KI-Agenten entwickeln, die echte Arbeit leisten

Jede Woche zeigt eine neue Demo einen KI-Agenten, der Flüge bucht, eine Codebasis refaktoriert oder Tickets schließt, während ein Mensch in Ruhe seinen Kaffee trinkt. Dann trifft derselbe Agent auf Ihre unaufgeräumten internen Systeme und fällt still in sich zusammen. Die Lücke zwischen einer überzeugenden Demo und einem Agenten, der echte Arbeit leistet, jeden Tag, ohne Aufsicht, ist der Ort, an dem die meisten Projekte sterben. In diesem Beitrag geht es darum, diese Lücke zu schließen.

Ein Agent ist kein Chatbot mit Ehrgeiz. Er ist ein System, das ein Ziel entgegennimmt, über Aktionen entscheidet, Werkzeuge aufruft, Ergebnisse beobachtet und dies wiederholt, bis die Aufgabe erledigt ist oder er aufgibt. Der schwierige Teil ist fast nie das Modell. Es ist alles rund um das Modell: die Werkzeuge, die Leitplanken, das Gedächtnis, die Bewertung und die ehrliche Frage, ob ein Agent überhaupt das richtige Werkzeug für die Aufgabe ist.

Wann Sie wirklich einen Agenten brauchen (und wann nicht)

Greifen Sie nur dann zu einem Agenten, wenn die Aufgabe wirklich ein Schlussfolgern über mehrere Schritte mit verzweigten Entscheidungen erfordert. Wenn die Arbeit eine feste Abfolge ist, sind ein schlichter Workflow oder ein paar Funktionsaufrufe günstiger, schneller und weitaus einfacher zu debuggen. Nach unserer Erfahrung sind viele „Agenten"-Anfragen in Wirklichkeit nur Automatisierungsprobleme in Verkleidung.

Ein nützlicher Test: Können Sie die Aufgabe als Flussdiagramm mit nicht mehr als einer Handvoll Entscheidungspunkten zeichnen? Wenn ja, bauen Sie eine deterministische Pipeline und streuen Sie einen einzigen Modellaufruf dort ein, wo Sie Urteilsvermögen benötigen. Heben Sie Agenten für die Fälle auf, in denen sich der Weg wirklich nicht im Voraus vorhersagen lässt, etwa das Sortieren eines unbekannten Support-Tickets, das Untersuchen einer Datenabweichung oder das Verfassen und Überarbeiten eines Dokuments angesichts wechselnder Rückmeldungen.

Der Kompromiss ist real. Agenten verschaffen Ihnen Flexibilität und bezahlen sie mit Unvorhersehbarkeit, höheren Token-Kosten und schwierigeren Tests. Treffen Sie diese Abwägung bewusst, nicht weil Agenten gerade in Mode sind.

Die Anatomie eines Agenten, der in der Produktion überlebt

Unter der Haube besteht ein funktionierender Agent aus einer kleinen Zahl von Bestandteilen, und jeder davon verdient Sorgfalt.

• Das Modell liefert das Schlussfolgern und die Sprache. Im Jahr 2026 werden Sie typischerweise ein starkes Modell für die Planung mit einem günstigeren, schnelleren Modell für Routineschritte kombinieren.
• Werkzeuge sind die Hände. Es sind Funktionen, die der Agent aufrufen kann: eine Datenbank abfragen, eine E-Mail versenden, ein Ticket erstellen, eine Suche ausführen. Ein Agent mit schwachen Werkzeugen ist ein Philosoph ohne Arme.
• Die Schleife entscheidet über die nächste Aktion, führt sie aus, speist das Ergebnis zurück und prüft, ob das Ziel erreicht ist.
• Das Gedächtnis trägt den Kontext über Schritte und Sitzungen hinweg, vom aktuellen Notizzettel bis zu langfristigen Fakten über eine Kundin oder einen Kunden.
• Leitplanken schränken ein, was der Agent tun darf, validieren Eingaben und Ausgaben und stoppen außer Kontrolle geratenes Verhalten.

Das häufigste Versagen, das wir sehen: Teams stecken viel Mühe in raffinierte Prompts, während sie Werkzeuge als Nebensache behandeln. Kehren Sie das um. Die Qualität Ihres Werkzeugdesigns bestimmt die Obergrenze Ihres Agenten weit stärker als die Formulierung der Prompts.

Gestalten Sie Ihre Werkzeuge wie eine API, die Entwickler lieben

Werkzeuge sind der Vertrag zwischen dem Modell und Ihren Systemen, behandeln Sie sie also mit derselben Sorgfalt, die Sie jeder Schnittstelle zukommen lassen würden. Dieselben Prinzipien, die wir in APIs entwerfen, die Entwickler lieben behandeln, gelten hier unmittelbar, denn das Modell ist nur ein weiterer Nutzer Ihrer API, einer, der die Dokumentation wörtlich liest und auf keine Intuition zurückgreifen kann.

