenten, gebaut 2026

Die meisten Listen mit KI-Agenten-Beispielen zeigen dieselben berühmten Produkte. Diese zeigt 40 Agenten, die Einzelentwickler und kleine Teams 2026 erstellt und dem OpenAI-Hackathon auf Devpost eingereicht haben. Wir haben die mehr als 1.000 Einreichungen durchgesehen, die sich als Agenten bezeichnen, 40 ausgewählt, die die Bandbreite zeigen (die meisten von ihnen von anderen Teilnehmern geliked), und sie nach der Aufgabe gruppiert, die sie erledigen: Support und Vertrieb, Back-Office, Coding, persönliches Leben und spezifische Branchen. Sie können alle in unserem Archiv von 7.800+ Hackathon-Projekten.

Ein Hinweis vor der Liste: Dies sind Hackathon-Projekte. Die Beschreibungen stammen von den Entwicklern selbst, entnommen aus ihren Devpost-Taglines und Texten, und niemand hat unabhängig überprüft, ob jeder Agent wie beschrieben funktioniert oder in der Produktion verwendet wird. Lesen Sie sie als Beispiele dafür, was Menschen bauen, und als Ideen, die es wert sind, getestet zu werden, nicht als Produktbewertungen. Jeder Name verlinkt auf die Ideen-Seite mit einer längeren Zusammenfassung.

Aktualisiert im Oktober 2026. Alle Zählungen in diesem Artikel stammen aus unserer Kopie der Devpost-Galerie, aufgenommen am 13. August 2026.

Was zählt als KI-Agent (und was nicht)

Ein KI-Agent ist Software, die ein Ziel annimmt, entscheidet, welche Schritte zu gehen sind, nutzt Tools, um sie auszuführen (einen Browser, eine API, eine Datenbank, eine Code-Sandbox) und prüft das Ergebnis, bevor sie stoppt. Der Engineering-Guide von Anthropic Building effective agents (19. Dezember 2024) zieht eine nützliche Grenze: Workflows sind Systeme, in denen Sprachmodelle und Tools vordefinierte Code-Pfade folgen, während Agenten Systeme sind, in denen das Modell seinen eigenen Prozess und den Tool-Einsatz steuert.

• Chatbot: beantwortet Fragen in einer Unterhaltung. Er wird zu einem Agenten, wenn er handeln kann, zum Beispiel den Termin buchen, statt zu erklären, wie man ihn bucht.
• Workflow-Automatisierung: führt jedes Mal dieselben festen Schritte aus (ein Formular kommt an, ein CRM-Eintrag wird erstellt). Viele Produkte, die als Agenten verkauft werden, sind gut gestaltete Workflows, und das ist oft die richtige Wahl.
• Agent: wählt seinen nächsten Schritt basierend auf dem, was er findet, kann in Schleifen laufen und neu versuchen, und stoppt, wenn das Ziel erreicht ist oder wenn eine Person entscheiden muss.

Die meisten Projekte unten liegen zwischen den letzten beiden. Ein Modell plant und handelt, gewöhnlicher Code erledigt die Arithmetik und durchsetzt die Regeln, und eine Person genehmigt alles Riskante, wie Zahlungen, E-Mails an Kunden oder Code-Merges. Dieses Human-in-the-Loop-Muster taucht immer wieder in der Liste auf.

Kundensupport- und Vertriebsagenten

Front-Office-Agenten beantworten, qualifizieren und folgen nach: Aufgaben, bei denen Geschwindigkeit zählt und dieselben Fragen immer wieder kommen.

• ChatNEX: wandelt eine WordPress-Seite in einen Vertriebs- und Support-Assistenten um, der aus den eigenen Inhalten des Unternehmens antwortet, Leads sammelt und Änderungen wie Preise und Lagerbestand verfolgt. Der Builder sagt, er sei kein Programmierer und habe es mit ChatGPT erstellt.
• ListingOS: ein Verkäufer-Agent für eBay. Sie fotografieren Produkte, GPT-5.6 erstellt preisbewusste Inserate, und Sie veröffentlichen sie von einem einzigen Überwachungsbildschirm.
• CallChat ZERO: ein Lead-Capture-Chat-Agent, der um Einverständnis herum gebaut ist. Er sammelt nur das, was der Besucher bereit ist zu teilen, begrenzt, wie lange Daten gespeichert werden, und übergibt an eine Person mit einer Audit-Trail-Protokollierung.
• TeleVoice: ein Telegram-Bot, der ausgehende KI-Verkaufsanrufe auf Englisch oder Spanisch über Twilio tätigt. Sie schreiben dem Bot eine Nachricht, und er ruft die Nummer an und führt das Gespräch.
• Agentic-CS: eine mehrsprachige Kundenservice-Plattform für kleine Unternehmen, die mit malaysischen KMU im Hinterkopf gebaut wurde, die aus genehmigtem Unternehmenswissen antwortet, kontrollierte Workflows verfolgt und eine Person in der Verantwortung hält.
• Kurz gesagt: wandelt den Firmennamen eines Interessenten in ein Discovery-Call-Briefing mit Unternehmenskontext, wahrscheinlichen Schmerzpunkten, maßgeschneiderten Fragen und einem zeitlichen Ablaufplan um.
• ChurnControl: ein Retention-Dashboard für Customer-Success-Teams, das Konten markiert, die abwandern könnten, erklärt warum und schlägt Maßnahmen vor, die eine Person genehmigt.

Das Muster, das es wert ist, kopiert zu werden: Jeder begrenzt den Agenten auf eine Art von Unterhaltung und macht die Übergabe an einen Menschen explizit. Für weitere Ideen in diesem Bereich, siehe KI-Ideen für Marketing und Vertrieb.

Agenten für Betrieb und Backoffice

Backoffice-Agenten übernehmen Abgleich, Triage und Papierkram. Die Arbeit ist langsam und regelbasiert, und Fehler kosten Geld, daher setzen diese Entwickler am stärksten auf Verifizierung.

• flowpilot-ai: sieben koordinierte Agenten, die ein Postfach triagieren, Aufgaben verwalten, Meetings planen, Support-Tickets bearbeiten und aus einer einzigen Anweisung einen Executive Report erstellen.
• Meeting-to-Action-Agent: wandelt ein Meeting-Transkript oder eine Audioaufnahme in Maßnahmen mit Verantwortlichen um und erstellt dann die passenden GitHub-Issues.
• SupplyTact: ein Agent für die Lieferkettenplanung, der um pharmazeutische Prozesse herum entwickelt wurde, Lieferrisiken untersucht, deterministische Simulationen durchführt und die Belege hinter jeder Empfehlung zeigt.
• Argus: ein Team von Agenten, das Vendor-Due-Diligence durchführt, einschließlich KI-Tools, Agenten und MCP-Servern, für Unternehmen ohne Sicherheitsanalysten.
• AuditGuard DE: gleicht deutsche Rechnungslegungsnachweise (EXTF, SuSa, BWA und USt-VA) ab und stoppt mit einer Liste fehlender Belege, anstatt Werte zu raten.
• Ledger Sense AI: ordnet unordentliche Bankzahlungen Rechnungen zu. GPT-5.6 löst mehrdeutige Namen und Referenzen, gewöhnlicher Code übernimmt die Match-Mathematik und das Buchen, und jede Entscheidung wird erklärt.
• ARIA: ein Revenue-Intelligence-Agent für kleine nigerianische Händler, der nachts WhatsApp-Nachrichten und Bankbenachrichtigungen liest und jeden Morgen drei priorisierte Maßnahmen liefert.
• Match2: ein Recruiting-Agent, der Kandidaten anhand von Fähigkeiten, Seniorität, Branche und Muss-Kriterien auf Stellen matcht, sie rankt und jedes Match erklärt.

Beachten Sie, wie oft das Modell von den Zahlen ferngehalten wird. AuditGuard DE und Ledger Sense AI lassen beide deterministischen Code die Arithmetik erledigen und nutzen das Modell nur für die vagen Teile, eine sinnvolle Aufteilung für alles, was Geld betrifft. Weitere Finanzprojekte sind gesammelt in KI-Ideen für Finanzen.