Praktische Regeln, die sich auszahlen:

• Geben Sie jedem Werkzeug eine eng gefasste, einzige Verantwortung. „Kundendatensatz aktualisieren" schlägt jedes Mal „Kunden verwalten".
• Schreiben Sie Beschreibungen für einen klugen Praktikanten, nicht für einen Compiler. Sagen Sie, was das Werkzeug tut, wann es zu verwenden ist und was es zurückgibt.
• Machen Sie Parameter explizit und typisiert. Aufzählungen schlagen Freitext. Pflichtfelder sollten Pflicht sein.
• Geben Sie strukturierte, informative Fehler zurück. „Bestellung für ID 4821 nicht gefunden" erlaubt dem Agenten, sich zu erholen. „Fehler" nicht.
• Halten Sie die Zahl der Werkzeuge überschaubar. Zwölf scharf umrissene Werkzeuge übertreffen vierzig sich überschneidende, denn ein überfülltes Menü verleitet das Modell zur falschen Wahl.

Machen Sie falsche Aufrufe billig und umkehrbar

Gestalten Sie Werkzeuge so, dass ein irrtümlicher Aufruf wenig Schaden anrichtet. Ein Werkzeug, das eine E-Mail zur Prüfung entwirft, ist sicher. Ein Werkzeug, das sie an zehntausend Kunden versendet, ist es nicht und sollte hinter einem menschlichen Freigabeschritt liegen. Wenn eine Aktion destruktiv oder unumkehrbar ist, teilen Sie sie in zwei: ein Werkzeug, das die Änderung vorschlägt, und eines, das sie erst nach einer bestandenen Prüfung festschreibt.

Leitplanken sind das Produkt, nicht der Papierkram

Ein Agent mit echten Werkzeugen kann echten Schaden anrichten, deshalb sind Leitplanken kein Compliance-Theater. Sie sind das, was den Agenten überhaupt erst auslieferbar macht. Bauen Sie sie in Schichten auf.

Beginnen Sie mit dem Prinzip der geringsten Rechte. Der Agent sollte nur die Systeme und Berechtigungsbereiche erreichen, die er für seine konkrete Aufgabe benötigt, mehr nicht. Diese Denkweise spiegelt wider, was wir in Zero-Trust-Architektur erklärt beschreiben: Nehmen Sie niemals an, dass ein Akteur vertrauenswürdig ist, nur weil er sich innerhalb Ihres Netzwerks befindet, und das schließt Ihren eigenen Agenten ein.

Fügen Sie dann auf beiden Seiten jedes Werkzeugaufrufs eine Validierung hinzu. Prüfen Sie die Eingaben vor der Ausführung und verifizieren Sie die Ausgaben danach. Versucht ein Agent, eine Rückerstattung oberhalb eines Schwellenwerts auszulösen, wird diese Aktion an einen Menschen weitergeleitet. Erzeugt er eine Datenbankabfrage, bestätigt ein Validierer, dass sie nur lesend ist, wenn sie es sein soll.

Begrenzen Sie schließlich die Schleife. Legen Sie eine maximale Anzahl von Schritten, ein Token-Budget und eine reale Zeitüberschreitung fest. Ein Agent, der fünfzehn Mal ohne Fortschritt geschleift hat, denkt nicht nach, er steckt fest, und er sollte anhalten und eskalieren, statt Ihr Budget zu verbrennen.

Eine Schritt-für-Schritt-Checkliste für den Aufbau

Wenn wir einen Agenten von der Idee zur Produktion bringen, arbeiten wir eine Abfolge ab, die den Umfang ehrlich und das Risiko gering hält. Nutzen Sie dies als Ihre eigene Checkliste:

1. Schreiben Sie den Aufgabenvertrag. Legen Sie in klarer Sprache fest, wie „erledigt" genau aussieht und was der Agent niemals tun darf.
2. Kartieren Sie die Werkzeuge. Führen Sie jede Aktion auf, die der Agent benötigt, und bauen und testen Sie dann jedes Werkzeug isoliert, ohne das Modell in der Schleife.
3. Setzen Sie einen schlanken Agenten zusammen. Verdrahten Sie das Modell mit den Werkzeugen über die einfachste mögliche Schleife. Noch kein Gedächtnis, keine Raffinesse.
4. Bauen Sie ein Bewertungsset. Sammeln Sie zehn bis fünfzig realistische Aufgaben mit bekannten guten Ergebnissen, bevor Sie irgendetwas justieren.
5. Fügen Sie Leitplanken hinzu. Schichten Sie die Begrenzung von Berechtigungen, die Validierung von Ein- und Ausgaben sowie harte Grenzen für Schritte und Kosten ein.
6. Führen Sie Gedächtnis nur dort ein, wo es nötig ist. Ergänzen Sie die Kontextpersistenz, wenn die Bewertungen zeigen, dass der Agent Dinge vergisst, die er sich merken sollte.
7. Führen Sie Offline-Bewertungen durch. Messen Sie die Erfolgsquote, die Kosten pro Aufgabe und die Anzahl der Schritte anhand Ihres Sets. Iterieren Sie, bis die Zahlen langweilig sind.
8. Liefern Sie an einen schmalen Ausschnitt mit einem Menschen in der Schleife aus. Lassen Sie ihn ein kleines Volumen mit Freigabetoren bearbeiten, bevor Sie die Tür weiter öffnen.
9. Instrumentieren Sie alles. Protokollieren Sie jeden Prompt, jeden Werkzeugaufruf und jedes Ergebnis, damit Sie Fehler in dem Moment sehen, in dem sie auftreten.
10. Erweitern Sie die Autonomie schrittweise. Entfernen Sie die Freigabetore eines nach dem anderen, während Vertrauen und Belege sich anhäufen.