Entwickler- und Coding-Agenten

Software ist der Bereich, in dem Agenten in diesem Korpus am häufigsten vorkommen: Nach unserer Stichwortzählung erwähnen 364 der 1.032 Agentenprojekte in ihrem Namen oder Slogan Code, Entwickler, Repositories, Bugs oder CI. Einige sind Agenten, die Code reparieren; viele sind Tools, die andere Agenten beobachten, aufzeichnen oder begrenzen.

• Hermes World: eine Echtzeit-Visualisierungs- und Observability-Ebene, die zeigt, was jeder Agent in einem Multi-Agenten-System tut. Mit 22 Likes war es das am häufigsten gelikte Agentenprojekt in der Galerie.
• RuntimE.Razor: hilft Coding-Agenten, toten Code mithilfe von Runtime-Nachweisen zu entfernen, also anhand dessen, welcher Code tatsächlich ausgeführt wurde, anstatt nur statischer Analyse.
• Autonomer CI-Fehlerreparatur-Agent: reproduziert einen fehlgeschlagenen CI-Lauf, schreibt eine Reparatur und einen Regressionstest, verifiziert beide in einer sauberen Sandbox und öffnet einen Pull Request nur, wenn alle Checks bestehen.
• Cortex: wandelt einen Einzelagenten-Chat in eine Team-Sitzung um. Teammitglieder markieren von Agenten erstellte UI auf einer gemeinsamen Leinwand, und der Agent wendet die Änderungen am Code an.
• AutoFix Swarm: ein Multi-Agenten-System, das Softwarefehler diagnostiziert, gezielte Reparaturen generiert und jeden Patch verifiziert, bevor er ihn übergibt.
• GlassHouse: ein Flugdatenschreiber für Coding-Agenten. Er zeichnet Dateiänderungen, Terminalbefehle und Testläufe auf und spielt die Sitzung mit manipulationssicheren Hashes ab.
• ReproBot: nimmt ein GitHub-Issue, schreibt ein minimales Reproduktionsskript, führt es aus und zeigt, ob der Bug real ist.
• War Room: ein Team von Incident-Response-Agenten, das einen Ausfall diagnostiziert, den dahinterliegenden Commit findet, eine Reparatur vorschlägt und den Postmortem-Entwurf erstellt, wobei die Reasoning jedes Agenten während der Arbeit sichtbar ist.

Die Anzahl der Guardrail-Tools ist selbst ein Signal: Menschen, die täglich Coding-Agenten nutzen, wollen Aufzeichnungen, Wiedergaben und Freigabegates. Egal, für welchen Bereich Ihr Agent gedacht ist, planen Sie diese Ebene von Anfang an ein.

Persönliche und Lebens-Agenten

Consumer-Agenten handeln im Namen von jemandem im täglichen Leben: zu Hause, am Computer, in der Küche oder im Urlaub.

• Sara Smartest Speaker: ein Smart Speaker auf Raspberry-Pi-Hardware, der ein zweistufiges Sprachgespräch führt und Aufgaben an einen Open-Source-Agenten mit Tools und Skills übergibt. Mit 14 Likes war es das zweithäufigst gelikte Agentenprojekt.
• Porter: wandelt einen Mac in einen sprachgesteuerten Agenten um, der den Bildschirm sieht, Ihre Apps nutzt und Ihre Präferenzen lernt.
• Clark: ein Web-Agent, der Browser-Aufgaben aus natürlicher Sprache erledigt, einschließlich Suchen, Formularen und Logins, und alles Sensible Ihnen überlässt.
• AJÒ Beach: plant einen Strandtag in Sardinien und plant ihn neu, wenn sich Wind, Wellen und Ihre eigenen Einschränkungen ändern.
• Tail Villain: wandelt ein persönliches Ziel in einen Roadmap um, mit Fortschrittsanalytik und Live-Voice-Coaching.
• BepFlowAI: hilft Ihnen zu entscheiden, ob Sie kochen, Meal-Prep machen oder ausgehen, mit separaten Agenten für Rezepte, Restaurants und dem, was bereits in Ihrer Küche ist.
• Nook: merkt sich Ihr Zuhause. Fotografieren Sie den Kühlschrank oder taggen Sie einen Artikel, und er verfolgt Ablaufdaten und Standorte, um auf Fragen wie „Ist meine Milch noch gut?“ oder „Wo ist mein Pass?“ antworten zu können.
• GenkanAI: wandelt ein vorhandenes Türsprechanlage in einen Agenten um, der mit Besuchern spricht, unter Verwendung eines ESP32-Add-on-Boards anstatt neuer Verkabelung.

Persönliche Agenten hängen von Vertrauen und davon ab, wie wenig Einrichtung sie benötigen. Die klarsten Einträge hier beginnen mit einer Routine und einem Gerät, anstatt Ihr ganzes Leben zu steuern.

Branchen-Agenten: Gesundheit, Finanzen, Recht und Immobilien

Branchen-Agenten tragen Regeln, die Allzweck-Tools nicht kennen. In regulierten Bereichen lassen diese Entwickler konsequent einen Fachmann im Freigabesitz.

• VitalCue: leitet jemanden in Echtzeit durch Erste Hilfe, indem er durch das Telefon zusieht und zuhört. Es wird als offline-first Android-Prototyp beschrieben.
• AIHealthExpert: ein klinischer Arbeitsbereich, in dem GPT-5.6-Agenten Analyse, Evidenzsynthese und Dokumentation übernehmen, wobei Kliniker die Kontrolle über Entscheidungen haben.
• Autonomer Wellness-Frontdesk-Agent: ein 24/7-Chat-Agent für Kliniken, der häufige Fragen beantwortet, Live-Slots prüft, Besuche bucht und umschreibt und das Gespräch mit vollem Kontext an das Personal übergibt.
• CREDGEN-AI: eine Multi-Agenten-Plattform für Kreditvergabe an Nicht-Bank-Finanzdienstleister (NBFCs), die Kundenbindung, Underwriting, Betrugskontrollen und Bewilligungsschreiben abdeckt.
• Served: hilft kleinen Unternehmen, finanzielle Subpoenas ohne Rechtsabteilung zu beantworten. Es prüft, ob die Anfrage echt ist, zieht die passenden Datensätze und erstellt den Belegnachweis für die menschliche Prüfung.
• LexStrike: belastet einen Vertrag, indem feindliche Agenten jede Klausel angreifen, während ein Verteidiger-Agent dagegen argumentiert, und lässt Sie ihn dann reparieren und erneut prüfen.
• MaLu Estate AI Agency OS: ein System für eine Immobilienagentur, in dem Agenten Lead-Follow-ups, Listings und interne Briefings vorbereiten, während Menschen die Momente handhaben, die Vertrauen erfordern. Der Gründer sagt, es werde parallel zu einer funktionierenden Agentur in Kroatien entwickelt.
• MoveOutDocs: hilft kleinen Vermietern, Schäden beim Auszug von Mietern mit strukturierten Fotos und Abnutzungsregeln für ihre Gerichtsbarkeit zu dokumentieren und erstellt dann einen detaillierten Abzugsschreiben.
• Umbra: plant tägliche Sonnenschutzpläne für Außenteams aus Live-UV-, Wetter- und Baustellenfoto-Daten über mehrere Baustellen hinweg.

Gesundheitsideen haben ihre eigene Sammlung: KI-Ideen für die Gesundheitsversorgung.

Wie diese Agenten gebaut wurden

Devpost bittet jedes Team, aufzulisten, womit sie gebaut haben. Wir zählten diese Tags über die 1.032 Projekte, deren Name oder Slogan einen Agenten, Agenten oder agentic erwähnt; 1.029 von ihnen listen mindestens ein Tool auf. Die Tags sind selbstgemeldet, und da OpenAI den Hackathon durchführte, sind seine eigenen Tools überrepräsentiert.