Die Disziplin besteht hier darin, dem Drang zu widerstehen, direkt zu Schritt acht zu springen. Teams, die ausliefern, bevor sie messen können, enden beim Raten, und Raten skaliert nicht.

Die Bewertung ist es, die Hobby von Produkt trennt

Sie können nicht verbessern, was Sie nicht messen können, und Agenten sind ungewöhnlich schwer zu messen, weil dieselbe Eingabe unterschiedliche Wege hervorbringen kann. Bauen Sie früh ein Bewertungsgerüst auf. Verfolgen Sie mindestens die Erfolgsquote bei Ihrem Aufgabenset, die durchschnittlichen Kosten pro Aufgabe, die Anzahl der unternommenen Schritte und die Häufigkeit, mit der Leitplanken auslösen.

Automatisieren Sie so viel von der Bewertung, wie es vernünftigerweise geht. Bei Aufgaben mit einer klaren richtigen Antwort prüfen Sie das Ergebnis direkt. Bei offenen Aufgaben wie dem Verfassen funktioniert ein modellbasierter Bewerter, der die Ausgabe anhand eines Bewertungsrasters benotet, gut, solange Sie ihn stichprobenartig gegen das menschliche Urteil abgleichen. Behandeln Sie jeden Fehler in der Produktion als neuen Testfall. Mit der Zeit wird Ihr Bewertungsset zum wertvollsten Gut, das Sie besitzen, wertvoller als jeder einzelne Prompt.

Kompromisse bei Kosten und Zuverlässigkeit, mit denen Sie planen sollten

Agenten können leise teuer werden. Jeder Schritt ist ein oder mehrere Modellaufrufe, und eine Aufgabe, die zwölf Schritte benötigt, kostet ungefähr das Zwölffache eines einzelnen Aufrufs. Ein paar Hebel halten dies im Rahmen:

• Leiten Sie nach Schwierigkeit. Verwenden Sie ein starkes Modell für die Planung und ein günstigeres für mechanische Schritte.
• Nutzen Sie den Cache aggressiv. Verwenden Sie System-Prompts und stabilen Kontext wieder, damit Sie nicht dafür bezahlen, dieselben Anweisungen erneut zu senden.
• Scheitern Sie schnell. Ein enges Schrittlimit verhindert, dass ein verwirrter Agent Ihr Budget in einer Schleife ausgibt.

Zuverlässigkeit und Kosten ziehen gegeneinander. Mehr Wiederholungsversuche und mehr Reflexion verbessern die Erfolgsquoten, erhöhen aber Kosten und Latenz. Das richtige Gleichgewicht hängt von der Aufgabe ab. Ein Back-Office-Agent, der über Nacht läuft, kann es sich leisten, langsam und gründlich zu sein. Ein kundenseitiger Agent muss in Sekunden antworten, was Sie zu engeren Schleifen und stärkeren Leitplanken drängt.

Wie Innovation T helfen kann

Einen Agenten zu bauen, der sich in der Demo gut macht, ist eine Sache eines Wochenendes. Einen zu bauen, der echte Arbeit leistet, sicher, Tag für Tag, ist eine ingenieurmäßige Disziplin. Bei Innovation T entwerfen wir die Werkzeugschicht, die Leitplanken und das Bewertungsgerüst, die aus einem vielversprechenden Prototyp ein System machen, dem Ihr Team vertrauen kann, und wir integrieren es in Ihre bestehende Software, Ihre Daten und Ihre Cloud-Infrastruktur, statt ein Silo daneben zu setzen.

Wir können Ihnen helfen zu entscheiden, ob ein Agent überhaupt die richtige Antwort ist, den kleinsten Umfang abzustecken, der Wert liefert, und ihn zu instrumentieren, damit Sie genau wissen, was er tut. Erkunden Sie unsere Leistungen, um zu sehen, wie unsere Teams für Software, Cloud und Beratung zusammenarbeiten, oder kontaktieren Sie uns, um Ihren konkreten Anwendungsfall zu besprechen. Wenn Sie lieber mit einem Gespräch darüber beginnen möchten, wo Automatisierung in Ihre Roadmap passt, führen wir es gern.

Die Agenten, die 2026 gewinnen, sind nicht die auffälligsten. Es sind die, die die Arbeit still zu Ende bringen und innerhalb der Linien bleiben. Genau die Art bauen wir gern.