Drei Punkte stechen heraus. Die meisten Agenten laufen auf herkömmlichen Web-Stacks (TypeScript oder Python, React, eine SQL-Datenbank), nicht auf exotischer Infrastruktur. Agent-Frameworks sind selten: LangGraph erscheint in 33 Projekten, LangChain in 18 und das OpenAI Agents SDK in etwa 15, sodass die meisten Entwickler ihre eigene Schleife um eine Modell-API geschrieben haben. Und MCP, das offene Protokoll zum Verbinden von Modellen mit Tools und Daten, wird bereits von etwa jedem siebten Agent-Projekt aufgeführt.

So bauen Sie Ihr eigenes AI-Agent-MVP

Die meisten der oben genannten Agenten wurden von einer oder zwei Personen während eines Hackathons entwickelt. Um daraus etwas zu machen, für das Menschen bezahlen, geht es vor allem darum, den Fokus zu schärfen. Eine praktische Reihenfolge der Arbeit:

1. Wählen Sie eine Aufgabe mit einer klaren Ziellinie. „Die Bankzahlungen des letzten Monats mit Rechnungen abgleichen“ ist ein Agent; „mein Finanzteam leiten“ ist es nicht. Schreiben Sie auf, wie „erledigt“ aussieht und wer es prüft.
2. Beginnen Sie mit einem Workflow, fügen Sie dann Autonomie hinzu. Skripten Sie die Schritte, die Sie bereits kennen, und lassen Sie das Modell nur dort entscheiden, wo der Weg wirklich variiert. Der Leitfaden von Anthropic gibt denselben Rat: Finden Sie die einfachste mögliche Lösung und fügen Sie Komplexität nur hinzu, wenn sie benötigt wird.
3. Geben Sie ihm einige klar definierte Tools. Jedes Tool (CRM durchsuchen, Kalender lesen, Tests ausführen) benötigt klare Eingaben, klare Fehlermeldungen und die engsten Berechtigungen, die funktionieren. MCP ist ein gängiger Weg, sie bereitzustellen.
4. Halten Sie Mathematik und Regeln im Code. Berechnungen, Validierungen und alles Rechtliche oder Finanzielle gehören in deterministischen Code, wie es AuditGuard DE und Ledger Sense AI tun.
5. Setzen Sie ein menschliches Gate für irreversible Aktionen. Zahlungen, ausgehende E-Mails, Merges und Löschungen warten auf Genehmigung, bis der Agent Vertrauen verdient hat.
6. Protokollieren Sie jeden Schritt und testen Sie gegen echte Fälle. Führen Sie ein Protokoll über jeden Tool-Aufruf und jede Entscheidung, die GlassHouse-Idee, und erstellen Sie einen kleinen Satz echter Aufgaben mit bekannten richtigen Antworten, die nach jeder Prompt- oder Modelländerung erneut ausgeführt werden können.
7. Achten Sie auf die Kosten pro Aufgabe. Ein Agent, der in einer Schleife läuft, ruft das Modell viele Male auf. Messen Sie früh die Token pro abgeschlossener Aufgabe, bevor Sie das Produkt bepreisen.

Für den umfassenderen Entwicklungsprozess für jedes KI-Produkt (Modellauswahl, Retrieval, Evaluierungen und Guardrails) siehe wie man eine KI-App baut. Laufende Kosten wie Token und Monitoring werden in KI-App-Entwicklungskosten.

Ab dem Zeitpunkt, bevor Code geschrieben wird, prüfen Sie, ob jemand den Agenten überhaupt will: wie man eine Startup-Idee validiert geht auf günstige Tests ein. Ein klickbares Prototyp der Genehmigungsbildschirme ist oft der schnellste Weg, um Nutzern zu zeigen, was der Agent tun wird und wo sie die Kontrolle behalten; KI-Prototyping-Tools listet die Optionen auf.

Häufig gestellte Fragen

Haben Sie eine Agenten-Idee, die eine erste Version braucht? Wir bauen individuelle MVPs auf Monatsplänen: Bi-wöchentliche Sprints für 399 $/Monat, wöchentliche Sprints für 899 $/Monat oder 24/7-Entwicklung, Preise auf Anfrage. Siehe die Preiseite für Details, was jeder Plan enthält.